抽空答题

1、能超过，至少保持目前的势态超过人类大脑没什么难度

2、从一个AI从业者的角度来阐述下个人观点，以便抛砖引玉，人工智能行业目前有五大领域：
    1、自动驾驶，目前BAT及众多新能源汽车的竞相投入的方向，有人说5年内就能量产，我持有保守的态度。
    2、语义处理，大部分做智能聊天机器人的公司都是以这个为创业方向，当然，语义处理跟数据处理能力息息相关，具体可以应用的角度可参考Google的相关业务。
    3、语音识别，分为语音合成和语音识别，现在使用的已经比较广泛了，BAT也已经推出了一些免费的API服务供第三方调用，这个方向的创业公司应该更多的切入手机、电视、音箱等跑量的场景中。
    4 、视觉处理，现阶段技术上还集中在图片识别上，如图片搜索、车牌号识别、人脸识别等，叫的上名字的头部公司都集中在图片识别领域。
    5、其他诸如类脑科学，还处于实验室阶段，未听说过有应用，只了解皮毛不作阐述。

3、迫切实现项目落地和人才培养，为后续的研究输送大量的人才。这一点难度颇大，因为目前人工智能这一块都做得好的寥寥无几，普通高校教师自己水平也不一定够，这就导致了教学质量的问题以及后续人才输出等问题。

我认为不能超过

人类是地球上最智慧的生物，拥有无法复制的想象力和创造力。

在这同时，人类每一个个体都是独一无二的，人工智能机器人就像一个商品，都是一样的，这一点看来，人工智能是无法与人类相提并论的。

第二个问题和第三个问题

人工智能机器人的研发目标应该是作为一个助手和工具，来帮助人类有更便捷的生活。例如汽车、飞机等交通工具。最可能实现的的是这些工具的升级版本，同时也是最迫切需要研发的

现代的人工智能在我看来更多地该算是对策论的一个分支，换句话说它不是在模拟智能，而是一种借助计算机强大的运算速度对一类给定的数学模型做快速高强度计算的一种方法.我们可以用人工智能来解决我们一些现实中无法解决的复杂问题,但是并不会取代人类,因为人类具有一个重要的特性----创造性.

人工智能不过是在模仿人类，还是原版更厉害一些。

所以我认为不能超过

谢谢邀请

我认为人工智能无法超过人类，人工智能不可能有人类的思维能力。

这几道题放着我来！

1. 你认为人工智能能超越人类大脑吗？

前年的时候，听说过阿尔法狗对战李世石的新闻，结果是李世石战败，当时没有当一回事，心想，围棋嘛，毕竟是中国人的玩意儿，你一个韩国人输掉比赛太正常了，呵呵。与此同时，中国少年天才棋手柯杰也大放狂辞：“阿尔法狗赢不了我！” 嗯~当时抱着支持国人的想法吧，对于柯洁的实力还是蛮期待的，然后转眼到了2017年，柯洁正式接收阿尔法狗的挑战。然后结局让像我一样盲目站队柯洁的人大吃一惊——柯洁战败！从此，我对人工智能真正地刮目相看，也开始对这一领域产生了好奇心~平时有关人工智能的话题或者新闻我都会格外留心，也零零散散地总结了一些心得。

至于——人工智能能超越人脑吗？我的答案是：不可能！原因如下：

一、 智能并非单一维度，所以“比人类更聪明”这种概念本身就没有意义。

关于人工智能最常见的误解其实来自对自然智能的普遍误解。很多人认为，智能是单一维度的，这种理解其实并不正确。多数技术人员往往会像尼克-博斯特罗姆（Nick Bostrom）那样绘制智能进化图谱——他曾在《超级智能》（Superintelligence）一书中把智能描绘成一种单一维度、呈现线性发展的东西。

例如，一端是低智能的小动物，另外一端则是高智能的天才——感觉智能就像是可以用分贝来量化的声响一样。当然，如果认同这种观点，自然就可以对其进行扩展，认为智能的强度还会进一步增加，并最终超过我们自己的高智能状态，成为一种超强智能，甚至最终爆表。

