人工智能大会在中国的哪一个城市举办，盘点2019世界人工智能大会的意义

7月9日,为期三天的2020全球人工智能大会在上海世博中心揭幕。此届全球人工智能大会以“智联网全球、共同家园”为主线，对焦“AI技术趋势”、“AI创变经济发展”及其“AI温馨佳园”三大议题。

以“智联网全球、共同家园”为主题的2020全球人工智能大会云空间高峰会，7月9日在上海世博中心揭幕。

大家相信人工智能会成为和科技革命一样重要的的浪潮。但新美国硅谷智能机器人初创公司Robust.AICEO兼创办人盖瑞·马库斯

（Gary Marcus）

与美国的大学柯朗数学科学研究所电子信息科学专家教授、人工智能行业专家欧内斯特·理查德森

（Ernest Davis）

却对于此事保持着更加深层次的灵敏和思考。他们从脑科学中提炼了11条对人工智能发展趋势等方面的启发，以通用性人工智能为发展规划，提出了将来AI技术的一种发展前景。

AI如今面临什么考验？将来会不会出现威协人类的超级人工智能？AI会成为媲美科技革命的的浪潮吗？当下的AI存有什么风险性？真有可信的AI吗？最理想的AI与现实的AI中间到底具有什么差别？怎样搭建人类和AI中间的认可？

在马库斯和理查德森二人合著的《如何创造可信的AI》一书中，二位创作者强调，有关人工智能的蹭热点一直沸反盈天，但是获得真真正正可信的AI，却比想象的要繁杂的多，超级智能的时代还远未来临。

马库斯和理查德森表明：造就真真正正可信的AI必须授予设备基本常识和深层明白，而非简单的统计分析数据信息。AI真真正正的问题在于信赖，基本常识才算是深层理解的重要。她们相信， AI能刮起蔓延到整个宇宙的重大转型，但AI获得真真正正的发展以前，很多基本假设也要更改。

以下几点选自盖瑞·马库斯与欧内斯特·理查德森合著的《如何创造可信的AI》一书，已获得出版社出版受权刊登。

《如何创造可信的AI》，（美）盖瑞·马库斯、欧内斯特·理查德森著，龙永军译，湛庐文化丨浙江省人民出版社，2020年5月

发文丨[美]盖瑞·马库斯

[美]欧内斯特·理查德森

摘编丨何乐乐

AI的发明有可能是“人类文明史上最可怕的事情”？

20年之内，设备将有着人类所具备的一切工作中能力。

——AI先行者，赫伯特·西蒙，1965年

自打人工智能问世之始，业内权威专家就保持着企业愿景多、落地式不足的传统式。20个世纪五六十年代，马文·明斯基

（Marvin Minsky）

、罗伯特·科马克

（John McCarthy）

与赫伯特·西蒙

（Herbert Simon）

等先行者角色曾发自内心地坚信，AI问题将于20世纪初之前被彻底消除。明斯基有句广为人知的名言：“一代人以内，人工智能问题将于大体上及时解决。”50年以后，这种推测却无法完成，而新画的“烤饼”却五花八门。2002年，未来学家雷·库兹韦尔

（Ray Kurzweil）

公布肯定AI将于2029年以前“超过人类自身的智慧”。2018年11月，OpenAI这一家知名AI科研机构的创始人伊利亚·苏茨科弗

（Ilya Sutskever）

明确提出：“我们应严谨认真地考虑到最近完成通用性人工智能

（AGI）

的概率。”

虽然从理论上讲，库兹韦尔和苏茨科弗的推测有希望完成，但这事成真的概率十分迷茫。大家间距具备人类智能化协调能力的通用性人工智能过于漫长，并不是再走几一歩就可到达的，反过来，这个领域还需要大量基本性发展。我们将要表明，再次拷贝领域过去几年间获得的成果是远远不够的，我们应该去做一些完全不同的事儿。

