通過機器學習以及大規模資料的統計，電腦可以無限逼近人腦的能力麼？如果可以，哪些能力是比較容易被逼近的？

1樓：徐新潮

對這個問題，我的看法是否定的，電腦不能完全的模擬人腦。

就現在人工智慧的發展情況來看，機器的能力還不能很好的模擬人腦的高階行為，比如人推理判斷的能力(Reason)，理解語言的能力(NLP)，識別影象的能力(CV)；在這些領域，人工智慧還只處於初級階段，例如現有的在處理比如CV問題上很好的深度學習模型相對於人腦來說還是非常低階的。

如果從發展的角度看，我也是持非常謹慎的態度。如果電腦能完全的模擬人腦，也就是機械人與人沒有區別了，我不相信人能夠完成只有上帝才能做得工作。

但是這並不是說對人工智慧沒有意義了，我們為什麼一定要想著完全的模擬人腦呢！我認為AI的目的是做出對我們生活有意義的工作，比如可以自動駕駛的汽車，可以救險的機械人，可以進行自動翻譯的軟體，在這些方面，AI正在迅速發展。

2樓：

可以無限逼近嗎？這個問題實際上不太清楚。真有一天做出來了，那就能證明可以逼近甚至達到人的能力。在此之前這個問題屬於未知範疇。

那些能力比較容易逼近？這是個好問題。一般來說比較不需要大規模聯想的能力，比較機械化的能力，比較容易從區域性輸入中得到解的能力，比較不模糊的能力，就容易逼近。

這麼空泛地說，一定很難懂。下面舉個幾個例子。自然語言處理裡面做的最好的是Part-of-Speech，也就是詞性判定，是動詞名詞形容詞這些。

比如Adam eats a banana. Adam是名詞，Eats是動詞。這種東西為什麼簡單呢？

你只要看見Adam，百分之99.9的可能性都是名詞，甚至不需要考慮周圍的詞的成分。有的詞需要考慮周圍少數幾個詞，這也不難。

如果要考慮周圍不知道多少個詞的情況，就麻煩了。比如說:

Adam told Linda to buy a banana for him. She refused. He was mad.

這裡he指的是誰呢？我們很清楚，一共兩個人，肯定是Adam。但是這就是乙個長距離的推理。

Adam這個詞離He太遠了，不能通過區域性資訊推斷出來。這就很麻煩。這就是區域性推理和全域性推理的區別。

-- 待續 --

需要聯想的推理

處理模糊資訊的能力

3樓：

如何界定人腦的能力？大規模資料的統計是指什麼？

恕我直言，這些問題都太大近乎是研究哲學。EPFL 有乙個bluebrain 的project，用了很多臺大型計算機，也只能模擬少數的神經元，Bluebrain | EPFL

「電腦應該不能夠在舊有的知識上「創造」新的知識以及「思考」」，什麼是就有的知識，什麼是新知識。簡單的布林邏輯運算上面，可以最終進行複雜的數值建模還不算是創造嗎？

人工智慧被說成了乙個爛大街的名詞了，再好的演算法也需要有硬體來實現。