这种模式就像阶梯一样，一层一层逐级递进，每一个层次的智能都比前一个层次更加进步。低等动物位于我们之下，而智能更高的人工智能必然位于我们之上。具体发生的时间并不重要，重要的是等级——也就是衡量智能优劣程度的指标。

但这种模型的问题在于，这只不过是一种像进化阶梯一样的错误观念而已。在达尔文进化论诞生之前，人们也认为自然界是呈现阶梯化发展的，低等动物低于人类。即便是在达尔文进化论诞生后，这种阶梯化进化理论仍然十分盛行。这种理论认为：鱼类进化成爬行动物，然后进化为哺乳动物，再进化为灵长类动物，最终进化出人类，每一级都比上一级进步一点（自然也会更聪明一些）。所以，智能阶梯与物种阶梯相互平行。但实际上，这两种模型都不符合科学观念。

一、 人类并没有通用思维，人工智能同样不具备这种能力。

人类智能并不处在中心位置，其他专项智能也并不是围绕它发展的。相反，人类智能只是一种非常具体的智能形式，经过了数百万年的进化后，使得我们这个物种在地球上生存下来。如果对所有可能的智能类型所处的空间进行了解后，便会发现人类这种智能只是“偏居一隅”，就像我们的世界处在浩瀚的银河的边缘一样。

我们肯定可以想象，甚至发明一种类似于瑞士军刀的多用途思维。它可以完成很多事情，但却没有一种能够做到极致。人工智能也会无法突破这种极限：不可能针对所有维度进行优化，只能进行权衡，做出妥协。不可能开发出在每项具体的功能上都表现优异的多功能通用人工智能。

一个庞大的“全能”思维，不可能在所有事情上都像专用人工智能一样表现出色。由于人们认为人类的思维是通用思维，所以往往也认为认知不必受限于工程师的权衡妥协，认为完全可以开发出一种在所有思维模式上都做到极致的智能技术。

但我没有看到任何证据支撑这一论调。我们并没有开发足够多样的思维模式，因而也就无法看到可能性空间的整体状况。

二、 在其他媒介上模拟人类思维将会受到成本因素的制约。

人类之所以认为可以在通用思维上做到极致，其实一定程度上源自通用计算的概念。这个概念之前在1950年被称作丘奇-图灵假说（Church-Turing hypothesis）。这种假说认为，达到特定门槛的所有计算都是等价的。因此所有的计算存在一个通用的核心：无论组成一台机器的零件速度是快是慢，甚至就算发生在生物体的大脑中，都会遵循相同的逻辑过程。这就意味着你可以在任何一台能够进行“通用计算”的机器上模拟任何的计算过程（思维）。

奇点论者利用这套理论来支撑自己的预期：他们认为，我们可以制作一种具备人类思维的“硅脑”，甚至可以开发能像人类一样思考的人工思想，而且远比人类更加聪明。我们应该对这种期待心存怀疑，因为他们误解了丘奇-图灵假说。

这项理论的出发点是：“如果拥有无限的磁带（存储）和时间，所有的计算都是等价的。”问题在于，在现实世界中，没有一台计算机拥有无限的存储和时间。当你在现实世界中进行实时操作时，这甚至会产生天壤之别。没错，如果忽略时间因素，所有的思维都是等价的。的确，你可以在任何一个矩阵中模拟人类思维，前提是你要忽略时间维度，或者存储及内存等实实在在的局限因素。

然而，如果把时间考虑在内，就必须重新阐述这条定律：在两个差异巨大的平台上运行的两套计算系统不可能实时等价。还可以这样来说：想要让不同的思维模式等价，唯一的方法就是让它们在等价的基底上运行。你的计算究竟能够实时处理好哪些类型的计算，很大程度上取决于它所依赖的物理因素——随着复杂度的提升，这种现象也会越发明显。