影片《人工智能》剧图。

就算并不是每个人都像库兹韦尔和苏茨科弗那般乐观积极，可是却医疗器械行业到自动驾驶汽车行业，各种各样利欲熏心的承诺仍然经常可以看到。这种服务承诺一般会成空。打个比方，2012年，大家经常听到人们说起“无人驾驶汽车将不久的将来成为现实”。2016年，IBM声称，在Jeopardy!智力问答节目中夺冠军的AI系统软件沃森

（Watson）

可能“在医疗器械行业刮起一场改革”，合称沃森身心健康

（Watson Healthcare）

的“认知系统能理解、逻辑推理学习与互动交流”，而且“运用认知计算在近期获得的发展……我们可以做到难以想象高度”。IBM的目标，是解决从药学、放射学到癌病诊断与治疗中出现的许多问题，运用沃森去载入医学论文，得出人类医师可能忽略的医疗提议。

此外，AI行业最优异的科研人员之一杰弗里·欣顿

（Geoffrey Hinton）

说：“非常明显，我们要终止塑造急诊科医生。”2015年，Facebook启动了M计划。这是一个目标远大、覆盖面积广泛对话机器人新项目。这一智能机器人需有能力解决你每一种要求，既能帮你订购饭店坐位，又能帮你整体规划下一次度假旅行。可是，直至今日，以上总体目标都还没一件获得贯彻落实。说不准有一天，无人驾驶汽车能真正确保安全并普及化，对话机器人也能实实在在地满足你任何要求，有着超级智能的智能机器人医师真能给你就医。但现在看来，全部这一切都是理想化，并非实际。

自动驾驶汽车确实存有，但关键局限在高速路自然界中，还要人类驾驶员到位才能保证安全性，主要原因是手机软件太不可靠，害怕令人以性命相托。2017年，Waymo企业

（从谷歌搜索拆分出去主要从事自动驾驶汽车工作中达10年之久的企业）

CEO罗伯特·克拉夫茨克

（John Krafcik）

释放说大话，说Waymo很快就能发布不必人类驾驶员做为安全防范措施的自动驾驶汽车。一年之后，如同《连线》杂志期刊

（Wired）

所说，气焰嚣张毫无，人类驾驶员仍在。

没人确实觉得，自动驾驶汽车已经可以在“没有人”状况下，彻底凭着本身能力在城镇当中或极端天气下出门行车。早期乐观态度，又被现如今的理智所取代。人们普遍认为，要达到真正意义上的自动驾驶，有待最少10年的发展，很有可能10年还远远不够。一样，IBM的沃森向诊疗方向的转型发展也冷却了出来。2017年，MD德克尔癌病核心突然停止与IBM在肿瘤学层面的合作。

据悉称，沃森给的一些建议“不安全的、有误”。2016年，坐落于法国马堡的“罕见病和未诊断疾病中心”运用沃森进行的项目，不上2年却被喊停，由于“工作结果无法接受”。学医将病人的胸痛症状告之沃森系统软件时，沃森并没明确提出心脏疾病、心梗或肺动脉撕破等很有可能临床诊断，而这些连一年级的医学专业都可以明确提出。沃森问题被曝光后不久，Facebook的M计划又被喊停。这时间距项目启动的时间也还不到3年。

影片《我，机器人》剧图。

尽管AI行业一直以来都保持着有头无尾的好习惯，但看中AI的呼声仍然疯狂到爆满。谷歌搜索前CEO艾里克·哈里斯

（Eric Schmidt）

曾信心十足地公布，AI会处理气候变化、贫苦、战事和癌病等众多社会现象。X-Prize创始人约翰·戴曼帕维

（Peter Diamandis）

在他的经典著作《富足》

（Abundance）

之中提出过相似的见解，觉得强AI在如愿以偿之时“一定会如火箭发射般载着大家奔向富裕之巅”。2018年初，谷歌搜索CEO桑达尔·皮查伊

（Sundar Pichai）

声称：“AI是人类已经从事的最主要的工作之一，其重要性超过电和火的应用。”不到一年以后，谷歌搜索迫不得已在一份给投资者的报告中认可，“列入或利用人工智能和机器学习算法的产品和服务，可能在伦理道德、技术性、法律和各个方面产生新的挑战，或加重目前挑战”。

