人類實現人工智慧究竟需要走多遠的路？答案讓人意外！

人工智慧的目的是創造出與一個人智力相當的電腦，如果你經常看有關評論的話，這應該不太難。

喬布斯

電腦每天都在變得更好，更強，更快，尤其是它們精通人類不擅長的東西，比如說，說出1957乘以683是多少，試試看，你算不了吧。即便如此，我們依舊認為電腦是愚蠢的，如果能夠速算並不代表它們是聰明的，那究竟到什麼程度，一個機械才算只能呢？圖靈測試是對人工智慧最出名的一項測試。簡單來說，如果一台電腦能夠和人類評審持續交談5分鐘，其中三分之一的時間讓評審認為是在跟人類說話，那麼就算通過。

智能機器人

除了2014年由於考官降低標準，一台機器人通過了一次充滿爭議的測試之外，圖靈測試至今仍保持零通過率。其中一個原因可能就是根本沒什麼人嘗試攻克圖靈測試，從一定程度來講，圖靈測試並不能成為人工智慧的終極測試，比如，它不能測試機器辨認圖片或者常識性推理的能力。所以隨著更多的挑戰被提出，電腦也開始一點點克服他們。

人臉識別

研究人員認為，人工只能應該能夠解析視覺信息，比如分辨人臉。最近，電腦也開始在人類設計的遊戲里擊敗我們，谷歌的演算阿爾法狗用神一般的圍棋技藝，成功的打敗了韓國九段職業棋手李世石，棋場上的遊刃有餘和認臉能力的確令人驚嘆。

但一台只能在某一功能達到人類水平的機器，並不能算是智能的，我們只能稱它為弱人工智慧，而人類的目標是造出強人工只能，要達到這一標準，一台機器必須在人類的水準上完成非常多的東西，所以強人工智慧的標準就是，像人類。

有感情的機器人

這聽上去很任性，但其實真的不是，人類的大腦非常強大，因為我們可以學習很多不相關的東西。即使沒有明確的指導，我們依然做得到，一個人可以同時辨別人臉，玩兒圍棋和驚醒開放式對話，換成一台電腦，那就是天方夜譚。

這就是機器學習的用處了，今天的人工智慧都有著自學能力，只要給他們足夠的數據，現代運算使他們能夠編寫代碼，並且不斷自我完善，最基礎的臉部識別運算和程式，可能只用來搜索邊界這樣簡單的目標，進一步將不同邊界和圖形合并，比如圓圈和方形。再進一層，它就能分辨眼睛和鼻子了，這些運算必須要先觀察幾千數百萬張面孔，但最終這些代碼會變成識臉專家。

Facebook圈人

就算光線，角度不同，或者新長了俏胡，它們依然能夠分辨出兩張照片是否是同一個人。這也是為什麼Facebook在你圈人之前就知道哪個是你朋友的臉，因為它們真的有一本滿是人臉的虛擬書，一個人工智慧不僅能識別指定個體們，還能進行總結，即使是一張從沒見過的臉，它們依然可以認出這個醜八怪是個人，而不是樹懶。

最終，如果一台電腦能自學許多人類的行為，並且有能力飛速自學，這太機器就變成了人工智慧，但他的發展不會就此停止，不用太久，這些機器就會超越人類的智慧，成為超人工只能。到了這一天，說不定機器會測試人類，看看我們能不能騙過它們。你懂得，只要已有人提到人工智慧，我們就很怕它們會成為人類的統治者。

人類和人工智慧融合

當然，換個角度看也未嘗不可，如果人類和人工智慧融合到一起會如何呢？