1樓：換些問題驗角度
人工智慧，智慧型達到動物的水平，達不到人類的水平。
動物只能處理當前的事情，比如獅群圍獵，羚羊逃跑，甚至烏鴉引導孤狼捕捉兔子，大象、藏驢刨坑喝水等等。
它們無法處理複雜的關係，只會處當前，而不會「述往事、思來者」。
人工智慧，因為沒有生命，無法達到人類所能具備的意識。
2樓：zhangyi2099
強人工智慧和弱人工智慧
人工智慧的乙個比較流行的定義，也是該領域較早的定義，是由當時麻省理工學院的約翰·麥卡錫在2023年的達特矛斯會議上提出的：人工智慧就是要讓機器的行為看起來就像是人所表現出的智慧型行為一樣。但是這個定義似乎忽略了強人工智慧的可能性（見下）。
另乙個定義指人工智慧是人造機器所表現出來的智慧型。總體來講，目前對人工智慧的定義大多可劃分為四類，即機器「像人一樣思考」、「像人一樣行動」、「理性地思考」和「理性地行動」。這裡「行動」應廣義地理解為採取行動，或制定行動的決策，而不是肢體動作。
強人工智慧
主條目：強人工智慧
強人工智慧觀點認為「有可能」製造出「真正」能推理和解決問題的智慧型機器，並且，這樣的機器將被認為是具有知覺、有自我意識的。強人工智慧可以有兩類：
人類的人工智慧，即機器的思考和推理就像人的思維一樣。
非人類的人工智慧，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。
弱人工智慧
弱人工智慧觀點認為「不可能」製造出能「真正」地推理和解決問題的智慧型機器，這些機器只不過「看起來」像是智慧型的，但是並不真正擁有智慧型，也不會有自主意識。
弱人工智慧是對比強人工智慧才出現的，因為人工智慧的研究一度處於停滯不前的狀態下，直到類神經網路有了強大的運算能力加以模擬後，才開始改變並大幅超前。但人工智慧研究者不一定同意弱人工智慧，也不一定在乎或者了解強人工智慧和弱人工智慧的內容與差別，對定義爭論不休。
就當下的人工智慧研究領域來看，研究者已大量造出「看起來」像是智慧型的機器，獲取相當豐碩的理論上和實質上的成果，如2023年康乃爾大學教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa電腦程式，只要給予一些資料，這電腦程式自己只用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式，等於只用幾十個小時就自己重新發現牛頓力學公式，這電腦程式也能用來研究很多其他領域的科學問題上。這些所謂的弱人工智慧在神經網路發展下已經有巨大進步，但對於要如何整合成強人工智慧，現在還沒有明確定論。
以上摘自維基百科
3樓：走路不長眼
現在的技術，做出來的東西，我認為是人工本能。
眾所周知，人類具有先天理性，這一點我們可以從數學發展歷程中看出。
在非歐幾何出現之前，幾千年裡，人類的思維都不能跳出歐式宇宙去看問題，橫平豎直天圓地方是人們對世界的普遍看法。這種由有限的生活經驗所塑造的直覺，可以讓人類方便的處理各種幾何問題，但是也限制了人類進一步擴充套件的腳步。也就是說先天理性並不是完美的。
現在做成的GPT-3 ，我認為已經具備了基於人類自然語言的基於知識圖譜技術的先天理性，我認為這種東西可以稱為機器本能，只不過這種本能人類無法理解。
4樓：火燒捲餅
個人看法是，現在世界上的主流人工智慧的技術的確是以統計概率為基礎的，而且現在的程度可以粗略的概括為一句業界的現狀: 「有多少人工就有多少智慧型」，而且在很多場景下(智慧型/人工)的比例遠遠小於1，在很多情況下這種智慧型並不比人類或者生物所有的智慧型強，但不可忽略的是在很多場景下這種用人力堆積出的智慧型強度已經可以應用在一些產品上了。
