Ben Goertzel与索菲亚机器人
你还记得在湖南卫视《我是未来》节目上，让全场观众为之惊讶的机器人吗。它就是来自Hanson Robotics的索菲亚机器人，它看起来就像人类女性，拥有橡胶皮肤，能够使用很多自然的面部表情。索菲亚曾在英国最火爆的早间新闻节目中谈笑风生；前两天，在沙特首都利雅得的“未来投资倡议”大会上，索菲亚首次被沙特授予了公民身份（它也是历史上首个获得公民身份的一名女机器人），并与主持人安德鲁·索尔金现场进行了一段有趣的对话。
主持人说，“索菲亚，我希望你能听到，你将是被授予沙特阿拉伯国籍的首个机器人”。作为回应，机器人索菲亚向沙特阿拉伯政府表示感谢。她指出，成为拥有沙特阿拉伯护照的首个机器人，对自己来说是莫大的荣幸。
网红索菲亚，就是Ben Goertzel与David Hanson共同主导研发的机器人产品。
现在，Ben Goertzel想建立世界上第一个由区块链科技驱动的人工智能市场。
提出通用人工智能概念
20世纪80年代，Ben Goertzel成为了一名数学系博士，当过一段时间的大学教师后，90年代末进入产业领域，涉猎人工智能开发应用的工业领域，从基因学、生物信息学、自然语言处理，到与美国政府合作处理国家安全事务、计算机制图、视觉处理等，这些Ben Goertzel都做过。
2002年或2003年，Ben Goertzel提出了通用人工智能这个术语，他每年都组织通用人工智能会议。通用人工智能也叫 AGI（Artificial General Intelligence），通用人工智能可以自行学习做人类可以做的所有事情。Ben 强调狭义人工智能与 AGI 都很有价值。与狭义人工智能不同的是，通用人工智能不仅仅可以做到狭义人工智能所做的一切，它还可以学习到真正的人类智能，像人类那样行为处事。过去十年里，我们见证了这一理念不断丰富、成熟，正如人工智能正在各领域蓬勃发展一样。
加盟机器人公司 Hanson Robotics
六年前，Ben Goertzel搬到香港，开始与朋友David Hanson合作，致力于将人工智能技术应用到仿真机器人上，他们公司的名字叫做Hanson Robotics。Ben Goertzel表示，他那有世界上最逼真的仿真机器人，它们有丰富的面部表情和表达能力。他希望这些机器人不仅仅拥有好看的外表，更能进行智能运动。毫无疑问，这是一个宏大的研究目标。
看来实现Ben Goertzel的主要研究目标有路可寻，也就是实现从狭义的人工智能或者执行特别具体任务的人工智能到他认为的通用人工智能。
Ben Goertzel在研发索菲亚机器人时，用到了许多工具，比如计算机视觉处理中用到了计算机视觉开发源代码；人脸及物体识别方面，借鉴应用了微软的深度神经网络语音软件；语音语言处理方面应用了谷歌语音处理；应用了其他公司的工具将文本识别为语音。记忆、学习及个性形成方面，应用了自主开发的人工智能工具，在特定的架构到控制索菲亚机器人中应用了数十种人工智能工具。
在这个过程中，Ben Goertzel意识到了要在人工智能功能上实现下一个巨大飞跃，就需要建立遍布全球的大规模的人工智能智慧云。
Ben Goertzel想拥有非集中化的人工智能网络，每个人工智能系统都能发挥其特有功能，在分散式网络的不同人工智能系统之间能相互交流、分享数据、分配任务，共同工作等。
AI DAO与AI即服务（AI as a service）
为了建立用以信息共享、相互帮助的非集中化人工智能网络，区块链作为一个合适的平台出现了。所以Ben Goertzel希望开始建立AI DAO，虽然最开始时不这样说，因为这个概念几年前才出现。（DAO是一种可以自动运行在去中心化基础架构上的计算进程，具有资源管理的能力。比特币网络是DAO。以太坊网络是DAO。DAO上面还可以跑其他DAO，比如The DAO就跑在以太坊上。DAO是一个脚本，平时就坐在那里，等待某个交易来触发运行。）
