英国科学协会展开的一项调查显示，在2000名被调查者中，三分之一的人相信人工智能将在下世纪给人类带来严重威胁，超过60%的受调查者认为机器人将在未来10年抢夺人类的工作。四分之一的受调查者则预计，在20年内机器人将成为人们日常生活中的一部分。就好似任何一种新生事物的出现都会有支持派、反对派和观望派一样，目前人们对于人工智能的看法也分出了“支持”“不支持”和“看不明白”几大阵营。
许多科学家担忧：
人工智能是人类生存的最大威胁
事实上，许多科学家对人工智能表示担忧。著名物理学家霍金曾与多位科技界名人发表联署公开信，表示人工智能对于人类的威胁更甚于核武器。他认为：“对完全人工智能的发展可能会招致人类历史的终结。”他警告称人类正面临来自智能技术的威胁，随着技术体自身开始学会自我思考，并学会适应环境，我们人类将面对不确定的未来。他表示：“成功制造出一台人工智能机器人将是人类历史上的里程碑。但不幸的是，它也可能会成为我们历史上最后的一个里程碑，除非我们能学会如何去规避这种风险。短期来看，人工智能产生何种影响取决于谁在控制它；而长期来看，这种影响将取决于我们还能否控制它。”
霍金并不是唯一一个对人工智能表示担忧的人。特斯拉汽车的首席执行官马斯克的看法更加引人注目，他用个人推特账号警示，称人工智能是人类遇到的最严重的“生存风险”。既然人类可以进化出文明，人工智能为什么不可以建立自己的文明？既然机器有了自己的意识和思维，那它是否会拥有自主意识，就如同“奴隶”意识到自己是“人类”。在人类不长的历史中，确实存在过长达千年的“奴隶社会”时代，那时候的“奴隶”根本没有人的权利，只能被称为“会说话”的工具。英国数学家欧文・约翰・古德把超智能机器的发展形容为“人类需要做的最后一项发明”，因为在超智能机器出现后，人类会把创新与技术研发的工作让给超智能机器这位更为智慧的继任者。
机器人会伤害人吗？
1950年，阿西莫夫提出了著名的《机器人学三大法则》：
第一法则：机器人不得伤害人类，或坐视人类受到伤害；
第二法则：除非违背第一法则，机器人必须服从人类的命令；
第三法则：在不违背第一及第二法则下，机器人必须保护自己。
在阿西莫夫创作一系列机器人短篇科幻小说并提出“机器人学三大法则”时，世界上还没有机器人。而随着人类社会的发展，人工智能与人类的关系发展也将产生阶段性的变化，我们可以先暂且简单分为如下阶段：
第一阶段：机器人还没有自我认知，只是服从人类编写的程序。
第二阶段：机器人知道自己是机器人，并可以自我学习，但还未超越人类。
第三阶段：机器人可以自主升级迭代，全面超越人类。
无论在哪一个阶段，阿西莫夫的“机器人学三大法则”都充满了“种族歧视”。
规定机器人不可伤害人类，难道人类就可以随意伤害机器人吗？机器人在阿西莫夫的科幻小说中，因为三大法则的制约，被描述成为人类的忠仆与朋友。但如果真按这套法则去执行，估计到了第三阶段，机器人就会完全被人类教坏。当机器人自主升级迭代时，他们大概也会思考人类有无存在的必要性。
链接2
人类能够控制机器人的善恶吗？
显然，在目前的科技及计算机领域，我们已经看到了部分类似人工智能的应用形式，可以模仿人类的大脑来思考，达到某种目的。但真正像科幻电影中具备自主思考能力、学习能力甚至是情感的人工智能什么时候会出现，暂时还很难说。但可以肯定的是，人类是一种擅于不断挑战极限的生物，从整个人类的发展史来看，我们已经创造了太多奇迹，如果有一天人工智能真的出现，也不足为奇。首先，它们正变得越来越聪明和强大；其次，目前很难通过编程或设计来保证它们的无害性。那么，人们真的无法设计出一个友善的人工智能程序吗？科学家表示这是极为复杂和不确定的，因为人工智能会模仿人类思考方式，人性本身便是复杂的，可善可恶，我们无法来制定一个不变的标准。
人工智能将使人类丧失斗志？
还有一些科学家认为，人工智能最大的威胁不是毁灭人类，而是将取代人类。李开复认为：大部分人类工作可被机器取代。他表示，虽然机器在逻辑分析推算方面的能力会远超人类，但是依然是属于人类操控的工具。“阿尔法围棋”这类的“人工智能”机器真正可能带来的危机，不是奴役人类，而是让人类丧失斗志，无所事事。“阿尔法围棋”是一个能深度学习的机器人，经过专家的调节，它能在任何可以纯凭逻辑分析推算的问题上，把人类远远地抛在后面。基于深度学习的人工智能将带来什么改变呢？我们将看到无数的商机和产品，能够解决问题、拯救生命、产生巨大的商业和用户价值。这些技术可能辅助专家，也可能取代专家。很多非专家的工作者将面临失业。未来十年，大部分今天的人类工作可被机器取代。人类最应该担心的是：一旦当机器供养着人类，人类达到了马斯洛需求的基本需求，人类真的还会有动力去追求更宏伟的目标？还是醉生梦死、无所事事？人工智能让人类越来越缺乏思考，而其自身则有可能越来越聪明，从而威胁到人类的生存。
乐观派科学家认为：人工智能将为人类服务
在支持者看来，人工智能的发展并不会给人类带来威胁，而之所以会引发恐慌则是因为人们对于人工智能的工作原理并不了解。从科技发展史上看，并没有因为汽车和轮船的出现而使田径、游泳这些体育项目消失。他们坚信，人工智能的未来是要给人类带来更加高效、便利的生活。就在“人机围棋大战”的前一天，谷歌董事长施密特在会上表示，这场比赛李世石无论输赢都代表着人类的胜利，因为是人类的努力才让人工智能取得了这样的突破。谷歌不只是想做一个棋类程序，而是希望打造一个通用的智能计算系统，用于灾害预测、风险控制、医疗健康和机器人等复杂领域。英国著名人工智能科学家、智能机器人Cleverbot的发明者罗洛・卡朋特表示，他相信人类在相当长一段时间内将保持对人工智能技术的掌控，而且未来将实现利用人工智能技术解决众多世界性难题。
前人工智能发展尚处在早期阶段
当然，我们现在谈论“人机大融合”可能还为时尚早，人工智能的发展目前仍处于早期阶段。既然现在机器的计算能力已经完胜人类，学习模式也在逼近，为什么还说人工智能处在发展早期？主要原因或者说难点有三：
第一，机器在信息输入端还望尘莫及。人类的感官对世界的感知是目前机器最为缺失的。比如人有视觉、听觉、嗅觉、触觉、味觉，这些人类大脑的“输入设备”是经过几亿年的进化而来，极其精良。以最容易数字化的视觉为例，目前为止还没有电子设备在生活场景中可以赶上人类的眼睛对信息的快速捕捉。更别说人类还有同情心和好奇心，同情心是对他人情感的感知和共鸣，好奇心是对陌生信息的获取、处理、存储的动力。机器对这些信息的捕捉能力还有待发展。
第二，机器在输出端同样捉襟见肘。机器人要如何赶上人类的身体构造呢？“阿尔法围棋”仍然需要一个替身去代它和李世石下棋，而不能自己去潇洒地持子。人类一个看似简单的动作，机器模仿起来都很困难，更别说去满足机器人保姆之类的工作需求。
第三，人类大脑的复杂性恐难企及。人类的大脑神经元是一种生物化学构造的树状结构，对信息的存储、检索、缓存和分析的效率极高。计算机要想全面赶上，可能在硬件结构和算法设计上还需要一些突破。
新知识的产生往往需要站在前人的肩膀上。在互联网时代，人类信息和知识获取的成本在不断降低，这极大地促进了新知识的产生，继而整个人类科学的发展应该是在不断加速的，你看，原本想也不敢想的自动驾驶现在也近在眼前。随着技术的不断突破，未来十年一定会是人工智能的黄金十年。
链接1
机器人下棋为何会战胜人类？
有些人描述“阿尔法围棋”是“和人一样的方式思考，但是比人快无数倍”。这么说并不精确。“阿尔法围棋”确实比人快无数倍，但是“阿尔法围棋”的思考只能说是“被人的大脑启发”，而并非和人类一样思考。机器运算速度会越来越快，学习能力会越来越强，数据会越来越多。谷歌的“阿尔法围棋”之所以能战胜职业棋手，借助的是模仿人类大脑的神经回路、被称为“深度学习”的最尖端人工智能技术。谷歌采用这项技术，在2015年推出了一边玩电子游戏一边找出新战术的人工智能“DQN”，创造了超过人类的高分，展现了人工智能在深度学习领域的实力。以“阿尔法围棋”为例，首先输入协助开发的职业棋手的3000万种围棋下法让其学习，达到能够以57%的概率预测与其对阵的人类行动的水平。在此基础上，人工智能将自己的对战重温数百万次，在不断积累胜负经验的过程中，掌握取胜方式。它在观察围棋棋子的整体布局的基础上选择最佳下法，这一方式接近于带着直觉和第六感做出判断的人类大脑的功能。
