至于模仿一个聪明的人，没有。可能的 AGI 有几种不同的潜在架构。其中许多都是非常幼稚的，因为大部分人工智能研究都属于狭义人工智能，它专注于创建针对特定任务高度专业化的算法。

话虽如此，这里是 Andrej Karpathy 解决这个问题的一种监督学习方法：Karpathy Method

OpenAI 也有一个研究 AGI 问题的团队。

不，我们甚至还没有接近可以与人类通用智能相媲美的算法。你可能听说过神经网络的工作原理类似于大脑中的神经元的说法，但这是相当牵强的。Serena Yeung 在斯坦福课程 CS231n的第四讲中谈到了这一点。跳到视频中的 1:04:30，这就是这部分的开始。

当谈到意识和感受质的话题时，我们还不太可能拥有创造有意识的人工智能的技术。我说极不可能，因为从哲学的角度来看，至少根据我们目前的知识，我们缺乏检测另一个人的感受质的能力（称为感受质问题）。所以我们无法证明，我们还没有创造出人工意识。

我还从您的评论中收集到您想知道的，为什么我们害怕强大的 AI。我可以推荐Nick Bostrom 的Superintelligence。他讨论了强人工智能可能威胁人类的许多不同场景。这些场景通常不需要意识。

关于“模仿人类智能”——>不，甚至没有接近。

关于这一点：

更具体地说，我们可以说以下关于神经网络的内容吗？

神经网络使用 sigmoid 函数和梯度下降来微调权重。

不，再一次。ANN 不需要使用 sigmoid 激活函数。根据具体情况，还可以使用许多其他选项。此外，梯度下降也不是严格要求的，即使它是用于反向传播的最流行的优化算法之一。还有其他方法可以训练人工神经网络——例如，可以使用遗传算法。