如何看待人工智能未来十年的发展空间 如何看待人工智能未来十年的发展空间大

如何看待人工智能未来十年的发展空间

云栖君先来说说2018年AI的趋势。

下面说的内容是从开发者的角度分析2018年AI的趋势：拿来即用的AI领域、算法与技术。例如GANs、ONNX、Zoo、AutoML、语音识别、时间序列分析、NLP、高智能机器人等。

在2017年有些人工智能的技术已经变得非常成熟，并已做好了大规模应用的准备。这就是本文将要讨论的问题---介绍当前的工作中能够使用的技术，或者能基于哪些技术来构建自己的创业公司。例如，您可以看到时间序列分析，因为在时间信号处理中，深度学习正在迅速取代以前的技术。但是在这你看不到强化学习，即使它更酷，但依我拙见，它现在还不能用于工业应用。但，它是一个非常具有研究价值的领域。

我将在三篇系列文章中，分别从人工智能研究员、应用机器学习开发人员和普通人三个不同的观点出发，分享我对未来一年在人工智能领域将会发生什么的观点。

生成对抗网络（GANs）

之前我对几年前创建的生成对抗网络保持非常怀疑的态度，即使它这几年进步巨大，尤其在读完数学文章后更加怀疑GAN是否真的了解分布。但是今年这种情况发生了一些变化，首先是新的有趣的架构（如CycleGAN）和数字改进（WassersteinGAN）让我在实践中尝试使用了GANs，而且它们工作的差不多都很好，在接下来的两个应用程序中，我确信我们可以并且必须使用它们来生成。

首先，我非常喜欢英伟达（NVIDIA）关于生成逼真的全高清图像的研究报告，但是我真正喜欢的是并留下深刻印象的是生成假的色情影片。

其次，它正在被广泛应用到游戏行业，如生成景观，英雄人物，甚至用GANs创建整个世界。而且我们必须意识到这种全新的假货水平，从生成假的影片开始，最后将在网上生成能够以假乱真的人（也许很快就会实现了）。

所有神经网络的独特格式

现代发展的一个问题是，许多不同的框架在做同样的事情，如今，每一家从事机器学习的大公司都拥有自己的框架和其他开源解决方案。

在单独的AI应用中，我们希望使用不同的框架，例如计算机视觉的Cafle2,NLP的PyTorch和一些推荐系统的Tensorkow/Keras。合并它们需要大量的开发时间，它分散了数据科学家和软件开发人员从事更重要任务的注意力。

解决方案必须是一种独特的神经网络格式，可以很容易的从任何框架中获得，然后开发人员能够轻松地部署，科学家可以轻松地使用，在这里我们遇到了ONNX标准：

实际上它只是简单的非循环计算图表格式，但在实践中它给了我们机会部署真正复杂的人工智能的解决方案，我个人认为非常有吸引力的是：人们可以在没有强大的部署工具并且不依靠TensorFlow生态系统的前提下，在PyTorch这样的框架中开发神经网络。

Zoos大爆发

之前我使用CafleZoo的模型进行迁移学习或特性提取，最近发现它就像大型计算机视觉管道的一部分一样。这意味着实际上没有必要训练自己的网络，例如，对于ImageNet对象的识别或局部识别，这些基本的东西可以下载并插入到您的系统中。除了CafleZoo之外，还有其他一些框架的Zoo，但让我惊奇的是，你可以在计算机视觉、NLP和加速计信号处理的iPhone上插入模型:

我认为这些Zoos会越来越多，并且会关注像ONNX这样的生态系统，它们会更加集中（同时也会使用ML区块链应用程序进行分散）

AutoML更换管道

设计一个神经网络框架是一个非常痛苦的任务——虽然有时通过叠加卷积层能获得相当好的结果，但是大多数时候需要非常小心的使用直觉和超参数搜索方法设计宽度、深度和超参数，如随机搜索或者贝叶斯优化。特别是当你不在计算机视觉研究时，这意味着没法在ImageNet上完成一些DenseNet模型的训练，但是可以使用一些3D数据分类或多变量时间序列应用。