我会进一步扩展这种论调：想要达到与人类相似的思维流程，唯一的方法就是在类似于人类的血肉组织上进行计算。这也就意味着，那些在冷冰冰的硅片上构造的复杂的大型人工智能虽然可以生成复杂的大型思维，但却不同于人类的思维。如果能使用像人类这样可以增长的神经开发出有血有肉的人工大脑，它们的思维或许会与我们更加相似。这种血肉大脑带来的好处，与它所依赖的基底跟我们之间的相似程度成正比。创造“湿件”（wetware，指人类的神经系统）的成本巨大，而它的组织结构与人脑组织越接近，“制造”人类的成本效率就越高。毕竟，我们只要怀胎9个月就可以“制造”一个人。

另外，正如上文所说，我使用整个身体来思考，而不仅仅依赖思维。有很多数据都可以显示人体的神经系统如何引导我们的“理性”决策过程，甚至能够预测和学习这一过程。我们对整个人体系统了解得越深，就越有可能复制它。处于不同载体上（例如从有血有肉的人体转移到冷冰冰的硅片上）的智能会产生不同的思考方式。

我不认为这是个漏洞，反而认为这是一项可以利用的功能。正如我在第2条中所说，与人类拥有不同的思维方式恰恰是人工智能的优势所在。正因如此，我才认为，用“比人类更聪明”这样的说法来定义它是一种误导。

三、 智能的维度并不是无限的。

超人类人工智能——尤其是认为这种人工智能将会不断自我提升的观点——的核心在于，他们认为智能可以拥有无限的规模。我没有发现这方面的证据。同样地，以单一维度来看待智能的错误观念也对这种看法形成了促进，但我们应该对此加以理解。以目前的科学研究来看，宇宙中还没有哪一种物理维度是无限的。

温度不是无限的——无论冷热都有极限。空间和时间也不是无限的，速度同样也有极限。数字或许是无限的，但其他的物理属性都有极限。于是，问题变成了：智能的极限在哪里？我们往往认为，这个极限远超自身的能力范围，肯定“高于”我们，就像我们“高于”蚂蚁一样。

暂且抛开单一维度这个递归问题不谈，我们有什么证据证明人类本身不是智能的极限？为什么人类智能就不能是智能的极限呢？或者说，人类智能有没有可能距离极限水平只有很短的距离？为什么我们认为智能可以继续无限提升下去？

现在有些人可能会把这些东西称作超人类人工智能，但这些思维的多样性和特异性却会引导我们使用新的词汇“智能”和“聪明”，并对其产生新的认识。

其次，相信超人类人工智能的人会假设人工智能可以呈现指数级增长（以某些未经确认的单一参数为标准），这很可能是因为他们认为它已经实现了指数级增长。然而，目前没有任何证据表明人工智能正在呈现指数级增长——无论用哪种方式衡量都不例外。

我所说的指数级增长指的是每过一段时间，人工智能的性能便可实现翻番。证据何在？我找不到。如果现在没有证据，为什么认定未来会发生？唯一能以指数级增长的就是人工智能所获得的输入数据，也就是用于生成智能的资源。但输出表现并不能像摩尔定律一样增长。人工智能无法做到每过3年性能翻番，甚至连每过10年性能翻番都做不到。

我问过很多人工智能专家，有没有证据表明人工智能的性能实现了指数级增长。他们都表示，目前没有指标来衡量智能，而且他们也没有从事这方面的工作。但当我向坚定看好人工智能飞速发展前景的雷-库兹韦尔（Ray Kurzweil）询问人工智能呈现指数级增长的证据时，他表示，人工智能并没有实现爆发式增长，而是表现出层级式增长模式。

他说：“人工智能每上一个台阶，都需要计算和算法的复杂度实现指数级提升……所以我们可以预计线性的层级式增长，因为每上一个台阶都需要在复杂度上实现指数级增长，而我们这方面的能力的确实现了指数级进步。我们与大脑皮质之间相差的层级不多，所以我认为2029年可能实现。”

库兹韦尔似乎是在说，人工智能本身没有呈现指数级增长，反而是开发人工智能所作的努力呈现这种增长态势，而实际输出效果仅仅是一次一个台阶地迈进。这几乎与人工智能大爆发的前提假设完全相反。这种情况今后可能发生变化，但人工智能目前显然没有呈现爆发态势。

