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
关键词：人工智能 科学技术 伦理问题
一.人工智能的背景
人工智能是计算机科学的分支，它企图了解智能的实质，并研制出一种新型的以人类思维相似的方式做出相应反应的智能机器，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。
人工智能的思想萌芽最早可以追溯到十七世纪的巴斯卡和莱布尼茨。十九世纪，英国数学家布尔和摩尔根提出了“思维定律”，这些可谓是人工智能的开端。（1）50年代至70年代，人工智能相继出现了一批显著的成果，这一阶段的特点是重视问题求解的方法，忽视知识重要性。（2）随着第五代计算机的研制进入了80年代，人工智能得到迅猛发展。它的研制形成了一股研究人工智能的热潮。（3）90年代，由于国际互连网的技术发展，将人工智能更面向实用。研究人工智能出现新的高潮。
二.人工智能的发展给人类带来伦理问题
（1）人工智能的情感问题。情感问题是千百年来人们一直在谈论的话题。明斯基认为，通过把我们的身体部分看做是大脑可以使用的资源，就可以改变它们的精神状态。因此，现在人工智能界的一种观点认为情感是一种特别的思维方式，我们可以利用它来增加我们的机智。智能机器人毕竟是一个赋予一种人类情感程序的机器，实质上还是没有人类的意识，只有固定的程序。
（2）人工智能机器的责任问题。人类不断向前发展，社会不断进步，人类把人工智能机器研制出来，赋予一定的程序，帮助老人，照顾小孩等；爱，不仅是男女之间的爱，也有父母对子女，这种爱是相互的。人们要面对智能机器的情感控制，我们不能把它视为一台机器，应该视为人类其中的一员，他们是一个种族，我们要对研制出来的人工智能机器负责。智能机器赋予人类的情感，我们也要给予同等的情感。我们不仅要研制智能机器，我们也要爱护和保护他们。
三.人工智能的问题对策
（1）人工智能情感问题研究。我们可以看出人工智能的机器情感是一个极其复杂的问题，这不仅涉及到人工智能的技术层面，同时情感是一种特殊的思维方式，机器是同样可以具有情感的。人类可能赋予人工智能一定的情感程序，我们要把人工智能的看成一类种族，让人工智能与我们共同创建美好的大家庭。
（2）人工智能的责任问题研究。随着人类社会的不断发展和进步，人工智能技术研究将成为人类不可避免，人类研究人工智能不仅会给人类带来帮助，也会给人们的带来一些困惑。我们在研究人工智能机器要考虑到，智能机器发展到一定程度的时，智能机器可以自己转变程序，人类要研究一种机器人的法律规范，也要赋予研究机器人的科学家一定的法律法规。
四.人工智能的影响
（1）人工智能带来负面影响。随着现代科学技术的发展，人工智能给人类带来帮助，也给人们带来了一些问题，像气候变暖，生物物种的灭绝，新型细菌的出现等。
（2）研究人工智能涉及的学科领域。人工智能是研究使计算机来模拟人的某些思维过程的智能行为学科，主要包括如下领域：专家系统、机器学习能力、模式识别、人工神经网络。在智能领域里最关键的问题之一，就是机器学习的问题。一旦机器有了学习能力，人类的未来发展难以预料！
（3）人工智能的积极影响及美好前景。人工智能的发展还没有到达一定水平，人工智能机器就可以和人做朋友，可以作为家里的一份子出现，进入人们的生活。我们在未来要研究人工智能的发展，也要研究人工智能出现以后所带来的问题，把人工智能的优势发挥的更好，给人类带来更美好的未来。
结束语：
李开吞岢隽 “五秒钟准则”，以此预测，从事翻译、新闻报道、保安、销售、交易、会计、司机等工作的人，10年内有约90%被
AI全部或部分取代。很多工作将变成服务业，比如医生。
人类的理智逻辑判断不堪一击，人的心灵才真的有意思，也许造物者今天把AI带到我们身边，就是逼我们去发展这些方面，文艺、创作、哲学……为什么每个人都要工作呢？有些人就画画拍照做雕塑，这世界不是挺好的么？
AI只是人类的工具，人类将步入一个崭新的人机协作时代，这可以被称作第二次文艺复兴。
一位科学家的预言
1982年，在申请卡内基梅隆大学计算机系时，李开复写了一封非常深情的申请信。信中，令他至今难忘的一点是，他表达了自己做研究的初心：“研究人工智能的意义是去探究人是怎么思考的，以及人为什么存在。”通过学习计算机来认清人类本身，说到底是个哲学问题，饱含人文情怀。
苹果、谷歌、微软公司的前高管，创新工场的创始人，这是李开复最为人知的身份，而今我们才发现，原来人工智能才是他的老本行！学生时代他已进入人工智能领域，至今都有36个年头了。“我是在1980年首先做的自然语言处理，1982年做的计算机视觉，1983做的语音识别，1985年做的人机对弈，1996年做的VR/ AR……” 李开复获得卡内基梅隆大学计算机学博士学位的博士论文题目是“非特定人连续语音识别系统”，1988年被《商业周刊》授予了“科学创新奖”，而他开发的“奥赛罗”人机对弈系统也在同一年击败了得过世界团体比赛冠军的选手……
然而，在人工智能世界里“绕了一圈”后，他却发现事与愿违：认为机器具有和人类一样的思维方式是十分荒谬的――真正能产生价值的AI，并不是模仿人的思考。
“人在数学问题上挺笨的。比如贷款，
人是if ，then；else（假如，就；或者）的思维。先看你有没有房子，有，我可以贷给你，没有，看你薪水，够高我贷给你，如果不够高，但工作满三年了也贷给你。就像一块蛋糕，用刀把它一切，如果你属于这一角，就贷款给你。但人工智能非常奥妙，它的思考方式完全不同，它不是在一个二三维的空间做切割，它是在一个两千维的空间里画一个非常美妙的函数，这个函数切开来，这边的人贷款给他，那边的都不要贷，它根本不是我们的思维方式，深到人无法理解。所以我并没有真地了解人是怎么思考的，或者说我很失望地发现人的思考非常肤浅，至少在数学方面，判断、分类或预测，我们彻底被机器击败了。”
所以今天李开复做了这样的预言：“十年之内，人类50%的工作会被AI取代。”机器使大部分人沦为无用者的图景在《未来简史》里已被描绘出来，但其作者尤瓦尔毕竟是位历史学家，而李开复则是位科学家，又身为科技界资深投资人，他的预言背后是对技术和行业的深度把握。对于哪些职业首当其冲，他还提出了一个“五秒钟准则”：一项本来由人从事的工作，如果人可以在5秒钟内对工作中需要思考和决策的问题作出相应的决定，那么，这项工作就有非常大的可能被人工智能技术全部或部分取代。比如翻译、保安、销售、客服、会计、司机等工作，未来10年有约90%人工智能全部或部分取代。”
生不逢时
李开复常叹息自己真是生不逢时。即使在人工智能研究中取得过举足轻重的成就，但很可惜，埋头实验室那些年他没有赶上AI技术的真正开花结果。“那时候我的这些选择基本上都是非常‘糟糕错误’的职业选择，因为每一件事情，我都是在它的黄金时代之前、白银时代之前，甚至破铜烂铁都不是的时代就涉足了。”
AlphaGo横空出世让AI一夜爆红，可其成就并非一蹴而就。在过去60多年中，它经历过三次浪潮。第一次是1950年代由“图灵测试”掀起的。计算机科学的开创者艾伦・图灵提出，让测试者和计算机通过键盘和屏幕对话，如果测试者分不清屏幕后的对话者是人还是机器，就可以说这台计算机具备人工智能。第二次浪潮是80年代到90年代，李开复可以说是站在了浪尖儿上。当时最具代表性的突破性进展之一是语音识别技术。李开复摒弃了传统的走语言学路子的专家系统，而建立起基于语音数据的语料库和概率统计模型，将语音识别从符号主义时代推动到了统计时代。
颇令他遗憾的是，他做研究时没有赶上深度学习技术革命，语音识别技术虽有明显提升，却始终无法满足人们需求。“做计算机研究这个领域，本身的素质能力当然都非常重要，但还要在正确的时候选择正确的事。我在错误的时候太过狂热地跳进了人工智能领域。”李开复感慨。
当下，深度学习和大数据携手掀起了天翻地覆的变化。首先在计算机视觉领域，它们帮助计算机认识人脸、图片和视频中的物体，然后又冲入语音识别、机器翻译、数据挖掘、自动驾驶等领域大展身手。在2014年ImageNet竞赛上，机器视觉第一次超越了人类肉眼识别准确率。2016年9月，微软最新的语音识别系统已成功地将识别错误率降低到了6.3%，在统计模型崛起后，错误率从40%降到了20%花了二十年，而深度学习时代，两三年时间就从20%降到了6.3%。因此李开复断言，人工智能的黄金时代已来临。 创新工场在人工智能领域的投资布局