虽然有很多不同的方法尝试从一个神经网络中创建另一个神经网络架构。但对我来说最好用最干净的是最近的Google研究开发结果：

他们能够用它来生成比人类设计的网络更好更快的计算机视觉模型！我相信很快会有很多关于这个话题的论文和开源代码。

形式化的智能堆栈

为了了解这一概念，我大量阅读了俄罗斯系统分析师和AI爱好者的AnatolyLevenchuk的博客。在下图中你可以看到一个能够称为“AI堆栈”的例子：

http://www.tvmlang.org/2017/10/06/nnvm-compiler-announcement.html

“AI堆栈”更深层次，在每一个层面都有自己的发展和研究，而不只是由机器学习算法和你最喜欢的框架构成。

我认为人工智能开发行业已经足够成熟，它需要有更多不同的专家。在团队中只有一名数据科学家是远远不够的——你需要不同的人来进行硬件优化、神经网络研究、人工智能编译器、解决方案优化、生产实现。以上人员必须是不同的团队领导，软件架构师（必须分别为每个问题设计上面的堆栈）和管理者。我曾经提到过这个概念，它提供了一些愿景，在未来人工智能领域的技术专家能够成长成什么样子(对于那些想成为人工智能或技术领域的软件架构师的人来说，你需要知道该研究什么)。

基于语音的应用

AI可以用>95%的精确度解决的问题列表其实很短，我认为还有一个领域可以通过努力达到这个标准，那就是语音识别和生成。实际上，从一年前DeepMind的WaveNet发展到最近谷歌开发的Tacotron2，该技术已经进步飞快：

很快，这项技术将会在开放源码中被发布，每个人都能够识别声音并以非常高的准确度生成它。等待我们的是什么?更好的个人助理，自动图书朗读器和谈判抄写员，当然，还有配音。

更加聪明的机器人

我们今天看到的99%的机器人根本不是人工智能，它们只是硬编码或者最好的情况下机器人有一些基于句子分类神经网络的长短期记忆网络（LSTM）和词向量（word2vec）。但是现在最先进的神经语言程序学（NLP）略高于这个水平了。让我们看看Salesforce做了哪些有趣的研究：

他们将NLP接口构建到数据库中，克服了现代编码-解码器的自回归模型，不仅只对文字或句子，还对字符进行训练嵌入。

我相信，通过这些开发，我们可以增强我们的机器人，至少在更智能的信息检索和命名实体识别方面，或许也可能，在一些封闭的领域实现完全深度学习驱动的机器人。

时间序列分析现状

在公共机器学习实验室里，排在Salesforce之后的第二名是严重被低估的UberAILabs。不久前，他们发布了一个博客展示了他们对时间序列预测的方法。下图所示，这是一个非常好的将统计特征和深度学习表现结合的例子：

例如使用34-layer1DResNet模型诊断心律失常。它最酷的部分是性能：不仅比常见的统计模型更好，甚至诊断准确率优于专业心脏病专家！我最近在深度学习的时间序列分析中做了大量的工作，我可以亲自确保神经网络工作的非常好，你可以很容易地得到比“黄金标准”高5-10倍的性能。

内嵌函数之外的优化

我们如何训练神经网络？说实话，我们大多数人只是使用“Adam（）”和标准的学习率。一些聪明的人选择最合适的优化器，并调整和安排学习速度。我们总是低估优化的主题，因为我们只需按下“训练”按钮，就只等到我们的网络收敛。但是在计算能力，内存和开源解决方案方面，我们都拥有几乎平等的机会，而优胜者是那些能够用最短时间获得最佳性能的——这一切都来源于优化。

一般炒作放缓

http://cdn.aiindex.org/2017-report.pdf

这幅图能告诉我们什么，尤其是在阅读了这篇文章之后？要开发新的、有价值的东西并从中获得大量的资金并不容易，要考虑到已经有多少开源工具和算法被发布了。我认为，2018年对初创公司来说不是最好的一年，因为有太多的竞争对手和太多的“聪明人”，他们可以利用今天的开源网络并将其部署为移动应用，并称之为初创公司。

今年我们必须专注于基本的事情，而不是快速赚钱——即使我们打算用谷歌的Ratacon来为一些有声读物的初创公司提供语音识别服务，它也不可能是一个简单的web服务，而是与合作伙伴开启业务，通过商业模式来获得一些投资。

总结

我简单地总结一下，有几种技术现在可以用于实际产品：时间序列分析，GANs，语音识别，NLP的一些进展。我们不应该再设计用于分类或回归的基本框架，因为AutoML就能做这些。我希望通过一些优化改进，AutoML能够比以前更快。再加上ONNX和ModelZoo，只需两行代码就能为我们的app加入基本的模型。我认为制作基于AI的应用程序已经变得非常容易，至少在目前最先进的水平上如此，这对整个行业来说都是好事！

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.

