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。

作为万千物种之一，我们人类一直对动物和无生命物体的人性化表现很感兴趣，无论是看到戴着小礼帽的狗咯咯地笑，还是在湿漉漉的浴室镜子上乱画笑脸。这种微小的改变可以使人们本能地对一个非人类实体做出更热情的反应。