还有些人因AI的潜在的伤害而苦恼万分，而这些忧虑与真实情况天差地别。剑桥大学思想家尼克斯·博斯特洛姆

（Nick Bostrom）

给出了有关超级智能攻占全球的话题，仿佛这一灾祸没多久就会发生一样。伯特·尼克松总统

（Henry Kissinger）

在《大西洋月刊》

（The Atlantic）

发表的文中称，AI的危险很有可能极为极大，“人类历史时间很有可能重演印加人的后尘，应对AI，如同印加人应对不能理解的西班牙文化一样，乃至会对其造成钦佩和心存敬畏”。埃隆·埃隆马斯克

（Elon Musk）

曾明确提出警示，称推动AI向前发展的举动相当于“召唤恶魔”，为人类产生“比核弹更恐怖”的危险。过世的杰夫·霍金

（Stephen Hawking）

曾经说过，AI的发明有可能是“人类文明史上最可怕的事情”。

可是，他们所讨论的AI到底是怎么样的AI？回到现实当中，放眼望去看到的都是连门拉手都无法打开的智能机器人，“自动巡航”模式下的特斯拉汽车三番五次追尾事故停在路边车辆，仅2018年就发生了最少4次。这就好比是，生存在14新世纪的人们没去操劳那时候最急需的卫生环境，却要为交通阻塞问题而自相矛盾。

大家为什么一直过高的可能AI的具体能力？

大家往往一直过高的可能AI的具体能力，一部分主要原因是媒体的浮夸宣传策划，将每一次小小考试成绩描绘成翻天覆地的根本性提升。

影片《人工智能》剧图。

看看下面这俩有关所说设备阅读文章技术性大突破的标题。

A：《智能机器人超过人类阅读文章水准，令上百万人面临着下岗风险性》

——《新闻周刊》

（Newsweek），2018年1月15日

B：《计算机阅读文章能力已经超越人类》

——《CNN财富》

（CNNMoney），2018年1月16日

第一个文章标题比第二个更为阴险毒辣，但2个文章标题都是对的一点点小发展作出了巨大浮夸。最先，这事根本就没有智能机器人参加，并且科学研究环节中只从一个极为片面性的视角对阅读文章能力作出了检测，与阅读和理解的全面检测相去甚远。根本就没有谁的工作因此而受到威胁。真实情况是这样子的：微软公司和阿里两家企业各自开展了“斯坦福大学互动问答数据库系统”

（SQuAD，the Stanford Question Answering Dataset）

新项目，对计算机在阅读过程中一个涉及面窄小的单一层面作出了目的性检测。

数据显示，针对该特殊每日任务的阅读能力有细微发展，从之前的82.136%提升到了82.65%，也就是所谓的从之前不如人类的水准提升到了人类的水准。在其中一家公司发布一篇新闻媒体新闻稿件，将这一点渺小的考试成绩称作颠覆性的突破，并公布“能阅读文章文档、聆听描述并回答问题的AI”从此问世。

实际远远没有那么性感迷人。以上检测被设计方案来搞探索的，根本无法做为阅读和理解水平的评定标准。检测中提到的每一个难题，都能从文中照本宣科地找到答案。简言之，这一检测只有评定划重点的能力，别无其他。对于阅读文章的真正考验—推测作者在词句以外所表达的情感，这种检测则压根连边都沾不到。

打个比方，假定大家给你一张纸，上面写着这样一段话：

苏菲和亚力山大两个孩子出门散散步。她们看到了一只狗和一棵树。亚力山大还看见了一只猫，并指给苏菲看。她赶去摸了摸摸小猫。

我们能轻而易举地回应例如“谁去散散步”之类的问题，问题的答案“苏菲和亚力山大”是直接在文中标明的。但真正的阅读文章需要我们更进一步见到词句以外的意味。我们还应该能回应例如“苏菲是否有见到猫”和“小朋友们有没有被猫吓住”等诸多问题，虽然这些问题的答案并没立即摆放在文本当中。假如你回答不了，就没办法了解接下来会发生的事。斯坦福大学互动问答数据库系统并不包括此类问题，一个新的AI系统软件也不行解决这类问题。为了能进行对比，大家在编写该段具体内容时，马库斯将这则小故事在他4岁半的闺女蔻驰的身上作出了检测。蔻驰移除就推测了故事中的苏菲看到了猫。蔻驰还不到6岁的哥哥更棒，接着说假如那只狗其实就是一只猫往往会如何如何。这类能力，是现如今的AI彻底无法企及的。

