人工智能也分強(qiáng)人工智能和弱人工智能。從弱人工智能到強(qiáng)人工智能還有很長(zhǎng)的距離。今天所有的人工智能幾乎都是來(lái)自于人類(lèi)過(guò)去的大數(shù)據(jù)，沒(méi)有任何一個(gè)領(lǐng)域的能力源自自我意識(shí)，不管是象棋還是圍棋，計(jì)算機(jī)都是從人類(lèi)過(guò)去的棋譜中學(xué)習(xí)。其他領(lǐng)域也是類(lèi)似，計(jì)算機(jī)在做圖像識(shí)別的時(shí)候，也是從人類(lèi)已有的大數(shù)據(jù)中學(xué)習(xí)了大量的圖片。

在面對(duì)人類(lèi)從來(lái)沒(méi)有教過(guò)的問(wèn)題時(shí)，計(jì)算機(jī)就會(huì)一竅不通。假如讓AlphaGo去下跳棋，它就會(huì)完全傻掉。甚至說(shuō)把圍棋的棋盤(pán)稍作修改，從19×19的格子變成21×21的格子，AlphaGo都招架不住，但是人類(lèi)就沒(méi)有問(wèn)題。

我們今天看到的絕大多數(shù)的人工智能是弱人工智能，這是說(shuō)它只能做一件事情，做到比較好。會(huì)下圍棋的只會(huì)下圍棋，不會(huì)下跳棋，這是很單一的弱人工智能，強(qiáng)人工智能則會(huì)全面達(dá)到人類(lèi)的水平。AlphaGo可以打敗三十多歲的李世石，但它的學(xué)習(xí)能力不及一個(gè)5歲的小孩，這二者是有很大區(qū)別的，也是弱人工智能和強(qiáng)人工智能的區(qū)別。

人類(lèi)的學(xué)習(xí)不完全是通過(guò)樣本獲取的。比如說(shuō)目前計(jì)算機(jī)在人臉識(shí)別領(lǐng)域做得還不錯(cuò)，可以達(dá)到90%以上的準(zhǔn)確率，但它是通過(guò)看上百萬(wàn)幅圖片做到的，人類(lèi)不是這樣，小孩生下來(lái)以后一段時(shí)間就能認(rèn)識(shí)媽媽。

我更想表述的觀點(diǎn)是，人類(lèi)和人工智能是各有所長(zhǎng)的。人類(lèi)的大腦分左腦和右腦，左腦控制語(yǔ)言、邏輯思維和理性，右腦則掌管著創(chuàng)造性和直覺(jué)。

其實(shí)今天的人工智能，它很強(qiáng)的一點(diǎn)是記憶能力和計(jì)算能力太強(qiáng)大了。它不如人類(lèi)的是創(chuàng)造力、想象力。把計(jì)算機(jī)放在蘋(píng)果樹(shù)下，一個(gè)蘋(píng)果砸到上面，它不會(huì)聯(lián)想到這個(gè)跟萬(wàn)有引力有什么關(guān)系，它沒(méi)有這種概念。但是牛頓被蘋(píng)果砸了之后，就會(huì)思考和想象，這是今天計(jì)算機(jī)和人工智能遠(yuǎn)遠(yuǎn)做不到的。

所以關(guān)于人類(lèi)和人工智能的關(guān)系并不是去PK，而是說(shuō)人類(lèi)加上人工智能，或者加上計(jì)算機(jī)，使得人類(lèi)更強(qiáng)大，增強(qiáng)智能。

具體來(lái)說(shuō)人工智能的缺陷會(huì)有哪些體現(xiàn)呢？比如說(shuō)語(yǔ)音識(shí)別領(lǐng)域，在很安靜的環(huán)境下，人工智能幾乎跟人類(lèi)的語(yǔ)音識(shí)別水平差不多，但很多情況下環(huán)境不一定是安靜的，如果在一個(gè)嘈雜的環(huán)境下，幾個(gè)人同時(shí)說(shuō)話，人是有能力選擇性聽(tīng)某一個(gè)人的聲音，但是人工智能做不到。

即便是這個(gè)問(wèn)題解決了，可以在能力上突破這個(gè)難關(guān)，人工智能還是無(wú)法像人類(lèi)一樣，這是因?yàn)槿斯ぶ悄苋狈ΤＷR(shí)，今天的機(jī)器是沒(méi)有常識(shí)的。

沒(méi)有常識(shí)的機(jī)器沒(méi)有辦法像人類(lèi)一樣，小學(xué)生都做過(guò)一個(gè)題目叫雞兔同籠，一共有多少個(gè)頭、多少只腳，算一下有多少只雞和多少只兔。這個(gè)題目的前提是小學(xué)生是知道雞有一個(gè)頭兩只腳，兔子有一個(gè)頭四只腳，但計(jì)算機(jī)是不知道的，這個(gè)題目就會(huì)把它難住。