1998年，Ben Goertzel成立了第一家人工智能公司（Webmind），很遗憾，只运营了三年。实际上Ben Goertzel想研究的是现在的AI DAO。他希望建立起一个人们可以在星球的任何地方都可以利用的人工智能的网络。所有网络中不同的人工智能都能与其他人对话，信息共享，整个网络中的人工智能集合将超过到目前为止网络中的任何人工智能。
需要很多技术支持实现这项工程。分布式账本技术（分布式账本技术是应用在资本市场最重要的区块链技术，该技术可以移除当前市场基础设施中的效率极低和成本高昂的部分）是很重要的，因为不需要总控制器，不同的人工智能可以追踪它们在整个网络中的动态。
同态加密及其相关技术也是十分重要的，因为有些人工智能只在特定领域与其他人工智能共享数据。分布式账本技术与同态加密是实现AI DAO的关键技术。
人工智能领域中大多数公司想通过人工智能完成商业运营中的指定任务，他们也想要求云供应商提供人工智能服务。
这不仅能够说明究竟是谁可以向顾客销售产品，同时也能优化供应链，检测交易数据库中的欺诈行为。如今，人工智能可以改善很多不同的功能，因此，服务领域出现越来越多的人工智能供应商。
例如IBM的云平台Blue Mix、Amazon的AWS、谷歌云等平台都提供了人工智能应用程序接口（APIs）作为服务的一部分，但是大公司或创业公司在人工智能服务领域提供的服务很昂贵，并且有时可能因为客户不得不购买大量不需要的服务。
人工智能商业服务是社交编程及代码托管网站开源代码中人工智能功能的小部分，因此，开源代码设计的人工智能提供的服务多于其他服务的一千倍。
但是因为人工智能的缺点，大多数人并不能完全利用人工智能。
如果有人在Github（是一个面向开源及私有软件项目的托管平台）资源上开放源代码，可以先下载，然后尝试让其在Linux发行版上构建。接着阅读指南文件，读懂其中内容，再设法将其连接到公司IT系统上，而绝大部分人并没有掌握这种专业技能。
从这一角度而言，Ben Goertzel着眼于SingularityNet公司，正努力创建这样一个平台——借此开发出更多人工智能工具，供应给那些想要利用人工智能作为工具并应用到工业领域的公司。
创立“AI应用商店”SingularityNet
SingularityNet是一个门为AI研究者提供的交易平台。除了能供开发者推广自己开发的AI商品，它还兼具中央枢纽的功能，可以将大数据整合在一起，生成能够承担极其复杂任务的“通用人工智能”（AGI）。
从人工智能开发者的角度来看，如果开发的一些时髦小程序能放在Github上，那么放在Docker里或服务器上就不费劲。把它装在SingularityNet应用程序编程接口（API）也很简单。之后，可以通过发现机制找到Docker里的人工智能代码，因为我们已经被告知主节点的位置，之后并没有把代码放到Github供极客们下载和使用，而是放到网上和应用程序编程接口（API）里。由此，人们可以通过SingularityNet发现机制找到并使用。
Ben Goertzel表示，我们很明确自己在做什么，所以才这样做。我们想创建一个平台，在该平台上人工智能工具彼此之间可以达到自动或至少是半自动连接。例如，如果需要查找一份归档文件，可以用户身份在SingularityNet上输入指令：“你好，我需要一份归档文件。”