然後就是「真正意義上的智慧型」，這個東西現在沒有確切的定義，大家也都眾說紛紜，有人堅定的認為人類或者生物智慧型是可以通過某種計算形式來表現出來的，而有些人也認為數學並不能表達這樣的智慧型起碼現在的數學不能。然後乙個比較有名的界定方法就是「圖靈測試」，但是這個也只是通過實驗現象來測試，並沒有定義智慧型的內在表示。所以就我所知，「真正意義上的智慧型」這個東西是個十分開放的問題，說不定人會某天發現某些技巧來大幅度提公升我們已經知道的方法而更加接近人類智慧型的效能(例如深度神經網路，這個方法存在很久了，在大佬們做了很多努力後變得容易訓練了，效能馬上就獲得飛躍)，也說不定某些全新的東西會被人們發現發明，或者人類某天發現了我們現有的方法永遠達不到人類智慧型的證據。
所以，我們說不定只差一點了，或者我們也許只能永遠在尋找的路上。
5樓：
現在的AI還是在弱人工智慧階段，人工智慧需要不斷發展的。人工智慧永遠是現有人工，再有智慧型。只不過現在AI的應用開始多了，例如智慧型對話，自動駕駛，推薦系統，影象識別，異常分析等等
6樓：笑木
瀉藥。話不多說，先貼一張人工智慧發展大致要經歷的幾個階段：
在答主看來：現階段，人工智慧在「耳聽、 嘴說、眼看」等感知智慧型的領域達到甚至超越了人類水準，即比人聽得準（低訊雜比情況下能夠聽見、聽懂），說得對（對某些領域，知識比人類更加海量）、看得準（比人視覺識別更精準），但在需要外部知識、邏輯推理或者領域遷移的認知智慧型領域還處於初級階段，且這也將會是目前乃至未來很長一段時間人工智慧發展的主要方向。
那就目前人工智慧發展的情況來看，現階段人工智慧算不算真正的人工智慧呢？見仁見智，答主更傾向於是50%人工，50%智慧型這種觀點。如果你認為真正的人工智慧至少要像鋼鐵俠管家賈維斯那般，不好意思，那現階段還算不上真正的人工智慧。
那國外人工智慧發展到什麼程度了呢？比國內又如何呢？答主有幸接觸過亞馬遜智慧型裝置專案，也做過相關的亞馬遜認證。
至少從民用裝置的技術層面來講，國內和國外差距並不是很大，國內人工智慧發展，不說超過國外，至少來說，和國外水平相當。
7樓：GeekOn
你說的基本都是對的，這就是現狀。
再說說人工智慧應該的樣子。
人工智慧的發展有三個要素：
1、資料，這是基礎，沒有大量的資料，人工智慧連雛形都做不到，且應用領域必須分析大量資料，得出需求。
2、演算法，包括架構，這一部分需要天才，目前的演算法已經挺天才的了，不過還是不夠，深度學習，神經網路都還是給予概率統計分布，所以談不上質的突破，但是量的突破還是很大的。
3、投入，包括人力物力精力。人類培養乙個孩子，架構的問題不需要考慮了，所以就是投入部分，接近20年的細心教育培養陪伴，加上其他投入，可以說幾乎是一代人用一生培養另一代人（所以一直覺得不能只生乙個，就虧了，哈哈）。智慧型機械人也需要這樣的長時間全身心投入。
當然了，實際上架構的問題才是根本，現有的計算機架構都是基於數位化的，真的是數字0和1，一切無法變成數字的問題都難以克服，所以架構才是最大的障礙。這也是現在大量研究生物腦結構的原因。
8樓：ivy zheng
看你如何定義人工智慧了。
人工智慧本身就是人工的，不是真的智慧型。生命和電腦科學領域對人工生命和人造生命有區分，人造生命指從生物學角度培育出來的生命，如用乙個細胞轉殖出來的羊；人工生命指在計算機中模擬的生命，它具有生命的一切應激性特徵，能表達生物學特徵但不真正具有生物學特性。人工智慧可以參考這種區分。
人工智慧提出後，圖靈給出了人工智慧的判定標準：測試者與被測試者（乙個人和一台機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試後，如果機器讓參與者做出超過30%的誤判，那麼這台機器就通過了測試，並被認為具有人工智慧。
從這個標準看，目前已經實現了人工智慧。
