智能家居目前处于哪个阶段?都有哪些行业难题
说到智能家居，比尔盖茨的住宅被认为是第一个使用智能家居的家庭。其在1995年《未来之路》著作中首次提出物联网概念，当时智能家居被认为是万物互联的最佳实验地。
如今，伴随着科技和经济的高速发展，物联网逐渐影响到各行各业，开始与我们的生活息息相关，其中智能家居成为家庭环境下物联网的重点应用领域。
从智能门锁到智能音箱，再到扫地机器人等等，智能单品正不断出现在家居生活中;华为推出AllinOne全屋智能解决方案，海尔相继在北京、青岛等落地三翼鸟体验店，魅族也在近期发布一系列智能家居新品……一刹间，传统家电制造商、互联网巨头、手机制造商和网络运营商纷纷入局争夺智慧家庭入口，全屋智能成为行业风口，智能家居赛道再次变得火热。
智能家居改善着我们生活品质的同时，也存在着不少问题。凡是能连个WIFI的，都敢拍着胸脯称自己一声“智能家居”;买了A品牌产品回来，却发现和B品牌产品又难以兼容的现象仍然存在;明明只是个监控摄像头，却有可能成为家里的“间谍”。
智能家居发展看起来任重道远，但行业发展总是有迹可循，且不断向前。智能家居目前处于哪个阶段？都有哪些行业难题？玩家都有哪些特点？未来要去向何方？接下来我们一起来浅谈一下。
Part.1智能家居目前所处的发展阶段
1984年，美国联合科技公司将建筑设备信息化、整合化概念应用在了康涅狄格州哈特佛市的城市建设中，出现了“智能型建筑”的概念，而“智能家居”的概念也由此诞生。
到了上世纪末，人们对期待的智能生活有了完整的概念：智能识别的门禁、智能的灯光、创建、音响控制，食物用光了只需要扫描条形码，电脑会自动将商品放进购物车……
1999年，微软的广告语“MicrosoftSmartHome”展示出当时人们对智能生活的想象。智能家居真正开始落地，还要等到2014年，谷歌收购了NESTLabs。
随后几年内，智能家居开始火热，从概念阶段发展至1.0智能单品阶段。智能单品阶段，行业聚焦细分品类的智能升级，主要是以产品为中心，但各单品间呈现孤立分散，功能不突出等特点，使用体验较差。
随着单品智能程度的提高、SKU的丰富和不同通信协议的互通，以场景为中心的全套智能家居解决方案兴起，行业逐渐进入2.0智能互联阶段。如今，智能家居发展正处于2.0智能互联阶段。
智能互联阶段，以场景为中心，应用物联网技术实现各智能设备间互联互通，并且根据不同场景同步转变状态，以此保持家居设备与住宅环境的协调一致，通过组合构建全屋智能。
目前该阶段，行业的主要参与者除了创新型家电企业，还有智能硬件厂商、互联网公司及通信运营商等，各巨头纷纷入场布局智能家居，市场竞争加剧。
根据行业人士预测，借助大数据、人工智能、机器学习等技术，未来智能家居的下一阶段将是3.0主动智能阶段。该阶段将以用户为中心，通过建立个人数据分析、行为习惯理解、自主深度学习等基础，围绕人的需求，提供准时化、个性化、智慧化的服务。
Part.2智能家居目前有哪些行业难题
目前智能家居正处于产业发展初期，各智能家居企业更多注重智能单品的市场占有量和核心领导力，更多地推行自身的技术标准，导致产品兼容性较差，数据共享与互联互通的标准缺失。这是首要问题。
市面上的无线通讯技术中，Wifi、蓝牙、Zigbee在该行业的应用最为广泛。无线通讯技术根据其优劣势适用于不同的智能家居产品，助力设备之间实现互联互通，但通讯协议间不统一的问题仍然存在。
行业的通用解决办法往往是通过中转设备如网关以及云平台来解决设备间互联的问题，但如果要达成标准统一，还需要行业内各厂商达成开放合作。
好在小米、华为、海尔等企业在12月初已经成立了开放智联联盟（OLA），掣肘物联网已久的互联互通问题或许在不久后就能得到答案。
其次，是安全问题。安全问题主要来自于：第一、企业未经授权收集用户数据，并把数据交由或售卖其他企业;第二、黑客可以通过不法手段攻击或访问用户私人数据。
安全问题并不是智能家居特有的问题，这是整个物联网行业的共同问题。随着物联网终端设备大量融入网络，安全问题将会越发受到重视。
智能家居的安全是系统问题，需要技术、管理和法律法规协调，保障整个产业的健康发展。
目前智能家居的发展，还没有足够有效的法律法规来确保智能家居设备的安全。除了提醒消费者要及时修改默认密码、禁用部分未使用功能等基础操作外，并无其他更好的办法。
最后，是智能家居不够智能的问题。很多企业都跟风进入智能家居市场，那些所谓的智能家居产品距离真正的“智能”标准相差甚远，但是仍然打着“智能”的旗号进行生产、宣传和销售。
部分智能家居功能设计不够完善，用户体验效果不佳。许多智能家居设备在操作时，步骤极其复杂，用户操作时大多会觉得晦涩难懂。实际体验更是不如人意，消费者在体验智能硬件链接互动时，更多的像“一锤子买卖”。
但我们知道，智能家居的提升终究离不开科技层面的快速发展，物联网、云计算、边缘计算、人工智能这四大关键技术正驱动智能家居行业快速发展。
5G会让物联网应用更成熟，保持智能单品实时在线，云计算对大量信息进行存储和处理，边缘计算让反馈更及时，终端人工智能让服务更贴心，短距离无线通信技术让系统更延展。智能家居的“智能不智”病正在逐步好转。
Part.3智能家居行业的玩家特点
中国智能家居行业可以分为后装市场模式和前装市场模式。简单的也可以把应用层玩家分为前装玩家和后装玩家。
智能家居前装，是指在装修之前为用户提供整套智能家居解决方案，前装市场的参与者有房地产开发商、家装公司和全屋智能解决方案提供商，前装方案重点安装的产品有智能摄像头、智能路由器、智能网关、智能灯光、智能门禁等。
前装市场由于耗时耗力、一次性投入成本较多、安装门槛高等特点，要晚于后装市场走入消费者的视野。
但由于前装智能家居服务更稳定，连接更高效，成套方案可以获取更为全面的用户数据信息，提升用户体验，备受行业玩家青睐。
智能家居后装，简而言之就是在完成整屋装修后，用户无需改动布线及水电布局，通过购买智能家居产品，使用无线连接即可实现产品的互联互通和家居的智能化，小米就是这类玩家。
后装具有简单、方便、成本低的特点，更易被消费者所接受。但后装更偏向多个智能单品的DIY，整体性、系统性较弱。
随着智能家居单品逐渐打开市场，消费者接受度和认可度提升，用户教育完成，前装模式可能会更受用户喜欢，现在全屋智能的兴起或许就是个最好的例子。
Part.4总结：智能家居发展趋势
（1）前装市场逐渐升温，全屋智能备受关注