因此，当我们设想“人工智能爆发”的情形时，不应该将其视作一种级联式繁荣，而应该设想为新型的散发式发展。用一个更形象的比喻来说明，这更像是寒武纪物种大爆发，而不是核爆炸。几乎可以肯定的是，技术加速发展的结果并不是催生“超级人类”，而是“超常人类”。换句话说，它会超脱于我们的经验范围，但未必能“高于”我们。

五、智能只是推动科技和社会进步的诸多因素中的一项而已。

很多认同人工智能将实现爆发式增长的人预计，这项技术将会实现高速进步。我把这种神话般的观念称作“思考主义”（thinkism）。在他们看来：思考能力或智能水平是阻碍未来进步的唯一因素。但这完全是第一种谬论。（很多喜欢思考的人也都怀有这样一种信念：思考是一种神奇的超能力，甚至无所不能。）

以治愈癌症和延长寿命为例。这些问题不是单凭思考就能解决的。光靠“思考主义”根本无法发现细胞的衰老方式和染色体的衰退过程。无论多么言之凿凿，也不可能单凭阅读所有已知的科学文献想清楚人体的运作模式。没有一种超级人工智能可以简单地思考现在和过去的所有核裂变实验，然后在一天之内想出核聚变技术。

除了思考之外，想要从未知过渡到已知，还必须辅以很多元素。需要在现实世界中进行很多实验，每次实验都会产生大量相互矛盾的数据，因此需要通过进一步的实验来确立正确的假说。单纯思考潜在数据根本无法得出正确数据。

思考（智能）只是科学的一部分，甚至只是一小部分。例如，我们根本没有足够的数据来解决生老病死的问题，甚至连冰山一角都没有揭开。具体到生物体的运作机制，多数实验都需要用时间来慢慢酝酿。细胞新陈代谢速度很慢，无法加速进行。可能需要数年、数月，至少也要数天时间，才能看到结果。

虽然我认为超人类人工智能在遥远的将来可能对我们的生存构成威胁（而且值得考虑这个问题），但由于这种概率很低（根据目前的证据来看），所以不应该因此而影响我们的科学、政策和发展方向。

2．你认为人工智能近期最有可能实现的是什么？

我认为最可能尽快实现的人工智能一定是最成熟的技术，这个问题，可以换个方式来阐述，即：未来几年内，哪些 AI 应用可以大规模投入市场？哪些还需要更长时间的研究及验证？由于业界的你追我赶，AI 俨然是在一个高速跑道上发展。大家对短期的定义是1~2年，中长期是3~5年。一个新的 AI 技术是否可以大规模投入市场，应该看这个市场对该技术的差错容忍程度的高或低，例如，该技术能有 80% 的准确度就可以被接受，还是需要有 95%，甚至 99% 的准确度才可以？

记得在 2015 年，一个玩具厂商推出了 CogniToys（一个能跟孩子对话的绿色小恐龙），当年还被评为“2015 年度最佳玩具”。其实当年 CogniToys 的对话能力比今天国内好些公司推出的智能音箱要差好些。但因为 CogniToys 只是一个玩具产品，它不需要有很高的准确度。跟孩子的对话对一句错一句也没有多大关系。所以在 2015 年，哪怕机器对话技术还不成熟，也不能阻挡 CogniToys 在亚马逊上热卖。但是，同样的对话技术，如果我们用于要求严谨的医疗行业，或银行理财行业，就需要有更长的技术成熟期。

又例如，有一些技术今天可能只做到 90% 的准确率，如果我们希望在未来 1~2 年能广泛使用，就需要从应用场景上进行折中。折中的手法可以是多样的，例如加入人为判定。我们在 top1 的准确率不够的情形下，可以提供给用户 top5 的识别结果，让用户再从 top5 人为判断。通过这样的手法，可以让某些 AI 技术加快在一些领域的使用。当然，可以使用这样折中手法的应用领域，必须不是工业控制领域的。对于需要实时控制的系统领域，包括无人驾驶、自动化控制等，都必须有完全高准确率的要求。而这种对高准确率有完全硬性要求的应用场景，必然需要更长时间的研究和验证。