近一年中，李开复在清华大学、全球移动互联网大会、奇葩大会、哥伦比亚大学工程学院毕业典礼等各个公开场合中言必谈人工智能，十分活跃。既然无法以科学家的身份投入到这场革命中，用其他方式一涌晌其推波助澜――他要做一个伯乐，挖掘人工智能人才和创业公司。他的创新工场已投资30多家以人工智能为核心动力的公司，并创立了人工智能工程院。此外，他还想做一位“推广者”，让更多人意识到人工智能时代的降临，及早做好准备。他的新书就叫《人工智能》，用通俗的方式为大众普及其前世今生、方方面面。
为什么每个人都要工作呢？
尽管预言了机器将在明确又迅速的10年内取代人类的工作，不过与尤瓦尔的绝望截然不同，李开复对AI技术是乐观的，对AI参与下的人类未来饱含激情与期待。
回到故事的开头。在AI研究中“绕了一圈儿”后，李开复除了发现“人类理智和逻辑判断不堪一击”外，还有更重要的发现：“人的心灵才是真的有意思的。”
“当你与一个人一见钟情，当你第一眼看到你生的baby，你心中那种心灵触电的感觉（是机器不能捕捉的）；安慰剂效应让我们吃面粉也可以把病医好（这是我生病后感受到的），心灵怎么会有这么强的治疗能力？这是机器不可解的。学AI学了半天，最后还是学到了人的奥妙，这个奥妙是情感，是爱，还是宗教？我们也不知道。也许造物者今天把AI带到我们身边，就是逼我们去发展这些方面，文艺、哲学、创作……也许这才是我们比较独特的地方，当然有一天可能也会被AI击破，但至少现在还没有看到那一天。”最终，他还是达到了36年前他写的那封信里的目的――“让我们更了解自己。”
所以，在李开复看来，机器拥有人的意识、人被机器所操控的想法是十分可笑的。AI只是人类的工具，最有可能变成现实的是人类步入一个崭新的人机协作时代。
工作被取代就等于失业吗？未必。李开复认为，人工智能时代里人类工作的转型在所难免，但这更多意味着新的工作方式。一部分简单、底层工作消失，也会催生更多新型的、更需要人类判断力和创造力的工作，如设计师、架构师、建筑师、流程设计和管理者、艺术家、文学家……当然，从短期看，转型会给社会带来一定程度的阵痛，但长远看，社会结构、经济秩序会重新调整，从而进一步解放生产力。
再说，“为什么每个人都要工作呢？”李开复相信，AI带给人类的将是更大的自由和更加个性化的人生体验。
“人的灵性和爱是不能被机器简单复制的，如果我们深信它们的存在，就应该鼓励更多的人去走这条路。无论是做个好的导游，还是做个老人院的志愿者，还是多花时间陪父母，这种爱心的发散并不直接产生经济价值，但对社会有正向影响。过去几千年，无论希腊还是中国的古人，他们都是在爱和美方面不断去创造。是不是过去这几百年我们根本走偏了？社会告诉人们要去做重复性工作，挣钱买车买房。2000年前的日子为什么一定是不好的？过去这300年的日子为什么一定是好的？人下岗了再给他找个重复性工作？也许他就应该过别的日子。这都是不同的思考方向，不要迷信过去的100年人的追求。
以前的诸侯不是还养食客吗？他们每天帮人出主意，进行思想的碰撞。我们就可以这样，来谈哲学、谈美，谈AI和人类学的改变，或理论上的碰撞，或创造一些美的事物，有些人就画画拍照做雕塑，这世界不是挺好的么？”
Q=《北京青年》周刊
A=李开复
Q：你预言十年之内人工智能会替代50%的人类工作，你还有个AI发展的十年蓝图，为什么对AI这么乐观？
A：算法是可以推演的。比如我们投资的智融集团的用钱宝，它八秒就能对一个陌生人判断借不借钱给它，一个人要花一个小时，这样就是500倍的提升。它是基于什么呢？大数据。那我们把它时空转移，用在车贷、房贷、企业贷款、债券的企业评级、保险，或用在我们内部做的AI量化投资，在某些领域可以看到很高回报，甚至能取代基金经理。
比如我们投资的Face++旷视科技，它有些应用的效率是人的20倍，人可以识别出来三个入侵者，Face++可以识别60个，它有300万人的数据库，人最多识别几千张人脸。那还有什么像识别人脸的？识别肿瘤、病理切片、MRI、CT……医学的领域特别大。这些都是一个已成的算法，把它延伸出去，看到它还能用到什么领域，是非常理性而且绝对正确的产业延伸。
深度学习有成功和没有那么成功的应用，有些领域还没那么成功，我就不会去做这种预测。所以我是基于：第一，对技术的深度理解，毕竟做了36年人工智能的研究了。第二，我们有一批特别顶尖的科学家在创新工场做顾问，以及看到已经投的案子用AI创造的价值，再加上它合理的领域的延伸，我对大数据领域无比乐观。 达沃斯论坛上，三部智能机械手执笔为李开复画的三幅肖像画，风格完全不同 李开复为其新书《人工智能》签售 2014年，谷歌推出了无人驾驶汽车，它没有方向盘，没有油门，没有刹车踏板！ 亚马逊不用排队、不用结账、拿了东西就可以走人的Go商店
Q：你提到AI会带来一些阵痛，怎样解决短期的结构性失业和人才培养？
A：知己知彼，AI不善长什么我们就多做什么。机器不善于做领域扎得特别深的工作，还是要有人作为这个领域的专家，比如编程，这种人肩负责任特别重，不但要技术很强，还要有社会责任感。当然这可能是万里挑一。还需要什么人？跨领域人才。还有善用AI的人，就像今天你不会用Word、Excel你就落后了，20年前你会用，可能你作为记者的生产力就比别人高，所以要提早会用AI。最重要的一点是，机器不能取代我们的审美观，以及对美、爱和各种感情的需求，同理心、心灵碰撞和安慰剂效应。
考虑到我们孩子，就要让他们做全方位的发展了。做事要做得深，做自己爱做的事，要跨领域，要更努力。而且对服务业不要排斥，因为以后很多工作会变成服务业，它是人对人的，机器代替不了，要鼓励更多人进入服务业。我们创新工场是善于帮人做独角兽，但谁能教人做服务业，做个好的服务者，做个好的服务者的创业者，这些特别重要。还有社会要给做服务业的人一个崇高的地位，跟医生、护士、匠人、艺术家一样的层次。此外，还有无偿的服务业，我们要鼓励人去做，因为人们内心的交流是最重要的，去老人院孤儿院做志愿者，这些都要从孩子教育时就开始实行。不能跟孩子说，你坐在按摩室里很丢人，这是很low的工作，不能跟他说做导游不好，这些都可能是最适合人类的事。那些少数能够做到最顶尖，最跨领域的天才、专才，我们要把他们挖掘出来，但大部分人都做服务业。其实还有文化娱乐、艺术、考古学、人类学……AI的来临给我们带来很多新的研究机会。当你孩子说他对人类学有兴趣，想知道未来AI跟人类怎么结合，这是特别好的课题，鼓励他们去做，不要说人类学找不到工作，做父母的要彻底改变自己观点。 亚马逊Echo是一款语音交互式蓝牙音箱，可以同步语音数据、播放音乐和进行智能家居设备控制 深度神网络之梦，由生成
Q：在医疗领域，能否理解为医生会是一个最后做决策的人，他会参考AI给出的结论？
A：基于人对现在机器的担忧，和对“医生必然是人”（的坚持），初步的状态一定是这样。可能就是AI作为工具，医生做决策，因为这样就不需要新法律。但从科学家角度来看，这肯定不是最优的。在很多领域，医生还有可能说机器不对，但其实可能不对的是医生。我觉得有AI这个工具总是好事，它一定是第一个阶段，不然人不会接受。就像你可能不会接受一个律师、法官、警察是机器人，说你有罪，有罪在哪里？讲不出来。这个过渡有个周期，但最长远来说，一定是机器的诊量会超越医生，而且是一个一个领域地超越，不是第一天全面超越。有些领域是非常明确会超越的，比如肿瘤的识别，其他领域机器可能会更慢一些。
但最终医生会是什么样呢？我觉得医生会变成服务业。也就是机器看到病人，就会说你是四期滤泡性淋巴癌，你的五年存活率是23%，病人肯定不愿意听到这句话。所以医生做什么呢？要了解医学，了解病人，要用合适的语言与病人沟通。比如病人说，我盗汗了，机器知道你得了淋巴癌会说你当然盗汗。但医生会说，真的啊？多久了？严重吗？你现在温度多少？……病人得到一种关怀，然后医生会说，看来你很可能是得了滤泡性淋巴癌第四期，虽然是百分之百，但我们用的说法是“很可能”。这个病人会问，我能不能活下来？医生不会说23%，他说，你知道吗？李开复得了这个病，后来就好了，所以你只要自信，睡眠足够，增加抵抗力，按照我的方法医疗，真的是蛮有可能好，这个病人一下就感觉还有救，他就不会再放弃治疗，这种安慰剂效应就会开始发生，然后他真的存活了。机器可能做不了这一层，所以以后医生并不会被取消，只是他们要能够接受，他们变成了一个服务业的工作者。