目前，房地产已由增量市场转为存量市场，从2019年起，我国房地产行业已经从粗放式扩展向精细化运营发展，前装智能家居市场已成为房地产商需要激活的新增量市场。在未来智能家居大众化的过程中，前装市场将会发挥出重要的作用。
除了智慧地产的助力外，人均消费水平的提高也促使用户更关注家居生活的质量。系统性更高的前装模式相比后装模式，可以帮助用户从0到1设计自己的家居环境，在成本有利的条件下，将会更受欢迎。其次，众多玩家争相进入全屋智能行业，也将会引起行业新一轮的技术和模式演变。
（2）无感、主动智能才是智能家居的象牙塔
随着人工智能技术的成熟，智能家居将最终实现无感化、主动化，即自动实现场景分析、活动状态分析、故障率分析，并自动做出合理反应，记录保存相关操作习惯，完成智能家居由“智能”向“智慧”、由被动到主动的转化。
语音交互、视频识别等技术的普遍应用也将使智能家居的入口泛化，而不仅仅是在智能手机、智能音箱等硬件上。未来或许每个智能家居场景中的硬件都将具备交互，能够像人一样“聪明”为我们的家居生活提供服务。
智能家居是万物互联的最佳实验地，这个结论仍然成立。毕竟智能家居所应用的感知技术、网络传输技术、平台技术、应用层技术均能在物联网身上找到踪影。责任编辑：YYX
人工智能
人工智能用手机看条目扫一扫，手机看条目出自MBA智库百科(https://wiki.mbalib.com/)人工智能(ArtificialIntelligence，AI）
目录1什么是人工智能2人工智能的研究内容3人工智能的历史4人工智能的应用领域5强人工智能和弱人工智能5.1强人工智能（AGI）5.2弱人工智能（ANI）5.3超级人工智能（ASI）5.4对强人工智能的哲学争论6人工智能的发展现状及前景6.1对于人工智能的发展现状，社会上存在一些“炒作”6.2趋势与展望6.3态势与思考7人工智能的三大短板8应对人工智能威胁的3R法则[编辑]什么是人工智能人工智能（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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、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。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。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，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
2017年12月，人工智能入选“2017年度中国媒体十大流行语”。
[编辑]人工智能的研究内容人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。人工智能学科研究的主要内容包括：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。
1）知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。
2）常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。
3）问题求解中的自动推理是知识的使用过程，由于有多种知识表示方法，相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要，近几年来提出了多种非演泽的推理方法，如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。
4）搜索是人工智能的一种问题求解方法，搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表示，启发式知识利用得越充分，求解问题的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大规模的搜索问题。
5）机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获取新知识的过程，按照学习机制的不同，主要有归纳学习、分析学习、连接机制学习和遗传学习等。
6）知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识，当知识量较大而又有多种表示方法时，知识的合理组织与管理是重要的。推理机在问题求解时，规定使用知识的基本方法和策略，推理过程中为记录结果或通信需设数据库或采用黑板机制。如果在知识库中存储的是某一领域(如医疗诊断)的专家知识，则这样的知识系统称为专家系统。为适应复杂问题的求解需要，单一的专家系统向多主体的分布式人工智能系统发展，这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。
人工智能的研究可以分为几个技术问题。其分支领域主要集中在解决具体问题，其中之一是，如何使用各种不同的工具完成特定的应用程序。AI的核心问题包括推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。强人工智能目前仍然是该领域的长远目标。目前比较流行的方法包括统计方法，计算智能和传统意义的AI。目前有大量的工具应用了人工智能，其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学，以及基于概率论和经济学的算法等等也在逐步探索当中。
[编辑]人工智能的历史“人工智能”一词最初是在1956年达特茅斯（Dartmouth）学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。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，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的,现在计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,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。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外,人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。