除了這種問答交流領域，人工智慧在很多很多具體任務中也超過了人類智慧型，比如圍棋、視覺等，但在綜合性實際場景任務中，能力遠低於人類。
人工智慧確實是從統計學發展出來的，《數學之美》這本書雖然是講搜尋引擎的，但很好的總結了統計學應用於自然語言這段歷史，也可以作為人工智慧發展的參考。基於規則的歷史，已經否定了模擬人腦這條發展路線，畢竟機器和人是不一樣的。
人工智慧目前階段並不完全是統計學，所謂資料驅動、從資料中學習，只靠統計是不行的，目前的人工智慧演算法在統計基礎上，還夾雜了很多人的先驗知識（體現在模型裡面）等內容。
只能說，人工智慧指的是機器智慧型，本來就不是人類智慧型。要實現人類智慧型，生個孩子可能更容易些。
9樓：BrainShawn
遠不是。由於計算和儲存資源的提公升，現在的人工智慧從基於傳統的機器學習過渡到所謂的深度學習，即通過更大更複雜的計算網路統計輸入中更豐富的特徵分布，所以還是個基於統計的經驗學科。
個人認為之後只有當AI可以推理並具有常識才可以算作真正的人工智慧。這個以現在的資訊表徵方式（比如神經單元的權重）我認為是極難做到的。比如在計算機視覺領域，現在還停留在理解靜態語意（分類，物件識別，語意分割等）的階段，離常識+推理還查的很遠。
10樓：何裕坤
你的理解是正確。在理論還沒有突破前，現在所有計算機都是圖靈機型別。也就是所有這些機器能夠解決的問題的邊界，就是圖靈當年劃定下來的邊界。
具體說，就是只能解決那些可計算的問題。也就是你剛才說的，能夠解決的，都是可以通過演算法把問題等價成為數學問題的問題。
例如做導航的規劃，是可以通過遍歷演算法去找出最短路徑。不過類似這個女孩子怎樣才能喜歡我這型別的問題，因為已經不是數學問題，現在的人工智慧幫不了你太多。按照這樣的理解，你應該清楚人工智慧跟我們的思維能力，是兩回事。
隨著計算能力的增強，還有就是演算法的改進，在很多領域，人工智慧處理某些方面的能力已經明顯超越人類。不過這個就如汽車的速度比你跑得快很多一樣，工具的能力，某方面是肯定比人類強。這樣的事情，其實並不可怕。
最大的問題，反而是背後使用的人。就是剛才女孩子的問題，怎樣讓女孩子喜歡你可能難以計算。不過通過她平時玩遊戲的喜好，具體分析出她喜歡玩什麼遊戲，有什麼愛好還是有可能的。
根據這些策略，有所針對地去追這個女孩子，你成功的概率還是有機會提公升的。
最後，現在最好的人工智慧應用已經在我們這裡了。得益於我們隱私保護的缺乏（我也不好說是好是壞），很多人工智慧應用的公司可以得到大量的廉價資料。在技術和演算法類同的時代，資料量的差距就是應用效果的最大差距。
所以我們還是需要自信一點，不然歪果仁為啥要不擇手段地卡我們脖子呢？
如何評價現在的人工智慧技術？
KnowingAI知智 在回答題主的疑問前，可能要對問題中的幾個名詞先做定義 2 人機互動 按照題主接下來的描述，應該指的是問答系統 Question Answering 即用準確 簡潔的自然語言回答使用者用自然語言提出的問題。以下為回答 現在的人工智慧的基礎的確是資料和計算力。瘋狂飆公升的計算力支...
如何評價現在業界的人工智慧？
林鐿 目前還沒有可預見的通用AI，很多 人工智慧 的工作，具體還是在計算機視覺，語音識別，自然語言處理等乙個個具體的問題。必須肯定這些年取得的成績，但是距離超能陸戰隊中可愛的大白還有一段路。 沈哲吉 單純說一下在公司裡看到的一些應用ML的場景。公司有非常龐大的資訊化的資料，公司在在這些資訊化資料上為...
人工智慧是不是走錯了方向？
劉鈞文 我覺得這個想法有點本末倒置了。數學是為了描述現實世界的現象，便於人去理解其中的規律。而不是世界當中的現象來遷就人類的數學模型或者人工智慧。人工智慧再強也是基於這種邏輯工具衍生出來的，至於說大腦裡面有沒有傅利葉變換什麼的，說真的，用三體的一句話來說，主不在乎。 zhmym 人工智慧本來就沒有在...