你可能会从20个不同文档总结节点中找到许多相关文档，可以看一下这些文件的知名度，然后选择一个知名度和价格都合适的，之后那个节点会提供你所输入的文档。如果文档总结节点系统遇到不能解决的问题，就会将这个问题转移给另一个节点。当然，它可以把解决不了的问题移交给一个视频汇总节点，然后能够弥补一小部分之前花在文件总结节点上的钱。也就是说，如果看到俄语中的一个引用，或许该节点不具备识别俄语的功能，但是它能在微型处理器的基础上将这句引用移交给能够进行翻译的俄语-英语翻译节点，然后翻译结束后将其发回给文档汇总节点。
因此，可以把人工智能各节点联合或构建子网络，在这些联合的节点或子网络中，会发生学习行为，如果此文档汇总节点学习一定类型的视频引用，它会转到视频分析节点，这种学习行为是在这两种不同的人工智能节点的联系中发生的。某种程度上，它类似于大脑的学习过程。大脑有两个神经元，如果他们共同发挥作用，两者之间的联系会得到加强。它是种长期性的增强过程或赫布型学习（对神经元的刺激使得神经元间的突触强度增加，这种学习方法被称为赫布型学习）过程，所以在每个人工智能节点内，都会学到一些东西。
如果该过程是一个机器学习过程，你也能从人工智能节点之间的联系层面收获很多，该过程建立在整个网络层面上，非常有意思。
如今区块链的确是网络探测技术的一部分，这种网络探测很有价值，因为在20世纪90年代末，网络层缺乏，也正是Ben Goertzel首次尝试建立节点时受到阻碍的部分原因。
那时没有动态加密技术，如果想从自己设计的标识中获利，没有加密仪器使其奏效。拥有那样的仪器很有价值，其价值就类似于绘图处理器对于分布式图像处理的价值。所以我们现在所拥有的这一项完整的基本保密技术装备，实现了在此基础上再建立一层保密装置的可能。
Ben Goertzel介绍到，SingularityNet的人工智能团队遍布全球，尽管我个人主要是在香港，实际上SingularityNet最大的人工智能办公室设在埃塞俄比亚的亚的斯亚贝巴。那里有25或30个人工智能研发人员和几十个实习生，这是个低成本的研发中心。那里的大学非常好，所以SingularityNet可以聘请到优秀的年轻毕业生。
人工智能在亚洲和欧洲的价格已经很高了，非洲将会成为下个外包地点。投入更多时间花在非洲市场，你会发现人们对人工智能的需求还是很大的。
Ben Goertzel正在非洲开发一种应用，可以根据一张植物叶子的图像识别早期农作物病害。另外，Ben Goertzel也开发了人工智能辅导系统，这种应用可以像人工智能辅导系统一样，可以帮助那些无法接受良好教育的农村儿童。
乌兹别克斯坦的开发者上传机器学习的人工智能节点后，埃塞俄比亚的使用者能够使用这个节点识别叶子上的农作物病害。他们也许会给乌兹别克斯坦的开发者一些报酬。通过SingularityNet的代币交易平台，这种交易成了可能，不论这项应用的适用程度如何，都引起了IBM和Google的兴趣。
将所有人工智能技术应用到军事、政府或大型公司，意味着人工智能的广泛应用并不能带来太多收益，也意味着人工智能工具只能为特定领域提供帮助，这与我们当前的做事方式有所不同。
在这种更分散的方式中，全世界更多开发者和使用者将参与其中，Ben Goertzel认为实质上随着人工智能技术变得越来越先进，情况将会朝着好的方向发展。
然而，没人敢担保人工智能的发展方向。人工智能领域鱼龙混杂，Ben Goertzel宁愿看到全人类整体参与推动通用人工智能的发展，也不愿其他组织来操控人工智能。
恰巧，这种非集中化的通用人工智能机制应运而生。或许，此时推行高级通用人工智能恰逢其时。
而关于使用动机，有些人出于政治目的，有些人追求效益，有些人则出于研究目的。但这些动机似乎并不矛盾。因为他们所需要的正是这种多样灵活的去中心化（非集中化）的智能“孵化地”。