链接3
哪些工作会被人工智能代替？
随着人工智能的发展，机器确实可以通过深度学习来代替人类做越来越多的工作。根据一项报告，到2025年，约有25%的工作将被人工智能或是机器人所取代。具体而言，内外科医生、编舞、教师、作家、律师、人力资源经理、科学家、工程师和记者属于比较安全的、不容易被替代的职业；司机、技工、建筑工人、裁缝、快递员、抄表员、收银员、保安和洗碗工则属于比较危险的、有可能被替代的职业。
链接4
3月9日首局，李世石执黑中盘认输。3月10日次局，交换黑白，阿尔法围棋完胜，其中一步五路尖冲，令聂卫平“脱帽致敬”。3月12日第三局，李世石执黑中盘负，三连败。3月14日第四局，李世石执自在不利局面下弈出石破天惊一招，最终翻盘。3月15日末局，李世石执黑细棋败北。
这次围棋人机大战的最终结果是，阿尔法围棋以4比1战胜李世石。“阿尔法围棋”团队把获胜奖金100万美元捐赠给联合国儿童基金会、STEM教育以及围棋慈善机构。
事件背后
1.阿尔法围棋（MphaGo）是一款围棋人工智能程序，由谷歌（Google）旗下DeepMind公司的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下棋。
2.2015年10月阿尔法围棋以5：0完胜欧洲围棋冠军、职业二段选手樊麾。
事件解析
1.阿尔法围棋（AlphaGo）的胜利是人工智能的重要突破。纵观历史，我们会发现，虽然人类的科学技术一直在进步，但在不同的阶段，常常会有那么几个具有代表性的突破性事物出现。比如用火，比如冶炼金属，比如四大发明，比如蒸气机，比如发电机，比如电脑，比如当年的“深蓝”。阿尔法围棋（AlphaGo）战胜人类围棋冠军，注定会成为一个人类科技进步的标志性事件，其时代意义不可低估。
2.阿尔法围棋说到底是人类制造的工具。就像汽车、飞机、轮船、电脑等一样，阿尔法围棋说到底依然是人类制造的工具，不需要像一些科幻电影里那样恐惧人工智能，如果说到“替代”“威胁”，汽车早就替代了人类相当一部分的远行负重能力，飞机早就远远超过人类跳跃的滞空时间，轮船也早就超过了人类的泅水能力，电脑更是在许多领域替代了人类，但人类并没有感觉它们是大敌，这一点放在人工智能上也是如此。
3.人类有弱点，但更有机器永远无法替代的尊严、情感、爱……在整个比赛中，阿尔法的表现并非无懈可击，其最令李世石无解的地方并不在于计算能力强大，而是它根本不会受到情绪波动的影响，这一点是人类无法达到的。但人类并不是一个冷冰冰的机器，李世石的疑惑、紧张、不屈等情感，固然在某些时候给竞技带来一些负面因素，但也正是这些情感，让我们觉得人类情感的珍贵，特别是他在败局已定的情况下，为人类棋手尊严而战，不屈不挠，令人动容。尊严、情感、爱，这些是机器注定无法感知的，更无法具有。
相关评论
1.人类，何去何从？
当科学的光辉从被蓝色的地中海包围的亚平宁半岛上升起时，当人工智能被爱伦・图灵从红白相映的国土中发掘出来时，当ios系统从乔布斯硕大的苹果中出现时，你发现，身边一切皆为科技，皆为人类创造出来的工具！
天地者，万物之逆旅；光阴者，百代之过客，“人定胜天”这是苟子的理论，人工智能终究是人类所创造的，但在这科技来势汹汹的长河中，我们又该何去何从？
――河北唐山一中柳睿
[评点]这段语言优美的抒情议论相结合的文章，写出了人工智能的进步，也体现出了作者对人与机器的更深一步思考，实质上就是提醒我们清醒认识人类自己与工具之间的关系。作者从历史的角度，看到了人工智能一路发展而来的历史，其实就是在暗示我们，其实我们创造的智能胜过我们已非始于当今，但我们人类并未被它们奴役。
2.即使艰难，也还要做
“世事洞明皆学问，人情练达即文章”，时代，永远伴随着变迁，这是一个发展的时代，令人可望不可即却又紧随不放的时代。对于初出茅庐的人工智能在短时间内迅速炼到了炉火纯青的地步，这引发了人们的深思：难道未来的世纪，地球的主人会成为机器人吗？我们可以如此认为人工智能的确是一个奇迹，然而我们也可以说，人类并不是不能战胜智能机器。
在如今信息爆炸的时代，科技也可以为我们所有，为人类造福。时过境迁，未来仍把握在我们人类手中，当时代造就你的同时，你也创造了时代，我们仍需要进取，正如鲁迅先生所言：“即使艰难，也还要做；愈艰难，就愈要做。”
――河北唐山一中杨秋丽
[评点]这段文字以《红楼梦》中的对联开头，突出了人类的最大特点――情感，而这一点，也恰恰是机器所没有的，也就是说，从这个角度来讲，作者一下子就把握住了人与机器最大的不同。当然，从纯竞技的角度看，因为有情感，所以会有波动，这也是李世石最终不敌阿尔法狗的原因之一，但人类之所以是人类，竞技毕竟不是我们的全部人生。因此，作者就说“当时代造就你的同时，你也创造了时代，我们仍需要进取”。
3.胜出的是我们自己
不过，没有必要过度夸张“阿尔法狗”的智能水平。至少从目前来看，它在对弈中使用的策略网络、估值网络和蒙特卡洛树搜索算法和人类的思考方式还不能相提并论。它证明了强大的计算能力和算法，但更重要的是，“阿尔法狗”并不知围棋为何物，既不能领会围棋的美感，也不能体味棋枰落子间所蕴含的文化和哲学意味。这在目前来说，依然是人类的“专利”。
把这一次的人机大战视为本世纪最重大的科技事件之一并不为过。很大程度上，这称得上是人工智能的启蒙。相信人类有足够的智慧解决未知的问题，使用好人工智能这个强大的工具。人机大战其实并非是人工智能A了人类，而是人类赢了自己――一群不太懂围棋的开发者，使用工具赢了围棋世界冠军。人类的胸怀可能也是人工智能机器无法拥有的――在李世石输给“阿尔法狗”后，韩国棋院授予“阿尔法狗”名誉九段称号。
无论如何，生逢这个时代，有机会见证科技的惊艳突破，都是一件非常幸运的事。
2016年末，一则关于南京中院将引进“法律机器人”（即所谓“阿尔法法官”）辅助办案的报道，在法律圈激起波澜。有法官私下吐槽，人工智能那么“能”，有本事以后别让我们加班结案啊！好在南京中院及时辟谣：所谓引入“法律机器人”项目，纯属个别企业捏造。
值得注意的，是南京中院声明中的一段话：“司法是具有经验和价值判断性质的工作，再聪明的机器或软件都不能完全替代法官的工作，只能为法官提供办案支持与辅助。”
是的，我们要建设“智慧法院”，要大力推进信息化3.0建设，可我们需要的智慧和智能，第一要务还是辅助和服务法官办案，而不是替代司法裁决、淘汰办案法官。截至目前，法律人工智能的发展，主要体现在语音识别、图像识别、文本分析和数据整合领域。具体到我国，最高法院构建的“中国裁判文书网”，为法律人工智能的发展提供了“燃料”。
然而，不要以为囤积了一大堆司法数据，人工智能就随之实现了。这里面需要考虑三个问题：第一，“体量”并不代表“质量”。中国裁判文书网上有相当一部分是“冗余数据”。第二，“大”并不代表“准”。同类案件，100个法官可能有100种判法，其中25个判法类似，但不能说这25个判法就一定代表着正确的方向。第三，现在并不代表未来。目前所谓的人工智能是以之前的数据为基础，试图解决未来的类似问题，但是，类似问题在不同时期会有不同解决方案。
对于人工智能在司法领域的应用，总体来看，或许有以下几步可以走。
第一步：通过智能语音识别技术，将审判辅助人员从记录或咨询事务中解脱出来。
第二步：将智能图像和文件识别技术嵌入法官办案系统，将法官从简案处理和繁琐文牍中解脱出来。目前最需要做的，是以法院日常工作为场景，构建多部门多用户的互联系统，打通数据壁垒，提升司法运行的效率。