影片《我，机器人》剧图。

技术性商人们每一次公布这种新闻稿件，基本上都是同一个招数。而诸多新闻媒体

（多亏非是全部新闻媒体）

也将一点点小进度描绘成意义深远的革命创举。打个比方，多年前，Facebook进行了一个基础的概念验证新项目，对于AI系统软件阅读文章简单故事并回应有关问题的能力进行评估。结论一大堆情绪高涨的文章标题随着飞奔而来，《Facebook称已找到让机器人更富智慧的秘密》《能学习并回答问题的Facebook AI软件》《能阅读文章〈魔戒〉概述并回答问题的手机软件，可提升Facebook检索能力》，例如此类。

正是如此得话，的确归属于重大进展。即便是能看明白《读者文摘》或托尔金的简要注释本，都算是个了不起的创举，更别提读懂《魔戒》原作自身了。但无奈的是，真有能力进行这一创举的AI已经不在我们现如今的视线当中。Facebook AI系统软件所阅读的文字概述事实上只能4行文本：比尔博返回洞窟。咕嘟将魔戒留在了那边。比尔博取得魔戒。比尔博返回夏尔郡。比尔博将魔戒留在了那边。佛罗多取得魔戒。佛罗多前去末世山。佛罗多将魔戒留到那边。索伦恶魔去世。佛罗多返回夏尔郡。比尔博前去灰港。剧终。

但即使这样，这一AI系统软件竭尽所能能做到的仅仅立即回应文章段落中常体现的基础问题，比如“魔戒在哪儿”“比尔博如今哪里”“佛罗多如今哪里”。千万不要想知道“佛罗多为何学会放下魔戒”之类的问题。很多新闻人在开展技术性报导时，尤其喜欢言过其实。这样做的立即后果就是让群众误认为AI成真的黎明早已洒满大地。而实际上，我们还有很漫长的夜路要走。从今以后，若再听闻某一成功的AI实例，提议阅读者明确提出下列6个问题：

1.撇开华而不实的文采，此AI系统软件到底实实在在地做到了哪些事？

2.此成果的实用性多强？

（比如：所提到的阅读任务，是能够精确测量阅读文章中的所有层面，或是仅有在其中的一小部分？）

3.是否有演试程序流程，能让我自己用事例来试验一下？如果不是，请保持怀疑态度。

4.假如科研人员或新闻媒体称此AI系统软件强过人类，那么具体指什么人类，强出多少？

5.被报道的科研成果中常取得成功完成的具体内容，事实上将我们与真真正正的人工智能拉近了是多少间距？

6.此全面的可扩展性怎样？如果使用别的数据，在没有任何规模性再次练习的情形下，是否还能取得成功？

（比如：一个玩手机游戏的设备假如理解了下国际象棋的技能，它是否也可以玩《塞尔达传说》这种动作手机游戏？用以识别动物的系统，是不是能把以前没见过的种群精确鉴别为小动物？经过训练可在大白天出行的自动驾驶汽车系统软件，是不是也能在晚间或下雪天交通出行，假如道路上新增了一个地图上没有的绕道标示，系统软件是不是了解怎么看待？）

设备在许多方面依然无法和人类一概而论

实际上，最近年来，AI确实以飞速发展速率变得越来越令人震撼，乃至令人叹为观止。从下象棋到语音识别技术再从面部识别，AI都取得了长足的进步。大家尤其欣赏的一家名字叫做Zipline的初创公司，运用了一些AI技术性来引导无人飞机将血送至非州的病人身旁。而像这样的有意义的AI运用，在多年前还是无法达到的。