哪怕同一个技术，同一个工业领域，放在不同的地区使用，也会有时间的先后问题。例如，使用 AI 技术进行无人驾驶，目前多个厂商都先挑选诸如特定场区工程车辆、园区班车等，因为路况相对单一和简单。我们最近到印度参展，看到印度的汽车行业，就连辅助驾驶的研发，也都才刚刚开始。重要原因就是该地区的路况复杂度远高于美国和中国。所以，无人驾驶如果要在印度落地，或许需要 3~5 年的时间。

3．你认为人工智能近期最迫切需要实现的是什么？ 

我认为是机器人方面，因为目前人类生产力的解放程度还相当不够，甚至不仅仅是不够的问题，事实上，我国还有相当一部分人在从事危险系数高的体力活儿，我所说的不仅仅是建筑工人等，甚至还包括医生（可能会遭遇职业暴露），消防官兵等。而机器人的出现不仅仅可以大大提高生产力，还能减少很多人间悲剧，是真正意义上的造福人类！

对于智能工业机器人，目前中国市场75%以上的份额依然被国外“四小龙”所分食：发那科、库卡、ABB、安川电机。以机器本体制造为主的伺服电机、减速器等核心部件仍然与国外有较大差距，同时，中国尚处于工业机器人的普及阶段，因此等到具备人机交互、环境感知的智能工业机器人普及仍有待时日。而对于服务机器人和智能无人设备领域，中国在软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能实现快速市场普及。同时，人们社会生活中能紧密结合应用的领域十分广阔，家庭清洁机器人、残障看护机器人、住宅安全和监视机器人应运而生；而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，服务机器人和智能无人设备将成为投资新蓝海。

尽管现在的人工智能和机器人离科幻作品里面的那些善解人意的、甚至有自我知觉的形象还有很大的差距，但它们已经在成群结队（有时候却悄无声息）地进入我们的日常生活了。

且不必谈那些背后使用了智能和学习算法的模式筛查、搜索引擎、推荐系统和翻译应用等等。在我们能够直观感受智能应用上，我们也能感受到非常直接的进步：过去的一年里，亚马逊 Alexa 变得更加聪明了——具备了近 5000 种技能，而谷歌也在 2016 年 3 月份宣布了对标了亚马逊 Echo 的音箱式语音助理产品 Google Home，此外，微软的小娜和小冰姐妹也在我们的生活场景中变得越来越常见。

软件之下，在我们可以直接触摸的承载和表现智能的硬件（机器人）上，我们也能看到它们大步迈进的身影：自动驾驶汽车开始实验性地载客、快递无人机正在探索货运的新方式、人形机器人在日本的企业里面充当接待员、护理机器人进入了欧洲一些老人和自闭症儿童的生活、更不要说已经在很多家庭里面兢兢业业工作的扫地机器人了……甚至还有一些机器人加入了执法者的队伍——7 月份，美国达拉斯警方在与杀警狙击手对峙几小时后，出动机器人载着炸弹炸死了嫌犯，这被认为是美国警方首次以这样的自动装置来执法。（当然，军用无人机早已经在战场得到了应用。）

当然，除了普通人的日常生活之外，科学家的日常生活里面更是出现了更多人工智能/机器人。2016 年 7 月，NASA 向好奇号火星车推送了一个更新，让其可以在遥远的火星上自己选择需要研究的石头。人工智能甚至还成了科学家寻找外行星甚至外星生命的助手。至于分析粒子数据、大气系统、基因组、经济活动、社会状况等数据的模式，那几乎已经可以算是人工智能的拿手好戏了。另外值得一提的是，12 月初 Science 旗下的机器人主题期刊 Science Robotics 的创刊号正式发布，为机器人领域的繁荣提供了直接的见证。

人工智能真是让人期待呀~最后感谢联动北方大大的这个答题机会让我畅所欲言~