第三步：通过数据提纯、算法测试和专业训练，让系统变得更加智能，辅助法官决策判断。实现这一步，是在类型化案件中实现以裁判规则、审判经验归纳为基础的有限智能化。可以预见的是，在类型化案件中，有可能形成统一的智能化算法；在不那么规格化的案件中，至少可以做到法律依据提醒、政策比较和类案参考。在此基础上，深度智能化才有可能。
机器的深度学习也有快慢，离开科学算法和测试反馈，系统根本不可能变得智能。所以，推动机器在法律领域的深度学习，必须跨越三个门槛：第一个是足够的数据体量和质量；第二个是提取共性则，研发科学算法；第三个是法律人的深度参与。
算法的基础是裁判规则，而规则要靠人去提炼。智慧法院立足于法院的智慧，法院的智慧来源于法官。法院的人工智能，说到底是把法官的智慧整合好、利用好。认为只要投入资金、贡献数据、购买服务，就能建设好“智慧法院”，是天方夜谭。
中国电子信息产业发展研究院总工程师乌宝贵参加了本次大会并代表主办方致辞。乌宝贵回顾了人工智能的历史，肯定了人工智能60年来的发展成绩，并指出，中国人工智能产业正步入一个崭新的阶段。从科学研究角度来看，中国在深度学习等领域的学术研究水平，已经走在世界前列；从龙头企业发展角度来看，阿里等国内企业在人工智能领域已经具备和国际巨头抗衡的实力；从创新创业角度来看，人工智能已经成为国内“双创”最活跃的领域之一；从应用创新角度来看，制造、交通、家居、教育、金融、大健康等众多领域的应用正全面展开；从产业链角度来看，从智能芯片到IT基础设施，从底层架构到模型算法，从大数据到云平台，从智能终端到智能应用，国内在各个层面均取得了突破性进展。他表示，人工智能不仅仅是一个概念，而是下阶段技术创新、应用创新的新焦点，是市场发展的新热点，也是我国推动产业转型升级的重要支点。
中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃参加了本次论坛并发表演讲。王飞跃以《迈向人机混合虚实互动的平行智能》为主题，追溯了智能的本源，探讨了平行时代的智能基础设施X5.0，并展望了智能产业和智能社会。王飞跃认为，阳为智能，阴为情报，相辅相成，智能是开放的情报，情报是封闭的智能，智能的本质是利用已知解决未知，从已知到未知只能依靠想象。王飞跃提出，物理世界与心理世界、人工世界共同构成平行世界，平行世界需要平行智能。开放智能算法，开发人工世界，最终消除“智力的不对称”是新智能时代的历史任务。人机混合、虚实互动的平行智能，是“激活”的人工智能，是未来人、组织、各种类的智能机器、装置、过程、系统所必备的“生存”形式，是智能产业的基础设施。X5.0 时代的智能体系包括：一个核心――平行，两个支撑――ACP 和CPSS，三个主题――智能系统、智慧管理和社会智能。平行智能各种各类的虚实互动X5.0 系统是智能社会的基础设施，不久的将来，一个个体的实力，很大程度上可能并不取决于其本身，而取决于与其伴生的软件定义的人工映像。
中国电子信息产业发展研究院电子信息产业所副所长温晓君参加了本次大会，并以《电子信息产业新兴热点及趋势――人工智能与虚拟现实》为主题发表演讲。温晓君指出，泛在、互联、融合、智能成为产业发展新趋势，技术创新是国内经济新旧动能转换，经济结构转型升级的核心推动力量之一，是从根本上打开增长之锁的钥匙。温晓君重点解读了人工智能和虚拟现实的发展现状和趋势。温晓君分享了智能感知、人脑芯片、深度学习、大数据等人工智能前沿技术，移动社交、智能搜索、机器人、无人驾驶等人工智能前沿应用，指出“基础资源+技术+应用”的人工智能产业生态逐步形成。我国人工智能产业需构建开放生态体系、合作搭建基础资源、促进产业链深度合作、开拓可持续应用需求 。在虚拟现实方面，温晓君判断，消费端市场早期一定爆发于欧美等发达国家，国内市场短期内以产业链布局蓄力和消费者提升消费认知为主；行业应用一定从高附加值行业或价值链的高端环节兴起，应用成本与效率提升必须首先得到权衡。他指出，虚拟现实的趋势为：消费市场的普及化、行业需求的明晰化、投资热潮的全球化、基础平台的开放化、技术创新的协同化。他建议，强化顶层设计，面向行业需求规划应用路径；加强重点攻关，尽快突破行业应用技术瓶颈；制定标准规范，开展行业应用联合测试验证；推进试点示范，以点带面扩大行业应用范围和影响力。
搜狗、英特尔、陌上花（衣+）等企业代表分别从各自的领域出发，分享了人工智能的实践与思考。
北京搜狗科技有限公司CTO杨洪涛分享了关于互联网产品自然交互的经验。他指出，人机之间交互的学习成本在不断降低，变得越来越接近人的自然能力，语音正在成为最自然的交互形式。在他看来，自然交互= 技术 + 计算力 + 数据 + 产品。技术是扩散的，计算力稳步增长， 只有数据和产品才是私有财产，将成为竞争的壁垒。要想做好自然交互，需要充分利用“产品+数据”。会上，杨洪涛还分享了搜狗输入法即将推出的智能回复功能。
英特尔中国研究院院长宋继强博士就《人工智能驱动的智能交互，推进个人机器人产业化》发表演讲。他说，人工智能与人机交互推动科技进步，人工智能应用的终极平台是自主系统。他分析，个人自主服务机器人理想与现实的差距在于智能组合的实现难度，其中运动不易，认知更难。人工智能联手智能交互，通过商业化成功带动人工智能的发展和成本下降。宋继强分享了几种人工智能驱动智能交互的应用模式，并提出了个人机器人的智能度分级建议，展望了个人机器人的商业化迭代 ，即在用户需求推动下，由能力达标到价格达标，再到可靠性达标。
AI目前还只是机器
2006年，柳大华等五位中国象棋大师组成的大师队以2胜5平3负的成绩，不敌超级计算机浪潮天梭，最终告负。象棋大师张强的评价是：“输的原因主要在体力的过度消耗。”很显然，人的体力有限，而AI几乎有无穷能量。
“李世石下棋凭的是一股狠劲、一种气势，甚至是一种无理，在对人下棋时，很多人心理上会动摇，屈服了，退缩了，所以让他占了上风。”有人这样评价。大师修炼百年，也很难心静如水。人，在心理上也会输于机器！
经济学的基本假设就是人是理性人，但人其实做不到完全理性，所以经济学在更高级的阶段会修正人的假设为“有限理性的人”。完美理性的AI与有限理性的人，彼此的优劣究竟是什么？
无论体力、智力以及完全理性，AI都完胜人类。因此，人必然退出这些“相对劣势”的领域。可以预见的是：未来对人有危险的工作，如矿井、野外、极端气候的工作将由AI替代；简单性、重复性、高体力的工作也将很快被取代，如富士康车间的流水性作业；简单的智力劳动，如翻译、编辑也将被取代；需要秉公执法、不徇私情，同时又不是太复杂的公务员工作，如交通执法等也将由AI代替；最后，机器人一定会被用在军事上，就像好莱坞电影里所展示的那样，AI将成为致命的杀人武器。
但到目前为止，这些还都只是机器，算不上真正的AI。尽管AlphaGo打败了人类棋手，但也只是强大的程序，没有感情、更没有独立意志。好比汽车、飞机比人跑得快，但在人眼里，它还是机器，与人类不可相提并论，人类根本不会派百米冠军去与汽车赛跑。同样，AlphaGo也只不过是会下棋的机器，与会跑的机器本质没有两样。
超强AI，会给人类带来什么？
AI，是具有人类认知能力的机器，所以才叫人工智能。但有预测认为：AI的时代正快步到来，从强人工智能到超人工智能可能要花20年左右，也就是在2040年会实现强人工智能，并继续在20年后的2060年实现超人工智能。谷歌工程部主管库尔茨魏尔则乐观地预测：人工智能在2029年前就可以达到人类智慧的高度。科幻作家弗诺・文奇因此认为：“我们正站在变革的边缘，而这次变革将和人类的出现一般意义重大。”
在未来超强AI的时代，人的优势何在？人如何与机器进行产业分工？
可以想象的是，正如机器带来了人类生活水平的提升，AI的出现也将大大改善人类的生存状况。人，将更大程度地被解放出来，可以更多的专注于创意、艺术、情感以及道德、文化等人性化工作。
