对基础人工智能技术的投资需求日益增长。随着深度学习可能接近计算极限，以及自然语言等子领域遇到棘手的技术障碍，新型人工智能和机器学习技术可以说从未有过如此高的需求。

　　纽约大学心理学家加里·马库斯(Gary Marcus)、谷歌软件工程师弗朗索瓦·乔莱(Francois Chollet)以及Facebook的人工智能主管Jerome Pesenti负责人等人都认为，缺乏进展并不令人意外，因为研究人员面临算法和科学方面的挑战。即使是最复杂的人工智能模型也可能遭受灾难性的遗忘，或突然忘记之前学习过的信息的倾向，以及缺乏再现性、可解释性、稳定性和可靠性。

　　这就是斯洛伐克企业家、计算机程序员马雷克?罗莎(Marek Rosa)创立GoodAI的原因，这家公司致力于通用人工智能(AGI)的研究和开发。他是Keen Software House的首席执行官和创始人，这是一家总部位于捷克共和国首都布拉格的独立电子游戏设计工作室。

　　2014年，罗莎投资1000万美元创立了GoodAI，并分别于2015年和2016年公开宣布了公司和第一个研究路线图。2017年，他创立了“通用人工智能挑战”(General AI Challenge)，承诺提供500万美元的奖金，以解决“人类层面”人工智能开发中的关键研究问题。

　　GoodAI现在雇用了大约20名研究人员和工程师。它的最新努力是GoodAI赠款倡议，旨在资助好奇心和持续学习等领域的努力。到目前为止，GoodAI赠款计划已经为9个项目提供了超过65万美元的资金，这些项目都是罗莎提供的，GoodAI认为这些项目是其通用人工智能路线图的一部分。

　　GoodAI的公关经理威尔·米勒希普(Will Millership)在邮件采访中表示：“我们与其他资助机构的不同之处在于，我们的开放性和灵活性，以及我们愿意与潜在的资助方合作，共同创造一个合适的提案。我们真的不想被官僚机构限制我们的合作对象，因此我们与个别科学家、研究人员团体、私人公司，甚至个别学生合作。我们做了很多工作来确保所有来自项目的知识产权被共享，但这并不一定意味着完全开放。每一项协议都旨在尊重GoodAI和赠款接受者的学术和商业利益。”

　　2019年12月，罗莎和GoodAI团队发布了统一的AI架构Badger, GoodAI称其为“模块化终身学习”。Badger概述了GoodAI的研究方向，旨在创建一个能够适应不断增长的、开放式任务范围的人工智能代理系统，同时保持能够重用以前任务中获得的知识。

　　米勒希普说：“我们的目标是尽快开发出安全的通用人工智能，以帮助人类和了解宇宙。我们认为，人类水平的人工智能的创造是对人类的最大挑战，是一项远远超越个人研究人员或研究团队的任务。这就是为什么我们相信合作——而不是竞争——是最好的前进方式。”

　　GoodAI的资助对象之一是卡内基梅隆大学的助理教授迪帕克·帕塔克(Deepak Pathak)，他从发展心理学中获得了灵感，特别是好奇心如何推动人类早期发展学习。另一位是Ferran Alet，麻省理工学院计算机科学和人工智能实验室的博士生，他的目标是通过少量数据和之前的经验，建立一个能够适用于新环境中的新任务的人工智能模型。

　　GoodAI的雄心——AGI，即假想的能够理解或从任何任务中学习的机器智能——也遭到了一些人的批评。脸书首席人工智能科学家扬·勒存(Yann LeCun)认为，人工智能是不可能存在的，因为根本不存在一般智能这回事。他认为，即使是人类的智能也是非常专业的，需要许多不同的系统来完成不同的单独任务。

　　作为对此的反驳，GoodAI最近发布了最新的研究路线图，其中强调了与创造人类水平或通用人工智能相关的一些技术挑战。GoodAI认为AGI必须“学会学习”，并参与终身学习，既要持续学习，也要循序渐进。它还相信AGI应该能够从事开放式的探索和自我创造的目标，以及概括“非分布”和外推到新的问题。

　　米勒希普说：“这些特征反映了人类一生的学习方式，因此我们认为它们是创造能够像人类一样，在不同环境下归纳解决新问题的人工智能的关键。我们(计划)在受让人的项目期间与他们密切合作，在他们需要的时候提供支持，并在夏季举办研讨会，让所有受让人分享他们的想法和项目。我们正努力创建一个跨越学术界和产业界界限的国际研究人员社区。”

　　尽管最近AGI在解决障碍方面取得了突破，但很明显，通往更接近人类的人工智能的道路将是漫长而曲折的。然而，像GoodAI这样的努力，以及像ContinualAI和EleutherAI这样的非营利组织和开放社区，希望通过利用更广泛的人工智能和机器学习专业知识来加速进展。