在定义智慧时，英国科学家图灵做出了贡献，如果一台机器能够通过称之为图灵实验的实验，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时，这个机器就是智慧的。不要以为图灵只做出这一点贡献就会名垂表史，如果你是学计算机的就会知道，对于计算机人士而言，获得图灵奖就等于物理学家获得诺贝尔奖一样，图灵在理论上奠定了计算机产生的基础，没有他的杰出贡献世界上根本不可能有这个东西，更不用说什么网络了。
科学家早在计算机出现之前就已经希望能够制造出可能模拟人类思维的机器了，在这方面我希望提到另外一个杰出的数学家、哲学家布尔，通过对人类思维进行数学化精确地刻画，他和其它杰出的科学家一起奠定了智慧机器的思维结构与方法，今天我们的计算机内使用的逻辑基础正是他所创立的。
我想任何学过计算机的人对布尔一定不会陌生，我们所学的布尔代数，就是由它开创的。当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具了，在以后的岁月中，无数科学家为这个目标努力着，现在人工智能已经不再是几个科学家的专利了，全世界几乎所有大学的计算机系都有人在研究这门学科，学习计算机的大学生也必须学习这样一门课程，在大家不懈的努力下，现在计算机似乎已经变得十分聪明了，刚刚结束的国际象棋大赛中，计算机把人给胜了，这是人们都知道的，大家或许不会注意到，在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人类发挥着它的作用。人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。
现在人类已经把计算机的计算能力提高到了前所未有的地步，而人工智能也在下世纪领导计算机发展的潮头，现在人工智能的发展因为受到理论上的限制不是很明显，但它必将象今天的网络一样深远地影响我们的生活。
让我们顺着人工智能的发展来回顾一下计算机的发展，在1941年由美国和德国两国共同研制的第一台计算机诞生了，从此以后人类存储和处理信息的方法开始发生革命性的变化。第一台计算机的体型可不算太好，它比较胖，还比较娇气，需要工作在有空调的房间里，如果希望它处理什么事情，需要大家把线路重新接一次，这可不是一件省力气的活儿，把成千上万的线重新焊一下我想现在的程序员已经是生活在天堂中了。
终于在1949发明了可以存储程序的计算机，这样，编程程序总算可以不用焊了，好多了。因为编程变得十分简单，计算机理论的发展终于导致了人工智能理论的产生。人们总算可以找到一个存储信息和自动处理信息的方法了。
虽然现在看来这种新机器已经可以实现部分人类的智力，但是直到50年代人们才把人类智力和这种新机器联系起来。美籍俄裔数学家、控制论的创始人诺伯特·维纳（NorbertWiener）在反馈理论上的研究最终让他提出了一个论断，所有人类智力的结果都是一种反馈的结果，通过不断地将结果反馈给机体而产生的动作，进而产生了智能。我们家的抽水马桶就是一个十分好的例子，水之所以不会常流不断，正是因为有一个装置在检测水位的变化，如果水太多了，就把水管给关了，这就实现了反馈，是一种负反馈。如果连我们厕所里的装置都可以实现反馈了，那我们应该可以用一种机器实现反馈，进而实现人类智力的机器形式重现。这种想法对于人工智能早期的有着重大的影响。
在1955的时候，美国计算机科学家艾伦·纽威尔(AllenNewell)和赫伯特·西蒙(HerbertA.Simon)TheLogicTheorist程序，它是一种采用树形结构的程序，在程序运行时，它在树中搜索，寻找与可能答案最接近的树的分枝进行探索，以得到正确的答案。这个程序在人工智能的历史上可以说是有重要地位的，它在学术上和社会上带来的巨大的影响，以至于我们现在所采用的方法思想方法有许多还是来自于这个50年代的程序。
1956年，“人工智能之父”和LISP语言的发明人(ZT)约翰·麦卡锡（JohnMcCarthy）召集了一次会议来讨论人工智能未来的发展方向。从那时起，人工智能的名字才正式确立，这次会议在人工智能历史上不是巨大的成功，但是这次会议给人工智能奠基人相互交流的机会，并为未来人工智能的发展起了铺垫的作用。在此以后，工人智能的重点开始变为建立实用的能够自行解决问题的系统，并要求系统有自学习能力。在1957年，艾伦·纽威尔和赫伯特·西蒙又开发了一个程序称为GeneralProblemSolver(GPS)，它对维纳的反馈理论有一个扩展，并能够解决一些比较普遍的问题。别的科学家在努力开发系统时，麦卡锡创建了表处理语言LISP，直到现在许多人工智能程序还在使用这种语言，它几乎成了人工智能的代名词，到了今天，LISP仍然在发展。
在1963年，麻省理工学院受到了美国政府和国防部的支持进行人工智能的研究，美国政府不是为了别的，而是为了在冷战中保持与苏联的均衡，虽然这个目的是带点火药味的，但是它的结果却使人工智能得到了巨大的发展。其后发展出的许多程序十分引人注目，SHRDLU是维诺格拉德(T.Winograd)于1972年在美国麻省理工学院建立了一个用自然语言指挥机器人动作的系统。在这个大发展的60年代，STUDENT系统可以解决代数问题，而SIR(SelectiveIntegratedRail)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，他头一次让人知道计算机可以代替人类专家进行一些工作了，由于计算机硬件性能的提高，人工智能得以进行一系列重要的活动，如统计分析数据，参与医疗诊断等等，它作为生活的重要方面开始改变人类生活了。在理论方面，70年代也是大发展的一个时期，计算机开始有了简单的思维和视觉，而不能不提的是在70年代，另一个人工智能语言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。不要以为人工智能离我们很远，它已经在进入我们的生活，模糊控制，决策支持等等方面都有人工智能的影子。让计算机这个机器代替人类进行简单的智力活动，把人类解放用于其它更有益的工作，这是人工智能的目的，但我想对科学真理的无尽追求才是最终的动力吧。