Q：在《未来简史》中，尤瓦尔说人类会最终落入自己织造的罗网，因人无力处理大量数据，只能将权力交给人工智能，比如我们的选举投票、购买商品和选择配偶方面，你怎么看？
A：肯定不会的。比如选择配偶，一个女孩子平均要约会十个男孩最后选择配偶，这十个男孩可能一部分是介绍的，一部分来自婚恋网站，一部分是偶遇的，但未来这十个人可能大部分都是电脑帮她介绍的，会帮她做最好的搭配。但这十个里最后挑选嫁给谁，还是要靠恋爱跟感情，这个是机器无法取代的，所以他错误地把这个筛选跟决策都交给了电脑，这是一个对人类的人性的一种背叛。
选举时，有可能我们会把候选人过去的事挖出来，或预测看到一些人成功率只有10%，把他们排除，但如果你相信民主制度，最后还是由人投出这一票。购买商品也是一样，网购时会被推荐很多商品，最后买不买还是在你。世界上男人太多，你不可能每个都去约会一次，世界上的商品太多，也不能每个去买一个，那我们用人工智能帮你筛筛，最后还是你来选。
有些事是要用心来选择的，有些事可能就无所谓了。比如交通，以最快的速度从place A到place B，对99%的人来说就是UBER或滴滴随叫随到。当然可能会有1%的人还是要买古董车自己开开。我觉得这时就要分辨，当新消费习惯来临后，过去的习惯可能被颠覆。可能大部分人不那么爱车了是可以的，但让机器选老公这事我觉得很荒谬，当这一天发生时，我觉得也不需要老公，嫁给机器人算了。
Q：你工作和生活中与AI的关联度高吗？比如家里是否有人工智能设备？
A：我如果用手机，基本都用语音输入。我家里有 Amazon Echo和小鱼在家，我所有的理财都是机器人打理的。
Q：你对AI改变你的生活有什么样的感受？
A：我用的每个APP背后其实都是AI，你用的也是。百度、淘宝、美团、滴滴，它们给你的推荐、各种排序都是靠AI做的，还有创新工场的门禁是Face++，我们是不戴名牌的，所以其实AI已经渗透到我的身边，也会渗透到所有的人的身边。
Q：你说自己生不逢时，80年代就开始研究人工智能，当时你的心态是怎样的？觉得AI在什么时候能够达到这样的力量？
A：当时我做出了第一套不指定语者的语音识别系统，被《商业周刊》认为是当年最重要的创新之一，也被《纽约时报》、《华尔街日报》报道过。但现在回想，当时还是挺天真的，因为我当时觉得离应用不远，可能五年之内就可以应用，现在看，当时犯了几个大错误。第一个是，一个实验室的结果到一个真实应用的场景差得还很远；第二个，对于这个场景的真实用户的强需求和价值，作为一个科学家我是不懂的，我只是觉得语音进去字出来就够好，在应用中只要你把平台做好，用户就会来。当时我们内部鼓励员工的一句话就是：build it and they will come，有部电影就是这个词，就是我相信我只要把棒球场搭出来，球员跟观众就会来，最后他的梦想真的成真了，但在我们的领域这只是梦想，除非解决了用户的强需求。还有我觉得科学家总是在优化自己做了什么过去没做过的事，为了创新而创新，没有足够地意识到这种强需求和用户才是上帝。
还有科学家对应用场景的想象力其实非常欠缺，你看中国做计算机视觉的人全去做人脸识别，为什么？因为他博士论文就是做这个，于是一直做下去。但人脸识别只是应用之一，但科学家把它做成一个优化创新，把一件事做得非常紧密，做得很深，不会考虑到做事的速度、迭代和用户强需求。所以一个科学家创业，这两者是一定要在一个人身体里都有，再不然就要筛鋈撕献鳎一个纯科学家创业，挑战蛮多的。
Q：在当下的AI浪潮中你是一个什么样的角色？
A：我工作上当然是去当伯乐，找好的项目，投资，拿好的回报，然后确保选的是不作恶的人，因为人工智能公司是潜在很可怕的公司。另外我同样希望扮演的一个角色是，让整个社会知道人工智能时代即将来临，它对世界有颠覆性作用，会带来好事，也会带来挑战，让大家提早认知到，并选择自己的方向。
Q：创新工场现在投了30多家以AI为核心驱动力的公司，你选择投资的标准是怎样的？哪几个是你们比较看好将来会有很大突破的？
A：选择的企业里一定要有人工智能科学家，因为现在AI还没有成为一个平台，AI还是个高门槛的事，能做的人不是很多。同时我们希望它是用一个已知的算法去解决一个新领域的问题，这样的搭配会最快地创造商业价值，即在已有大数据的领域把人工智能用上来。第二种就是一些新的感知，它能够传新的数据，然后创造前所未有的应用，这可能更像Face++。第三种，自动化是未来，比如机器人、无人驾驶、回了家就有帮你按摩洗脚做菜的机器人。这三种我们都在投。
我投第一种时，我们要了解的就是它为谁服务，需求强不强，产生的价值大不大，数据哪里来，这些问题必须要解决。第二个领域就要看新的sensor（感知）怎么布局。比如美图，它靠女孩子的自拍；而Face++靠监测摄像头数据的上传和认证。第三个领域，无人驾驶实在太难了，能不能不要做完全的无人驾驶，要限制场景。是垃圾车、扫地车、景区车还是在停车场的车，在这些场景里做有限制的应用。所以我们要求其实是完全不一样的，在非常成熟的领域真的不要发明什么东西，赶快把钱赚出来，再稍微长远一点的是，去哪里搞数据，在更长远的是，要限制场景。我们会用我们的专业的方法来评估这三个领域，确保它是符合的。
那给你三个例子。第一个例子是我们投资的智融集团用钱宝，它现在每个月放贷150万单，已经超过世界上最大的银行，而且是在短短的18个月之内。它是在做风控，8秒钟做一个抉择，远超人类。它产生的价值也是巨大的，人来做这个工作就不现实了。为了借出一千块钱，我花一个小时那怎么挣钱呢？用机器花8秒钟不但很精确，坏账率很低，而且它是可扩张的，当我的放贷量从1万涨到10万再涨到100万，它只要加服务器就可以了，所以它非常符合这种原则，它很快就要上市了。
关于“人工智能”最热的讨论之一，就是如果人工智能超越人类智能，人类是否将遭遇自己给自己制造的威胁？在《人工智能的未来》的作者，奇点大学校长、谷歌工程总监雷・库兹韦尔看来，2045年，人工智能将超越人类智能，储存在云端的“仿生大脑新皮质”与人类的大脑新皮质将实现“对接”，世界将开启一个新的文明时代，“奇点”到来！当智能机器的能力跨越这一临界点之后，人类的知识单元、链接数目、思考能力，将旋即步入令人眩晕的加速喷发状态――一切传统的和习以为常的认识、理念、常识，将统统不复存在。
有一种说法认为，机器人无法取代人类，因为它永远体会不到妈妈的手抚摸它的感觉。这理由大大地让人放心！但《情感机器》告诉我们，通过对人类思维方式建模，创建能理解、会思考、具备人类意识、具备常识性思考能力的情感机器是可行的。所以未来的挑战不是没有。就如尼古拉斯・卡尔在《玻璃笼子》中所说，当计算机和一切智能设备变成我们生活中的伴侣时，应更加留心它如何改变了我们的行为和身份。
随着技术发展的不断加快和机器自动化的发展，对人的需求将会减少。很多工作将会消失，所谓的“好工作”也会过时。马丁・福特在《机器人时代》中表示，在可预见的将来，机器人行业将与大数据、移动通信等进行跨领域技术融合，基于服务创新的机器人产业体系也许很快就要到来。
谷歌语音助手
根据大会演讲顺序，谷歌高管斯科特・哈弗曼首先向嘉宾介绍了谷歌语音助手（ Google Assistant ）。目前，世界范围内已经有1亿台设备在使用谷歌语音助手。在未来，谷歌语音助手将拥有更多的覆盖范围，一方面它增加了德语、法语、日语等更多语言的支持，另一方面，这款应用将登陆iOS平台，苹果用户也可以加入其生态。功能上，通过语音的识别，谷歌助手将支持语音支付。谷歌Home是依托于语音识别的家庭场景。它可以免手提打电话功能，使用语音助手控制；另外倚靠语音还可以免费获得Spotify的音乐服务以及更多视频服务和日程管理。
谷歌相册
谷歌相册（Google Photos）可以智能识别图像中的人和其它物体，自动移除重复和模糊照片，还支持智能移除图片中的障碍物，甚至可以智能识别拍摄中的物体并进行相关的交互。运用图片识别，谷歌相册将会让照片蕴藏更多的信息：比如拍摄照片中蕴藏的著名景点的背景信息、可以把一串数字保存成电话；当然运用人脸识别和账号授权，还可以建立更好的照片分类。
