通用人工智能的基本问题可以提炼成四个：“做什么?” “能做吗?” “怎么做？” “该做吗？” 下面是我对这些问题的简略分析。
做什么? 我在《当你谈论人工智能时，到底在谈论什么?》中已经列举了“人工智能”名下五类不同的研究目标，而目前流行的“人工智能就是用计算机解决那些以前只有人脑才能解决的问题”就是其中的“能力派”。
这一派的优势是通俗易懂，直接见效，但缺点是圈画得太大，以至于以前叫“自动化”“计算机应用”的工作现在都赶时髦改叫“人工智能”了。由于这种界定使得AI涵盖了大量完全不同的系统，在此范围内建立一个统一的人工智能理论的可能性甚微。在《人工智能迷途：计算机的高技能等于高智能吗？》中，我介绍了“通用人工智能”的观念及其在历史中的浮沉。时至今日，这个词越来越多地出现在各种讨论中，但对其意义的理解仍有很多误区。
比如一个常见的说法是把通用系统叫做“强人工智能”，而把专用系统叫做“弱人工智能”。这个区分不无道理，但二者的区别其实不是能力的强弱，而是应用范围和工作原理，所以这种称呼会使人将二者间的“质”的差别误判为“量”的差别，以为把各种专用系统整合在一起就是通用系统了。
能做吗? 从“人工智能”“思维机器”等成为研究对象时起，这种努力的成功可能性就一直是有争议的。
随着深度学习等技术的成功，目前流行话语中的人工智能的可能性不再是问题，但通用人工智能的可能性仍是受到广泛怀疑的。对这个问题的肯定性论证即使在学术界认为大功告成之后的很长时间内仍不会被公众普遍接受，比如有人会坚持说它没有“灵魂”，不管它做到了什么。因此，我下面只简单说明为什么现有的否定性论证都是不能成立的。这里有几种不同的情况。
一类“人工智能不可能”的断言是出于对这个领域的研究目标的误解，因而是在攻击一个稻草人。持这种态度的人往往以为这个领域的目标是制造在所有方面都和人一摸一样的计算机。找些证据说明这不可能并不难，但问题是，我还不知道任何研究者真是冲着那个目标去的。实际上，所有研究人工智能的人都只是认为计算机可以在某些方面和某种程度上和人脑相类似。
很多研究者认为在“人类智能”的诸多现象之中存在一个更一般的“智能”机制，而“人工智能”是这个机制的另一种实现方式。按照这种观点，即使人工智能完全实现，也不会和人类智能在外部表现上完全相同。因此，这种“人工智能不可能”的论断不会对这个领域中的研究有任何影响。
怎么做？
由于专用系统的实现途径因问题而异，在这里我只讨论通用人工智能，而且只集中分析几种常见的观点，而把对我自己的研究进路的介绍留给其它文章。在相信通用人工智能可能实现的人们当中，目前最被看好的技术自然非深度学习莫属。每当深度学习的一个新用途出现，总会有人说“这标志着又向通用人工智能前进了一步”，似乎在这个方向上走下去就是了。在《深度神经网络会产生人这样的智能吗？
》中，我已经说明了通过深度学习以及相关的机器学习技术实现通用智能的困难。这里要补充的一点是：有人认为深度学习已经是“通用”的了，因为这个技术可以被应用于很多不同的领域。但这不是“通用人工智能”的意思。深度神经网络的确既能被训练下围棋，也能识别照片，但同一个网络不能同时做这两件事。
由于以往的机器学习研究基本上都是以“逼近单一函数”为指向的，把它们推广到多目标绝不是个容易的事，因为它要求整个研究规范的根本改变。时至今日，尚没有一个用深度学习实现通用人工智能的完整路线图，而相信这个可能性的人往往是从已有的成果做简单外推。
该做吗？ 最后，即使我们发现了建造思维机器的途径，那也不一定意味着我们真要把它做出来。
已经有很多名人大声疾呼地要求人工智能慢下来甚至停下来了，因为他们害怕人类失去“万物之灵”的地位及其后果。关于这种诘难，我已经写了《人工智能危险吗？》来回应，而这里只是再加些补充。首先，很多“人工智能专家”对AI安全性所做的保证往往只涉及他们所构建或能够设想的系统，其中完全没有适应性、灵活性、自主性、创造性等通用人工智能系统才可能具有的特征，因此说的基本就是另外一个问题。
由于这些特征，通用人工智能带来的伦理道德问题和传统技术有根本的不同，因此要求不同的应对方案。作为适应性系统，通用人工智能最大的特点之一就是其行为不仅仅取决于设计，而更加依赖于经验，因此对这种系统的控制需要通过影响它的经验来实现，就像社会对个人的制约那样。因此，不能指望人工智能工作者可以设计出永不犯错的系统，也不能奢望对人工智能安全性的研究可以预先排除掉所有危险。
而在另一方面，在这种系统上进行的研究可以极大丰富我们对适应性系统的认识，将教育学和社会学的研究范围扩展至包括智能机器在内。和其它问题一样，对人工智能的恐惧常常来自对其研究目标的误解。很多人以为“通用人工智能”会是在一切领域超过人类，以至于近乎全知全能的存在，所以这种系统的出现会在人类历史上造成一个“奇点”，此后的发展便不在我们的掌控甚至理解范围之内了。
至今为止，我还没有看到足以使我相信这一结论的证据。我认为通用人工智能完全可以造出来，而这种系统会有和人非常类似的认知功能。但是，这不意味着计算机可以全面达到以至超越人的解决问题能力，因为适应系统的行为依赖于其经验，而一个人工智能系统是不会拥有和人完全相同的经验的。因此，人和机器的具体能力会有重合，但仍会有人能解决但机器不能解决的问题。像我在《人工智能迷途：计算机的高技能等于高智能吗？
》中所解释的，通用的“智能”和专用的“技能”不是一回事。不同形式的智能，不论是人类还是人造的，在前一方面都类似，而在后一方面未必可比，就像没法说诸葛亮、达芬奇、莫扎特谁更聪明。这也说明通用人工智能的工作原理仍是我们可以理解的，其行为也是可以通过对其经验加以影响来控制的，尽管它的运算速度可能很快，存储量可能很大，经验可能和我们非常不同，因此它的具体行为可能不是那么容易解释或预测。
总之，人工智能研究的正当性既来自人类认识思维一般规律的长期渴望，也来自社会发展对复杂信息加工的实际需求。这项研究同时也带来了新的挑战，对此我们绝不能掉以轻心，但也不该盲目恐惧。要避免AI造成的危险，起码要把AI是怎么回事搞对吧？那些“AI必然导致灾难”的断言在这一方面往往都不及格，其结果是和风车作战，反而对可能性大很多的危险毫无提防。
除非我们有足够的证据认为某项技术的确会是弊大于利，我们还是有充分理由来继续这项探索，同时拒绝廉价的保票，准备好对该技术的各种后果进行尽可能恰当的应对。