但告訴計(jì)算機(jī)這個(gè)前提之后，把題目換成鴨狗同籠，計(jì)算機(jī)還是不會(huì)做，因?yàn)樾碌某ＷR(shí)它也沒(méi)有。所以在沒(méi)有常識(shí)之前，計(jì)算機(jī)沒(méi)辦法達(dá)到人類(lèi)的各種智能，并且這是一個(gè)必要不充分條件，即使有一天它知道了所有的常識(shí)，計(jì)算機(jī)也缺乏形象思維和創(chuàng)造能力。人類(lèi)很多問(wèn)題都不知道大腦為什么會(huì)那樣想，計(jì)算機(jī)的邏輯是一步一步，“突發(fā)奇想”這種事情只存在人類(lèi)中，而不可能發(fā)生在現(xiàn)階段的人工智能領(lǐng)域。

在上世紀(jì)60年代，一位人工智能的科學(xué)家曾經(jīng)說(shuō)要實(shí)現(xiàn)真正的人工智能可能需要5到500年的時(shí)間，我是完全站在500年那邊的，你要讓我在后面再加個(gè)0我也不反對(duì)。

總結(jié)來(lái)看，基本上是在任何有規(guī)則的，并且規(guī)則非常明確的情況下，不管是下圍棋、跳棋、象棋、五子棋，只要是有規(guī)則的，計(jì)算機(jī)未來(lái)都會(huì)超越人類(lèi)，不超越人類(lèi)是不對(duì)的。

除了有明確規(guī)則之外的領(lǐng)域，計(jì)算機(jī)和人工智能還有很長(zhǎng)的路要走，因?yàn)槿祟?lèi)強(qiáng)的地方，就是在很多信息不全的情況下，人類(lèi)可以自動(dòng)補(bǔ)全。人類(lèi)其實(shí)是可以在這種情況下做出判斷，在這種情況下，人類(lèi)的力量遠(yuǎn)遠(yuǎn)大于機(jī)器的力量。

目前來(lái)看，關(guān)于人工智能的研究，除了計(jì)算機(jī)科學(xué)這個(gè)學(xué)派以外，仿生學(xué)也是重要的學(xué)派，仿生學(xué)就要研究人類(lèi)機(jī)體的結(jié)構(gòu)、功能和工作原理，寄希望通過(guò)模擬的方式運(yùn)用到人工智能領(lǐng)域，換句話說(shuō)，就是研究人類(lèi)大腦是怎么思索這件事情。

在弱人工智能上，計(jì)算機(jī)科學(xué)這一派還是挺成功的，但是強(qiáng)人工智能有可能需要結(jié)合仿生學(xué)這一派，因?yàn)閺?qiáng)人工智能是遠(yuǎn)遠(yuǎn)超越了有規(guī)則的東西，但這些沒(méi)有規(guī)則的領(lǐng)域如何突破，可能需要對(duì)自身有更多的了解，如果能把計(jì)算機(jī)科學(xué)和仿生學(xué)相結(jié)合的話，人工智能的突破或許能更快。

人工智能這個(gè)行業(yè)還需要理性的看待，這半年人工智能很熱，好處是全社會(huì)、全民包括政府都在關(guān)注，對(duì)產(chǎn)業(yè)和學(xué)術(shù)界的發(fā)展有好處，但這個(gè)泡沫千萬(wàn)不要吹大，吹大了以后大家會(huì)失望的，一旦失望對(duì)這個(gè)產(chǎn)業(yè)的打擊是巨大的。

現(xiàn)在包括微軟在內(nèi)的很多公司和科學(xué)家都在解決人工智能缺乏常識(shí)這個(gè)難題，它有幾個(gè)途徑：

第一個(gè)是純?nèi)斯ぷ觯蛴?jì)算機(jī)普及人類(lèi)所有的常識(shí)，但是這個(gè)工作量是巨大的，不可能完成的。

第二個(gè)途徑是全自動(dòng)，從一些結(jié)構(gòu)化的數(shù)據(jù)庫(kù)里抓取。比如美國(guó)有50個(gè)州，每一個(gè)州的名字是什么？首府在哪里？人口有多少？用機(jī)器學(xué)習(xí)的方法把它抓取出來(lái)，放在計(jì)算機(jī)的知識(shí)圖譜里。

第三種途徑是一個(gè)半自動(dòng)的方法，可能對(duì)于大量的常識(shí)不會(huì)有非常標(biāo)準(zhǔn)的數(shù)據(jù)表，它是以非結(jié)構(gòu)化文字的形式呈現(xiàn)，計(jì)算機(jī)要做的是能夠從里面以“統(tǒng)計(jì)滾雪球的方法Statistical snow ball”抓取出知識(shí)。

事實(shí)上，強(qiáng)人工智能500年之后能不能做到我都不能確定，但沒(méi)有關(guān)系，人類(lèi)的偉大之處正在于此，不是說(shuō)因?yàn)檫@件事情很難就不做了，正是因?yàn)樗茈y，所以才需要一步一步扎實(shí)地往前走。我希望各界同仁們不要把人工智能捧成夏天，然后再跌入冬天，而是要理性看待。

人工智能概念股：埃斯頓、科大智能、漢王科技、江南化工、華東數(shù)控、和而泰、中科曙光、永創(chuàng)智能、北京君正、通富微電、永創(chuàng)智能、勁拓股份。