[编辑]人工智能的应用领域1、问题求解
人工智能的第一大成就是下棋程序，在下棋程度中应用的某些技术，如向前看几步，把困难的问题分解成一些较容易的子问题，发展成为搜索和问题归纳这样的人工智能基本技术。今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择，人们常能找到某种思考问题的方法，从而使求解变易而解决该问题。到目前为止，人工智能程序已能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。
2、逻辑推理与定理证明
逻辑推理是人工智能研究中最持久的领域之一，其中特别重要的是要找到一些方法，只把注意力集中在一个大型的数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的题。定理寻找一个证明或反证，不仅需要有根据假设进行演绎的能力，而且许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化，因此，在人工智能方法的研究中定理证明是一个极其重要的论题。
3、自然语言处理
自然语言的处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人注目的成果。目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识——世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码问题。
4、智能信息检索技术
信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。
5、专家系统
专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来，在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识，所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错，现在这一点已被证实。如在矿物勘测、化学分析、规划和医学诊断方面，专家系统已经达到了人类专家的水平。成功的例子如：PROSPECTOR系统（用于地质学的专家系统）发现了一个钼矿沉积，价值超过1亿美元。DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用。MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见。经正式鉴定结果，对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案已超过了这方面的专家。
[编辑]强人工智能和弱人工智能人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的：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。但是这个定义似乎忽略了强人工智能的可能性（见下）。另一个定义指人工智能是人造机器所表现出来的智能。总体来讲，目前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
[编辑]强人工智能（AGI）强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（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。强人工智能可以有两类：
类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。[编辑]弱人工智能（ANI）弱人工智能又称“狭义人工智能”，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。
强人工智能的研究目前处于停滞不前的状态下。人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解强人工智能和弱人工智能的内容与差别。就现下的人工智能研究领域来看，研究者已大量造出看起来像是智能的机器，获取相当丰硕的理论上和实质上的成果，如2009年康乃尔大学教授HodLipson和其博士研究生MichaelSchmidt研发出的Eureqa计算机程序，只要给予一些数据，这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式，等于只用几十个小时就自己重新发现牛顿力学公式，这计算机程序也能用来研究很多其他领域的科学问题上。
[编辑]超级人工智能（ASI）超级人工智能（ASI）是一种超越人类智能的人工智能，可以比人类更好地执行任何任务。ASI系统不仅能理解人类的情感和经历，还能唤起他们自己的情感、信念和欲望，类似于人类。尽管ASI的存在仍是假设性的，但此类系统的决策和解决问题的能力预计将远超人类。通常，ASI系统可以独立思考、解决难题、做出判断和做出决定。
[编辑]对强人工智能的哲学争论“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（JSearleinMindsBrainsandPrograms.TheBehavioralandBrainSciences,vol.3,1980）
关于强人工智能的争论，不同于更广义的一元论和二元论的争论。其争论要点是：如果一台机器的唯一工作原理就是转换编码数据，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是转换数据，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。
也有哲学家持不同的观点。丹尼尔·丹尼特在其著作《意识的解释》（ConsciousnessExplained）里认为，人也不过是一台有灵魂的机器而已，为什么我们认为：“人可以有智能，而普通机器就不能”呢？他认为像上述的数据转换机器是有可能有思维和意识的。有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如西蒙·布莱克本（SimonBlackburn）在其哲学入门教材Think里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她／他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。布莱克本认为这是一个主观认定的问题。