国际直播软件
谷歌在本次I/O大会上隆重介绍了Super Chat――一个Youtube视频社交类功能能软件。基于更好的通信和硬件水平，视频或者说互动视频成为了全球的热点，这一点谷歌也不例外。Super Chat是一个基于Youtube的直播打赏软件，功能上相信不需要介绍太多，国内的网红直播，包括最近热门的陌陌、快手视频，都是这个路数。
Android O
会上Android也推出了最新版本Android O，AI贯穿了整个版本的始末，比如“通知点”和“自动填充”。前者支持使用者更智能学习管理自己的推送习惯，减少不必要推送；后者可以为文本信息里面智能增加一些补充。同时，支持登录信息自动记录和补全功能，地图、Netflix视频与浏览器等应用支持画中画功能，还有一个卖点对高度依赖电子邮件的人来讲应该喜欢，那就是Adnroid O可以通过机器学习技术识别邮件的重点内容。Notification Dots类似于iOS App的角标，但长按会看到更多信息，可以说Android O升级的系统通知功能也有自己的特色。另外，谷歌试图从开发人员的方向来解决续航问题，利用Vitals开发者将更好地^察应用的性能表现；安卓机的续航、运行速度与安全是很多用户担心的问题。这次谷歌强调在Adnroid O上面更为重视续航能力，Google Play商店每天会扫描500亿次应用保证软件安全，通过优化后台回收机制与系统启动时间，来提高手机的运行效率。同时，Android系统有了自己的开发语言Kotlin，谷歌称它为更高效且智能的语言。目前最新的Android O测试版的注册页面已经向用户开放，不过目前可以收到推送更新的机型比较局限，只有六款设备，而且需要在注册页面登录自己的谷歌账号，选择自己的安卓设备。对于入门设备谷歌也投入了更多的关注，解决办法是推出了更低存储占用和流量使用的Android Go。大家可以把它看做Android O的轻量版，最早将于2018年推出。
VR眼镜
和此前预测的不太一样，AR和VR并没有占据过多篇幅；不过值得注意的是谷歌推出了Daydream VR，这个概念类似于Android手机里面Nexus亲儿子系列相似。首批产品将于2017年推出，合作伙伴为高通、联想以及HTC。具体功能上，这类VR定位“中端用户”，既不是入门级的塑料盒+手机、也不是旗舰级的电脑插管。它们拥有独立运转硬件，不需要外部连接手机或电脑就可以独立运行。理论上，这类设备对于行业的指导概念更多。会上谷歌还进一步讲解了AR的成果，借助视觉辅助，Tango第二代将与谷歌地图相结合，更好的服务教育――让你看到以前看不到的地方，以及增加辅助教学信息。
移动端的徘徊
在过去几年的谷歌 I/O大会上，Android一直是当之无愧的主角，而自打去年谷歌提出“Mobile first to AI first”（从移动为先向人工智能为先）的口号后，人工智能、VR/AR的戏份越来越多。谷歌作为国际科技公司当之无愧的巨头之一，其每一个动作或布局都势必会得到国际诸多科技公司和媒体人的关注，2016年外界根据谷歌的动作解读为“移动互联网时代真的已经到头了”。
谷歌想利用Android Go攻下亚非拉市场，这是一款够在 512MB 内存的手机上流畅运行的新Android系统。其实，2013年谷歌曾有一个AndroidOne计划，计划试图推动一款廉价手机在世界普及，以求破除Android碎片化问题。但可惜的是，因为网络制式以及费用过高的问题，Android One计划遭遇中国手机的阻击，兵败亚非拉。
在这次Google I/O 上，Google还改进了Google Allo/Duo这两款即时通讯产品，不仅提供了贴纸、涂鸦等功能，还加入了人工智能的语境理解功能。Google Allo/Duo让人很容易联想起Hangouts和Google+这两款社交和通信产品，这两款产品如今都已经半死不活，GoogleAllo/Duo作为新人恐怕很难突破Facebook的社交壁垒。
但就像包括苹果在内的许多科技公司一样，谷歌似乎也在科技创新上有大小年之分。总览今年的会，更像科技公司例行公事，并没有特别大的惊喜，甚至有科学家称不少技术已经在其它公司早已落地。这一两年谷歌大力度在人工智能领域探索，但一直没有预期应用成果落地，也是一个略显尴尬的境地。旧时代终究是旧时代，新时代的布局才最具看点。许多人对今年的谷歌的 I/O抱了很大的期许，但实际许多产品依然是实验性质，缺乏系统性的串联。或许现在可以看做是新旧时代交替期，谷歌徘徊在这个时间节点上，一脚旧时代，一脚新未来。
人工智能的尴尬
近年来，随着大量数据的支撑和算法的发展，机器能够对现实中的场景进行抓取和捕捉，并通过算法将真实场景进行数据化，使之能够对被机器识别，达到对现实的感知。获得数据化的现实场景数据后，同数量庞大的样本数据进行对比训练，实现对场景的识别，称之为机器学习。由于这两大要素涉及到计算能力、算法和大数据支撑的限制，处于实验研究阶段。AlphaGo在同李世石对弈并获胜使得机器学习热度增加，并最终进入大众视野。
在中国工程院院士、香港中文大学(深圳)校长徐扬生看来，感知、认知和动作，这三者为构成人工智能的三个要素。从计算机视觉的例子来看，要让计算机识别一张图片，首先是特征提取，对于图像中的像素进行重要性差别提取，此为感知。然后再对重要的元素进行标注，通过标记成为计算机能够识别的符号，让计算机能够理解图片的内容，此为认知。最后，计算机生成一段话对图片进行描述，这是最后一步动作。
北京航空航天大学教授王田苗认为，此前人工智能发展的50多年间历史时间里，研究人员将大部分精力放在动作方面，因为没有能力完成前两个步骤。通常说的人机交互就是三大因素中的动作，也是目前普遍能够实现的，最为常见的就是工厂里的机械手臂，通过编程人员对机器编入固定程序代码，实现机械手臂重复的动作。为什么会是重复的动作，而不是随心所欲的动作呢？原因在于人为地为机器设定了产生动作的范围和界限，并不是机器根据自己的理解后作出的回应。
也就是说，在机器学习之前，人工智能和机器人的发展主要停留在动作的研究方面，缺少感知和认知的研究，而目前的机器人学习只是人工智能在感知和认知层面的一个早期发展阶段，并且在这个阶段的研究也处于实验阶段。
人工智能领域易形成寡头垄断局面？
人工智能在今年火起来之后，不管是科技巨头还是创业公司，都希望在红利期抓住机会。国内外科技巨头不管通过自身研发还是通过收购的方式，加紧在人工智能领域的布局，想在这一领域占得先机。那么，从目前的市场来看，人工智能产业链上都有哪些公司呢？
首先是计算处理及信息储存的芯片巨头，像英特尔、NVIDIA等公司，它们处于这一领域的最上游，为中下游产业链提供计算处理能力及相关解决方案，他们决定了人工智能发展的深度。其次是大数据产业链中的原始数据获取方，包括运营商、BAT、微软、谷歌等把持互联网入口的公司，它们掌握着机器学习必须的数据资源，决定了人工智能发展的广度。
此外，还有人工智能技术的研发集团，其中自动驾驶、深度学习、语音识别以及图像识别等领域都有着各自取得领先公司和团队。由科技巨头直接牵头耕耘的，诸如谷歌自动驾驶、IBM Waston、百度自动驾驶及语音识别；有实验室和初创公司的杰出代表，如DeepMind深耕深度学习；此外，还有本身就具备雄厚实力的特斯拉自动驾驶、科大讯飞语音识别等。
然而，人工智能的研发需要持续不断的投入以及持续不断的数据积累。在人工智能研究领域有这样一个说法，人工智能需要大量的数据支持，而机器学习对于数据的反馈又会增加数据获取的数量和质量，庞大的高质量数据会更进一步加速机器学习的效率和效果，形成良性循环。这样发展下去的结果就是，这一领域内刚开始领先的公司会更加领先，而处于劣势的公司会逐渐被淘汰出局，最终形成少数几家寡头垄断的局面。
与此同时，一些处于人工智能产业链核心地位的公司，凭借自身技术与财力，通过并购和战略入股等方式，控制产业链达到垄断地位。例如，谷歌在2014年收购了人工智能初创公司DeepMind，两年后我们才看到其研发的AlphaGo击败李世石的场面。
B端市场，人工智能的下个风口将是医疗和金融？
在本次人工智能与机器人峰会上，学术界和产业界的大咖们都发表了其对人工智能下一个风口的看法。