近期AI界的许多经典案例，大多数获得了2个因素的推动：第一，硬件配置的发展，根据让许多设备并行处理工作中，更多的运行内存和更快的处理速度成为现实；第二，大数据技术，包括十亿字节数、万亿元字节数甚至大量数据库的极大数据，在多年前还不会有。例如ImageNet存在1400引马镇被标记图片，这在练习机器视觉系统软件时彰显了非常重要的作用。

此外，也有wiki百科及其一同组成因特网的大量文档。和数据同时出现的，也有用以数据处理方法的计算方法—“深度学习”。深度学习是一种极为强悍的统计分析模块

（statistical engine）

，我们将在第3章中对于此事开展实际表述和评价。从Deep Mind下象棋的Alpha Zero和下国际象棋的Alpha Zero，到谷歌搜索近期发布的对话和语音识别系统软件谷歌搜索Duplex，AI在近几年所取得的基本上每一项进度，其核心全是深度学习。

在这些案例中，大数据技术、深度学习加上速度相当快的硬件配置，就是AI的制胜法宝。深度学习在许多具体主要用途也取得了极大取得成功，如皮肤病确诊、地震灾害余震预测分析、信用卡欺诈检测等。与此同时，深度学习也融入了艺术和音乐领域，及其很多的商业运用当中，从语音识别技术到给相片打标签，再从新闻资讯信息流广告的排列梳理等。我们能运用深度学习去识别植物，全自动提高照片中的天上，甚至还能将黑白照转化成五颜六色。深度学习获得了举世瞩目的成就，而AI也会跟着成了一个巨大产业链。Google和Facebook上演了史诗的人才大战，为博士研究生给出高薪职位。

2018年，以深度学习为主题的最主要的一场科学大会，所有门票费在12分钟之内被抢购一空。虽然我们一直认为，有着人类水准协调能力的AI比很多人想象的要更难以达到，但近几年来取得的长足进展也不容否定。大家对AI的激动并非偶然。

各国也不甘人下。法国的、俄国、加拿大和中国等国家在AI领域都作出了重要战略布局。麦肯锡公司全世界研究会觉得，AI针对经济发展整体的危害可以达到13亿美元，其历史意义一定可以与18世纪的蒸汽发动机和21世纪的信息科技相提并论。

但是，之上诸多根本无法保证大家站在正确的道路上。

即便数据信息愈来愈充足，电子计算机速率变的越来越快，项目投资金额特别大，我们还是要看清一个事实：当下的兴盛局势身后，缺少了一些本质上的物品。即使揽尽所有这些发展，设备在许多方面依然无法和人类一概而论。

以阅读为例子。如果你看到或听到一个新语句时，你的大脑会到不上一秒钟的时间内开展两种类型的分析：第一，句法分析，将语句拆卸成一个个名词和动词，领悟单独语汇的价值和整个句子的实际意义；第二，将这话和你所掌握的关于世界的基础知识相关联，把这些根据词法机构在一起的零件和你所了解的所有实体线以及你脑海中的全部观念整合为一体。假如这话归属于电影中的一段对话，你会依据这话对你所理解的该人物角色的用意和未来展望开展升级。这人想做哪些？他说的是真实情况或是谎话？这话和之前产生的情节有着怎样的关联？这样一句话会对他人组成什么样的危害？

打个比方，当千余名奴仆一个接一个地冒着被处死的危险站立起来高喊“我就是斯巴达克斯”时，大家立刻就能了解，除开斯巴达克斯自己以外，别的所有人都在撒谎，而眼前的一幕又是那么迷人、那样深入，现阶段的AI新项目压根无法达到这种了解水准。据我们所知，现阶段的AI水准甚至连朝这一了解水准发展的动力都不具备。AI确实获得了大幅度进度，但物体识别这种早已被克服了问题，与理解意义的能力拥有天差地别。

影片《我，机器人》剧图。

这在真实世界中事关全局。大家现如今所使用的社交媒体平台其背后的AI新项目，会往客户推送这些为了获取点击量而胡编的故事，同时也为网络谣言助力。因为它们不能理解新闻的内容，无法判断这其中的叙述是真的吗。