需要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在一百多年前是被认为很需要智能的。并且，即使强人工智能被证明为可能的，也不代表强人工智能必定能被研制出来。
[编辑]人工智能的发展现状及前景[编辑]对于人工智能的发展现状，社会上存在一些“炒作”比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
[编辑]趋势与展望经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
[编辑]态势与思考当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
[编辑]人工智能的三大短板创新工场创始人李开复表示，AI存在明显不足的三大短板，即便到了2042年，AI可能仍然无法完全掌握这些能力，包括了:
第一、创造力。AI不具备进行创造、构思以及战略性规划的能力。它无法选择自己的目标，无法跨领域构思，无法进行创造性的思考，也难以具备那些对人类而言不言自明的常识。
第二、同理心。AI没有“同情”“关爱”之类的“感同身受”的感觉，无法在情感方面实现与人类的真正互动，无法给他人带去关怀。
第三、灵巧性。AI和机器人技术无法完成一些精确而复杂的体力工作，如灵巧的手眼协作。此外，AI还难以很好地应对未知的或非结构化的空间。
[编辑]应对人工智能威胁的3R法则2023年2月，创新工场创始人李开复在微博发文“论战ChatGPT”，首先是列举了20项AI容易取代的工作，其次分析了AI存在明显不足的三大短板，最后针对后ChatGPT时代还给出了三大生存攻略，分别是：Relearn二次学习；Recalibrate二次定义；Renaissance二次复兴。
李开复称：“在《AI未来进行式》一书中，我通过故事和讲解给出了三大生存攻略，在英文简称三个R:Relearn二次学习，Recalibrate二次定义，Renaissance二次复兴。”
1.Relearn二次学习
现在就发出警告，唤醒踩在失业悬崖边缘的人们，鼓励主动出击，重新学习。
令人欣慰的是，有不少人类的工作是AI难以胜任的，特别是那些需要创造力、复杂工艺、社交技巧以及依赖人工操作AI工具的工作。我们倡导人们积极投入二次学习，掌握从事此类工作的(新)技能，为适应AI新经济下的新型工作场景做好准备。
职业培训机构需要尽快重设课程，增加AI时代可持续就业的培训科目:政府可以为这些培训提供奖励和补贴;企业可以参考类似于亚马逊职业选择计划的方案，设立专项经费，资助员工参加职业再造培训项目，帮助员工报考飞机维修技师、电脑辅助设计师、医疗护理师等职业资格许可证。
值得关注的是，随着财富的增长和寿命的延长，以人为中心的服务性工作将成为社会的刚性需求，其重要性与需求量都会水涨船高，例如世界卫生组织预测，要实现联合国“人人享有良好的健康和福祉”这一可持续发展目标，全球医护人员的需求缺口将高达1800万人。过去，这类关怀型职业在社会上一直不被重视，薪酬也普遍偏低，但以后，这些“以人为本”的职业将成为AI新经济运行的基石，值得更多的人考虑通过二次学习来投入其中。
为了进一步缓解人力资源供需失衡，我们甚至可以考虑把目前“志愿者服务”类型的工作调整为全职薪酬型工作，诸如献血中心服务人员、寄养服务提供者、夏令营老师、心理咨询师等，也包括一些为了照顾家中老人不得不离开职场的成年人。
另外，可以预见的是，自动化时代一旦到来，社会将需要大批志愿者为失业人员提供热线咨询，帮助他们解决在职场转型过程中遇到的疑虑和困难，排解心理压力，最大限度地避免由于失业所导致的社会问题的发生。这些志愿者也应当获得合理的报酬和社会的认可。
2.Recalibrate二次定义
除了重新学习职业技能，我们还需要结合各类AI工具，重新调整工作岗位的“人机协作”模式。因此，对于不少职业的工作方式乃至工作内容，我们需要重新进行定义。
信息化革命在短短几十年内彻底改变了人们的工作方式，使用电脑上的各种软件是当今普遍的人机协作模式。在AI时代，各行各业将朝着更加智能化的方向“进化”:AI可以测算出不同条件下的沙盘推演结果，可以通过对海量数据进行计算，量化显示工作任务的最优解可以协助不同行业优化工作流程，完成日常的重复性事务。
我认为，很难出现单一通用型的AI工具，我们必须针对各个行业提供特定的解决问题的应用程序，如此，举凡药物分子研发、营销广告策划、新闻信息核实等任务，都能通过高度定制化的AI工具来实现。
当我们对一些职业进行二次定义，充分把“以人为本”的人性特质和AI善于优化的技术优势深度结合起来之后，许多工作将被重塑，不少新兴岗位也将被创造出来。
在AI时代的人机协作中，AI和人类合理分工、各展所长，AI可以既智能又高效地承担起各种重复性任务，由此，人类从业者得以把更多的时间花在需要温情、创意、策略的人文层面的工作上，从而产生1+1>2的合作效应。
举例来说，人们生病了，最信任的仍然是人类医生，由于医生可以使用专业的AI医疗诊断工具，快速准确地为患者定下最佳治疗方案，所以能腾出充裕的时间和患者深入探讨病情抚慰他们的心灵，医生的职业角色也将因此被二次定义为“关爱型医生”。
正如移动互联网催生了滴滴司机、美团小哥等职业，AI的崛起也创造了很多全新的职业，目前已经有AI工程师、数据科学家、数据标注员、机器人维修员等。我们应该时刻关注AI新经济进程中涌现出的新兴职业，确保及时掌握就业情况，关注相关的职业技能培训。
3.Renaissance二次复兴
有了得当的培训和称心的工具，我们可以期待又一次“文艺复兴”的到来-一由AI催生的人类释放激情、创造力进发、人性升华的新高峰。
中国历史上有脍炙人口的唐诗、宋词、元曲，欧洲文艺复兴则诞生了辉煌的文学、音乐建筑、雕塑，这些作品在数百年后仍被人赞颂。那么，AI新经济将会激荡出怎样的人文复兴？
