在某种意义上，什么可以称为AI，什么不能-取决于定义。 不可否认，由Google DeepMind团队开发并击败了世界冠军的AI游戏GoGo以及过去几年经过深入培训的类似系统已经能够解决相当复杂的计算问题。 但是它们会引导我们走向真实，完整的AI，广义智能还是OI？ 很难-这就是原因。
创建OI时必须处理的关键特征之一是，它必须能够独立地与外界打交道，并对它遇到的，听到的，说的或做的一切发展出自己的内部理解。 否则，您将发现自己掌握在现代AI程序中，其含义由应用程序开发人员确定。 实际上，人工智能不了解正在发生的事情，并且其专业领域非常狭窄。
意义问题也许是AI任务中最基本的问题，并且尚未解决。 最早表达这种想法的人是认知科学家Stevan Harnad，他在1990年撰写了《匹配符号的问题》一书。 即使您不相信我们在操纵符号，该任务仍然存在：将系统内存在的表示与现实世界进行比较。
具体而言，我们注意到理解任务将我们引到四个子任务：
1.如何构造一个人（人或AI）从外界获得的信息？
2.如何将这种结构化信息与世界联系起来，即如何建立一个人对世界的理解？
3.如何使这种理解与其他人格同步？ （否则，沟通将是不可能的，并且智力将变得无法解释和孤立）。
4.一个人为什么要做某事？ 如何开始这一切运动？
第一个问题，即结构化，可以通过深度学习和不需要监督的类似训练算法很好地解决-例如，在AlphaGo中使用了它。 在这一领域，特别是由于最近计算能力的提高和GPU的使用，我们取得了重大成功，GPU并行处理信息的能力特别出色。 这些系统通过获取在多维空间中表示的过度冗余的信号来工作，并将其减少为较小尺寸的信号，同时将信息损失降至最低。 换句话说，它们从信息处理的角度捕获信号的重要部分。
第二个问题，即信息与现实世界之间的联系问题，即“理解”的建立，与机器人化直接相关。 要与世界互动，您需要一个身体，并建立这种联系，您需要与世界互动。 因此，我经常争辩说，没有机器人就没有AI（尽管有优秀的机器人没有AI，但这是另外一回事了）。 这通常被称为“体现问题”，大多数AI研究人员都认为智力和体现是紧密相关的。 在不同的身体中存在着不同形式的智力，这很容易从动物身上看到。
一切都从简单的事情开始，例如在您身体的各个部位中寻找含义，以及如何控制它们以在可见世界中实现所需的效果，如何建立空间感，距离感，色彩等等。 在这一领域，由像J. Kevin O'Regan这样的科学家进行了详细的研究，他以“意识的感觉运动理论”而闻名。 但这只是第一步，因为从那时起，有必要在这些平凡的感觉运动结构的基础上建立越来越多的抽象概念。 我们尚未达到这一点，但是有关此主题的研究已经在进行中。
第三个问题是文化起源的问题。 在某些动物中，可以追溯最简单的培养形式，甚至可以传承几代人的能力，但是数量非常有限，只有人类达到了我们称为文化的获得知识的指数增长阈值。 文化是智力的催化剂，而没有文化互动能力的AI只会引起学术兴趣。
但是不能将文化作为代码手动输入到机器中。 这应该是学习过程的结果。 寻找理解这一过程的最佳方法是
发展心理学 。 让·皮亚杰（Jean Piaget）和迈克尔·托马塞洛（Michael Tomasello）完成了有关此主题的工作，他们研究了儿童获取文化知识的过程。 这种方法催生了机器人技术的新学科“机器人发展”，以儿童为模型（图中的iCub机器人就是这种情况）。
另外，这个问题与语言学习过程的研究密切相关，这也是我本人研究的主题之一。 像Luc Steels等人这样的人的工作表明，语言的获取过程可以与进化相提并论：一个人通过与世界互动来创造新概念，使用它们与其他人格交流，并选择有助于比其他人更成功地交流的结构（主要是实现共同的目标）。 经过数以百计的反复试验，就像生物进化一样，该系统生成了最佳概念及其句法/语法翻译。
此过程已经过实验测试，令人惊讶地类似于自然语言的演化和成长。 当一个人立即感知到该概念时，他还负责即时学习-这样的事情无法解释诸如深度学习之类的基于统计的模型。 现在，一些使用这种方法的研究实验室正在尝试沿着感知语法，手势和更复杂的文化现象的道路走得更远。 具体来说，这是我在一家从事机器人技术Aldebaran的法国公司中建立的AI实验室。 现在它已成为软银集团的一部分-他们创建了机器人
Nao ，
Romeo和
Pepper （下图）。
最后，第四个问题是“内在动机”。 为什么一个人干什么，而不仅仅是休息。 生存要求不足以解释人类行为。 即使您进食并确保一个人的安全，他也不会坐着等待饥饿的恢复。 人们研究环境，尝试做某事，并且受到某种形式的内在好奇心的驱使。 研究员Pierre-Yves Oudeyer表示，好奇心最简单的数学表达，就是人们渴望最大化学习速度的形式，足以应对令人惊讶的复杂和意外行为（例如，参见在索尼CSL）。
显然，对于系统来说，需要类似的东西来促使它经历以下三个步骤：构建有关世界的信息，将其与您的身体结合起来并创建有意义的概念，然后从交流的角度选择最有效的方法以创建联合一种可以合作的文化。 从我的角度来看，这正是OI程序。
我再说一遍，深度学习的迅速发展以及这种AI在类似go的游戏中的成功是一个好消息，因为这种AI将在医学研究，工业，环境保护和其他领域找到许多应用点。 但这只是问题的一部分，我在这里试图解释。 我不认为深度学习是将我们带入真正的AI的灵丹妙药，某种意义上的机器可以学习如何和平相处，与我们自然互动，了解我们的情绪和文化扭曲的复杂性并最终帮助我们使世界变得更美好。