通用智能是指能够在各种不同的任务和环境中灵活地适应和执行任务的智能。通用智能与特定任务的智能相反，后者只能在特定领域或任务中表现出色。通用智能的理论基础是人工智能领域的通用人工智能（AGI）研究，旨在设计出能够像人类一样具备广泛的智能能力的计算机系统。

通用智能的实现面临着技术、数据、计算能力、知识表示和人类智能理解等多个方面的挑战，如通用智能需要具备在各种不同情境下进行灵活思考、适应、学习等能力，这就需要其具备极为复杂的算法和系统结构、大量的高质量的数据来进行学习和训练、足够强大的计算能力和高效的算法、有效的知识表示方法和知识管理系统以及对人类智能进行深入的研究和理解等等。其中最关键的也是最难以克服的是：就像人类的智能一样，通用智能系统的输入、处理、输出、反馈诸端大都包含两部分，一是“共识存在”的部分，二是“非存在的有”部分，机器的计算部分集中在第一部分，人类的算计部分侧重于第二部分。第一、二部分都涉及情绪影响理智的问题，如恐惧可以使理智狭隘或阻塞，情感可以调节理性。

客观而言，依据目前可预见到的形式化方法和手段，单纯的机器智能是很难实现通用智能的，若可能，很大程度上应该是人机环境系统智能。

人类的通用智能不是类脑就能类出来的（狼孩的人脑并没有人的智能），也是人机环境系统交互产生出来的智能，并常常通过思维链的方式呈现出来，​思维链是指一个人在思考或解决问题时，所采用的思考模式和思考过程，它是一种将问题分解为各个部分并逐步解决的方法，同时也是一种将各个部分有机地连接起来的方法。在思维链中，人们通过连接和整合各个思考过程中的点，以及逐步推导和演绎，最终得出整个问题的解决方案。思维链在解决问题和做决策时非常有用，它可以帮助人们更好地理解问题、分析问题、找到问题的根源，并逐步解决问题。思维链还可以帮助人们更好地组织思路和表达自己的思想，从而更好地沟通和交流。

思维链中的计算和算计（谋算）可以结合在一起，以帮助人们更好地解决问题和做决策。计算是指通过数学、统计等方法来分析和解决问题。在思维链中，计算可以用来量化问题，比如通过数据分析来了解问题的规模、影响等。计算还可以用来预测结果，比如通过建立模型来预测某个决策的后果和影响。计算可以帮助人们更加准确地理解和解决问题。

算计（谋算）是指通过周密的计划和思考来解决问题。在思维链中，算计（谋算）可以用来确定解决问题的方法和步骤，还可以用来评估不同的决策选项，并选择最佳的方案。算计（谋算）可以帮助人们更好地规划和组织思路，从而更好地解决问题。

因此，计算和算计（谋算）可以相互结合，帮助人们更全面地解决问题。在思维链中，人们可以通过计算来了解问题，通过算计（谋算）来把握方向并决定如何解决问题，并通过计算来预测不同方案的后果。这种结合可以帮助人们更好地解决问题和做出更好的决策。

在通用智能或人机环境系统智能任务中，情感可以影响理智的决策和行为。情感可以影响人类对任务的态度、信心和意愿，从而影响其决策和行为。例如，如果用户感到愉悦和满意，他们可能会更愿意继续任务，而如果用户感到沮丧和挫败，他们可能会放弃任务或更容易犯错。情感还可以调节用户的注意力和认知，影响用户对任务的理解和执行。例如，焦虑和压力可能会干扰用户的注意力和记忆，导致他们更容易犯错或忽略重要信息。相反，舒适和安心可能会提高用户的注意力和记忆，使他们更容易理解和执行任务。

因此，在设计通用智能或人机环境系统智能交互时，需要考虑用户的情感和心理状态，并尝试创造一个积极的用户体验，以提高用户的参与度和效率。

从以上论述，我们不难看出，由于通用智能的特点是具有类似人类的智能水平，能够在多个领域进行学习和应用，具有自主学习、自主思考、自主解决问题的能力。其不足之处在于：

1. 目前尚未实现完全的通用人工智能，现有的人工智能系统仍然局限于特定领域的应用，无法跨越不同领域。

2. 通用人工智能需要大量的数据和计算资源来进行学习和演化，这对于许多组织和个人来说是难以承受的。

3. 通用人工智能的决策过程可能会受到误导或偏见的影响，这可能导致其做出错误的判断或决策。

4. 通用人工智能可能会对人类社会产生巨大的影响，包括人类就业、社会生产方式等方面，这需要我们认真思考和探讨。

未来若建立新型通用智能需要进行以下研究：

1. 机器学习算法研究：机器学习是人工智能的核心技术之一，建立新型通用智能需要研究并开发更加先进的机器学习算法，以提高其学习能力和适应性。

2. 多模态信息融合研究：通用智能需要能够同时处理不同类型的信息，如图像、语音、文本等，因此需要研究多模态信息的融合和处理技术。

3. 认知模型研究：通用智能需要具备类似人类的认知能力，因此需要研究并建立相应的认知模型，以支持其智能行为和决策。

4. 自然语言处理研究：通用智能需要能够理解和生成自然语言，因此需要研究自然语言处理技术，包括语义理解、语音识别、语音合成等方面的研究。

5. 知识表示与推理研究：通用智能需要能够处理和推理知识，因此需要研究知识表示和推理技术，以支持其知识管理和应用。

6. 人机交互研究：通用智能需要与人进行交互，因此需要研究人机交互技术，包括自然语言交互、视觉交互、手势交互、情感交互等方面的研究。

摘自微信公众号：人机与认知实验室