AI视觉工具将成为绘画、雕塑及摄影艺术家们的得力助手，可以按照他们的指示创作、完善作品。AI文字工具可以辅助小说家、诗人、记者，为写作注入新的灵感。AI可以帮助教师批改作业和试卷，让教师把时间和精力节约出来，去设计崭新的课程课件，以此激发学生的好奇心、创造力，培养学生的批判性思维；可以帮助教师在课堂上传递标准化知识(信息)，让教师把更多的时间花在与学生进行个性化互动上，这样，他们才能成为AI时代的教育家。
来自"https://wiki.mbalib.com/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD"本条目对我有帮助708赏MBA智库APP扫一扫，下载MBA智库APP
分享到：打开App温馨提示复制该内容请前往MBA智库App
立即前往App 如果您认为本条目还有待完善，需要补充新内容或修改错误内容，请编辑条目或投诉举报。本条目相关文档 （人工智能）人工智能9页 （人工智能）之A人工智能11页 （人工智能）人工智能习题10页 （人工智能）人工智能复习8页 （人工智能）人工智能报告6页 （人工智能）人工智能试卷5页 （人工智能）人工智能题6页 （人工智能）初识人工智能11页 （人工智能）人工智能习题9页 （人工智能）人工智能教程答案39页更多相关文档本条目相关课程本条目由以下用户参与贡献Zfj3000,山林,Kane0135,18°@鷺島,AngleRoh,Vulture,Dan,Huluan,Cabbage,Yixi,KAER,y桑,Mis铭,Tracy,刘维燎,苏青荇,陈cc,上任鹅陈.页面分类:信息技术
评论(共22条)提示:评论内容为网友针对条目"人工智能"展开的讨论，与本站观点立场无关。106.120.191.*在2014年2月13日17:15发表未来已来
回复评论发表评论请文明上网，理性发言并遵守有关规定。113.142.17.*在2014年10月28日08:23发表快些来吧
回复评论发表评论请文明上网，理性发言并遵守有关规定。1.9.106.*在2015年5月7日22:28发表大革命
回复评论发表评论请文明上网，理性发言并遵守有关规定。111.115.70.*在2015年5月22日12:45发表谢谢
回复评论发表评论请文明上网，理性发言并遵守有关规定。211.139.60.*在2015年6月22日14:59发表恐怕需要大数据库才能实现
回复评论发表评论请文明上网，理性发言并遵守有关规定。113.200.204.*在2016年4月2日13:04发表211.139.60.*在2015年6月22日14:59发表恐怕需要大数据库才能实现
恐怕智能设计才是重重之重外行人说自己的见解
回复评论发表评论请文明上网，理性发言并遵守有关规定。223.104.34.*在2017年5月2日11:40发表14100725李文洁。人工智能将代替人的大脑进行思考，更符合人类的精神需求
回复评论发表评论请文明上网，理性发言并遵守有关规定。61.151.207.*在2017年11月26日13:23发表其实别把人工智能想得那么复杂，无非就是让机器自动学习技能为人类工作罢了，要是机器太聪明了，人类就完蛋了！
回复评论发表评论请文明上网，理性发言并遵守有关规定。163.20.242.*在2017年12月28日11:02发表++++9+9+5+68+65+/866
回复评论发表评论请文明上网，理性发言并遵守有关规定。192.168.1.*在2018年5月30日19:47发表64664646
回复评论发表评论请文明上网，理性发言并遵守有关规定。皮皮(Talk|贡献)在2018年9月18日20:20发表61.151.207.*：回复评论发表评论请文明上网，理性发言并遵守有关规定。110.53.252.*在2019年2月23日09:37发表32.15.26
回复评论发表评论请文明上网，理性发言并遵守有关规定。202.114.2.*在2019年7月4日20:44发表人工智能到底是什么呢？机器？超人？
回复评论发表评论请文明上网，理性发言并遵守有关规定。114.222.228.*在2020年3月10日09:29发表202.114.2.*在2019年7月4日20:44发表人工智能到底是什么呢？机器？超人？
人类创造的智慧
回复评论发表评论请文明上网，理性发言并遵守有关规定。61.174.212.*在2020年11月9日13:45发表113.200.204.*在2016年4月2日13:04发表恐怕智能设计才是重重之重外行人说自己的见解
对呀，恐怕智能
回复评论发表评论请文明上网，理性发言并遵守有关规定。120.192.175.*在2021年9月17日14:56发表114.222.228.*在2020年3月10日09:29发表人类创造的智慧
牛逼
回复评论发表评论请文明上网，理性发言并遵守有关规定。218.28.86.*在2021年10月14日11:48发表未来可期
回复评论发表评论请文明上网，理性发言并遵守有关规定。61.153.247.*在2021年10月26日15:46发表牛啊
回复评论发表评论请文明上网，理性发言并遵守有关规定。221.229.118.*在2021年11月1日18:23发表。。。
回复评论发表评论请文明上网，理性发言并遵守有关规定。60.173.216.*在2021年11月30日14:16发表科技越来越发达了。
回复评论发表评论请文明上网，理性发言并遵守有关规定。125.75.56.*在2022年5月11日11:15发表人工智能是外星人
回复评论发表评论请文明上网，理性发言并遵守有关规定。223.90.41.*在2022年5月25日10:49发表开好户
回复评论发表评论请文明上网，理性发言并遵守有关规定。发表评论请文明上网，理性发言并遵守有关规定。涂子沛：人工智能还处于早期阶段
原创匹诺曹新生活方式研究院
ChatGPT自从去年11月30日发布之日，至今仍然风波不断。这项AI技术在某种程度上制造了全圈层的狂欢，不仅仅是科学家们，普通人也从中感受到了科技带来的乐趣。
当然，这种狂欢并没有持续太久，随之而来的，是一轮接一轮的抵制声浪。人们发现它在写作上天赋异禀，便拿来书写毕业论文；人们又意识到AI到了如此智能的地步时，除了觉得喜出望外，随即担心它会引发道德和伦理上的灾难。
ChatGPT可谓命途多舛。在接连被法国顶尖大学之一的巴黎政治学院禁止使用，以防止欺诈和剽窃之后，3月31日，意大利个人数据保护局宣布，从即日起禁止使用聊天机器人ChatGPT，并限制开发这一平台的OpenAI公司处理意大利用户信息；3月29日，由马斯克、图灵奖得主Bengio等千人联名的“暂停高级AI研发”的公开信呼吁，全球所有AI实验室立即暂停训练比GPT-4更强大的AI系统至少6个月。