如何正确看待人工智能时代的发展

人工智能时代加速了。

在人类所有的造物里，这是第一次，造物具备了智能。甚至在某些专业领域，人工智能已经超越了它的创造者。

以致于凯文。凯利感叹：学会向我们的创造物低头。这其中，憧憬者有之，警惕者亦有之。

未来是否会像科幻电影一样？

但其实，大部分人对人工智能的想象都是错的。我们过多地沉迷于科幻电影带来的视觉冲击，却忽略了近在眼前的生活。

比尔。盖茨也说，我们总是高估未来2年会发生的改变，却低估未来10年会发生的改变。

但其实，改变不是一种命运，它是一种选择。就像圣雄甘地所说：“Bethechangeyouwanttoseeintheworld.”

这一次，我们不做预言，不看遥远的未来，我们就聚焦当下，看看我们究竟能用人工智能做什么，我们如何用它创造真正的价值，这中间需要准备些什么，又要注意些什么。

毕竟，我们创造AI的目的是为了改善生活。

如今，它近在咫尺。

从AI到智能体

对AI抱有期待和对AI恐惧的两类人，可能都没有意识到，他们的期待和害怕本质上都是同一件事：AI太智能了。

但这其实是一种错觉。

是的，没错，AI已经在诸如围棋这样的智力游戏上虐得人类体无完肤。但是，目前所有的人工智能，都是弱人工智能，只能处理特定的问题。而具备与人类同等智慧、甚至超越人类智慧的强人工智能，或者说通用人工智能，目前并不存在，短期内也看不到实现的可能。

幻想虽无边际，但人工智能要走的路还有很长

这就好比，狗的嗅觉比人类敏锐那么多，但它只是人类的好朋友。

从这一点来说，单独的AI其实很鸡肋。它只是一个轮子，它确实比我们的腿要快一些，但前提是我们得把它装到车上。

而这也是我们下一步必须去做的：光有AI并不够，它只是一个核心，还需要同真实世界发生交互、产生联接，创造应用，才能真正为人类社会服务。这便是华为提出的智能体概念。

在华为全联接2020，华为云与计算BG总裁侯金龙发布了智能升级的参考架构智能体。智能体是以AI为核心，以云为基础，构建一个开放、立体感知、全域协同、精确判断和持续进化的智能系统。它包括四层：智能交互、智能联接、智能中枢和智慧应用。

智能交互是智能体的五官和手脚，它联通物理世界和数字世界，让数据、软件和AI算法在云边端自由流动。

智能联接是智能体的躯干，通过5G、F5G、Wifi6等物理联接提供泛在千兆、确定性体验和超自动化的网络，实现无缝覆盖，万物互联，实现应用协同，数据协同，组织协同。

智能中枢是智能体的大脑和决策系统，基于云基础设施，赋能应用，使能数据、普惠AI，支撑全场景智慧应用。

智慧应用则是智能体的价值呈现，通过与客户、伙伴的协同创新，加速ICT技术与行业知识的深度融合，重构体验、优化流程、使能创新。

有了智能体，AI巨大的生产力才能发挥作用，才能为人类生活创造价值。智能体是未来政府、企业智能升级的参考架构，是我们在AI这个轮子上建造的动车。

智能体早已在华为内部得到应用，华为自身的数字化转型就是采用了智能体的架构。

在智能交互上，华为通过IEF，把摄像机、智慧屏、传感器等600多万交互设备连接起来，实现边缘智能化。

在智能联接上，华为引入WIFI6和5G，覆盖了所有园区。通过WeLink联接近20万员工，超百万的合作伙伴和客户。

在智能中枢上，华为将所有的资源和数据在华为云上汇聚，IT能力在云上提供服务。

在智能应用上，华为将AI引入所有主业务流程，目前已经在200个场景应用，如销售、研发、制造、供应等，创造了超过8000名数字员工。

除了华为自身实践外，华为与伙伴一起已经在超过600个项目上落地和实践智能升级。

在华为全联接2020，深圳市市长陈如桂表示，深圳正在积极抢抓粤港澳大湾区和深圳先行示范区“双区”建设重大机遇，努力打造全球标杆城市，特别是将依托华为等科技企业的先进技术，建设鹏城智能体，全力创建全国数字经济样板城市。