牛津大学计算机系主任Michael Wooldridge认为，下一个AI的应用应该是在医疗领域。目前，我们可以通过智能手环等智能硬件检测用户的心率、血压、血糖，同时还能计步。如果我们将这些数据传给AI处理，就能实现一些健康的应用。这种应用就是让医生随时跟你在一起，每天24小时监测。它知道你睡了多少，吃了多少，知道你血糖的水平，知道你运动的情况等等，同时还能建议你什么时候要健身，什么时候不能吃太多或者是喝太多酒了。
Michael Wooldridge介绍，在英国，国家医疗系统的病例包括所有英国人的病例数据，用药记录。AI如果能够运用到医疗领域，将为我们整个医疗行业带来新的发现，人工智还能的下一个风口应该就是在医疗。据外媒报道，在今年6月初，DeepMind就开始计划将其算法应用到医疗保健行业，同时计划在5年内使用机器学习处理英国国家医疗服务体系的数据。
香港科技大学教授杨强认为，人工智能离不开大数据，所以目前如果判断下一个风口，就要看哪一个行业领域有完整的封闭系统的大数据资源。在金融领域，很多人把所有的整个商业流程全部的记录在案，这里用了数字化的方法。在信息的处理和未来预测方面，如果在一个封闭系统里面，在有大数据的前提，又有资金推动的影响下，金融行业是最容易成功的一个领域。
C端市场，以语音为切入点的消费革命或将到来
从发展趋势上来看，人工智能如果一直停留在实验室、研究所阶段，不进入商用阶段面对C端，无法为普通大众所接触，只是高高在上的黑科技。纵然像AlphaGo那样赢了著名棋手，轰动一时，也只是人们茶余饭后的谈资。
但是资本的推动绝不会让AI只是实验室中的产品，人工智能想要商用化，首先要考虑的是技术难度。从目前的人工智能的几个领域来看，自动驾驶的诸多安全性隐患近期内还无法得到解决，深度学习虽然取得重大成就，但仍处于摸索阶段，自动化机器人无法实现自动编程。不过驾驶之外的语音控制，儿童市场的聊天机器人等领域，让智能语音在大众消费市场的应用风生水起。
【关键词】 人工智能 大脑智能 智能机器人
0 引言
人工智能（Artificial Intelligence），英文缩写为AI，是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机。二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。
1 人工智能的发展历程
（1）人工智能的思想萌芽可以追溯到十七世纪的巴斯卡和莱布尼茨，他们较早萌生了有智能的机器的想法。十九世纪，英国数学家布尔和德摩尔根提出了“思维定律”，这些可谓是人工智能的开端。十九世纪二十年代，英国科学家巴贝奇设计了第一架“计算机器”，它被认为是计算机硬件，也是人工智能硬件的前身。1936年，24岁的英国数学家图灵提出了“自动机”理论，把研究会思维的机器和计算机的工作大大向前推进了一步，在定义智慧时，图灵做出了解释，如果一台机器能够通过称之为图灵实验的测试，那它就是智慧的，图灵实验的本质就是让人在不看外型的情况下不能区别是机器的行为还是人的行为。（2）上世纪三四十年代，维纳、弗雷治、罗素的数理逻辑，和丘奇、图灵的数字功用以及计算机处理发展促使了1956年夏Dartmouth会议上人工智能学科（由“人工智能之父”麦卡锡提出，麦卡锡曾是Stanford人工智能实验室主任）的诞生20世纪60年代以来，采用生物模仿来建立功能强大的算法，包括进化计算等，人工生命以进化计算为基础，研究自组织、自复制、自修复以及形成这些特征的进化和环境适应。70年代以来，Conrad等研究人工仿生系统中的自适应、进化和群体动力学，提出不断完善的“人工世界”模型。80年代，人工神经网络再度兴起促进人工生命的发展。（3）1992年贝兹德克提出计算智能。专家系统在90年代兴起，模拟人类专家解决领域问题。
2 人工智能的研究
强人工智能的观点认为有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。弱人工智能的观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。现在主流科研集中在弱人工智能上，强人工智能的研究则处于停滞不前的状态下。
目前人工智能主要研究内容是：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面，分布式人工智能与多智能主体系统、人工思维模型、知识系统、知识发现与数据挖掘、遗传与演化计算、人工生命应用等等。未来人工智能可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。
3 人工智能的应用
IBM公司“deep blue”电脑击败了人类的世界国际象棋冠军，美国Sandia实验室建立了国际上最庞大的“虚拟现实”实验室，拟通过数据头盔和数据手套实现更友好的人机交互。国际各大计算机公司相继开始将人工智能作为其研究内容，几乎包括所有IT企业，以及很多金融巨头，纷纷建立自己的人工智能产业部，利用“智能”来解决问题。无人驾驶车的诞生，打破了汽车靠人驾驶的时代。
MIT开发出了SHRDLU，STUDENT系统可以解决代数问题，而SIR系统则开始理解简单的英文句子了，SIR的出现导致了新学科的出现：自然语言处理。在70年代出现的专家系统成了一个巨大的进步，它头一次让人知道计算机可以代替人类专家进行工作。在理论方面，计算机开始有了简单的思维和视觉，而不能不提的是人工智能语言Prolog语言诞生了，它和Lisp一起几乎成了人工智能工作者不可缺少的工具。
4 人工智能的影响及发展必须注意的问题
（1）人工智能对自然科学的影响。在需要使用数学计算机工具解决问题的学科，AI带来的帮助不言而喻。更重要的是，AI反过来有助于人类最终认识自身智能的形成。（2）人工智能对经济的影响。专家系统更深入各行各业，带来巨大的宏观效益。AI也促进了计算机工业网络工业的发展。但同时，也带来了劳务就业问题。由于AI在科技和工程中的应用，能够代替人类进行各种技术工作和脑力劳动，会造成社会结构的剧烈变化。（3）人工智能对社会的影响。AI也为人类文化生活提供了新的模式。现有的游戏将逐步发展为更高智能的交互式文化娱乐手段，今天，游戏中的人工智能应用已经深入到各大游戏制造商的开发中。
伴随着人工智能和智能机器人的发展，不得不讨论是人工智能本身就是超前研究，需要用未来的眼光开展现代的科研，因此很可能触及伦理底线。作为科学研究可能涉及到的敏感问题，需要针对可能产生的冲突及早预防，而不是等到问题矛盾到了不可解决的时候才去想办法化解。
5 智能机器人
智能机器人具有类似于人的智能，它装备了高灵敏度的传感器，因而具有超过一般人的视觉、听觉、嗅觉、触觉的能力，能对感知的信息进行分析，控制自己的行为，处理环境发生的变化，完成交给的各种复杂、困难的任务。而且有自我学习、归纳、总结、提高已掌握知识的能力。目前研制的智能机器人大都只具有部分的智能，和真正的意义上的智能机器人，还差得很远。
6 结语
当然，虽然人工智能一直都处于计算机技术的最前沿，但人工智能的发展也并不是一帆风顺的，并不象我们期待的那样迅速，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷。人工智能的问题的在于，一方面哲学、认知科学、思维科学和心理学等学科所研究的智能层次高而抽象；另一方面AI逻辑符号、神经网络和行为主义所研究的智能层次太基本。由于对中间机制知之甚少，这种背景下提出的各种AI理论，就只能是或者完全不同于人类思维，与人类的思维模式相距太远，同时在人类思维方式的理解上也有待突破，不然很难形成更新的AI框架和理论体系。尽管如此，多学科的联合协作研究也带来了足够引人注目的增长。因为人工智能的基本理论还不完整，我们还不能从本质上解释我们的大脑为什么能够思考，这种思考来自于什么，这种思考为什么得以产生等一系列问题。但经过这几十年的发展，我们相信它会给世界带来难以预料的变化。
参考文献：
[1][美]StuartJ.Russell[美]PeterNorvig人工智能：一种现代的方法（第3版）.
[2]人工智能及其应用蔡自兴徐光佑.
[3]游戏人工智能编程案例精粹[美]MatBuckland.