对此，科技作家涂子沛的态度显然更为包容，他认为ChatGPT“超出期待”。“我反对暂停人工智能的开发和训练，也不同意这封公开信的主要观点，要用暂停的方法来寻找解决方案，这是螳臂当车。”涂子沛说道。
他表示，人们希望科技向善的愿景无可指摘，但用一刀切的方法无疑是不明智的。他指出，在ChatGPT3.5的开发当中，已经建立了一些规范，相比于ChatGPT3.5，GPT-4又有了非常大的进步，比如拒绝回答违背伦理道德的问题。
最近，涂子沛出版了一本新书——《第二大脑》。尽管这本书对我这样一个普通的、毫无计算机背景和逻辑学背景的读者而言，多少存在一定的挑战性，但在涂子沛看来，这项“发明”人人可用，且无须具备高超的科技头脑。而在很大程度上，ChatGPT和“第二大脑”之间也可以互相反哺，最终得到一个“属于你个性化的、人格化的答案”。
涂子沛这样解释道，在计算机刚刚发明的时候有一段很有名的历史：IBM创始人托马斯·沃森认为全世界只需要5台计算机就够了，当时他完全没有看到个人计算机在产业和日常生活中的应用潜力。“我们现在也正处在人工智能的这样一个‘早期’，很多人认为只要一个ChatGPT就够了，但我认为每个人都会拥有属于自己的个性化、人格化的人工智能，就像现在每个人都有属于自己的电脑一样。”
此外，《第二大脑》还阐明了一个重要观点，即人类和计算机的协作不仅是必然的，还应该尽快。
有意思的是，涂子沛撰写《第二大脑》这本书，仅用了3个月的时间。“这本书本身就是我的‘第二大脑’的一个产物。”他说道。
以下是《新周刊》对涂子沛的专访。
《新周刊》：“第二大脑”是什么？是否是所有人都可以使用且受惠的？它对使用者有哪些智识上的要求？
涂子沛：“第二大脑”首先是一个属于你自己的、独特的、个性化的数字记忆库。也就是要把你的所思、所想、所读、所见，全部都用数字化的方法记录下来，这个数字记录体，或者说记忆体就是你的“第二大脑”，互联网上的数据人皆可用的是公共大数据，而“第二大脑”则是你的私域大数据。为了方便你未来的使用，你的私域数据不能只是简单地堆积在一起，而是要有结构，所以要像人的生物大脑一样，构建类似反射区、神经中枢、大脑皮层这样的层级结构，主要是通过分类和聚类的方法，最后形成一个网状、立体、多维的结构。当我们后续检索使用的时候，我们可以把相关的信息组合起来，就像旋转“魔方”一样快速组合成不同的花色，契合不同场景下的需要。
ChatGPT|图源视觉中国
要建设“第二大脑”，首要的能力是记录的能力，今天借助工具，这是人人可以做到的。其次是组织和关联的能力，这个能力有的人强，有的人弱，但这个能力也是可以培养和提高的。
《新周刊》：“第二大脑”和目前流行的ChatGPT有什么关系？“第二大脑”和ChatGPT相比，哪个更富于创新性？还是说它们属于两个不同维度的工具？
涂子沛：人工智能最近取得了一个革命性的进步，就是以ChatGPT为代表的大规模语言模型。但这个人工智能是通用的人工智能，也就是说，它是基于互联网上的公共数据学习的结果，是你有、我有、大家都可以有的一个无差异产品。我认为这不是一个互联网产品的最终形态，也不是人工智能产品的最终发展形态，最终发展形态应该是一个个性化、人格化的人工智能产品，也就是“第二大脑”。
建设“第二大脑”一是你要有私域大数据，二是要有类似于ChatGPT一样的算法，如果你有足够的私域大数据由它来学习，就可以最终构建一个个性化的人工智能产品。ChatGPT的算法已经在那里，你用不用它都在那里。这里的关键就是你必须要有私域大数据。如果没有，那就是无米之炊、无本之源。
类似于ChatGPT的算法最终将帮助我们构建一个自己的“第二大脑”。目前，我会把我“第二大脑”中的信息手动“喂”给ChatGPT，让ChatGPT来补充、完善、评价这条信息。然后我再把它补充、评价当中有价值的部分返回到“第二大脑”，从而丰富我“第二大脑”当中的内容。而未来，类似于ChatGPT这样的算法可以直接接入“第二大脑”，当你问出问题，“第二大脑”可以自动为我们产生一个属于你的个性化、人格化的答案。未来算法会有很多，而且会很便宜，所以你有没有自己的私域大数据、有没有个人的“第二大脑”才是关键。
《新周刊》：除了你提到的Logseq，“第二大脑”在哪些软件中可以实现？
涂子沛：我在新书当中用了相当的篇幅告诉大家怎样使用Logseq，事实上是讲解怎样构建自己的私域大数据，以及怎样构建自己“第二大脑”的物理基础。Logseq是一个很好的知识管理软件，类似于它的工具，还有RoamResearch、MEM、Notion等，它们的基本功能和原理都是相通的。我个人在考察和使用之后认为Logseq最切合我的需要，我选择了它来构建“第二大脑”的记录体，没有记录体这个物理基础，你就没有办法享用到个性化的人工智能产品，也无法创造属于你自己的人工智能时代。
涂子沛|图源受访者
《新周刊》：你提到在中山大学毕业典礼上的演讲只用了40分钟便完成了演讲稿初稿，能详细跟我们分享一下这个过程吗？
涂子沛：我们要写一篇作文，或者说我们要回答别人提出的一个问题，都要在自己的脑袋里组织我们的知识，然后把它说出来，或者是在电脑上把它用打字的方法打出来，甚至还要通过谷歌搜索来查找参考资料，这个组织、搜索的过程以及打字的过程，事实上耗费了我们很多的精力。
而我会首先在自己的“第二大脑”中搜索。在撰写这篇演讲稿之前，我首先确定了这篇稿子的主题：不确定性、勇气和行动。我在自己的“第二大脑”当中搜索，马上就会看到一个记录了相关素材的列表，多条线索交织在眼前，一瞬间就能够激活我的大脑神经元，这些相关的素材可以很快组织起来成为一篇文章，形成对问题的见解、意识和行动。
现在ChatGPT可以把互联网上的知识组织起来，自动地回答我们提出的问题。有了“第二大脑”，当有人要我们写一篇作文、回答一个问题的时候，人工智能可以把我们存储在自己“第二大脑”当中的东西自动地组织起来，成为一篇作文、成为一个回答。这也是我上面所说的个性化的人工智能。我们离这个目标事实上已经只有半步之遥，在技术上完全可以做到。
我们要做的只是把我们的“第二大脑”和ChatGPT这样的算法结合起来，但又回到第一个问题，如果我们没有第二大脑记录体，我们就不可能构建这样的工具。ChatGPT提高了我们个人的效率，但是它是个人人皆可用的工具，它不会提高我们的个人竞争力，只有“第二大脑”才会真正提高我们的个人竞争力！