当前，深圳通过智慧城市建设，实现了科技赋能、数字转型、云上行动，加快电子信息产业的迭代升级，不断提升城市治理和政务服务能力。在深圳，98%的行政审批事项实现了网上办理，约95%的行政许可事项实现了“零跑动”，企业和市民办事更加便捷。通过建设全市AI智能信号灯控“一张网”等智慧交通服务，城市高峰期机动车通行速度提升10%，达到世界一流水平。

智慧机场建设全面实现了刷脸登机和机位智能分配，机场出港航班准点率达90%，位居全球大型机场前列，旅客平均等待时间缩短近40%。

深圳已经实现了所有医院医学检验和影像检查结果互联互通互认，在智慧医疗的服务支撑下，让患者平均节省40分钟左右的排队时间，每年降低患者就医费用4000多万元。特别是在这次疫情防控中，深圳充分发挥智慧城市的作用，坚持科技抗疫、智慧防控，广泛应用5G远程医疗等新技术、新手段，有力提升了疫情防控效能。

在华为全联接2020期间，深圳市与华为发布共建鹏城智能体，通过打造具有深度学习能力的城市级一体化智能协同体系，让城市能感知、会思考、可进化、有温度，引领未来深圳智慧城市建设，将深圳智慧化水平推向更高阶。

显然，鹏城智能体的建设是一项浩大的社会工程，需要政府、企业、市民、社会共同参与。一大批科技企业、各领域专家学者、各行业社会组织以及广大市民一起都将参与其中，共建、共筑、共创、共享。

除了对城市赋能，智能体在行业亦可大展身手。

在永锋钢铁，通过AI与工业机理融合，对钢的晶粒度品质评级。以前判定结果受人工主观影响大，如今借助AI，钢材智能评级结果准确率达到95%以上，评级效率是人工的数百倍。

以高速自由流为例，全国改造了9400多个收费站和8万车道，取消省界收费站244组，建设龙门架2.5万个，发展2亿ETC用户。实现了全国高速公路一张网，开创了收费站无感知通行;客车通过省界收费站的平均时间，从15s减少到2s;货车的通过时间，从29s缩短到3秒。

这些实践都在表明：智能体正在改变千行百业。

从智能体到全场景智慧

如果站在更宏观一点的角度，智能体还只是服务侧的愿景，是企业、政府等对自身的一种智能化升级。

但华为提出的“全场景智慧”，则是站在用户的视角，以用户体验为中心，围绕用户的实际场景和使用习惯展开，将智能渗透到社会的方方面面。

全场景智慧是指面向城市、企业和行业等场景，通过5G、云、AI、计算等多种技术与行业知识深度融合创新产生的裂变效应，提升城市综合治理水平，让居民的幸福感更强、企业生产效率更高、行业创造力更强。全场景智慧将覆盖城市、企业、行业，惠及每个组织、每个家庭、每个人。

为什么要与各种场景深度融合？

因为智能体价值的发挥依赖于与具体产业或经济形态结合，比如：与城市的结合就形成智慧城市，跟工业制造结合就形成工业制造4.0，跟物流结合就是智慧物流。

为什么是“全场景”？

因为没有局部的智慧。“天地与我并生，而万物与我为一”。社会是一个整体，任何局部的智能化升级都将被其他未能升级的局部所牵制，从而影响整体的效能和体验。所谓“智慧”，是人类对生命的认知、对平衡的感知和对事物间联系的理解，包括判断力、洞察力和理解力，是这些能力的统一体。因此，智能必须覆盖全场景，才能称得上智慧。

为什么是现在？

2020年是5G商用新时代，高速率、低延时和大容量网络让联接无缝覆盖，使得万物互联成为可能；云计算的成熟与普及，让算力、AI触手可及，业务上云与运营运维更敏捷；AI使得海量的数据、算力和行业知识充分结合，创造出新的业务体验、新的场景应用和新的产业形态；“5G、云、AI、计算”等多技术融合与协同创新，使得全场景智慧成为可能。

在触手可及的智能世界，每个人、每个企业、每个行业都将从中获得新能力，挖掘新机会，创造无限可能，并将共同创造繁荣美好的“智慧社会”。

落地与挑战

“全场景智慧是一个技术的大融合。”

