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)人工智能還有很長的距離。今天所有的人工智能幾乎都是來自于人類過去的大數(shù)據(jù)，沒有任何一個領(lǐng)域的能力源自自我意識，不管是象棋還是圍棋，計算機(jī)都是從人類過去的棋譜中學(xué)習(xí)。其他領(lǐng)域也是類似，計算機(jī)在做圖像識別的時候，也是從人類已有的大數(shù)據(jù)中學(xué)習(xí)了大量的圖片。

在面對人類從來沒有教過的問題時，計算機(jī)就會一竅不通。假如讓AlphaGo去下跳棋，它就會完全傻掉。甚至說把圍棋的棋盤稍作修改，從19×19的格子變成21×21的格子，AlphaGo都招架不住，但是人類就沒有問題。

我們今天看到的絕大多數(shù)的人工智能是弱人工智能，這是說它只能做一件事情，做到比較好。會下圍棋的只會下圍棋，不會下跳棋，這是很單一的弱人工智能，強(qiáng)人工智能則會全面達(dá)到人類的水平。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。

人類的學(xué)習(xí)不完全是通過樣本獲取的。比如說目前計算機(jī)在人臉識別領(lǐng)域做得還不錯，可以達(dá)到90%以上的準(zhǔn)確率，但它是通過看上百萬幅圖片做到的，人類不是這樣，小孩生下來以后一段時間就能認(rèn)識媽媽。

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

其實(shí)今天的人工智能，它很強(qiáng)的一點(diǎn)是記憶能力和計算能力太強(qiáng)大了。它不如人類的是創(chuàng)造力、想象力。把計算機(jī)放在蘋果樹下，一個蘋果砸到上面，它不會聯(lián)想到這個跟萬有引力有什么關(guān)系，它沒有這種概念。但是牛頓被蘋果砸了之后，就會思考和想象，這是今天計算機(jī)和人工智能遠(yuǎn)遠(yuǎn)做不到的。

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

具體來說人工智能的缺陷會有哪些體現(xiàn)呢？比如說語音識別領(lǐng)域，在很安靜的環(huán)境下，人工智能幾乎跟人類的語音識別水平差不多，但很多情況下環(huán)境不一定是安靜的，如果在一個嘈雜的環(huán)境下，幾個人同時說話，人是有能力選擇性聽某一個人的聲音，但是人工智能做不到。

即便是這個問題解決了，可以在能力上突破這個難關(guān)，人工智能還是無法像人類一樣，這是因為人工智能缺乏常識，今天的機(jī)器是沒有常識的。

沒有常識的機(jī)器沒有辦法像人類一樣，小學(xué)生都做過一個題目叫雞兔同籠，一共有多少個頭、多少只腳，算一下有多少只雞和多少只兔。這個題目的前提是小學(xué)生是知道雞有一個頭兩只腳，兔子有一個頭四只腳，但計算機(jī)是不知道的，這個題目就會把它難住。

但告訴計算機(jī)這個前提之后，把題目換成鴨狗同籠，計算機(jī)還是不會做，因為新的常識它也沒有。所以在沒有常識之前，計算機(jī)沒辦法達(dá)到人類的各種智能，并且這是一個必要不充分條件，即使有一天它知道了所有的常識，計算機(jī)也缺乏形象思維和創(chuàng)造能力。人類很多問題都不知道大腦為什么會那樣想，計算機(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)說要實(shí)現(xiàn)真正的人工智能可能需要5到500年的時間，我是完全站在500年那邊的，你要讓我在后面再加個0我也不反對。

總結(jié)來看，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，計算機(jī)未來都會超越人類，不超越人類是不對的。

除了有明確規(guī)則之外的領(lǐng)域，計算機(jī)和人工智能還有很長的路要走，因為人類強(qiáng)的地方，就是在很多信息不全的情況下，人類可以自動補(bǔ)全。人類其實(shí)是可以在這種情況下做出判斷，在這種情況下，人類的力量遠(yuǎn)遠(yuǎn)大于機(jī)器的力量。

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

在弱人工智能上，計算機(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，因為強(qiáng)人工智能是遠(yuǎn)遠(yuǎn)超越了有規(guī)則的東西，但這些沒有規(guī)則的領(lǐng)域如何突破，可能需要對自身有更多的了解，如果能把計算機(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、全民包括政府都在關(guān)注，對產(chǎn)業(yè)和學(xué)術(shù)界的發(fā)展有好處，但這個泡沫千萬不要吹大，吹大了以后大家會失望的，一旦失望對這個產(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這個難題，它有幾個途徑：

第一個是純?nèi)斯ぷ?，向計算機(jī)普及人類所有的常識，但是這個工作量是巨大的，不可能完成的。

第二個途徑是全自動，從一些結(jié)構(gòu)化的數(shù)據(jù)庫里抓取。比如美國有50個州，每一個州的名字是什么？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，放在計算機(jī)的知識圖譜里。

第三種途徑是一個半自動的方法，可能對于大量的常識不會有非常標(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)，計算機(jī)要做的是能夠從里面以“統(tǒng)計滾雪球的方法Statistical snow ball”抓取出知識。

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，但沒有關(guān)系，人類的偉大之處正在于此，不是說因為這件事情很難就不做了，正是因為它很難，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。