这是以张国荣在影视、电台等留存下来的原声建模，通过情感语音合成技术实现与粉丝“隔空对话”。据了解，任何一个人只要用30分钟按照要求录制50句话，就可以用百度大脑的语音合成技术模拟出这个人的声音，这意味着，今后每个人都可以拥有自己的声音模型。这是百度大脑所具备的基础能力之一，从语音、图像到自然语言理解再到用户画像……百度在这些领域的应用已经深入到人们的日常生活中。当这些能力赋予全社会的每个人，就能变换出无穷无尽的可能性，让我们重塑对未来的想象。
人工智能的这种神奇魅力吸引了各大科技公司，谷歌、Facebook、IBM等国外科技巨头纷纷通过成立人工智能实验室、并购初创公司等方式，在人工智能领域进行多点布局。百度亦不例外，在人工智能方面的研发可谓不遗余力，更是第一个把人工智能提到核心技术创新地位的国内互联网公司。
2015年底，百度挖来NEC美国智能图像研究院的负责人林元庆担任百度深度实验室主任，由他带领深度学习实验室研发具有统治级别的人工智能技术。在本刊的专访中，林元庆表示，“我觉得中国的互联网节奏非常快，尤其是人工智能的发展。现在人工智能的刚需已经很明显了，可以说非常旺盛，关键是如何把刚需挖掘出来，做出来，这才是重要的。”
百度大脑是百度人工智能的核心
《网络传播》：百度大脑目前有哪些阶段性成果，其价值体现在哪里？
林元庆：百度大脑已建成超大规模的神经网络，拥有万亿级的参数、千亿样本、亿级特征训练，能模拟人脑的工作机制。通过深度学习、大规模计算和大数据三大部分，百度大脑目前已经具备了语音、图像、自然语言理解和用户画像四大前沿能力。以语音识别为例，目前百度语音识别的准确率能够达到97%。在人工智能时代，百度大脑将是百度向社会输出人工智能技术能力的核心，经过长期的投入与布局，未来百度大脑不仅将像百年以前的电力一样成为商业新能源，更将深入到生活中，将电影中的场景变为现实。
《网络传播》：百度大脑宣布对广大开发者、创业者及传统企业开放其核心能力和底层技术开放，是出于何N考虑？
林元庆：百度大脑开放共享的思路，实际上是希望在时代变革大幕开启之际，助力广大合作伙伴全面共享人工智能时代，完成下一幕的转型升级。百度大脑未来将与各行各业结合，衍生出不同领域的行业大脑，比如医疗大脑、交通大脑、金融大脑等。目前，百度大脑已经应用到教育、金融和娱乐等多个行业。
人工智能渗透百度所有产品线
《网络传播》：今年基本上全球各大互联网公司都把人工智能作为最核心突破的领域，在这一领域，百度和其他公司的战略方向有何不同？
林元庆：百度在人工智能领域起步早，布局领域广，并且已经有很深的积累，既实现了对内业务的支持，也进行了大量对外技术的输出。目前，百度的人工智能几乎已经渗透到百度所有的产品线当中，以此改进百度全线产品的用户体验并提升用户黏性。比如说手机百度的语音搜索、凤巢的推广系统以及百度外卖的调度系统、百度金融结合人工智能给用户的画像等等。接下来百度一方面将进一步提升各项人工智能技术，打造平台化的对外输出能力；另外一方面还将着力把这些人工智能技术和能力应用到具体行业和垂类中，提升行业的效率，促进行业变革。
《网络传播》：虽然业界普遍认可人工智能的巨大前景，但在目前来看，人工智能在短期内还很难看到盈利，那么，怎么看人工智能的普及和商业化？
林元庆：人工智能已经为百度的搜索业务提供了巨大帮助。人工智能的发展和普及有四大关键性的支柱――机器学习算法（特别是深度学习）、大数据、大规模计算，以及可供以上要素不断训练迭代的大应用。目前，人工智能在前三个领域都已经有了一定程度的突破，同样关键的是人工智能技术的大规模应用，只有在制造业、医疗、汽车驾驶、娱乐等各个领域各个场景的不断应用，才能形成“数据-技术-产品-用户-更多数据-更强技术”这样的一个正向循环。在这些不断扩展的应用中，商业化也就是自然伴随而来的事情了。
互联网的下一幕是人工智能
《网络传播》：如何看人工智能在2016年的“爆发”？
林元庆：1956年夏天，“人工智能”首次被提出，但在之后的半个世纪都没有能够解决人工智能的问题。上世纪70年代到90年代，美国一直有人工智能的课程，但却没有实际的应用，在当时，任何一个领域都看不到有价值的人工智能应用。上世纪90年代以后，数据量越来越大，计算的能力也越来越强，机器学习逐渐兴起；到2006年，深度学习的概念被提出，特别是在2010到2012年间，深度学习在语音识别和图像识别领域取得了突破性进展。深度学习的成功极大地推动了人工智能的商业化。实际上，在2013年，《MIT科技评论》就已经把深度学习列为当年的十大技术突破之首，但今年确实是人工智能大规模商业化落地的一年。
《网络传播》：人工智能将会如何影响各行各业？
林元庆：影响最大的是制造业。当人工智能时代到来，制造业会彻底被物联网改变。未来所有商品都能联网，将数据传回云端，通过人工智能技术进行分析，为消费者带来实实在在的价值。汽车工业也将被人工智能彻底改变，尽管安全问题的解决路径在传统汽车厂商与创新厂家间有所不同，然而我们基本上还比较自信，有一天会进入来自动驾驶时代。此外，娱乐业及健康产业同样也会被人工智能所改变。对于前者，虚拟现实与增强现实很可能会成为主流的内容形式，颠覆消费者对娱乐内容的消费方式；对于后者，通过基因分析、精准的医疗图像诊断，患者的疾病将得到更加精准和个性化的治疗。
当你为你的企业是一个“高新技术”或“高知识含量”的行业新宠而骄傲时，是否同时也为如何驾驭好这个智力型企业、管理好你的智力资源而头疼？这是我们刚迈入智力时代大门时碰到的最大尴尬，一方面“学习型组织”、“知识管理”、“智力资本”等已耳熟能详，但大多数披着“智力”外衣的企业骨子里仍然固执地流动着工厂管理的血液。
从拧螺丝到点鼠标
最重要的原因是，仍然找不到真正的系统的管理智力工作的方法。100年前的泰勒开创性地拿着小本子和秒表，一铲一铲、一分一秒地把体力劳动“合理化”，使得人类的生产率提高了50倍。通过管理时间、人的体力活动和机器运作来管理产出，是工业化管理的精神。但经历了工业时代和后工业时代，迈进智力时代的大门时，我们发现对智力工作者的认识竟然处在“泰勒之前”，再也不能用传统方法来细分咨询公司的工作流程，幻想成倍提高咨询人员的工作效率了。“在21世纪，管理需要做出的最重要的贡献，是使知识工作者的生产率得到同样的提高。”德鲁克在其《21世纪的管理挑战》一书中曾这么说。
摆在我们面前的难题是：如何获取员工脑袋中的知识，并让知识得以在公司中储存和传递；更进一步，用什么方法可以把不同背景的员工或团队结合起来以达到个人无法成就的事情。
某些智力管理方法已经在一些企业内部得到了实践。早在1991年，瑞典第一大保险和金融服务公司斯堪第亚（Skandia）就任命了第一位智力资本官艾德文逊，他后来在平衡计分卡的基础上开发了导航仪（Navigator），把远期的财务目标和客户需求分解到智力资本身上，从而更全面地评价智力资本的价值。又如在管理知识方面堪称典范的惠普公司有这样一个制度，给每个科研人员提供一个本子，专门用来记录科研活动中的每一个创意和细节，在非工作时间和地点想出的点子也必须写下，事后粘贴到备忘录里，以这种方法约束开发人员的行为并保留珍贵的智力成果。
从这些管理事件中我们发现，一方面，能够有意识、有资源和能力进行智力管理的公司仍是少数群体，大多数公司仍在传统管理中徘徊；另一方面，即使是这些少数实践智力管理的企业，一般也只是涉足人力资本的评价以及如何管理（包括储存和共享）知识本身，这仅仅是智力管理的浅水区。而一旦问到该如何协调智力团队（尤其是较高创造性的大型团队），让其很好地协作完成某个项目时，经验指数则不见得高。在美国20世纪六七十年代红极一时的目标管理（MBO）曾希望以分解公司整体目标的方式来保证战略的完成，它也确实从目标导向的角度给予了公司很多良好启示，但可惜，MBO并非在所有领域都能所向披靡。美国国际电话电信公司曾将此作为管理法则，把高难度的利润目标层层分解到部门和个人，使得其销售额惊人攀升。但就在公司达到鼎盛时，却开始以前所未有的速度瓦解和崩溃。其完全以目标和结果为导向的做法换来了高额的股票市值和漂亮的财务报表，延续16年的目标管理实现了，但却牺牲了质量、失去了客户，公司一蹶不振。由此可见，现实并非如此简单，而智力管理的前路甚长。
找不到好的解决方法，有时候还可以归咎为态度看法问题。有的企业高层认为，管理智力资源也就是管理“稍微高级一点”的人才，这是人力资源部门的责任。而很多HR部门则把智力管理等同于一些以人为本的“点子”，比如使用弹性工作制来缓解一下上下班受控的紧张情绪，多组织公司部门活动等等。如果认为智力管理只是一些修修补补的人事方法，又或者认为它只关乎某个部门的事，那就错了。
好的智力管理方法应该能：一、全面控制住智力活动进行过程的要害，既保证创造性又不能失去约束；二、有很强的可执行性而非纸上谈兵。
从传统管理迈向智力管理
智力管理其实并不神秘、也不困难，关键在于经理人和CEO们是否能够理解传统工作和智力工作的基本区别，能否改变以往的思维框架和处理管理问题的方式。向智力管理迈进的第一步，就是要明确新旧管理对象的差别，及其带来什么样不同的管理难题。
