有人说「真正的人工智能至少还要几百年才能实现」，真的是这样吗？ 第1页

理论上讲，强人工智能绝对是可以实现的，但绝不会是靠深度学习这种炼丹式的方法来实现，

你可以骑自行车环法一周，但是你绝不可能用自行车破音速，或者用自行车登火星。

要实现真正的人工智能，一条路是仿生学的路，也就是先将智能的机制弄清楚（如果能将意识的机制弄清就更好了），然后在实验室模拟一个智能。

openworm就是这样一个计划，科学家们用计算机来模拟秀丽隐杆线虫，因为这种线虫结构相对简单，却也具有趋利避害、觅食、繁殖等功能，第一阶段他们使用计算机来模拟秀丽隐杆线虫的302个神经元和95个肌肉细胞，最终的目标是希望模拟它的全部959个细胞，但是结果却并不乐观：

These early attempts of simulation have been criticized for not being biologically realistic. Although we have the complete structural connectome, we do not know thesynaptic weightsat each of the known synapses. We do not even know whether the synapses are inhibitory or excitatory. To compensate for this the Hiroshima group used machine learning to find some weights of the synapses which would generate the desired behaviour. It is therefore no surprise that the model displayed the behaviour, and it may not represent true understanding of the system.

虽然模拟了线虫的神经元，却连神经元上的突触是抑制性的还是兴奋性的都搞不清楚，一些突触的权重还是通过机器学习来生成的，以达到想要的效果，结果自然是没有得到什么有价值的结论。可见在智能机制的研究上，我们还处于非常初级的阶段。

第二条路是使用算法来得到结果就行了，不必模拟现有的智慧生命，类似于中文屋。毕竟自然进化而来的机制不一定是最有效的机制，汽车不需要用四条机械臂狂奔，飞机也不需要拍翅膀提供升力，人工智能也不一定需要有几亿个神经元才能开始工作。任何问题都是算法问题，音视频的分析是模式识别，自动驾驶是决策树，扫地机器人是一个寻路和避障的问题。但是现在大量的问题甚至无法被良好定义，一张人脸图片要检测它是男还是女，你如何在数学上定义这个问题呢？没有良好的定义，自然无法建出有效的模型，也无法评估模型的有效性，所以大量依赖于深度学习这种黑箱来解决问题。

现在这个阶段定义最完善的当然是自动驾驶，和棋类，电子竞技类的问题，所以这些相对较早被解决。越是没有完善定义的问题，越是离被解决遥遥无期，比如语义分析和机器翻译，相对而言就要困难得多。

所以不必太兴奋，在人工智能方面我们还是处于前科学的状态，就是那个热素说，以太说大行其道的时代。未来能发生什么谁也不知道，截至2019年，强人工智能的理论基础没有出现，也没有出现的迹象。弱人工智能有一定成效，但是多半也是算力，和数据的堆砌，技术上进展不显著。当前现状是对人工智能越了解的越悲观，越不了解的越乐观。

上次facebook AI跑出bug，媒体记者居然报道称AI发明了人类不懂的语言在自主交流，人工智能可能反噬人类云云，就是一个例子。按照越外行越乐观的规律推断，不久就会有意识上传锅，人工智能算命这种骗局出现了，大爷大妈们肯定信这个。