哪怕是好像平淡无奇的驾车这件事情，都比我们以为的要繁杂的多。开车的时候，大家所做的95%的事情都是照章行事，非常容易由设备来拷贝，那如果一位滑板少年忽然跑到你的车前，你正常反应和行为是当前的设备没法靠谱完成的：依据的全新、预期之外的事件开展逻辑推理和行动，不仅根据由此前工作经验所组成的极大数据库系统来付诸行动，还需要根据强劲而富有协调能力地对世界的了解来付诸行动。并且我们不应该每次看到没见过的东西就轻踩刹车，不然道路上的一堆落叶就会造成刹车踏板和追尾事故。

现在还没有值得信赖的做到真真正正自动驾驶水准的车。很有可能顾客能买到的比较接近于自动驾驶水准的车，便是有着自动巡航的功能特斯拉汽车，但特斯拉汽车也要人类驾驶员在驾驶环节中全过程专心致志。在天气情况较好的高速公路上，特斯拉的系统软件还是挺可靠的，但是它在人流量车子密集的城区就没那么靠谱了。在又下雨了的曼哈顿或孟买的街道上，大家宁可把自己的生命信靠给随意哪一个人类驾驶员，也不愿信赖自动驾驶汽车。该项技术性并未完善。如同丰田汽车无人驾驶产品研发高级副总裁所说：“在墨尔本的天气和交通条件下，搭自动驾驶汽车从剑桥大学到洛根飞机场，这种事情可能我这辈子都没法亲身经历了。”

一样，提到电影情节或者书报刊文章的中心观念，大家宁愿相信中学生的理解，也难以相信AI系统软件的判断。就算我们再不喜爱给宝宝换尿布，也难以想象，现如今正在开发中的机器人会帮助我们做这件事而且充足靠谱。

梦想与现实中间，存在一个被称作AI差距的深坑

搭建有能力对世界开展逻辑推理的系统，有能力对周边全球产生深入理解的系统，才算是房屋朝向很值得信任的AI系统软件前进的前进方向。

怎样为机器授予对世界造成更深刻理解的能力。业内若要发展，这是一个务必解决问题。并没有更加深刻的理解能力，我们永远也无法获得真真正正值得信赖的AI。用技术性行语而言，我们可能会陷入部分最高值，此方法比早已尝试过的任何相似的方式都要好，可是没得到可以将我们送到想去的地方。

影片《机械姬》剧图。

如今，梦想与现实中间，存在一个被称作AI差距

（The AI Chasm）

的深坑。追本溯源，此深坑可一分为三。在其中每一个都需要我们以诚相待应对。

第一个坑，我们称之为“听信坑”。人类在进化过程中，并没发展趋势存在于人类和机器之间进行区分的鉴别能力，这那就让我们变得特别很容易被忽悠。我们之所以觉得电子计算机可以拥有聪慧，是由于人类的整个进化过程全是和人相伴，而人类自身的行为是以观念、信念和想法等抽象化为基础的。从外表来看，机器的举动经常与人类个人行为有共同之处，于是我们会毫不犹豫地认为机器也拥有和人类一样的某类逻辑思维体制，而事实上，机器并不具备这种能力。人们总是控制不住自己，从认知的视角去看待机器

（“这两台电子计算机觉得我将删除文件了”）

，根本不在意机器具体遵循的规则是多么的简易透亮。可是，一些彻底适合用在人类身上的推理，放进AI的身上就会错的离谱。为向心理学表述尊敬，大家参照其中一条核心原则的称呼，将此状况称之为“基本上超归因于不正确”。

第二个坑，我们称之为“虚无缥缈发展坑”：误认为AI克服了基础问题，就相当于在难点上获得了发展。IBM对珀特的公然吹嘘，就是属于该类。珀特在Jeopardy!比赛节目中获得胜利，被称之为机器在语言理解层面摆脱了一大步，而实际上并不是这样。

第三个坑，是我们所称的“鲁棒性坑”。在业界，我们时常亲眼看到这样的现象：每每大家找到在某些时候能充分发挥的AI解决方法，她们就会假设，只需再稍稍勤奋，再多一点数据信息，此系统软件就可在所有的时时刻刻充分发挥。而客观事实并不见得这般。