中国工程院院士邬贺铨

全场景智慧是社会智慧化发展更高的形态，或者说是最终的一个愿景。愿景虽好，如何落地？

中国工程院院士邬贺铨认为，全场景智慧需要把信息技术、新一代信息技术的多方面能融合在一起。单纯一项技术如果不跟其它的关联，也不容易产生这么好的效应。而且不仅仅是IT，因为在不同领域的应用，还要跟所在领域的相应的技术有关，所以全场景智慧是一个技术的大融合。

5G、人工智能、大数据、区块链、物联网、工业互联网等，这些技术之间实际上是关联的，华为认为可以从场景化切入，重点从以下5个方面来实现全场景智慧：

1）通过5G和IoT实现高带宽、低时延的网络覆盖和万物感知；

2）通过提供充裕、经济、绿色的算力，为城市智慧发展打下基石；

3）通过拥抱云服务，加速区块链、大数据等创新技术使用，打造快速创新平台；

4）通过大力发展AI技术并使之普惠，提升企业的核心竞争力；

5）通过使能合作伙伴生态创新，让AI技术和行业知识紧密结合，发展智能新业态。

同时，华为还提出了“5机”的概念。“5机”是指5个机会，也指5种技术，即“联接、AI、云、计算、应用”。“5机”融合将使数字化转型走向智能升级的新阶段，并带来三方面价值：

一是重构生活体验。例如，地铁公交一码通行，高速公路自由流收费，一张脸走遍机场，无人超市等。

二是优化生产流程。例如，AI辅助新冠CT诊断，AI加速药物筛选，AI让合成纤维从抽检到全检，AI合同智能审查等。

三是使能行业创新。例如，无人机通过云、5G、AI、边缘的协同，实现电网、矿山、港口等城市生命线的智能巡检，实现无人化和自动化。

这些都是技术层面具体的、可以实施的措施。

在管理层面，赛迪顾问数字转型研究中心总经理王晓宁则认为，全场景智慧的主题可以分为政府主题、居民主题和企业主题。要实现智能化甚至全场景智慧的落地，需要政府管理者、公众、企业等方方面面都要实现智能化。但这也带来了一个巨大的挑战。就是在这三大主题里边，层次、理念和理解都是有很大差距的。

这也让我们思考，全场景智慧在落地过程中，我们需要注意些什么？

首先是安全性。

中国工程院院士沈昌祥表示：安全是智能化发展的前提。智能社会是由信息社会进一步升格形成的，它基于大数据，这个体系里头如果不安全，就谈不上智慧智能。要实现全社会的智能化，安全一定是保底的，从技术来讲也是核心的，在安全支撑下建设我们的智能社会，才是唯一的前提。

安全问题是智能化发展的前提

然后是公平性。全场景智慧应该让每一个人都能参与进来，同时也要惠及每一个人。

60年前，简雅各布斯便在《美国大城市的死与生》中重新定义了城市规划：只有当所有人都是城市的创造者时，城市才有可能为所有人都提供一些东西。

同样的，全场景智慧也需要所有人都是它的参与者，它才有可能为所有人都提供便利。

此外，我们还要注意对“弱者”的扶持，不要让“数字鸿沟”扩大。

当大部分人都使用一项科技时，你就失去了不使用它的权利。比如在这次疫情中，大部分地方都要求健康码才能进入，不会用智能手机的人就很难出门了。

所以，在全场景智慧的建设过程中，我们要格外注意这种公平性。无论是在繁华的城市，还是在边远的乡村，无论是正值壮年的白领，还是小朋友和老年人，都应该并且必须从全场景智慧的发展中收益。

技术的发展应当人人受益

技术的发展目标永远是让人的生活更美好。站在人工智能技术迅猛发展的今天，站在第四次工业革命的拐点上，我们选择什么样的方向，便选择了什么样的未来。

以全场景智慧愿景牵引，规划技术在未来社会的最好结果，沿着正确的方向创建未来，造福每一个人，每一个家庭，每一个组织这是华为的选择。你呢？责任编辑：YYX

如何看待人工智能

人工智能（ArtificialIntelligence），英文缩写为AI，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。人工智能是计算机科学的一个分支，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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。但是这种会自我思考的高级人工智能还需要科学理论和工程上的突破。

随着现代科学技术的飞速发展，先进的技术在各个领域都得到了广泛的应用，使得生产力获得了大幅度的提高，为改善人民生活水平作出了巨大贡献。下一次生产力飞跃的突破口在哪里?目前越来越多的科学家把希望寄托于人工智能。

