今天的人工智能真的不是那么 " 智能 "。

现实：AI 虽不完美，但它的本事令人印象深刻。

"

从医学成像、语言翻译到面部识别、自动驾驶汽车，人工智能的案例无处不在。虽然人工智能并不完美，但它的本事令人印象深刻。

即使是像 " 谷歌搜索 " 这样看似简单、常见的应用，也是人工智能的代表性成功案例，它能够以远超人力的速度搜索更多信息，并持续提供（至少在大多数情况下）精准的搜索结果。

然而，所有这些人工智能案例的问题在于，所展示的人工智能实际上并不那么 " 智能 "。虽然今天的人工智能可以做一些非同寻常的事情，但其背后的功能是基于分析海量数据汇集，并在不了解所处理数据的情况下，寻找模式和关联性来发挥作用。因此，依靠当下人工智能算法的人工智能系统，需要数以千计的标记样本，才能给人以 " 智能 " 的体验，它缺乏真正意义上、常识性的理解。如果你不相信的话，只需向任一客户服务机器人提出一个离谱点的问题就看出来了。

人工智能的根本缺陷可以追溯到过去 50 年来，大多数人工智能发展的核心原则假设，即如果困难的智能问题能够解决，那么简单的智能问题就会迎刃而解。事实证明这是错误的。

1988 年，卡内基梅隆大学机器人专家汉斯 · 莫拉维克写道：" 相对而言，让电脑在智力测试或跳棋方面表现出成年人水平的表现是比较容易的，而在感知和移动方面，要让电脑具备一岁孩子的水平几乎是不可能的。" 换言之，困难的问题变得更容易解决，而看似简单的问题可能难以解决。

在人工智能开发中发挥重要作用的另外两个假设也被证明是错误的：

首先，如果构建了足够的狭义人工智能应用程序（即可以使用人工智能技术解决特定问题的应用程序），它们将共同成长为一种通用智能。然而，狭义人工智能应用程序不能以通用形式存储信息，也不能被其他狭义人工智能应用程序用来扩展其广度。因此，虽然将语言处理和图像处理等应用程序拼接在一起是可能的，但这些应用程序的集成方式无法像儿童一样集成听觉和视觉。

其次，一些人工智能研究人员认为，如果能够建立一个足够大、具有足够计算机能力的机器学习系统，它将自发地展现出通用的智能。正如那些试图获取特定领域知识的专家系统所清楚证明的那样，根本不可能通过创建足够的案例和示例数据来克服系统潜在的理解不足。

如果人工智能行业知道其在开发过程中所做的关键假设被证明是错误的，为什么没有人采取必要的措施以促进人工智能的真正思考？答案很可能在 AI 的主要竞争对手身上找到。就好比一个三岁大的小女孩 Sally 已经知道了很多人工智能无法做到的事情，并且能够解决人工智能无法解决的问题。当你停下来想一想，我们今天在人工智能方面遇到的许多问题是任何三岁的孩子都能做到的。

想想 Sally 堆一组积木所需要的知识。在基本层面上，Sally 了解三维世界中存在的方块或任何其他物理物体。她知道即使看不见它们，它们也会一直存在。她天生就知道它们有一系列的物理属性，比如重量、形状和颜色，例如，不能在球形积木上堆更多的积木。她懂得因果关系和时间的流逝，知道必须先用积木搭起一座塔，然后才能推倒它。

Sally 与人工智能行业有什么关系？Sally 拥有当今人工智能所缺乏的东西。她具有情景意识和语境理解能力。Sally 的生物大脑能够将所遇到的一切与之前所学的一切联系起来进行解释。更重要的是，三岁的 Sally 将成长为四岁、五岁、十岁，依此类推。简言之，三岁的 Sally 天生就有能力成长为一个功能全面、聪明的成年人。

与此形成鲜明对比的是，人工智能分析海量数据汇集、检索模式和关联性，而不了解它正在处理的任何数据。即使是最近的 " 神经形态 " 芯片也依赖于生物学中所缺乏的功能。

今天的人工智能要克服其固有的局限性并发展到下一个阶段，即人工通用智能（AGI），它必须能够理解或学习人类能够认知的任何智力任务，并获得意识。这样做将使它能够不断地增长自己的智力和能力，就像一个三岁的人增长到拥有四岁的智力一样，并最终拥有 10 岁、20 岁的智力，依此类推。

遗憾的是，这项旨在阐明复制人脑情景理解能力、使人工智能能够获得真正意识的研究，却极不可能获得资助。因为，至少到目前为止没有人愿意投入数百万美元和多年的开发时间来开发一个能力与三岁孩子一样的 AI 应用程序。

这不可避免地让我们得出这样的结论：今天的人工智能真的不是那么 " 智能 "。当然，这不会阻止许多 AI 公司吹嘘他们的 AI 应用程序能够像人脑一样思考。但事实是，如果他们承认他们的应用程序基于单一算法——反向传播——并代表一种强大的统计方法，他们就会更接近目标。遗憾的是，AI 并不会像人脑一样工作。