人工智能为什么到现在仍然实现不了，我觉得有几个方面：

第一，从计算机发展的数十年来看，发展速度最快的是硬件的速度（CPU发展最快），但是发展速度最最慢的却是算法。有很多NP难问题至今都无法解决。而人工智能从某方面来说，其实也算属于算法的一类。

第二，人工智能最大的难题就是如何能拥有学习能力，计算机最大的优势是计算能力，但同时也有它局限的地方。人虽然计算能力没它强，但是对图像处理，对很复杂的情况的处理都远远超过计算机，还有人具备计算机所不具备的学习能力。要想让计算机拥有人一样的能力，它的程序，它的代码必须是“活”的。换一句话说，如果想实现人工智能，我觉得除了算法以外，还需要有编程语言上的创新。

第三，众所周知，计算机只能处理二进制，用的是电，而人则通过神经网络来实现对信息的处理。二者之间的根本的差距也导致人工智能实现难度的提高。可以从根本上，设计一款模仿人类神经元对事物如何处理过程的计算机，来实现人工智能。想要实现，首先应该要对人脑十分了解，知道人脑对事物处理过程，然后对计算机硬件底层有着非常深厚的认识。最后，才有可能去完成，去设计这样的一款计算机。

以上就是我认为的人工智能为何难以实现，以及可能实现的过程……如有不对，请指正~

1.你认为人工智能能超越人类大脑进行文字处理/交互吗？

  首先，不否定人工智能具有强大的计算（处理）能力，就比如前段时间在人类智慧领地——围棋上的角逐中，机器人以极大的优势碾压了人类。然而，在文字处理（或者说是自然语言处理）中，人工智能相比人类还是有很大的差距的。文字和语言是人类史上相比于其他物种体现出先进性的一个巨大特点，经过了如此漫长的文化以及智慧积累，才有了今天的人类大脑对文字处理的广泛性和必然性，人工智能短期类是无法达到人类的水平的，更不用说超越。（当然人工智能的发展前景是很客观的，在长期发展中，有一天很可能查过人类，实现和人类的无隔阂交流时完全现实的）

2.你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最有可能实现的是什么？

       近期最有可能实现文字的深入理解以及语义分析，能自我组织简单的文字逻辑。

3.你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最迫切需要实现的是什么？

       近期最迫切解决的是通过有限的学习来进行无限的拓展（也就是创新）。人类为什么称得上智慧？是因为人类不断地从生活中学习，不断地改进我们的生存环境，让我们的生活更加遍历，更加有利于人类的生存，这些都可以叫做创新，因为创新，所以进步。而现阶段大多数人工智能技术还仅仅停留在如果认知现有世界，而不是创造出利于人工智能飞跃式发展的利刃。当然，在前期，这些基础的学习和经验积累是不可或缺的，在后期，也就需要让机器学会自己创造，把创新应用于学习和训练中，才能更好的实现真正的人工智能。

我认为人工智能不一定能够取代人类智能。人工智能是人类赋予机器智能，人类赋予机器的智能可以看做是独立的算法，各个算法之间并没有相互的逻辑结构。而人类智能可以将不同的算法的逻辑结构搭建起来，在这一点上可能是人类智能高于人工智能的重要特点吧。

    机器通过学习体现出思维意识，再从无至有的产生思维。总感觉这样的可能性太小，虽然万事无绝对，但思维意识真的不是机械能学到的，首先要突破最低屏障，才能往深处走。起点是什么？活着才会有意识，突破本能反应才会有思考能力，算数学题再快速也只是本能反应，从命题到答案均是套路定式，见色起欲，听风是雨这也是本能反应，事实上科学能及的范围，无不是套路定式，哪里有什么真理？一切都是套路！套路！套路！思维是什么？天马行空的想象嘛？科学辩证的推理嘛？只有活着才能思考，这是宇宙真理给予我们的起点，机器靠电力可以动，与尸体靠拉扯被动是一个道理，没有体现出本质区别。

