目前，人們講到人工智能和機器學習，可能還是覺得它很復雜。

事實上，當你聽過我的課程，就會發現，關于這個話題，有很多還停留在概念性、戰略性的階段。當然，也有一些投入實際應用的技術，但這背后的理論，還是非常基礎和簡單的。

人工智能與機器學習，其實還遠遠不是一門基礎扎實的工程學科，它并不能為現在用數據分析問題提供強大且可拓展的解決方案。

因此，我們并不能將人工智能與機器學習的發展簡單理解為一個神跡，如同高樓非一夜而起，它是必須要經歷長時間的發展的。

大家首先要意識到，在這一領域，我們仍處于非常初級的階段。很多事情我們還不了解，現今的我們并非處于一個人工智能的神奇大爆炸時代。

可以說，我們有可能要花上百年的時間，這個高樓大廈才能真正地建立起來。

準確認知人工智能的現在與未來

本節要點

目前的智能系統還無法做到對場景的常識理解；

我們不太可能看到所謂的“超級人類AI”。

拋棄那些外界的宣傳，我們需要實際且準確地理解人工智能。我們來講，目前的人工智能有哪些可能性，以及，哪些技術還沒有實現的可能。

計算機視覺

可能：在可視場景中標記對象

目前尚無可能：對視覺場景的常識理解 

比如，一個會議室的攝像機，把它連接到電腦上后，讓它區分哪些是人臉。在目前，人工智能也許可以標記對象，但卻不能理解這個場景。

作為人類，我知道這個會議室有很多人，出口在哪里，我要小心臺階不能掉下去。這是我的常識性理解，但計算機是做不到的。

語音識別

可能：多語種語音到文本和文本到語音的轉換

目前尚無可能：對聽覺場景的常識理解

我的聲音可以通過話筒接到電腦中并轉化為文本，域名注冊，轉化為語音。但如上所述，電腦并不能對文本背后的常識進行理解。

人們可以馬上理解一個很復雜的句子來預測下一步行動，但計算機做不到。

自然語言處理

可能：最低限度的翻譯和問答

目前尚無可能：語義理解、對話

自然語言中有很多東西，機器是做不到的。機器只能死記硬背，卻沒有辦法真正地回答問題。

當你和電腦交流的時候，它可以回答你“中國最大的城市是哪一個”，那是它通過“中國”、“城市”、“最大”這三個關鍵詞，在百度搜索的答案。

但如果你的問題是“中國不在河邊的第二大城市是哪一個”，電腦給你的答案一定是對你一點用都沒有的。因為在此之前可能從來沒有人做過這個問題的相關數據，沒有這個問題答案的數據列表。

但在未來的十年，上述被列為“尚無可能”的部分，將至少可實現基本形式。

十年，就技術而言，是一個很長的時間窗口了。事實上有一些技術已經開始出現，只是目前在比較原始初級的階段而已。

比如自駕車以及自駕式空中出租車，它們還是會出現的。盡管不會是超級智能，但肯定會越來越好。

但請注意，人工智能系統仍然是非常有限的智能系統。我相信，我的AI同事們也會贊同我的觀點：我們不太可能看到和人有同等智力的靈活性與創造性的AI系統。

首先，人類每時每刻都在以新的方式思考怎樣用新的語言來表述，就像我現在講的每一句話都是有創造性的，我在講話中可以不斷講新的內容以及新的理念，使用隱喻、反諷等修辭。

在現實中，AI系統還做不到。AI可以幫你做一些基礎工作，比如幫你在網上訂一張票，但是它無法和你談人生。

此外，人類還非常善于做新的抽象推理。

比如，“Blank從上海走到杭州只花了3個小時”。作為人類，你會做很多推理：Blank會移動，而且從上海走到杭州只花了三個小時，它的運動速度一定很快。那么，你會針對Blank問很多問題。

但AI系統就做不到，它需要反復、重復用海量的數據才能得出一個答案。

最后，人非常擅長計劃和規劃。而AI系統只是擅于捕捉目前的數據，而不可能對未來做出一個長期的、有條不紊的規劃。

很多人在講“超級人類AI”，這類人一定沒有在AI領域工作過，他們根本就不知道AI領域中存在的技術問題有多難。

AI系統可以知道世界所有的城市、餐廳、電影院，然而它也只知道這些事實而已。

所以，我不相信所謂的“超級人類AI”，也不相信AI會比人更聰明。

人們覺得AlphaGo很厲害，是因為覺得一般玩圍棋的人就很聰明了，那能打敗玩圍棋的人肯定更聰明。

這是有誤解的。人知道怎么還貸款，上什么學校，怎么和同伴做智慧交流，這些事都是AlphaGo做不到的。