根据传统管理对象的特点，只要单纯地控制工人的工作时间、机器的运作过程，善用生产率和差错率等指标就可以了。这种标准化管理方法在如今很多非智力工作领域依然获得佳绩，如在制造行业推行全面质量管理（TQM）、6σ等。而智力时代的管理对象显然发生了很大变化，明确两者的区别后，管理思维也能豁然跳转。
智力管理的关键在于：一要强调你的智力员工的责任，即将他们的“工作时间”和“承诺”相结合来进行管理。二是同样不能忽视产出和质量，但要通过专家“检查”，同事或上级的“接收”来控制。
用规范性的商业承诺解决问题
我们的生活和商业活动都离不开“承诺”，但一提起承诺二字，大部分人往往会联想到法律和婚姻，这些离真正的商业承诺还有很大差距。
究竟什么才是可用的、规范性的商业承诺呢？首先它不应该是感情式的承诺，此种承诺（如婚姻）非常依赖感情基础，一旦感情破裂，承诺则没办法继续维持，工作环境中可能需要和你不喜欢的人合作，所以感情承诺不适用于商业。也有人提出可以在商业环境中使用法律文书类的承诺，但不要忽略了法律上的承诺虽然规范，却花费较贵又耗时（需要律师、合同签署等），而且也没必要让每一个员工对每次工作上的行为承担法律后果。至于充斥于工作中的口头承诺如“没问题”、“我尽力”算不算规范呢？实际上，这种承诺的当事人往往没有充分了解承诺事项就信口开河了，或者是对自己的能力没有自知之明随便夸下海口，同时，这些承诺亦缺乏监督，约束力极小。
在商业活动中，正是由于缺乏规范的承诺，使得很多项目和公司付出了相当大的成本和代价，也丧失了宝贵的客户。因此，应该引入“承诺管理”来规范商业活动的过程。
什么是承诺管理？规范化的承诺管理是连接无形的智力思维和其产出的最好桥梁。在一个规范承诺中，承诺的一方要做到三点：
第一点，对自己的承诺事项充分理解，换句话说，就是要非常清楚自己的能力是否足够胜任，以及需要依赖哪些因素才能完成任务。比如在一个项目组中，上级A问下属B：你可以在星期五前交付X文件吗？现实当中的B经常有如下三种回答：
一、可以，但需要依赖C做好文件Y；
二、可以，但如果C推迟的话，我也可能会推迟；
三、可以，但C一定要在星期三前把文件Y给我。
在这种情况下B是很容易用C或Y，甚至用上班塞车来做借口，如果上级A不懂得加强B的自我管理能力，就容易陷入自己追踪项目里某一样东西的尴尬局面。所以，关键是令B变得更为成熟，学会评估自己的能力，辨清自己需要依赖的东西(相关的同事、上级和生活中的不可控因素)以及是否有能力管理这些依赖因素
第二点，在对承诺的事项充分了解之后，承诺人需要对自己所用的工作时间和产出能力做出恰当的自我评估。我们都知道，对于很多智力工作来说，“坐足8小时”并不等于“工作8小时”。事实上，去100%地控制智力工作过程是不可能的，但完全可以要求当事人在自我评价的基础上，做出一个相对可信的、中肯的时间和产出评估。这就是“柔性”控制――通过管理人的承诺，来间接控制结果。
第三点，承诺人要向上级、同事郑重地承诺并公开承诺事项，负有人尽皆知的压力；并且，这些承诺都应该由管理工具正式如实地记录下来。这就好比举行西式婚礼，神父都会问你是否愿意终生爱一个人并娶她为妻/嫁他为夫，你答应后，所有的亲朋好友都见证了你的承诺，当你要破坏承诺时就会有很大的压力。工作环境亦然。承诺管理让组织和团队高效运作在一个组织和团队中（尤其是庞大的组织），工作合作和依赖会变得错综复杂，沟通的数目和工作成果的数量会扩展到成千上万。举一个最典型的例子，一个软件开发团队要包括分析和开发人员，他们要根据不同工作范围的用户组的需求来写软件，写成后还要由另一队人马在不同环境中测试，在使用阶段还必须长期维护并开发下一个版本。如此开发过程中，成果转移、交接的次数，责任重叠的几率会倍增。因此，项目经理不得不花大量时间处理令人头疼的智力成果传递、协调问题。只有引入规范的承诺管理才能有效控制这种局面。
仍以开发某个软件产品为例，假如该项目团队引入了规范的承诺管理，则所有的活动和成果交付都有了依据可循，令沟通一下子透明起来。即使是经验颇浅的新手，也可以获得团队成员的有效承诺。比如最开始要获得客户需求，可以通过团队成员间的承诺来保证获得；在编写代码的过程中，团队成员间也会有为数不少的依赖，并需要传递各种成果，这时也可以由承诺来保证传递，并进而对整个代码交付做出承诺。相似的，其他流程如设计、测试，及至最终对外部客户的成果交付，都应该由相关人等通过规范性的承诺来保证完成。除此之外，承诺还可以保证开发过程每个步骤和成果的质量，如对于那些关键的交付成果，都必须由专门的接收人承诺负起接收和检查的责任。
太多经理人一开始就对劳动时间、流程、生产率、标准化等词汇过于熟悉和习惯，以至于他们无法看到智力工作与传统工作的区别，当然也更找寻不到管理良方。对于团队来说，“承诺管理”不仅是一种共同的、正式的工作语言，而且还有一个非常重要的“记忆”作用，即通过工具记录从而公正地评价每一个智力工作者的工作。因此，承诺管理对考核也是意义重大的。
通常来说，在公司里长期工作的经理人是清楚其下属完成工作的态度和能力的，但经理人一旦离去，公司就失去了他（她）记忆中宝贵的工作资料。而新来的经理则不得不又花费一段时间才能获得同样的下属工作资料。如此流动的公司记忆给管理者带来了不小的管理成本，也给员工带来不公平的感觉。
人是不够诚实的，无论是评价还是向上级报告自己或他人的工作，都或多或少受到主观因素、人际关系环境的影响。而规范的承诺管理可以充当一个中立人的角色，通过管理工具记录下最公正和准确的人力资源工作笔记，诚实地向上汇报。承诺的兑现、破坏最终都会成为每个人为自己书写的评语，它能如实地评价每一个人的工作绩效，虽无声而胜有声。
管理学家早在20年前就说过，对于发展至今的人类社会来说，“人与其说受制于工具，不如说受制于视野”。
正是由于太多经理人一开始就对劳动时间、流程、生产率、标准化等词汇过于熟悉和习惯，以至于他们无法看到智力工作与传统工作的区别，当然也更找寻不到管理良方。
关键词：智力；智力理论；心理学
中图分类号：C911 文献标志码：A 文章编号：1002-2589（2012）29-0085-02
智力究竟是什么？智力的本质是一元的还是多元的？智力是如何发生如何发展的？我们如何测量智力及其影响因素又是什么？这些问题始终困惑着智力研究者，一代代心理学家纷纷提出自己的观点理论，心理学界对智力的研究一度呈现百家争鸣的状态。从心理学还在哲学母亲的孕育中以来，在千年的研究探索中，智力的本质始终没有定论，人们就智力究竟是什么的争论，使对智力的研究成为心理学研究中最有活力、最有朝气的领域。
一、西方对智力是什么的历史探讨
智力是什么？对这个问题的追问连同我是谁、生命从何而来一道成为哲人们的永恒话题。对智力的讨论至少可追溯至古希腊时期，柏拉图认为学习能力是智力的一个重要方面，学习能力强能够举一反三的人是聪明人，而学习能力差且容易遗忘的人则是愚笨的人。柏拉图认为在智力方面，人们是生而平等的，而个体智力的差别是后天形成的，即主要由于教育和榜样作用的影响。亚里士多德则主张社会不同阶层的区别是智力个体差异的原因，上帝赋予人的天赋是并不均等。而且在个体成长中智力天赋是固定不变的，将生育限定在那些处于社会阶层高的人，才能提高整个社会的智力水平。亚里士多德根据反应的“敏捷”和“迅速”来判断智力，聪明的人体现在他对事物现象及其原因的快速反应和理解上。
17世纪唯物主义哲学家霍布斯区分了自然性智慧和获得性智慧，前者是个体从实践和经验中获得的，后者则是通过文化和他人传授获得。著名哲学家洛克重视智力与反应速度间的关系，认为能够快速记忆和学习的人比较聪明，且区分不同事物的能力也比较高。18世纪哲学家康德认为，智力是一种高级认知能力，智力主要包括理解能力、判断能力和推理能力。19世纪被推崇为“美国心理学之父”的詹姆斯则区分了人与动物在智力方面的差别，即人类能发现不同观念间的相似性。詹姆斯还区分了两种不同的智力，即分析智力和直觉智力。
纵观西方哲学家和心理学家对智力概念的理解和分类，我们可以看到，虽然不同的哲学家对智力的内涵及其分类不同，可他们均强调智力的核心成分应该是学习能力、分析能力和快速反应能力。智力主要表现为一种认知能力，人们常常将智力与快速反应能力相联系。
二、现代智力研究的发展与演变
以1879年冯特在德国莱比锡大学建立科学心理学为标志，人们对智力的研究从哲学层面的探讨开始转到心理学范式的研究，同时“智力”（Intelligence）应运而生。研究者应用心理学的研究方法和技术手段，对智力可能的结构、智力形成机制和发展特点、影响智力的因素及测量智力的方式、标准进行了丰富的研究。对智力的深入、科学的研究推动了人类对智力本质的认识。随着研究内容的不断拓展、研究方法的不断创新，心理学对智力理论体系的建构也逐渐丰富充实。系统的智力研究从20世纪初至今大致经历了五个阶段的变化——心理测量学取向、认知心理学取向、文化生态学取向、智力多元化取向和神经生理学取向。