    生命对于思维来讲是起点，任何物质都有生命，宇宙只存在相对永恒，想打破永恒问长生？只有灭亡一途。有了生命不一定就伴随着思维，可见活着并非是结局，路曼曼其修远？认知与思考是思维的过程，它没有起点也没有终点，只有无尽的探索。人类造就人工智能，首先要突破认知难题，而认知的前提，是活着！机器没有程序设定的时候，能否认知一朵花一株草？这需要对花草思考，得到其状态认知，这个过程就像无中生有，得到花草本质的结果没有起点，只有无休止的过程，这是悖论嘛？宇宙的起点是无嘛？存在是过程，未来是结果，哪里是起点？人本身就不是起点，如何造就起点呀？科学可以推理出一个新生命，也可以使生命永驻，但无法推理出生命的起因。水和空气可以维持生命，细胞变异与结合可以造就生命，科学可以分析水和空气的化学成分，造就这些物质需要初始的物质，氧原子氢原子就是最小物质吗？它们如何形成的？科学能做无米之炊嘛？古人说物质源于气，现代科学说气源于质子，未来是否有更小的认知，历史规律证明一定会有的，但是否未来的未来无限认知，是否存在绝对真理呢？无限是认知局限的体现，也是科学无奈的逃避，在局限与逃避的认知范围，能否造就思维，答案毋庸置疑，不！可！能！

——WOW吧第一头牛

来自腾讯ID：喜大普奔的回答：

1.你认为人工智能能超越人类大脑进行文字处理/交互吗？

人工智能能超越人类大脑，不仅仅在文字处理方面。文字处理不等于就一定有什么交互，能够交互的文字处理比一般的文字处理是要强一些的。

2.你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最有可能实现的是什么？

如果没有认知模型的建造，文字处理，不管是交互式还是非交互式，都只能实现一些有限节点有限问答方式的处理。

3.你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最迫切需要实现的是什么？

最迫切的需要是认知模型的构造，当然，不仅仅是文字处理，人工智能，通用人工智能都需要。

收到一则邀请来讨论关于人工智能的话题，我把自己的看法写在了下面，很高兴能够参与进来！

如果存在问题，也希望各位能够指正！谢谢！

1.       你认为人工智能能超越人类大脑进行文字处理/交互吗？

我的回答：

根据个人从这几年对计算机方面的学习与研究再加上个人对未来人工智能的大胆预测，对于这个问题我个人认为人工智能超越人类大脑进行文字处理与交互可能性是非常大的！

当我看到讨论的题目中所提到的“基于文字方式”，有点困惑这个说法，如果换做更加专业的说法我想是不是称之为“符号主义”。

既然要讲人工智能，谈超越人类大脑，相应的就需要有实现人工智能的途径和方法。当下，总结比较完善的人工智能实现途径有：符号主义、连接主义、学习主义、行为主义、进化主义和群体主义。

         从实质上讲的话，基于符号主义的思想实现人工智能比较接近上述讨论的问题，所以我本人也是从符号主义入手讨论上述问题。符号主义的人工智能是以“符号处理”为核心的人工智能实现途径，纽维尔和西蒙于1976年提出的“物理系统假说(Physical Symbol System Hypothesis)”是这种途径的理论基础。知识的基本元素是符号，人工智能的实现基础又依赖于知识，研究方法是使用计算机软件和心理学方法进行宏观上的人脑功能上的模拟。在此值得一提的是西蒙既是心理学大师也是计算机方面的专家，两个领域都是获得过很高的荣誉与

成就，也许正是因为他在这两个领域出色表现，“物理系统假说”所谈及的研究方法也主要应用这两个领域。

该假说认为所有的智能实体都是物理符号系统，智能源自于对符号信息的处理，通过符号来表示知识，并且基于符号进行知识的推理、计算，以期实现人工智能。该假说同样包含两个基本原理，第一条是已经提到的物理符号系统假设原理，第二条是由西蒙提出的有限合理性原理。对于第二条基本原理西蒙教授认为任何一个物理符号系统如果是有智能的，则肯定能执行对符号的输入、输出、存储、复制、条件转移和建立符号结构这样6种操作。反之，也是成立的。

第二条基本原理产生的推论就是计算机是一个物理符号系统，它应当具有智能。从这样的观点出发，可以说基于符号主义的途径实现人工智能是极其可能的，计算机再结合自身已经优于人脑的长处，克服人脑的短处，能够超越人脑进行文字处理、交互也便是极其可能的了。

