導語
人工智慧的概念從1956年8月的達特茅斯會議誕生已來，已經經歷了60多年的歷史，近幾年AI在國內的發展呈井噴之勢，不斷重新整理人們的眼球，筆者作為一個科研工作者，嘗試從客觀的角度對AI的進一步發展做思考和分析。
發展歷程
現有的AI大致經歷了三個發展階段：
1956~1976年 基於符號邏輯的推理證明階段
這個階段的AI主要使用的是邏輯推理的方法來做一些數學定理證明的工作，但是由於理論方法和工具的侷限性，這個階段的AI受到了來自多方的質疑，並沒有快速發展起來；
1977~2006，基於人工規則的專家系統階段
第二階段的AI從邏輯推理逐步上升為專家系統和知識工程，並使用神經元網路BP演算法解決了收斂性等的問題，該階段的AI已經可以實現字元識別和簡單的影像診斷；
2007~至今，大資料驅動的深度神經網路階段
第三階段的AI得益於大資料的深度學習模型和演算法，發展迅速並得到了大規模應用，在人臉識別、語音識別、機器翻譯、智慧問答等領域取得巨大成功。
到目前為止所有的AI都是弱人工智慧，弱人工智慧也叫狹義人工智慧（Narrow AI）是指人工系統可以達到專用或特定技能的智慧。我們大眾所理解的人工智慧叫強人工智，也叫通用人工智慧（Artificial General Intelligence，AGI），它類似科幻小說和電影中的智慧機器人或是人造生物。它具有和人類同等智商、情商以及行為能力，甚至在某些方面超出人類的能力，並能夠表現和執行人類所有的智慧行為。而弱人工智慧不具備自主意識，永遠無法替代人類，只能作為服務人類的機器。
分析及討論
人類的進化發展經歷了幾十萬年的漫長歲月，從語言、社會、思維的發展，再到農業文明、工業文明，各個階段不斷突破，才進化到現在的智人階段。反思AI的發展，弱人工智慧也將經過一個漫長的發展階段才能逐步接近強人工智慧。從目前的進展來看實現強人工智慧還需要解決很多技術層面的問題。
儲存問題：現在的計算機雖然已經能夠儲存大量的資訊，但相對於人腦來說還遠遠不夠。一個正常人的大腦約有1000億個神經元，神經元之間還有大量複雜的突觸連線，人類大腦的記憶和工作是以神經元和突觸連線共同完成的，這樣就使得人腦的儲存容量呈指數級別的增長。曾有心理學家測算人腦的儲存量約有100萬億位元（約64PB），2014年科學家通過對老鼠神經元的分析推算人腦容量約為7.6億TB，但實際人腦容量上遠遠不止這些。人的大腦在被其感興趣的事物啟用時，會調動更多的神經元共同參與並建立更多更復雜的突觸連線，這將大大增強人腦在相關事物的儲存能力和資訊檢索能力。而且人腦的實際應用一般只相當於大腦總容量的十分之一，很多內容被大腦儲存在潛意識中，通過潛移默化的影響控制人們的行為和思考方式。
學習能力和工作模式：現有AI技術是通過輸入大量資料的基礎上不斷訓練，在分析和處理過程中模仿生物和人類大腦的思維模式，並逐步達到收斂的效果而形成演算法模型。這種模式在處理結果明確，邏輯相對簡單的問題上效果很好，但在處理複雜問題、因果關係不清晰的問題時效果很差。AI現在可以輕鬆打敗圍棋高手，進行準確的人臉識別，這些應用的特點是都具有有限的規則和相對明確的結果。現實世界中，人類大腦的知識庫系統包含從領域常識性知識到原理知識、經驗性知識、元知識等多層次的知識內容，在面對複雜環境和決策的時候，人腦可以協調所有內容進行符合邏輯的判斷。但AI一旦遇到衝突和不協調的情況發生，無法結合具體場景和複雜的環境因素來進行理性的判斷和決策。此外，人類的想像能力、獎勵機制和其他一些複雜的生理機能，也是促使人腦不斷進化和產生突變的因素，而這些都是現有AI技術所不具備的。
情緒感知：AI要想真正實現跟人類無障礙交流還需要準確理解和感受人的情緒。在人與人的溝通和資訊交流中，語言和文字大約只佔到7%，大量的資訊是通過語音語調、面部表情和肢體動作等表達出來的，人們甚至可以僅僅通過一個細微的眼神變化就能表達和傳遞複雜的資訊，寵物狗也能從主人的語言、表情動作等方面瞭解人類的情緒狀態。人類的情緒每時每刻都在影響人的行為和判斷，移情、共情等能力是人類建立現代社會和文明的一個重要基本因素，沒有情感的AI永遠不會“意識覺醒”，也永遠無法和人類進行無障礙的溝通。
結論
AI發展還需要和其他學科和技術緊密結合才能逐步實現強人工智慧，腦科學、神經科學、生物技術等等都將在未來和AI深度融合，才能彌補現有技術的不足、補齊短板。5月2日發表在Science雜誌的一篇論文中，MIT的三位神經科學家已經可以通過人工神經網路準確控制獼猴視覺皮層的活動，筆者相信科學家將逐步破解人腦的工作機制，並將利用相關的研究成果來不斷來提升機器的智慧，未來的10到50年AI將會是類生物智慧機器人、半生物智慧機器人和生物機器人多樣化發展的時代。
作者：王三錯，資訊管理專業博士、新華網科技記者、技術主管，主要從事前沿科技的研究和技術探索，善於從多學科、多角度、多層面分析問題，目前主要研究方向為情感計算和類腦計算。