Alex Wissner-Gross博士戴着很多帽子：他在波士顿经营一家名为Gemedy的公司，专注于人工智能(AGI)，他在哈佛大学和麻省理工学院有过许多学术任命，并且为许多政府机构提供建议。他的目标是确保通过经济重新分配人工智能(AI)的利益。您会认为，具有这些头衔和角色的人会钉上AI的定义。事实证明，对AI定义问题的答案由于一个事实而变得复杂：我们没有对智能本身的精确定义。
数据驱动智能的挑战
在最近的AI Today播客中，Alex Wissner-Gross教授更广泛地分享了他对AI和智能的见解。几年前，Alex问自己关于AI的限制因素的知识，并开始研究AI的许多关键进展，并找到了一个有趣的模式。尽管许多人认为算法或数据量可能是推动AI研究发展的限制因素，但他发现，以越来越高的计算消耗将数据强加到算法中可能并不是实现AI突破的真正限制因素。
Wissner-Gross博士希望加速更高级形式的AI的出现。他着眼于语音识别，下象棋算法，识别系统以及其他最先进的AI实现方面的进步，以确定可能出现的任何模式。他发现要解决这些基于AI的挑战的三个因素中，算法往往会引起最多的关注。但是，算法仅是AI限制因素的三类因素之一。另外两个是训练数据集和训练环境，第二类是原始计算限制。
Alex发现，正在开发的用于解决挑战的算法与解决大挑战的数据集之间的可用性时间差异几乎有一个数量级。在某些情况下，用于训练AI应对这些挑战的数据集仅在解决挑战之前一两年可用。亚历克斯(Alex)认为，由于其他两个因素往往过分强调，因此数据集不受欢迎。很自然地推测，有必要关注该领域的数据集和策展环境，以推动AI的进一步发展并在此基础上展开竞争。但是，为解决更棘手的问题而对越来越大的数据集的追逐可能会错位。
Wissner-Gross博士的物理学博士学位与专注于“智能物理学”的计算机科学相交。他比人类通过尝试理解智能的现象学或物理学而不是智能的机理，对加速超级智能的兴起最感兴趣。如果您看看自动动力飞行花费了几个世纪，而不是了解飞行的基本物理原理，那么可以说人类可能早在几个世纪之前就已经接受了这项技术。
亚历克斯研究智力的物理等价物，并致力于独立于智力过程的生物学限制而对其进行优化。他能够确定一个物理规则，该规则可以基于将智力视为试图“最大化未来行动自由”的过程的基本原理来再现关键的动物智力测验。
根据维斯纳·格罗斯(Wissner-Gross)的说法，这是一个简单明了的概念，可以封装成方程式，该方程式可用于各种环境：从动物界到金融市场或电子游戏。他认为这是一种新的智力方法，其重点是从根本上理解智力的本质以及其行为的原因。他的理由是，智能本身必须具有进化的原因，因此，了解智能的潜在进化动机可能会解开在计算机中复制智能的秘密。与理解动力飞行的基本物理原理相似，亚历克斯认为，理解使未来行动自由最大化的智能基础过程可以被视为智能系统实际的基本物理过程。
这种对智力的定义比其他人可能描述的更为具体。从亚历克斯的角度来看，智能的基础是保持选择权开放的过程。他认为，与其他定义相比，例如在某些环境中基于奖励结构的智力或能够学习某些环境的智力，该定义更有利于智力的发展。从他的角度来看，这些其他定义太狭窄了，因为智力需要能够在没有明确奖励的环境中运行，或者学习的性质不同，而不仅仅是加强学习。
智力和自私的基因
亚历克斯(Alex)引用了理查德·道金斯(Richard Dawkins)的著名著作《自私的基因》，该书描述了一个有趣的概念，即在我们周围的世界中，有两个稳定的系统：(1)通过招募周围的生物体进行复制而自我复制的基因;(2)通过永久性稳定的基因。智能实现了稳定性的第二种形式。智能系统能够适应其环境的变化，并通过这些适应得以生存。
看上述内容的另一种方法是看由史蒂文·平克(Steven Pinker)推广的认知适应性利基原理。基本概念是，进化善于适应时间尺度长于复制时间的环境变化。如果您在培养皿中有细菌，并且在时间尺度上改变环境的时间长于要复制的细菌，则细菌可以适应其环境。但是，如果您改变环境的速度快于繁殖时间，那么细菌将没有时间适应其环境。这在自然进化中留下了空白，被称为认知适应性利基市场。生态位只能由能够以环境可能适应的方式内部模拟的生物填充。因此，与其依靠繁殖来依赖生物体的复制，以使某些生物在环境变化时能够生存，您可以在内部进行更改以模拟环境适应的可能方式，这种方式可以更快地发生。心理模拟比物理世界的变化要快得多。
以全新的视角应对AI挑战
亚历克斯看好未来五年内应对AI的挑战。AI的许多工业应用都集中在狭小的智能问题上，但真正的进步将是更多的自适应智能形式。在这些环境中，将需要智能的一般形式来发展。例如，亚历克斯(Alex)相信，进步将在于在连续动作空间中进行操作的能力以及在长期时间范围内预测演变的能力。Alex相信，当AI可以获取数据并将其推算到未来时，对企业的影响将是巨大的。从这个角度来看，企业和组织可以看作是由几个较小的智能组成的大型生物，可以实现个人无法独自实现的目标。
最终，Alex相信AI的最终挑战是构建能够成功和谐地最大化未来行动自由的AI。个人的目标是生存和发展，各种规模和复杂性的组织的目标也是如此。如果我们能够理解智能的基本物理原理，就可以利用AI的真正力量并取得重大突破。