2.       你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最有可能实现的是什么？

我的回答：

我个人觉得近期最有可能实现的是更加优化的深度学习高效学习算法，可能会是以前算法的优化更新，也可能会是全新的高效学习算法，像预训练算法、全局优化算法等新进展。

基于学习主义的机器学习从理解人类学习的内在机制入手，在此基础上使计算机模拟人类的学习能力，自动的获取知识或改善系统本身的性能，不断提高计算机本身的智能水平，以实现人工智能的目标。机器学习的主要策略有多种，但当下关注度最高的研究方向是深度学习，通过模仿人脑结构，实现对复杂输入数据的快速高效处理。

         在今年3月Google的DeepMind团队研发的AlphaGo围棋对弈系统战胜了世界围棋冠军，AlphaGo的主要工作原理便是深度学习。

         上世纪的IBM深蓝计算机战胜国际象棋大师，但当年的深蓝主要依靠的是海量的存储和计算，用记忆和计算代替了理解。相比为什么说围棋的难度大很多呢，围棋的棋盘是19*19的矩阵棋盘，加上围棋中的变化非常丰富，可能的走步数量是极其惊人的。如果是通过符号主义的搜索求解方式难以应对这样的问题，并且搜索求解问题的方式从根本上讲也与人类的思维方式有较大的差异。

DeepMind团队研究出了一种基于深度学习的围棋算法，使用“价值网络”评估棋局、“策略网络”选择落子。这些深层神经网络，是由人类专家博弈训练的监督学习和电脑自我博弈训练的强化学习，共同构成的一种新型组合。没有任何预先搜索的情境下，这些神经网络能与顶尖水平的、模拟了千万次随机自我博弈的蒙特卡洛树搜索程序下围棋。DeepMind研究团队还采用一种新的搜索算法：结合了估值和策略网络的蒙特卡洛模拟算法，该算法帮助AlphaGo系统极大的提高了博弈的胜率。高效、优化的学习算法使得AlphaGo系统战胜人类顶级围棋大师成为可能。

所以，我个人认为AlphaGo系统的成功会极大的激发人们在深度学习高效学习算法方面的研究，能够解决一些更加复杂问题的学习算法也将会诞生。

3.       你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最迫切需要实现的是什么？

我的回答：

         我个人认为是：如何提高深度学习在无监督学习场景下所提取的各层特征的辨别能力和解释能力。

深度学习通过模仿大脑解决智能问题提供了一种强有力的工具，随着研究的不断深入，各种更加高效的深度学习模型的提出以及学习算法的改进，借助深度学习来解决实现人工智能面临的多种问题正在逐渐成为机器学习的主流，深度学习当下面临的问题个人觉得应当是比较迫切需要实现的，因为这将有可能加速人工智能的研究进展。

上述所提到的特征是机器学习系统的原材料，如何做到在无监督的学习环境下让智能实体更好辨别和解释数据并表达成特征，通过构建机器学习模型和海量的数据训练来学习更有用的特征，提升分类或预测的准确性或将是科学家们当下迫切需要解决的问题。

 博客园，南水之源：

1.你认为人工智能能超越人类大脑进行文字处理/交互吗？

    文字处理交互要分为几个阶段：

    1.识别文字，词语，机器已经可以做到

    2.理解语义，知道这句话本身的意思。机器可以做到

    3.根据上下文，理解本句话的意思。目前机器的阶段

    4.根据环境（当前情景，历史，文化等）理解一句话的意思，目前机器还做不到

    5.根据情感分析一句话的意思（人类学前儿童能做到的），机器将在5年后才有可能实现

2.你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最有可能实现的是什么？

        对于科研：大数据初级分析归类软件，人类思维文字转化器，自编程软件系统

        对于生活：虚拟朋友，情感陪护，网络警察

3.你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最迫切需要实现的是什么？

        基于情景的语义解析

你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最有可能实现的是什么？

我认为现在基于文字方式进行处理/交互的人工智能最大的应用在企业应用入口，现在我所在的企业，应用非常多，每个应用都有一个登陆界面，并且每个应用又需要使用人员重新学习，这完全违背自然人的交互习惯，因此基于人工智能的文字处理方式我暂且叫智能聊天模式，可以作为所有应用的入口，以非常自然的方式，在和用户聊天的过程中，获取用户需要使用那些功能，把这些功能的界面展现给用户，这有点象百度的搜索框，以后应用程序的升级对用户来说完全是透明的，用户只需和聊天机器人交互就可以，因此以后企业的应用大家见到的就是一个聊天机器人而已。