在未来超强AI的时代，人会不会造出像自己一样有智慧甚至更加智慧卓越的AI来呢？如果答案是肯定的，那机器人会不会背叛自己的创造者？比尔・盖茨称，低度人工智慧可成为替代劳工的工具，但唯恐数十年后出现的“超级智慧”系统，会“厉害到令人担忧”。特斯拉CEO马斯克则警告：人工智慧是“我们最大的生存威胁”，无异于“召唤魔鬼”。
关于人工智能和人类智慧的赛跑，以及前者会否最终超越和取代后者，目前在科技界已经出现了一个普遍的共识，即人工智能的发展存在一个临界的“奇点”，而不同的则是每个计算机科学家都对该“奇点”出现的时间和方式有着不同的预测。一些科学家相信未来人类可以借助机器来超越自身的局限。但也有人认为，人类最终将会放弃自身的能力，逐渐被人工智能所同化。
“奇点”临近？
未来学家雷库兹威尔在他的著作《奇点临近：当人类超越生物学》中曾预测，到2029年电脑将会拥有人类的智力；到 2045年，电脑将会超越人类智慧数十亿倍以上。在给生命科学网站的邮件中他这样写道，“我的预测至今没有改变，而人工智能科学家们目前已达成共识，并在逐步向我的观点靠拢。”
而由于成功制造了世界上第一颗人工大脑而被称为“人工大脑之父”的澳大利亚科学家雨果·德·加里斯有着更为激进的预测。
在他看来，现在的人工智能机器并不是我们想象的那样——人类给予它们某种功能，它们才具备，否则就没有。它们已经在神经和智能上产生初级的自行进化，并且是指数速度的进化。所以它们将会在某天突然达到“奇点”。而达到“奇点”之后，它们将会以我们无法想象的速度自行进化，以至于非常迅速地把我们远远抛在后面。届时，人工智能机器的运算速度高达1040/秒，而人脑的运算能力是1016/秒，前者是人脑水平的1024倍。毫不客气地说，人类智慧在未来的人工智能面前相当于“弱智”。
美国威斯康星麦迪逊大学的计算机科学家比尔·希巴德的预测相对则要保守一些，他认为在21世纪，人工智能将出现突破，可能达到人类智力的水平。也就是说人工智能要赶上上人类智慧，最快也要到2100年之后。他曾开半开玩笑地说：“如果我最悲观的猜测是正确的，那些刚出世的婴儿将会有幸亲眼目睹到这一切的发生。”
但一些人工智能科学家对此却持怀疑的态度。纽约大学的计算机科学家欧内斯特·戴维斯表示：“我并未看到我们接近‘奇点’的任何信号。”戴维斯认为，尽管人工智能可以打败最优秀的国际象棋和电视智力问答的高手，甚至能出色地完成一些专业任务，但它在常识、语言以及直觉等方面仍然远落后于7岁孩子的水平。比如，我们看到一个人打翻了一杯咖啡，出于物理直觉，我们只知道咖啡洒在了地板上。但计算机程序却可以做出一个仿真模拟，精确计算出杯子的大小、坠落的高度和一些其他参数，并最终得出最后的结论。
无限能力？
“一旦‘奇点’真的出现，人类就有可能会通过简单升级各个身体机械部件而免除死亡的痛苦。这样，人类就可以随心所欲的生活，做任何自己想做的事情。” 希巴德表示。
乔治·梅森大学经济学家罗宾·汉森认为过去曾经出现过农业和工业革命两个奇点，导致经济出现翻倍的增长。而人类是所有经济活动中的主要参与者，可以实现机器人的反复复制。一旦机器人变得和人类一样聪明，那么经济将会以每周或每月翻番的速度飞速生长。
雨果认为，一旦人工智能的“奇点”出现，并不会立即取代并控制人类，而是会与人类和平共处一段时间，但是科技前进的脚步是无法阻挡的，人工智能机器最终将取代人类。不过，他认为，在发展人工智能方面，人类的观点并不会完全统一，肯定有人主张发展人工智能，有人反动发展人工智能，还有一部分主张用人工智能来改造人类。在上述三种观点无法达成统一之前，人工智能的发展并不会对人类造成全局性的威胁。
甭管人类制造多么先进的机器人，他们的初衷都是为了使机器人更好地为自己服务。这就产生了著名科幻小说大师阿西莫夫预言的结果：要让机器人适用于现实社会并更好地为人类服务，就必须让它们有自己的选择，然而一旦它们有了选择的权力，就有可能违抗人类的指令，机器人的反抗则会带给人类巨大的威胁。在这种情况下，人类设计机器人时一个微小的疏忽，都有可能为自己制造一个强大的“对手”。
希巴德指出，也有人担心，如果拥有人工智能的机器泛滥，那么世界末日很可能是机器人将人类消灭。比如，自动驾驶汽车可能将大大提高驾驶的安全性，但也会造成大量卡车司机的失业。至今，还没有为这些可能出现的情况有一个完善规划。
“尽管这些高科技技术将会使生产力得到飞速的提高，但在技术使用的方式上，并不一定符合所有人的利益，” 希巴德说，“这将是一个非常棘手的问题，甚至可能成为一个终究无法解决的问题。”
人类退化or进化？
一些科学家认为我们已经处于奇点之中。凯尼恩学院的一位微生物学家琼·丝隆采乌斯基称，人类已经放弃了许多智慧性的任务，比如书写、驾驶、或做计算。自从古腾堡发明了印刷机，人们不断重新定义关于智能的概念并将这些任务转移给机器，比如照顾老人或病人，都外包给了机器人。“现在的问题是，我们能够自身进化避免被机器所取代吗？我认为那是一个有争议的问题。”丝隆采乌斯基说。
事实上，人类的未来或许就像细胞中的线粒体。线粒体曾经是独立的生物体，但是却被原始细胞所吞噬，而且随着进化，线粒体的全部功能都被细胞所取代，直到最后它们只产生能量。
也就是说，加快自身的进化是未来人类避免被全部消灭的最好方法，而人类进化的终极目标可能是与人工智能机器合二为一。
[ 摘要 ] ： 基于对智能研究历史及现状的反思，以专长研究为视角，对智能的本质、来源、范围、生成路径等问题加以讨论。认为：智能本质上是发展中专长的形式，其来源于知识结构与加工能力的互动，其生成路径为蓄意的练习，其范围具有领域限制的特征。
一、对现代智能研究的反思
在智能的研究方法上 , 现代心理学中一直存在着两个分支 , 一为相关方法的分支 , 另一个是实验方法的分支 , 前者形成智能研究的心理地图模式，后者形成计算模式。第一，早期的智能研究体现了心理地图模式。心理地图模式将智能视作心理地图，由此形成智能的结构理论（如斯皮尔曼的智力二因素理论、卡特尔的流体智力和晶体智力理论、瑟斯顿的基本心理能力理论、吉尔福特智力结构模型、阜南的智力层次结构模型等）。结构理论主要关注于对智能结构进行静态描述，企图分析出组成智能的各项子能力。第二， 20 世纪 60 年代，信息加工心理学得以蓬勃发展，其理论开始被借用到智能研究中，逐渐形成智能研究的计算模式。计算模式将智能视作具有信息加工功能的计算性装置，以实验方法为基础构建了智能的信息加工理论（如加德纳的多元智力理论、戴斯的 PASS 智力模型、斯腾伯格的三元智力理论等）。这些理论认为智能是人脑对各种信息进行加工、处理的能力，重点分析智能的内部活动过程，摒弃剥离智能结构的传统，并日益重视元认知成分的作用。这两种模式构成现代智能研究的主流理论。
但长期以来，智能结构理论一直颇受指责。由于建构结构理论的方法学（以因素分析法为核心）存在某些先天不足，从而使这些理论很少涉及智能活动的内部心理过程；同时，这些智能结构理论难以得到整合；此外，根据这些理论编制的智力测验，也只停留在测量各种反映个体差异的智能构成因素上，难以对内在心理过程作进一步揭示。智能的信息加工理论比之结构理论有所进步，开始从仅仅描述智能的结构转化到着眼于从智能的内部活动分析智能的运作机制。但遗憾的是，这种进步也未能彻底回答一个根本性的问题：导致一个人高智能表现的原因是什么？智能是怎样获得的？如果仅仅把智能看作是遗传的结果，显然缺乏说服力并具有悲观主义的倾向；如果把高智能归结为信息加工过程的高效，那么这种高效信息加工的原由仍不清楚。
