經歷冰火兩重天的人工智能，未來的路在哪里？

　　80年代，AI研究人員轉移方向，認為人工智能對事物的推理能力比抽象能力更重要，機器為了獲得真正的智能，機器必須具有軀體，它需要感知、移動、生存，與這個世界交互。為了積累更多推理能力，AI研究人員開發出專家系統，它能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。

　　1997年，IBM的超級計算機深藍在國際象棋領域完勝整個人類代表卡斯帕羅夫;相隔20年，Google的AlphaGo在圍棋領域完勝整個人類代表柯潔。劃時代的事件使大部分AI研究人員確信人工智能的時代已經降臨。

　　可能大家覺得國際象棋和圍棋好像沒什么區別，其實兩者的難度不在同一個級別。國際象棋走法的可能性雖多，但棋盤的大小和每顆棋子的規則大大限制了贏的可能性。深藍可以通過蠻力看到所有的可能性，而且只需要一臺計算機基本上就可以搞定。相比國際象棋，圍棋很不一樣。圍棋布局走法的可能性可能要比宇宙中的原子數量還多，幾十臺計算機的計算能力都搞不定，所以機器下圍棋想贏非常困難，包括圍棋專家和人工智能領域的專家們也紛紛斷言：計算機要在圍棋領域戰勝人類棋手，還要再等100年。結果機器真的做到了，并據說AlphaGo擁有圍棋十幾段的實力(目前圍棋棋手最高是9段)。

　　那么深藍和AlphaGo在本質上有什么區別?簡單點說，深藍的代碼是研究人員編程的，知識和經驗也是研究人員傳授的，所以可以認為與卡斯帕羅夫對戰的深藍的背后還是人類，只不過它的運算能力比人類更強，更少失誤。而AlphaGo的代碼是自我更新的，知識和經驗是自我訓練出來的。與深藍不一樣的是，AlphaGo擁有兩顆大腦，一顆負責預測落子的最佳概率，一顆做整體的局面判斷，通過兩顆大腦的協同工作，它能夠判斷出未來幾十步的勝率大小。所以與柯潔對戰的AlphaGo的背后是通過十幾萬盤的海量訓練后，擁有自主學習能力的人工智能系統。

　　這時候社會上出現了不同的聲音：“人工智能會思考并解決所有問題”、“人工智能會搶走人類的大部分工作!”“人工智能會取代人類嗎?”那么已來臨的人工智能究竟是什么?

　　人工智能目前有兩個定義，分別為強人工智能和弱人工智能。

　　普通群眾所遐想的人工智能屬于強人工智能，它屬于通用型機器人，也就是60年代AI研究人員提出的理念。它能夠和人類一樣對世界進行感知和交互，通過自我學習的方式對所有領域進行記憶、推理和解決問題。這樣的強人工智能需要具備以下能力：

　　1)存在不確定因素時進行推理，使用策略，解決問題，制定決策的能力

　　2)知識表示的能力，包括常識性知識的表示能力

　　3)規劃能力

　　4)學習能力

　　5)使用自然語言進行交流溝通的能力

　　6)將上述能力整合起來實現既定目標的能力

　　說明：以上結論借鑒李開復所著的《人工智能》一書。

　　這些能力在常人看來都很簡單，因為自己都具備著;但由于技術的限制，計算機很難具備以上能力，這也是為什么現階段人工智能很難達到常人思考的水平。

　　由于技術未成熟，現階段的人工智能屬于弱人工智能，還達不到大眾所遐想的強人工智能。弱人工智能也稱限制領域人工智能或應用型人工智能，指的是專注于且只能解決特定領域問題的人工智能，例如AlphaGo，它自身的數學模型只能解決圍棋領域的問題，可以說它是一個非常狹小領域問題的專家系統，以及它很難擴展到稍微寬廣一些的知識領域，例如如何通過一盤棋表達出自己的性格和靈魂。

　　弱人工智能和強人工智能在能力上存在著巨大鴻溝，弱人工智能想要進一步發展，必須具備以下能力：

　　1)跨領域推理

　　2)擁有抽象能力

　　3)“知其然，也知其所以然”

　　4)擁有常識

　　5)擁有審美能力

　　6)擁有自我意識和情感

　　說明：以上結論借鑒李開復所著的《人工智能》一書。

　　在計算機理念來說，人工智能是用來處理不確定性以及管理決策中的不確定性。意思是通過一些不確定的數據輸入來進行一些具有不確定性的決策。從目前的技術實現來說，人工智能就是深度學習，它是06年由Geoffrey Hinton所提出的機器學習算法，該算法可以使程序擁有自我學習和演變的能力。