到2022年，人工智能衍生业务的总价值将达到3.9万亿美元左右。这家分析公司指出，IT领导者将需要使用人工智能来支持不断发展的基础架构。根据Gartner的调查，到2025年，将有90％的企业将关闭传统的数据中心。实际上，已有10％的企业这样做了。

今天的人工智能是由数据驱动的。而今天的大部分数据都来自于互联网：文字、图片、视频，以及我们与它们的交互......目前还没有一个现有的「文档理解」模型，让我们可以通过转移学习来适应我们的具体业务流程。构成商业世界的Excel电子表格、营销手册、法律合同等文档，都隐藏在各个公司内部的邮件收件箱和其他

2012年图灵奖获得者Geoffrey Hinton领导的课题组参加了ImageNet图像识别比赛，通过卷积神经网络（CNN）在比赛中一举夺得冠军......越是专业化程度高的领域，人工智能更加有优势代替人类。而那些与人打交道的，教师、护士等，以及需要创造性思维的架构师、艺术家等是不容易被替代的。这和弱人工智能擅长的领域非常一

人对声音的感知是有范围的，人感知不到的动物却能感知到。比如在地震前有些动物提前是有反应的，说明它们有一种能力能够感知到，如果人类能够连接动物与之沟通，就有可能实现预测地震。

如果AI革命不可避免，至少一个可被解释的系统能够更好地融入崭新的算法社会契约——例如伊亚德·拉万（Iyad Rahwan）提出的社会回环（Society-in-the-loop）——与人类共生存，而不必成为敌对的关系。

当然，人工智能与人密切相关，应当就基本的伦理形成共识：我们必须时刻坚持人文关怀，将造福于人作为首要原则。作为人工智能基础设施平台的提供者，必须坚持开放共赢，才能扮演好智能经济赋能者角色。

根据维基百科的说明，AGI是指“一种能够理解或学习人类方式并完成任意智能任务的机器。”目前，科学家、研究人员以及意见领袖的普遍观点是，我们距离真正的AGI至少还有数十年的发展历程。

我凭着直觉感到，在车间伴随着时时思考并探索和尝试的动手能力，力学的、电学的、材料的，是无法轻易被机器取代的，相反，坐办公室的工作，却很容易被机器取代。

本文从动机性、常识和决策这三个角度出发，分析现阶段机器智能与人智能之间的差异，并指出机器存在“展示动机的形成机制难以实现”、“形成常识的方法成本过高”、“智能决策模式尚未成熟”等诸多问题，强调人们需在人工智能发展高潮的时期保持警惕，主动解决行业发展的瓶颈，从而实现领域的平稳高效发展。

证件、人脸，扫描对比，绿灯亮，通过，在经过高铁安检闸口的这一流程时，你也许会想：机器认识我。而实际上，并不是。“当前的人工智能（AI）识别做的只是比对，缺少信息进入大脑之后的‘加工、理解、思考’步骤，因此仅仅停留在‘感知’，而并非‘认知’。”

“小朋友观看一次狗的图片，就能认识到狗这个物种，但是机器需要训练成千上万张图片才不会犯错误；对于一只狗眼睛，人可能下意识的感知到这是一只狗的眼睛，机器可能会因为信息不充分判断失败”。所以，用少量的信息得到最好的效果，也是机器获得认识智能的一个表现。将数据和知识结合获得认知是学界达成共识的一个方

简单理解，计算智能即快速计算、记忆和储存能力；感知智能，即视觉、听觉、触觉等感知能力，当下十分热门的人脸识别、语音识别即是感知智能；认知智能则更为复杂，包括分析、思考、理解、判断的能力。