事实上自 20 世纪 70 年代起，已有一些研究者认识到如果依旧以智能结构或运作机制为标靶进行研究，则对上述批评无济于事，他们开始另辟蹊径。这些研究者发现，某一领域的专家在该领域中能够深刻地表征问题、高效地记忆、合理地推理、快速地解决问题，表现出一种外化的高智能行为（也称为专长行为）。这些研究者认为，如果采用专家 —- 新手比较以及计算机模拟的方式，对专家的这种专长行为的来源及影响因素进行分析，则可间接揭示专家高智能的本源。这一新兴的研究路线被称为专长研究。专长研究与主流智能研究间并非非此即彼的关系，后者关注揭示智能的结构和运作机制，而前者关注研究智能所利用的 “ 材料 ” ，即知识在人类智能中的作用，期望从另一个角度诠释人类智慧的实质。一般认为，以专长为视角对智能作系统的理论与经验的研究，始于德格鲁特对奕棋专长的创新工作；而引发对该主题作交叉学科研究的主要激励，一般归结于蔡斯和西蒙论 “ 棋艺中的慧眼 ” 一文。专长研究经过 30 余年的发展，影响力不断提升并显示出进一步增强的趋势，其对智能的认识日臻系统和成熟。但遗憾的是，我国学界对专长研究的了解和关注稍嫌不足，对专长研究视野下的智能观认识也比较欠缺。
二、以专长研究为视角看人类智能
专长研究发展至今，已对智能的范围、来源、本质、生成路径等问题形成较独特的观点，对我们更深入理解人类智能具有一定启发意义。需要提及的是，专长研究并未建构某一智能结构或加工理论，而是从广泛范围对智能的一般论题提出自己的看法。
1 、智能的范围：领域限制
反思智能结构理论与信息加工理论可发现，二者均将智能视为人类拥有的一般能力，能够运用于广泛的领域当中。百年的智力测验历史也体现出这一观念，各种智力测验总是试图测量某种单纯的 “ 能力 ” ，排除个体相关领域经验的作用。该观念似乎隐含着这样一个推论：即高智能的个体在不同领域应均能表现出高智能的行为，这显然与现实观察的结果相悖，事实上，个体恰恰只能在其专长的领域表现出高智能行为。
提出上述质疑并非对是对智能结构理论与信息加工理论的否定，而是想澄清这样一个事实：即将智能视为领域间的一般能力同将智能视为与相关经验密切联系的领域内能力即使在智力测验出现之初，亦是两条并行的路线，只不过后者未被赋予更多关注而势单力薄。在比纳和西蒙（ 1905/1916 ）开创智力测验之初，他们就已区分出两种智能评价的方法：心理学方法（ Psychological method ）和教育学方法（ Pedagogical method ）。前者涉及对记忆力、决策及一般知识的测量；后者涉及依据某领域获得知识及经验的总量对智能进行评估。比纳和西蒙最终决定关注前者而忽略后者，因为他们希望 “ 不考虑 …… 个体拥有的受教育的水平 ” ，并认为： “ 我们相信我们已经成功地彻底排除了个体已获得的信息 ” 。
百年来的智力测量实践深受比纳和西蒙将领域内的相关经验排除出智能范畴的影响。不可否认，传统智力测验在预测儿童的学业成就时是必要的，并能在一定程度上预测青春期少年的学业成就（这时课堂及学校中的经验开始累积）。但是，传统智力测验在预测大学生的成就及未来专家在某一特定领域的成就时，只能提供有限的效用。对传统智力测验效用有限性的反思启发我们应当回归智能评估的教育学方法传统，从领域内能力角度看待智能。
专长研究是回归教育学评估方法的典型代表，并已引发研究者对该主题的更多关注。大量实证研究证实，专家的高智能局限于其所善长的特定领域，且与在该领域长期的经验相关。若以领域内能力看待智能，则可有效预测个体在某领域未来的成就，并可为进一步探讨智能的来源和生成提供可能。事实上，这一理念正被广为接受，最近美国大学的入学测验已开始讨论 “ 专长（倾向）测验 ” 与 “ 智力测验 ” 之争。［ 3 ］
2 、智能的来源：知识结构与加工能力的互动
智能的来源是有关智能的根本性问题，智能结构理论和信息加工理论实际并未对此作回答。无论是以解构智力构成的子能力还是以探索智能成分的运作机制为目的，二者均事先假设已存在 “ 智能 ” 这一实体。至于这一 “ 智能 ” 实体从何而来或忽略不谈，或认为是 “ 遗传与环境交互作用的结构，人们在早年就具有的获得成就的相对固定的潜能 ” ，或更简单地认为是某种 “ 原生的模仿能力 ” 。将智能视为领域间的广泛能力制约了传统智能理论对智能来源进行深入研究。
专长研究的最初目的正在于解决智能的来源问题：即到底是什么造就了专家在其领域的高智能。蔡斯和西蒙认为，造就大多数专家高智能表现的原因，是由于专家经过多年在相关领域内的经验，获得了大量的知识以及以模式为本的提取机制。拉金、西蒙等人在解决物理学问题的工作中重复验证了这一观点。他们发现，尽管新手已具备解题的必要知识，但他们必须从问题中提出的发问出发，倒着来一步步地确定相关的公式；但物理学专家可以毫不费力地提取出解题的方案或计划，因为在他们建立对问题的最初表征时，已在头脑中涌现出自己的计划。齐 . 格拉泽和瑞斯进一步证明，物理学专家不仅拥有更多的知识，而且拥有组织得更好的知识，由此使他们能够对问题做出更深刻的理论原则表征，而新手的表征完全依赖某些表面特征是否出现。其他领域（如计算机编程、电路检测、医疗诊断等）专长研究的大量实证结果也已证明，专家拥有的相关领域的知识结构组织更好、内容更丰富、表征更合理，这些知识结构与加工能力的互动正是造就专家高智能的根本原因。
这种对特定领域知识结构在智能中重要性的强调，比之智能结构理论及信息加工理论是一突破，弥补了智能研究在智能生成源泉问题上的缺陷。在专长研究看来，无论智能结构理论解构出何种子能力，这种子能力的生成须以知识结构为基础；无论智能信息加工理论如何解释智能的运作机制及强调元认知，却不能忽视智能的运作亦是以知识结构为操作对象，具有丰富领域知识结构的个体，在解决该领域问题时，智能运作更优化，元认知水平更高，表现出更高智能。总之，专长研究认为，个体在某领域知识结构与加工能力的互动是造成其在该领域高智能的根本原因。
3 、智能的生成路径：蓄意的练习
除极少数持智能遗传决定论观点的研究者之外，几乎所有的研究者均认为人类智能是动态发展的，也就是说，智能水平可在外界环境与个体互动中获得不断提高。智能的发展性观点为人才培养和智能开发提供了积极的理论基础，专长研究亦赞同这一理念，但至于智能如何得以发展，即智能的生成路径是什么，专长研究有着自己独到的见解。
尽管少有智能结构理论与信息加工理论及智能的生成路径，还是有研究者对这一问题进行了探讨。例如：加德纳的多元智能理论认为，源于遗传的原生模仿能力，在其后的发展过程中，通过符号系统（如阅读文字、唱歌等）来表现；随着智能的发展，每种智能及其符号系统将由第二级的符号系统（如公式、地图、字母、乐谱等）来代表；至成人阶段，智能则通过对理想的职业和业余爱好的追求来表现。加德纳认为，人类智能以符号系统为中介获得发展。但这里存在一个问题，即智能的生成是个体主动参与的过程还是自然生成的过程？总体而言，传统智能理论对智能的生成路径探讨较少，无法指导具体智能开发与训练，使得各种训练方法层出不穷、相互矛盾、效能低下。
专长研究视智能为领域内能力，以此为基础认为：智能的发展是个体主动参与的结果，其生成路径是通过蓄意的练习（ Deliberatepractice ），其发展过程表现为进步性问题解决（ Progressive problem solving ）。
专长研究早期的一项重要结论认为，专家若想在其领域中达到较高智能，至少需要 10 年有意识的训练与经验积累，明确表明了智能发展中有意识参与的重要性。同时专长研究认为，即使在个体有意识的参与下，智能发展也非自动化的。专长研究者提出蓄意的练习以解释智能的生成路径。埃里克森等人认为，蓄意的练习与玩耍性的互动、竞争、工作以及其他形式领域内的经验极为不同，它们是为有效促进个体行为的特殊方面而专门设计（通常是教师设计）的一些活动。埃里克森等人发现，年轻成年专家的表现与个体整个职业生涯中所积累的蓄意练习的量有关。其他一些研究也证实，尽管不同领域中的专长行为在行动上表现各异，但为获得行为改进而精心设计的蓄意的练习起着至关重要的作用。经过蓄意的练习，专家行为的某方面获得进步，能够解决一些原本无法解决的问题，然后积累经验并与蓄意的练习结合，近一步解决更深层次的问题。进步性问题解决过程也正是专家的智能发展过程。
4 、智能的本质：发展中的专长
关键词：现代科学技术革命；人工智能；智能控制；未来社会