然而，万事皆有利有弊。使机器有自己的思维是否会对人类自身产生威胁，这是人们需要考虑的事情。电影《我与机器人》便描述了一个机器反而要消灭人类的悲剧。同时，大量人工智能的产生会造成大量的失业。由此而见，我们需要做的还有很多。但有一点事确定的，只要正确运用人工智能，它将极大程度上推动人类文明的进步。

人工智能的弊1---大规模的失业

人工智能的发展，导致很多人失业。据人力资源和社会保障部2016年新闻发布会介绍，2016年末中国失业率达4.05%，机器人不会犯错，不会累，不需要休息，不需要工资。这完全可以代替很多职业，例如工人，司机等等不需要思想的工作。如此便会导致大批大批的人失业，大批大批的人整日无所事事。

人工智能大规模使用，必然带来大规模的失业。很多人必然被机器人所取代。而大规模的失业，一则给政府带来沉重的负担，二则必然使需求下降，千千万万的企业不得不破产。科幻作家科利·多克托罗(CoryDoctorow)在BoingBoing网站上写道：“如果我们坚持认为，机器人提高生产力带来的好处应该归功于机器人所有者，那么我们肯定会迎来这样的未来：没有足够多的机器人所有者会购买机器人制造的所有东西。”

人工智能的弊2---对人类的一次大淘汰

人工智能时代的到来可能是对人类的一次大淘汰。机器人对人类的大淘汰，如果处理不好有可能引发核大战，那将是人类的灾难，人类可能因此而灭亡。

举一个例子：“想像一下，如果有一天，冰箱向你抱怨它工作时间太长了，或者要求加薪，你一定会觉得这太可怕了。不要认为人工智能只是按照程序进行，未来它将像婴儿的大脑一样具有学习功能，很可能超过人的智能，摧毁我们人类。”牛津大学波斯特罗姆教授说：“先进的人工智能不仅仅是一门新技术，而是一个对人类的巨大威胁。”

人工智能的弊3---人才争夺战导致垄断、贫富分化加剧

人工智能时代的到来，必将引发空前的人才争夺战。谁拥有的各类一流人才数量多质量高，谁就能赢得最后胜利。同时这会导致巨头的垄断、贫富分化加剧。

人工智能的弊4---机器人兵团导致战争频繁

人工智能的应用将出现各种各样的机器人兵团。特别是在军事领域，机器人兵团将给很多人带来灾难，战争也会更加频繁，毕竟不需要人自己上战场了，死了也无所谓。与之同时，也必将出现反机器人军队(兵团)。人类社会及一切事物就是在矛盾斗争中发展的。

人工智能的弊5---机器人具有很大危险性

2015年，德国汽车制造商大众公司位于德国的一家工厂内，一个机器人杀死了外包员工。至今日本已有近20人死于机器人手下，致残的有8000多人。众所周知，日本是人工智能机器人发展最快的一个国家，就已经出现了这样惨重的后果。

如果人工智能机器人被恐怖分子利用那就更加危险了，如果恐怖分子建立一支机器人部队，机器人武器一旦落入恐怖分子之手，后果将不堪设想。

人工智能的弊6---人类的精神生活退化

机器人是没有感情的。如果此刻你的身边，你的同学，你的朋友，都是人工智能机器人，你会受得了吗?当然不行!现在的社会，是一个物质的社会，但更是一个精神的社会，如果人工智能机器人越来越多，这个世界将没有感情，没有喜怒哀乐，到处都是冷冰冰的，没有艺术，没有精神食粮，到处都是机械化的。

人工智能的利5----推动人类的进步

人工智能推动了人类的理性进步，可以反过来促进人类的发展。人工智能研发过程的本身就具有研究人脑认知与功能的需求和特性，而使人类在这个过程中就学习了学习的方法，从而增强人类的逻辑思维能力。人工智能更新了人类应对问题的方法，比如依靠大数据的分析，沃森医生可以提供对病人伤害最小的、全新的治疗手段和技能范围。比如，从而丰富人类应对各种问题的方法。人工智能也拓宽了人类知识技能范围，比如，人工智能根据对大数据分析得到各种新知识、新信息，使人们难以预测的洪水、地震等灾害的预报的精确程度大大提高，使人类在自然面前的约束变得更强大。