20世纪50年代前，智力研究领域是心理测量学取向一统天下，心理测量学取向最基本的假定是：智力是稳定的。正因为智力是稳定的这个前提，智力才可能被测量和评判。心理测量学取向认为智力测量可以以因素分析法为主，通过对智力结构的因素分析，探寻出构成智力的主要因素。不同心理学家纷纷提出自己对智力因素的建构：斯皮尔曼说明了智力双因素理论、瑟斯顿建构了智力群因素理论、吉尔福特提出了三维智力结构理论、卡特尔提出了流体智力/晶体智力理论。但以上智力理论均对智力构成因素进行静态分析，并没有看到智力动态过程性的特点。迄今为止，尽管心理学家们逐渐摒弃了从心理测量学方面研究智力，但以心理测量学为基础构建的智力测量和评定在实际生活中的应用仍然最为广泛，根据因素分析法编制的各种智力测验在西方人生活中仍然扮演着重要角色。
20世纪60年代后，认知心理学研究兴起，心理学家们逐渐意识到，传统的智力心理测量学研究取向局限在对智力结构的静态描绘，忽略了智力活动是一个动态过程的事实，因此认知心理学的兴起为心理学家从内部行为结构对智力进行研究提供了理论基础。他们采用成分分析法来刻画智力的加工过程，从信息表征和加工方式上来寻求智力差异的原因。詹森、戴斯是智力认知取向的主要代表，戴斯等人于1900年提出了PASS模型理论。PASS模型将传统的因素分析法、认知加工的理论及方法与鲁利亚提出的大脑功能分区理论结合起来，形成了智力“计划-注意-同时性加工和继时性加工”模型。相比于心理测量学取向，认知心理学取向从探寻智力的结构模型到描绘智力加工过程模型的转变，在对智力内涵和本质的认识上前进了一步。认知取向虽然认识到智力是一个动态加工过程，并在传统心理测量学取向的基础上完善了研究方法，但仍存在一些不能解决的问题，如不能提出智力个体差异的相关解释，对智力影响因素的分析中缺乏对情境变量的考察，没有能够行之有效地验证其理论的智力测验。
无论是心理测量学的结构论还是认知心理学的过程论，二者均从内部结构方面对智力进行了说明，在这个意义上看，二者的研究在一定意义上将智力局限在“纯粹的智力”，忽视了影响智力的外部世界——文化环境和生态环境对智力形成和发展的影响。20世纪80年代心理学呈现出文化转向运动，随着研究技术的发展，先进的技术手段使得对智力生物因素的宽泛研究成为可能。在这样的大背景下，智力研究出现一种新的取向——文化生态学取向。智力的文化生态学取向研究的重要代表人物之一是博瑞，他提出研究智力的两种方式：一是智力文化研究，即强调文化环境对个体智力形成的影响；二是智力种族研究，即强调生物因素对智力发展的影响。我们认识到智力是一定文化背景下的智力。智力的文化和生态学取向突破了智力研究中单纯考察智力内部结构的局限，更加看重智力发展过程中社会文化及生物遗传的影响。结合智力的文化因素和生物生态因素的研究顺应了智力研究的整体趋势。
智力研究方向的不断拓展，研究程度的不断深入，研究者们意识到智力的内涵不是简单的学习能力或是认知速度，而是一个多层次、多维度的复杂的体系，只从一个侧面对智力本质进行归纳难以把握智力本质的复杂性。20世纪80年代后，智力研究呈现出多元化取向，其中比较有代表性的理论包括加德纳的多元智力理论、斯滕伯格的三元智力理论等。美国心理学家加德纳在1983年提出多元智力理论，该理论认为智力不仅是一种而是一组能力，智力多种能力形成一个相对独立的智力系统。加德纳最初认为存在7种智力，后来又增加到9种，即视觉-空间智力、身体-运动智力、言语-语言智力、逻辑-数理智力、音乐智力、人际交往智力、自我反省智力、自然主义智力和存在主义智力。另一位多元智力理论的代表美国心理学家斯腾伯格提出了三元智力理论，他认为智力存在跨越文化的三个基本信息加工成分：元成分、操作成分和知识获得成分。斯腾伯格认为人们对信息加工的差异是因为个体在这三个成分上存在差异。
20世纪90年代后，随着脑科学、神经科学的迅速发展，兴起了一个新的智力研究取向——神经生理学取向。2002年，加里及其同事在综合神经科学和认知科学发现的基础上，对人工神经进行系统研究并提出智力的神经可塑性模型。神经可塑性模型中个体智力随其大脑神经系统可塑性的发展而发展，个体神经可塑性程度的高低反映了个体神经联系对环境的适应能力，也标志着个体间智力发展水平的差异。个体神经可塑性并不是永恒不变的，环境刺激能够激发神经系统对任务进行调节来发展神经联结，同时神经系统的调节和适应能力也随时间、区域的不同而变化，这也就确定了智力发展关键期的存在。神经可塑性模型试图将心理测量学对智力研究的理论与神经科学中认知科学在智力研究中的发现进行整合，来说明智力的生理基础和本质。神经可塑性模型的提出使人们更加充分地认识到智力发展与神经系统的密切关系。
纵观智力研究不同取向的发展，传统的智力理论尚未退出历史的舞台，随着科技水平的发展而出现的新兴智力理论纷纷登场，不同研究立场和方向的智力理论日臻成熟。研究者们提出了丰富多彩的智力理论，从不同学科、不同角度充实了我们对智力的认识，让我们对智力本质的探索越来越全面，对智力的发生和发展的认识越来越具体。
三、智力研究的新取向
社会信息化的发展及知识经济时代的到来，成功教育出适应社会发展的人才成为各国综合实力竞争的最终决定力量，如何能够更加有效、充分地培养人才，如何在科学技术飞跃发展的今天，让智力研究更加适应社会和生活的需要，成为心理学家们迫切需要研究和解答的问题。同时，对自身的认识以及对个人自我成长发展规划的需要，也成为我们不断进行智力研究的动力。
1.智力的内涵从一元单维向多元系统发展，对智力跨专业跨学科的研究增多
传统的智力观将智力研究局限在狭窄的学业智力上，其编制的一些智力测验仅仅测量的是个体言语和数理逻辑的能力，忽视了个体在生活中遇到其他情景并成功应对也可以纳入到智力研究的范畴，而且以往过于简单的智力观并不符合人类智力活动复杂性和多样性的特点。心理学的研究不仅需要进行理论探讨，也应该将科学心理学知识应用到社会实际生活中，考察理论的稳定性和适应性。在多元文化背景下对智力进行系统研究逐渐成为适应社会发展的必然方向，在这样的背景下，智力研究出现多元智力理论，如加德纳提出多元智力理论、斯滕伯格提出三元智力理论等。20世纪80年代以后，随着不同取向智力研究成果的融合统一，有影响力的智力理论大多采取了系统论的观点，试图整合各种智力理论的合理之处。生物技术和计算机科学的迅猛发展，脑成像、人类基因解码、人工智能等高端科学技术让研究者们更精确地检测智力的神经生理机制成为可能，智力研究开始将宏观解释与微观探查相结合。这就要求我们在考察智力这一复杂的心理现象时，必需打通学科与专业的界限，将心理学与脑科学、认知神经科学、语言学、文化人类学、教育学、社会学等学科结合起来，实现各领域专家通力合作，跨专业跨学科建构智力理论，更加全面深入地认识智力。
2.力研究更加重视社会文化背景因素的影响
早期智力理论研究，尤其是智力测量方面特别注重对“纯净的”智力的评定，即不受任何后天社会文化因素影响的智力。随着智力神秘面纱的层层揭开，智力研究范围的渐渐扩展，人们发现将智力研究孤立于形成和发展智力的社会文化这一大环境之外，人为地局限智力的研究领域，只会让智力研究停滞不前，得出片面狭隘的观点。近些年，后现代主义思潮涌起，心理学研究受到社会文化理论的影响，在多元社会文化背景下对智力进行研究成为必然。人们逐渐认识到社会文化在很大程度上制约着智力的形成和发展，不同文化背景下对智力存在不同的观念，所以智力研究开始更加重视社会文化背景因素的影响。强调个体社会化过程对智力发展的影响，将对社会文化背景因素的考察纳入到智力研究的领域中。在这样的前提下，智力研究不再割裂社会文化和智力的关系，而是将社会文化环境与智力研究紧密联系起来。
3.力研究更加重视在社会生活中的科学运用
工业快速发展，对能熟练操作机器的人才的需要是探索智力研究最初的原因，人才标准的建立、如何教育出可以进行社会生产的相关人才的方法成为心理学研究中急需解决的问题。当代智力研究的最初目的就是为了解决以上问题，测量心理学取向的智力研究最初的想法也许是为了测量个体的智力水平，以衡量其是否适合参与社会生产。随着智力研究的发展，可喜的是心理学家们并没有脱离实际去空谈智力，无论是斯滕伯格的智力理论还是加德纳的多元智力理论，其研究的目的都是基于社会实践的需求。对智力的不懈探索，根本目的就是为了更好的教育人才和更好的实现个人的自身价值。对智力内涵的研究，以及智力理论的构建，不仅推动了教育学研究的发展，使得对个体的智力开发更加科学合理，让人们树立正确的人才教育观，也有利于人们在社会生活中更好地发展，更好地开发我们的潜能，准确地测评我们的能力，为社会发展和进步贡献力量。
参考文献：
[1]蒋京川，叶浩生.智力是什么？——智力观的回溯与前瞻[J].国外社会科学，2006，（2）.
[2]蒋京川，叶浩生.心理学的视角：关于智力本质的当代思考[J].自然辩证法通讯，2007，（2）.
[3]赵笑梅.智力理论的最新发展探析[J].教育探索，2005，（4）.
[4]陈英和，赵笑梅.智力研究的新取向[J].北京师范的学学报：社会科学版，2006，（4）.
[5]王莉萍.对智力本质及其科学运用的思考[J].山西大同大学学报：自然科学版，2008，（3）.
[6]赵笑梅.智力理论的最近发展与演变[J].比较教育研究，2005，（1）.
[7]张常洁.智力理论的新进展及其教育涵义[J].心理科学，2003，（4）.
原文链接：https://www.gwyoo.com/haowen/218695.html