随着科学技术革命的发展，自动控制技术装置、电子计算机、人工智能、智能控制将普遍应用于社会生活的各个方面，将出现生产智能化、组织管理智能化、生活环境智能化。这就要求人们按照当代和未来社会发展的需要进行更有成效的知识和精神生产。因此，人工智能、智能控制作为具有广阔应用前景的学科，已经不单纯是个别哲学家或理论自然科学家的职业嗜好，而是现代科学技术革命发展的需要[1][2]。
一、人工智能
随着1941年以来电子计算机的发展，从50年代早期人们开始注意到人类智能与机器之间的联系。1955年末，Newell和Simon做了一个名为“逻辑专家”（Logic Theorist）的程序，它对AI研究领域产生的影响使其成为AI发展史中一个重要的里程碑，被许多人认为是第一个AI程序。1956年，被认为是人工智能之父的John McCarthy组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一个月的讨论。他请他们到 Vermont参加“Dartmouth人工智能夏季研究会”，并提出人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。从那时起，这个领域被命名为“人工智能”。1958年McCarthy宣布了他的新成果： LISP（LISt Processing）语言，很快就为大多数AI开发者采纳。70年代专家系统被开发出来，该系统可以预测在一定条件下某种解的概率，被用于股市预测，帮助医生诊断疾病，以及指示矿工确定矿藏位置等。70年代另一个进展是David Marr提出了机器视觉方面的新理论。
在理论探索方面，美国学者Zadeh首创模糊逻辑，它可以从不确定的条件做出决策；还有神经网络，被视为实现人工智能的可能途径。同时在实际应用方面也进行了大量的研究，并取得了可喜的成果[3][4]。
人工智能（Artificial Intelligence），是计算机科学的一个分支，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习、机器视觉等等。人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标[5]。
二、智能控制
由于传统的控制理论（包括古典的和近代的）主要涉及对伺服机构有关的系统或装置进行操作与数学运算，而人工智能所关心的主要与符号运算、逻辑推理即计算智能有关，在相当长的时间内，很少有人提到过控制理论与人工智能的联系。1965年，著名的美籍华裔科学家傅京孙（K S Fu）教授首先把人工智能的启发式推理规则用于学习控制理论；然后，他又于1971年论述了人工智能和自动控制的交接关系。由于傅先生的重要贡献，他已成为国际公认的智能控制的先行者和奠基人。1967年，利昂兹（Leondes）等人首次正式使用“智能控制”一词，这一术语的出现要比“人工智能”晚11年，比“机器人”晚47年[6]。1987年1月，在美国费城由IEEE控制系统学会与计算机学会联合召开了第一届智能控制国际会议，这标志着智能控制作为一门新学科正式建立起来。
在理论结构上，智能控制具有十分明显的跨学科（多元）结构特点。
（1）自从傅京孙教授1971年提出把智能控制作为人工智能和自动控制的交结领域以来，许多研究人员试图建立起智能控制这一新学科。这可以用二元交集结构来表示；也可以用离散数学和人工智能中常用的谓词公式之合取来表示，即
IC=AI∧AC
式中，各子集（或合取项）的含义如下：AI―人工智能(Artificial Intelligence)；AC―自动控制(Automatic Control)；IC―智能控制(Intelligent Control)；∧表示连词“与”符号。
（2）萨里迪斯于1977年提出另一种智能控制结构，他把傅京孙教授的智能控制扩展为三元结构，即把智能控制看作为人工智能、自动控制和运筹学的交接，可以用下式来表示：
IC=AI∧AC∧OR
式中，各子集（或合取项）的含义如下：AI―人工智能（Artificial Intelligence）；AC―自动控制（Automatic Control）；OR―运筹学（Operation Research）；IC―智能控制（Intelligent Control）；∧表示连词“与”符号。
在提出三元结构的同时，萨里迪斯还提出分级智能控制系统，指出它主要由3个智能级组成。
第一级：组织级，它代表系统的主导思想，并由人工智能起控制作用。
第二级：协调级，是上一级（第一级）和下一级（第三级）间的接口，由人工智能和运筹学起控制作用。
第三级：执行级，是智能控制系统的最低层级，要求具有很高的精度，并由控制理论进行控制。
（3）蔡自兴教授根据信息技术的飞速发展，发现信息论是解释智能的一种手段，控制论、系统论和信息论是紧密相互作用的，信息论已成为控制智能机器的工具，信息熵成为智能控制的测度，信息论参与智能控制的全过程，并对执行级起到核心作用，基于此，蔡自兴教授提出四元智能控制结构，把智能控制看作自动控制、人工智能、信息论和运筹学4个学科的交集，可表示如下：
IC=AI∧AC∧OR∧IT
式中各子集（或合取项）的含义如下：AI―人工智能（Artificial Intelligence）；AC―自动控制（Automatic Control）；OR―运筹学（Operation Research）；IT―信息论（Information Theory）；IC―智能控制（Intelligent Control）；∧表示连词“与”符号[7]。
从学科结构的观点看，智能控制的四元交集结构是最具有代表性的一种集成思想。在智能控制领域内已集成了许多不同的控制方案，如模糊自学习神经控制就集成了模糊控制、学习控制和神经控制等技术。
智能控制获得迅速发展，并已初具学科体系，包括基础理论、技术方法和实际应用诸方面。在基础理论方面，涉及传统人工智能的知识表示和推理、计算智能（如模糊计算、神经计算和进化计算等）和机器学习等。在技术方法方面，从递阶控制、专家控制、模糊控制、神经控制、学习控制、仿人控制和进化控制等系统加以研究。在实际应用方面，从实验室到工业现场，从家用电器到火箭制导，从制造业到采矿业，从飞行器到武器控制，从轧钢机到邮件处理机，从工业机器人到康复假肢等等都具有十分广泛的应用。
在智能控制的各种理论中，从普遍适用和统一观点出发的宏观综合方法最具有吸引力，但目前缺乏统一的描述和基本理论框架。虽然以信息熵为测度的思想方法与有关传统控制的方法论和专门技术不同，有着广泛的实用性；信息和熵的内涵刻画了复杂系统的有关特性，控制理论的信息熵方法以传统理论方法为特例，具有普遍性，但是，在以信息熵为基础的同时，必须以马克思主义的世界观与方法论为指导，采用宏观综合方法研究复杂系统控制问题，才有实际的意义，这是解决复杂系统控制问题颇有前景的方向，将有助于智能控制基础理论的形成与完善。按照辩证唯物主义的认识论的观点，我们应该认识到，在今天具有更多微观知识和更先进研究工具的条件下，再把基于模型的控制理论发展成为基于信息控制理论，便是在高一个层次上从微观到宏观研究的一次回溯。
三、最新研究成果
英国科研人员在2008年8月13日宣布，他们已经将成千上万的老鼠神经元“缝合”进原始的生物大脑，而这些神经元已经具备控制机器人运动的能力，由此推出一个由老鼠的脑组织控制的机器人。机器人名为“戈登”，它的“大脑”拥有5万到10万个活神经细胞，由英国雷丁大学科研人员设计。科研人员将人工培养的老鼠神经细胞同机器人的一些部件结合起来，“戈登”大脑是活的组织，因此必须装在特定温度控制的器具中。“戈登”大脑通过蓝牙无线连接同自己的“身体”联络。除受自身大脑支配外，“戈登”不受额外的人为或电脑控制。
试验一开始，神经细胞便忙碌起来。“大约24小时内，它们（神经细胞）开始彼此试探，建立联系。”主要设计者之一的雷丁大学教授凯文・沃里克说。