不仅是写一篇文章和演讲稿，我过去写完一本书，平均需要8个月时间。而《第二大脑》这本书，我仅用3个月的时间就完成了。这本书本身就是我的“第二大脑”的一个产物。未来，我相信通过“第二大脑”和ChatGPT的有效融合，可能只需要一两个月的时间就能够完成一本新书。
《第二大脑》封面
《新周刊》：你在朋友圈展示了几条GPT-4关于你的评价以及一首诗，你如何评价现阶段GPT-4的内容创作能力？你还会用它来做什么？现阶段，大部分用户都只是在ChatGPT的问答中获得乐趣，长远看，ChatGPT最具有价值的贡献大概在哪些领域？
涂子沛：ChatGPT很惊艳，超出了我的期待，它写诗、写作文的能力都很强。我目前用它来帮助我回答一些我不太了解的问题，撰写邮件、朋友圈的推文以及发言稿的初稿。
简单地说，当你需要一段新的文字和信息的时候，都可以向它寻找帮助。而在大部分情况下，它都能提供切实有效的帮助。我讲一个这两天发生的真事。
我的女儿在美国读高中，她在中国也读过两年高中，有感于中、美两国高中的不同，最近她想创办一个公益组织，帮助来到美国的中国高中生尽快完成异国他乡的转换和适应。她跑来和我讨论，表示她想为这个组织取一个有吸引力、有代表性的名字，想了许久还没找到。于是我向ChatGPT发问，描述了成立这个组织的目标和使命，ChatGPT给了我们三四个答案和建议，例如“BridgeofHarmony”“CulturalCompass”之类的，但是就像你预料的，这些建议都很平常，没有一个名字可以打动我们。接下来我女儿问了ChatGPT一个新的问题，她问在古希腊文字里有哪些神、典故和人名代表了连接、殷勤、乐于助人的意义。ChatGPT给了她三四个答案，这一次她眼前一亮，找到了一个很理想的词——Xenia，这个词源自希腊文，有陌生人、热情好客的意思，一般用作女生的名字，很切合她的需要和情境，她和她的合伙人（也是一个女孩）马上决定采纳了“Xenia”作为她们新组织的名字。
这个例子证明，好的创意还是人和机器协作的结果，就是脑机协作，要从ChatGPT获得有参考价值的线索和理想的答案，一个人必须善于提问题，很多时候不是一次提问就完事，而是要多次追问，而善于提问、追问的人，必须具备批判性思维。
长远来看，ChatGPT最大的价值和贡献是帮助我们提高工作效率和产生创意，我认为，它会成为我们人人都需要的一个日常工具，就像我们需要电脑、需要Word、PPT、Excel等日常办公软件一样。
《新周刊》：美国语言学家乔姆斯基认为ChatGPT是一个高科技剽窃系统，从海量数据中发现规律，并依照规则将数据串连在一起，形成像人写的文章和内容。你是否认同这个观点？
涂子沛：我不同意把它称为一个高科技剽窃系统。ChatGPT确实是按照一定的规律把文字组合起来，这种规律是从海量数据当中学习到的。任何一个字、一个词、一个概念都有无数个相邻的可能，GPT通过训练用的海量语料把概率都算了出来，可以像魔方一样组合出来给我们看，而我们人脑，在短时间内只能组织几个，最多个位数的可能，无法像GPT一样强大，穷尽所有的相邻的可能，这是大规模语言模型胜过人脑的地方，也是它可以帮助我们的价值所在。这些规律太庞大了，人脑太有限。我们人脑还认识不到，或者说无法娴熟地运用这种规律。
这些规律来源于互联网上所有人的智慧，众人的智慧，是机器向海量语料学习的结果，我们不应该拒绝使用，人类的工作从来都是基于前人之上的，我认为这些智慧完全应该被自由的参考和使用。
如果我们认为ChatGPT剽窃了别人的文字创意，就像我们认为我们手中的计算器剥削了别人的劳动一样荒唐。但我确实主张依靠ChatGPT产生的东西不应该授予版权的保护。它的作用是形成一个框架和初稿，人脑应该对它进行加工，让它更合适自己的情境和需要，当一个人拿出完全由机器产生的东西，无论是用来交作业、考试还是应付工作的需要，还是很生硬的，很容易被看出来的，它不会得到高分和高评价的。
ChatGPT是一个很好的工具，就它对我们的帮助来说，这个工具有点像我们40年前普及的计算器，计算器的作用是计算，而ChatGPT是可以帮助你写作文。未来，写作文的能力就像算术的能力一样，不稀奇了，谁都可以写出一篇好作文，但就像数学不止于算术，语文也不止于写作文。
例如，我相信未来一个人演讲、面对面交流的能力会变得更加重要，成为评价一个人能力的重要标准。人类教育、考试也会相应地进化出新的模式，对一个人的能力进行检验。
《新周刊》：3月29日，一封在非盈利组织生命未来研究所网站上刊登的公开信中呼吁，全球所有AI实验室立即暂停训练比GPT-4更强大的AI系统至少6个月。你如何看待这一事件？立场是什么？
涂子沛：我反对暂停人工智能的开发和训练，也不同意这封信的主要观点，要用暂停的方法来寻找解决方案，这是螳臂当车。目前这封信的主要依据是人工智能存在潜在的道德风险以及它会带来大量人员失业的威胁。就道德风险而言，我们都不希望ChatGPT成为坏人坏事的工具，例如当有人向ChatGPT询问如何制造炸弹、如何实施自杀的时候，我们希望ChatGPT不要提供答案，换句话说，我们希望科技向善，这方面，开发人员已经注意到了，在ChatGPT3.5的开发当中，已经建立了一些规范，相比于ChatGPT3.5，GPT-4又有了非常大的进步。
现在有越来越多的涉及伦理道德的问题，GPT-4已经拒绝回答了。要进一步消减人工智能的道德风险，必须是在前进的过程当中一步一步实现的，而不是停滞。当然，我们最终需要建立一个人工智能的道德规范，但这绝不是现在发展太快，需要停下来反思这个方法可以实现的。
关于它给人类带来的失业风险，现在被普遍夸大了，事实是，它会提高人类的工作效率，有一些岗位会减少，原来需要3个人完成的工作量，可能未来一个人就可以完成了，一些简单的、初级的工作应该会由机器协助人完成，也就是我说的脑机协作。这种工作岗位的结构性调整并没有那么可怕，想想工业革命开始的时候，蒸汽机、推土机、汽车等机器对人力和畜力的替代比这个规模大得多，但我们的社会反而出现了大的发展和繁荣，更多的人找到了工作，这是因为出现了新的工种，原来的蛋糕做大了。我可以肯定，人工智能也一样，在一些工作机会减少的情况下，它会给一些领域带来加速发展和繁荣，以及新的工作机会。
作者
匹诺曹
排版
白荐晴
运营
李靖越
监制
罗屿
原标题：《涂子沛：人工智能还处于早期阶段》
阅读原文