若要超越“AI差距”这一深坑往前走，大家需要做到三件事：弄清楚AI技术的利益关系；想明白现阶段的系统软件为何解决不了问题；寻找新趋势。

就业机会、生命安全、社会制度，这种都和AI的高速发展密切相关。不难看出，普通百姓和政府官员都急需解决紧随AI行业最新消息，大家所有人急需解决掌握如何用抨击的眼光去思考AI。专业人员都懂，用应用统计学数据信息去忽悠人所共知是再简单不过的事情。一样，我们也要具有将AI宣传策划与AI真实情况区分开的能力，弄清楚现阶段的AI可以做到哪些事情，无法做到哪些事情。

重点在于，AI并不是法术，反而是一套工程设计和优化算法，在其中每一种技术和优化算法都存在着自已的优势和缺陷，适用处理一些难题，但是不能用以处理任何问题。大家创作该书的主要原因之一，是因为现如今铺天盖地的AI相关报道，都让人好似白日作梦，纯粹以人们对于AI平白无故想象出的期待和自信心为依据，却与时下的具体技术性能力没有半点关系。有关完成通用人工智能难度有多大这一现实问题，在一定程度上看来，从群众紧紧围绕AI展开的讨论中根本找不到一点点理解的真相。

还是得明确一点：尽管回应以上所有问题，必须取出抨击的态度来，但是我们对AI毫无一点儿憎恨，反而是心存喜爱。他们的全部职业发展都沉浸其中，真心希望见到AI能以最快的速度向前发展。大家不想让AI从当今世界消退，我们希望印证AI的成长，并且期待AI能飞速发展地成长，那样大家才可以实实在在地借助AI来解决问题。

影片《我，机器人》剧图。

有关AI的现状，大家交通要道出一些逆耳忠言。但我们的批评意见是出于一片苦心，期待AI能朝好方向发展，而非呼吁人们舍弃对AI美的追求。简单点来说，我们坚信，AI能刮起蔓延到整个宇宙的重大转型，但AI获得真真正正的发展以前，很多基本假设也要更改。《如何创造可信的AI》并不是要抨击整个行业

（尽管一些人可能从这个角度进行理解）

，而是对止步不前的主要原因开展确诊，并给我们怎样才能做得更好得出药方。

对于我们来说，AI前行的最好方位，是要在人类思维的内在构造中来寻找线索。真真正正有着智慧的机器，无须是人类的完美副本，但任何一个用以诚相待目光思考AI的人都会觉得，AI依然有很多应当向人类学习的地方，尤其要向小孩子学习。小朋友在许多上都远远地将机器甩在后面，由于小朋友天生就有消化吸收并理解新理念的能力。专业人员一直废话连篇地叙述电子计算机在某方面有着“超人类”能力，但人类的大脑仍在5个基本上层面令电子计算机自愧不如：我们可以理解语言表达，我们可以理解周围全球，我们可以灵便适应环境，我们可以迅速学习新事物

（即使没有大量数据）

，并且我们还能在不全乃至自相矛盾的信息内容眼前开展逻辑推理。在所有这些方面，现阶段的AI系统软件也还仅仅站在起跑线上原地踏步走。大家也将强调，现阶段针对生产制造“白版”机器的沉迷是一个很严重的不正确。这种机器从零开始学习培训一切，彻底借助数据信息并非知识驱动。

假如我们希望机器可以做到同样的事情，去逻辑推理、去理解语言表达、去理解周围全球、去高效学习、以与人类相提并论的协调性去适应环境，我们就首先要搞明白人类是怎样做到这些的，搞明白大家人类的大脑到底想做哪些

（提醒：并不是深度神经网络擅长的那类对相关度的寻找）

。也许只有那样，面对挑战迎面直上，大家才能获得AI急需解决的重新启动突破口，打造深层、靠谱、值得信赖的AI系统软件。

用不了多久，AI就会像电能一样推广到各家各户。此刻，没有比调整AI的前行方位更加急迫任务了。