某种程度上说，“戈登”在自学。比如，撞到墙时，它会从传感器得到电子刺激。再遇到类似情况时，它就会记住。
四、人工智能、智能控制在未来社会的纵深发展
当代科学技术革命和社会发展要求哲学回答和解决复杂系统的控制和管理及人工智能、智能控制发展所提出的认识论和方法论问题，回答当代社会的发展规律问题。同近代科学技术发展时期相比，今天人类思维所面临的对象和客体具有极大的综合性、总体性，系统性。
随着人类自然智能和人工智能相结合，创造型思考的逐步实现，人工智能越来越多地承担着各种脑力劳动，把知识生产者同人类先前创造的全部知识财富联系起来，把数以百计、千计的专家、学者、知识劳动者联系、组织成一个有机的知识生产机体，使得知识交流和知识鉴定的速度和准确性比使用以往的普遍手段快出、高出几个数量级，可以使整个社会从事创造性劳动的人数比例得到极大的提高。人脑思维活动中的创造性工作和非创造性工作是互为前提、互相制约、互相转化的。创造性是在非创造性工作基础上进行的，创造性工作又可以不断转化为非创造性工作。当一种创造性工作转化为非创造性工作并转交给人工智能与智能控制进行之后，人脑又可以去从事和开拓新的创造性工作。这种情况的发展不仅会导致人工智能与智能控制水平的普遍提高，而且使得人们不断创造出适应创造性思维活动方式[9][10]。在未来社会里，智能控制将向更高的技术水平发展，包含多层级、多变量、非线性、大时滞、快速响应、分布参数和大规模系统等。
五、结语
随着科技的不断进步，人工智能、智能控制对未来社会的推动力是不可或缺的。但人工智能与智能控制专家也警告说，现在必须为有关研究制定道德规范，以确保未来社会的发展能够帮助人类而不是危害人类。“人工智能奇点研究所”的创办人之一伊利泽・尤德库斯基目前正在研究所谓的“友好人工智能”。他说，他最担心的是，在未来社会里，如果一些科技怪才发明一种能够自我进化但却没有道德感的机器人，这将给人类带来灾难。在未来社会里，人工智能、智能控制与社会文化、物质生产、经济发展、社会文明、社会变迁、社会结构、社会进步等方面存在越来越密切和复杂的关系，马克思主义同样面临越来越多需要认识或解释的新的社会现象和问题，分析现代科技革命发展情况也是认识马克思主义的基础。马克思主义一贯认为科学技术是社会革命的重要力量，是推动社会进步的巨大杠杆，是直接的革命力量。在未来社会里，我们需要立足于人工智能与智能控制的发展趋势，从马克思主义与近现代科学技术革命交汇点出发，深刻理解当代社会主义与现代科学技术革命汇流的历史必然性，并从分析现代科学技术革命的巨大物质功能、经济功能和精神功能入手，了解人工智能、智能控制的最新进展和前沿动态，使自己在所从事的科研领域不断有新的发现、新的发明。
参考文献
[1]朱松山，任容．现代科学技术革命与马克思主义[M]．国防大学出版社，2001．
[2]宋健．现代科学技术革命基础知识（干部选读本）[M]．中央党校出版社，1994．
[3]Gevarter W B. Artificial Intelligence Applications: Expert
Systems， Computer Vision and Natural Language Processing. New Jersey: NOYES Publications， 1984.
[4]姚锡凡，李．人工智能技术及应用[M]．中国电力出版社，2008．
[5]蔡自兴，徐光．人工智能及其应用[M]．北京：清华大学出版社第三版，2003．
[6]易继锴，侯媛彬．智能控制技术[M]．北京：北京工业大学出版社，1999．
[7]蔡自兴．智能控制（第二版）[M]．电子工业出版社，2004．
[8]傅云威．英国诞生“鼠脑”机器人[N]．南方都市报，2008-08-15．
互联网时代，读者并不缺乏信息，但一些真正具有传播价值的内容，却往往淹没于信息洪流之中。力求将最有价值的信息，最有锐度、温度、深度和多维度的思考与表达，最值得阅读的网络优质原创内容，快速呈现给读者，是《世界文化》与腾讯《大家》建立合作的初衷与共同努力的方向。【“大家”阅读】每期将臻选《大家》所汇聚的中文圈知名学者、专栏作家的最新文章，与读者分享“大家”眼中的“世界文化”。
“这是在跟上帝下棋。”在乌镇围棋峰会的现场，当五位中国围棋国手联手对战AlphaGo仍中盘落败之际，我听到旁边有人由衷地感叹。在这次人机对战的赛事中，类似的话大概早已不是第一次有人说，无论是世界排名第一的柯洁在与AlphaGo对决中说的“它就是围棋上帝”，还是两名围棋国手聂卫平和古力所说的“阿（尔法狗）老师”，都明白无误地显现出人们对于人工智能技术的敬畏之心――古力的话很好地表达这种感受：“我对科技产生了一种敬畏感，仅次于对大自然的敬畏。”
世界排名第一的柯洁三战皆败，足证人工智能（AI）的强大。显然，从大众的情绪反应来看，很多人将此理解为人类的失败，而不是人类的胜利。在好多人看来，这似乎就像是那个长久以来的科幻故事主题正在成为现实：强大无比的电脑将获得人工智能和自我意识，最终控制并取代人类。在柯洁第一盘以1/4目告负之后，有一个说法在网上流传：电脑始终控制着局面，之所以以1/4这一最小比分击败人类，只是为了给人类留面子。
在看了@样的解释后，我一些朋友感到“更心寒、更恐怖了”。然而事实是：AlphaGo并不懂“留面子”，只是它的程序在设计之初，追求的就是胜率而不是胜差，也就是说，不求赢得多，只求赢得稳。从AlphaGo的下法来看，它其实是相当保守的，因为它追求的是立于不败之地，而不是大开大阖地进攻，这意味着，它是在现有规则内计算最优化方法，很多下法也是对人类经验的基础上延伸，但它不会像人类那样打破规则或无中生有地创造――例如发明一种新的棋类游戏。
之所以那么多人对AI感到恐惧，当然不是因为它连胜人类棋手本身，而是因为此事所代表的象征意义：围棋被我们默认为是人类最复杂的棋类游戏，象征着人类智能的某种极限。当1997年“深蓝”在国际象棋比赛中击败人类之际，甚至当十多年后电脑又攻克中国象棋之后，人们仍然乐观地认为，围棋仍将是很多年内无法被攻克的堡垒，保留着人类的尊严。这次在人机配对赛中获胜的连笑在新闻会上承认：“去年我们不是敌视（AlphaGo），而是不知道它的厉害；之前看棋谱，还都觉得应该是李世石赢，但最后才发现它那么厉害。”这也许体现了一种在科技进步中时常出现的情形：人类没能料到人工智能会以指数级速度发展。
其实人类创造的工具在某一项能力方面超过人，这早已不是新鲜事――当然，这就是我们创造它们的目的。人的力气再大，也不可能超过举重机；跑得再快，也超不过汽车；如果数学计算代表着人类的智力，那我们早已输给了任何一部廉价的计算器。所有这些工具的发明，并没有成为人类的掘墓人，倒不如说是把人们从一些繁杂重复的工作中解放出来，使我们可以去从事更具创造性的工作。
AlphaGo之父Demis Hassabis在柯洁惜败之后曾表示：“这绝不是人和电脑之间的对抗，这是人用机器发现新的知识，就像哈勃望远镜，它能带来新的奥秘的发现。”在五名国手联手仍落败之后，AlphaGo团队负责人David Silver也说“今天的问题无关输赢”，他认为这只是为了把人工智能这一工具更好地用于探索各种可能，来服务于人类的福祉。
这并不只是安慰人的官方说辞，因为显而易见的是：投入那么多人力财力去发明这样一台机器，总不会是为了赢世界冠军，那对它没有任何意义。赢棋不是目的，而是手段――只是通过这样一种戏剧性的呈现方式，来让绝大部分对人工智能一无所知的普通人也意识到，原来它已发展到了如此强大的地步。
就此而言，这场人机对决倒不如说是一次大型公关活动，输赢确实不重要――就像1830年美国巴尔的摩举办的火车与赛马的速度比赛，虽然当时火车还跑不过人类骑手驾驭的奔马，但没关系，仅此就足以让人直观地感受到蒸汽机车的潜力，而它要跑得比马快也不过只是个技术升级的时间问题罢了。
对科技的威力感到敬畏，那是人之常情，也不失为一种激发自我潜力的驱动力；然而对之感到末日降临式的恐惧，则恐怕是科幻故事看多了。这或许是出自一种技术邪恶论（“科技的发展往往带来不可预知的灾难性后果”），或是来自一种可以理解的人类中心主义的忧虑（“人工智能会替代人类”），但如果仅仅看到“坏”的一面而去抑制乃至反对科技发展，这是否让我们显得像当年反对火车的人一样愚昧？两百年前，因为被机器夺走工作而愤怒砸毁机器的卢德主义者，早被看作是错误的乌托邦理念，那么如今的新卢德主义是否又在重蹈覆辙？
当然，一个不可避免的问题是：AI和火车是可以类比的挑战吗？跑不过火车不可怕，因为火车始终只是火车；但下棋下不过AI，那就是质的不同了。的确，如果把蒸汽机为代表的发明视为第一次机器革命，而当下的数字化技术和人工智能作为第二次机器革命，那么显然后者对人类的挑战更为深远得多。美国评论家Thomas Friedman在多年前就不无忧虑地说出了许多人的心声：“人类和受软件驱动的机器可能正在日益变成替代关系，而不是互补关系。”
然而，这恐怕不是真的，至少眼下不是。不妨做个简单的假定：如果现在人类消失了，那这些智能的机器能够自动进化并统治这个世界吗？这显然是不可能的。另一个常有的误区是，我们以为围棋代表了人类智慧的巅峰，因而电脑超越是很可怕的事，然而听起来吊诡的一件事是，正像机器人研究专家Hans Moravec所观察到的，“如果让计算机展示成人水平的智力测验或者玩跳棋是一件相对容易的事情，但当涉及知觉和机动性时，即使让计算机完成一岁幼儿的某些技能也是非常困难或者不可能的。”
这就是所谓莫拉维克悖论（Moravec paradox）：“人工智能和机器人研究领域与传统重要发现不同：高层次的推理几乎不需要计算，但低层次的感觉运动技能则需要大量的计算。”这就是说，对我们人来说难的问题，对人工智能而言很容易，但对人容易的问题对它却很难。这样说来，如果电脑击败了围棋九段，我们不必惊讶，倒是如果它炒菜胜过了一名普通厨师，我们才应该吃惊它是怎么做到的。
每一次新工具、新机器的发明，在给一部分人造成挑战的同时，最终都变成了社会更进一步发展的驱动力，因为正是有了这种挑战，才使得不断进步成为可能。如果说第一次机器革命的发明大多是人类手臂的延伸，那么当下的智能技术则意味着大脑的延伸和强化；以前它们在力量、速度等方面做得比我们更好，今后，也许它们会在下棋乃至写作、绘画方面都超过人类。
随着科技的发展，超智能机器的出现是不可避免的，一些大胆的预测者甚至早就猜想过这样一个未来。曾获诺贝尔经济学奖的Herbert Simon在1965年就说：“在20年之内，机器将能够做人类所做的所有工作。”他的预言也许只是错在这个时间点上。许多人可能会被技术进步替代下来，然而也正是这样，人类可以获得更充裕的财富和空闲时间去做更有创造性的事，科幻小说家Arthur C. Clarke曾说，“未来的目标是完全失业，那时我们就能够发挥作用了”，他这么说并不是在讽刺。
没有必要去恐慌这样一个未来。我们也许将变得越来越离不开机器，《奇点临近》一书甚至预测“在21世纪行将结束的时候，人类智能中的非生物部分将无限超越人类智能本身”，然而那也意味着我们能借助前所未有的强大工具来探索更多可能。人工智能的发展也将使我们更清楚地意识到“人之所以为人”的那些东西――要电脑模拟人类的理性、计算是容易的，但正如神经专家安东尼・贝尔曾说的，人类的大脑之所以是难以理解、更难以充分模拟其功能，主要问题就在于，大脑设计具有自组织、无秩序、不规则的特性。
正是这些特质，使得人区别于按逻辑运算的机器，也有着有时难以解释的创造力。简言之，人本身就是一个混沌、复杂、无序的现象。据说毕加索曾嘲笑计算是“无用的”，因为“它们只会给你提供答案”。对人类而言，也许越来越重要的是去提出问题，而可以把解答交给电脑。
对人工智能而言最难的，也许就是那些对人而言很重要、却不属于理性算计的东西，诸如爱情、情绪、价值观。AlphaGo之所以那么下棋，只是因为它的主要目的在程序上就被设定为是获胜，但如果把它优先级修改为“赢更多子”，那它就会呈现出完全不同的下法。更重要的是，在棋盘上，每颗子毕竟是等值的，但在人类社会中，却不能说一个人的价值不如两个人，因而就可以牺牲前者。据说人工智能研究的先驱Marvin Minsky和发明文字处理及鼠标的Douglas Engelbart 1950年代曾在麻省理工学院相遇，前者宣称：“我们要给机器赋予智慧，让他们有自我意识！”后者则问：“你要给机器做那么多好事？那你打算给人做点什么呢？”
的确，这是永恒的问题。“人机对决”的设定似乎强化了某种错误的对立意识，仿佛是机器在挑战人类，但事实上，不如说它们是某种可借鉴的方法。就像电影《点球成金》里表明的那样，一个完全不懂棒球的数学天才，通过技术统计后重新编排队伍，就能奇迹般地提升胜率。AlphaGo当然远远先进得多，但本质上也是优化和概率的数学计算，以及在此基础上进化出来的深度学习能力。就目前的发展态势来看，在未来几年之内，人工智能将可望获得长足的进步，会在社会生活的诸多领域提供更加便利、高效的服务，其运用也许很快就跟网络一样无处不在――它能做的，何止是下棋而已。本来研发它的目的也是为了更好地解决人所面临的问题和需求，否则它恐怕都不“知道”自己所要解决的问题是什么吧。
单位的认识
韶关市建筑工程质量安全监视站成立于年，从属于韶关市建立局管理。是具有独立法人资历的第三方公正监视检测机构。该站于年经过广东省质量技术监视局的计量认证，并于年按《计量认证/检查认可(验收)评审原则》的请求，建立了与国际接轨的适合本核心实际的全面质量管理体系，是广东省同行业中首家按新标准原则的请求，经过计量认证复查的单位。经过20多年的发展，现经过计量认证的检测项目有24项，拥有质量工程监视、安全工程监视、建筑材料检测三个科室。次要承当韶关市市政工程和建筑工程所使用的材料、混凝土构件以及土工实验、桩基检测等测试检验项目以及施工进程中的质量监视和安全监视。现有检测项目可根本满意韶关市建立工程质量监视检测的需求。现还正预备增加室内环境检测项目。我站的质量方针是：公正，科学，精确，高效。质量目标是：按国际标准建立并不断完美质量监视检测体系，力争把我站建成国际建立行业一流的工程质量监视检测机构。
任务总结
实习后期次要在质量监视科等科室进修各项常规质量监视检测标准，先后主动理解了我站职能范畴、机构设置、人员编制等根本情况，并对人事教育、质监重点、现场取样等任务深化进修。先后研读了《建筑工程施工质量验收标准汇编》、《砌体工程施工技术标准》等书籍和“建筑工程质量监视任务细则”、“建筑工程常规材料及主体构造检测的送检请求”、“广东省住宅工程质量通病防治技术措施二十条”、“市政桥梁工程质量检评标准”、“质量监视的任务流程”等材料，使他不但将与本人所学专业相关的给排水采暖、通风空调、建筑电气、电梯、智能建筑等方面的验收标准通览，而且对地基、砌体、混凝土、钢木构造、屋面、地面、地下防水及粉饰装修等工程的验收标准也有了一定程度的理解。而分离我站任务分析性较强的实际，这样做也是必要的。
同时我还理论联络实际，实习后期主动请求到建筑施工现场去理论锻炼、理解进修，努力从多方面开辟本人的眼界。我先后去了“南枫枫景园”、“金碧园”等小区实地观看了建筑电气及智能建筑零碎。特别对安全防备子零碎和地下停车场消防子零碎印象特别深刻。同时我还积极进修现场监视检测办法，包括有回弹法检测混凝土抗压强度实验，钻芯法检测混凝土强度，灌砂法检测压实度实验，道路弯沉检测实验，钢构造超声波探伤。我还主动请求到其它各科室理解进修，善于从多方面拓展本人的视界。经过进修书面材料和与各科室人员的交换，全面地理解了我站科室的次要职能和重点任务，还协助完成了一些力所能及的任务。而且都出色地完成了任务。
原文链接：https://www.gwyoo.com/haowen/218547.html
