目前，人工智能作为一个专业术语被不加区别地应用于各种各样的系统，它有许多扩展的定义，但是却没有一个明确的定义。大致上，我们可以说人工智能是一个试图复制人类思维过程或其结果的软件。但这一定义并不能概括人工智能的全部内涵。
现阶段，人工智能可以帮人类选择下一首播放的歌曲，可以动态地控制机器人的腿，可以识别图像中的物体并进行描述，可以将德语翻译为英语，俄语翻译为韩语，再将韩语翻译为德语。这些任务实现自动化，能够给人类带来巨大的好处。
然而，这些任务中最复杂的任务也不过是“一项任务”。一个神经网络经过数百万句子的训练之后，可以完美地翻译8种不同的语言，而且没有任何错误，但这仍然只是一个复杂的机器处理数字的过程，并由人类设定规则。
这就是“弱”人工智能和“强”人工智能存在区别的地方。准确地说，“强”和“弱”并不是人工智能的分类，而是思考人工智能这一概念的两种方式。一者并不比另一者更正确，重要性并不因此而下降。
一种观点认为，无论人工智能的构造多么复杂，它只是在模拟创造它的人类的大脑，人工智能永远不会超过自身的机器的本质。就算它能够完成令人难以置信的事情，但最终只是一个功能强大的软件而已，这是一种基于弱人工智能的观点，支持者往往致力于创造处理单个任务的系统。
强人工智能的支持者则指出，有足够能力的人工智能和人类的大脑思维没有区别。这些人将大脑本身视作另一个中文房间，相信硅电路可以在头脑内产生所谓的人类智能和意识。他们的理论依据是，在某一个时间点上，人类有可能创造一个等于或超过人类智力的人工智能。
一个实验
中文屋思想实验
这个实验要求人们想象一位只说英语的人身处一个房间之中，房间除了门上有一个小窗口之外，其他地方都是封闭的。房间里有一本用英文写成，从形式上说明中文文字句法和文法组合规则的手册，以及一大堆中文符号。房间里还有足够的稿纸、铅笔和橱柜。写着中文的纸片通过小窗口被送入房间。房间里的人可以使用他的书来翻译这些文字并用中文回复。虽然他完全不会中文，但是通过这个过程，房间里的人可以让房间外的人以为他会说流利的中文。
这个实验就是著名的“中文屋思想实验”，最早由计算机领域的先驱约翰·塞缪尔提出，被看做是证明定义智能的好方法。
塞缪尔认为，尽管房间里的人可以以假乱真，让房间外的人以为他的母语就是中文，然而事实是他压根不懂中文。在上面的过程中，房外人扮演的角色相当于程序员，房中人相当于计算机，手册相当于计算机程序。而正如房中人不可能通过手册理解中文一样，计算机也不可能通过程序来获得理解力。
由此推演，只要条件足够，人类可以在房间中完成几乎任何类似的事：绘制或描述图片，翻译或纠正任何一门语言。但这就是智能吗？房间外的人或许觉得是；房间内的人肯定不会同意。
如果房间里不是人，而是放满晶体管的箱子呢？如果箱子中不是晶体管，而是神经元会怎样？展开深入探索，这个“兔子洞”可以要多深有多深，深到足以产生很多困扰哲学家数千年的问题，许多围绕人工智能的争议也由此展开。
零下一度
是未雨绸缪还是杞人忧天？
◆王琳琳
如果问当今科技和信息社会最热门的词汇是什么？除了“人工智能”，相信没有第二个答案能够胜出。据说，在硅谷，如果一个公司的域名里没有“AI（人工智能）”，基本没有机会拿到投资了。各大公司和企业更是纷纷布局“人工智能”，希望占据下一轮技术革命的风口。
就在大热的同时，探讨和争议也随之而出。不少名人纷纷呼吁警惕人工智能，认为它将威胁人类最终生存。这些名人包括但不限于，著名科学家斯蒂芬·霍金， “人工智能的发展将会带来人类的终结”；特斯拉创始人埃隆·马斯克，“我们必须要开始小心人工智能了，它可能比核武器更加危险”；微软创始人比尔·盖茨，“我对可能出现的超级人工智能感到十分担忧”。
这些牛人的警告，当然不会像普通人担忧出现好莱坞大片和科幻小说中机器人威胁人类生存的场景那么简单，而是综合分析“人工智能”出现后可能带来的现实、伦理、哲学等各领域后果后，慎重得出的结论。
一曰取代。人工智能会让机器人做更加复杂的工作，并取代更多的人类工作者。人工智能的专家们表示，在可见的将来，95%甚至95%以上的工作岗位，都将可以由人工智能来取代。如果真是这样，那就意味着我们社会中的绝大部分人都将失业，只剩下少数人工作养活所有人。这样的社会结构，人类有史以来还没有出现过。
二曰伦理。人工智能很“聪明”，而且又高效、勤奋、低廉，但是它们并不“人性化”，只是冷冰冰的机器和工具。比如，AlphaGo第一场就战胜了李世石，但是它不会感觉高兴，也不会理解人类对于它的讨论。因为，它的思考虽然周密，但是它不懂“赢了有什么感受？”，也不懂“为什么围棋好玩”，更不懂“人为什么要下棋？”，甚至连“你今天怎么赢的？”都说不上。
三曰威胁。人工智能发展的目标是让其像人类一样，拥有学习和处理细节和复杂问题的能力。然而，当其一旦有了“类人”的自主意识，它会不会带来“反叛”？在许多关键领域，如刑事司法系统和医疗保健部门，已有机构在探索人工智能在假释或诊断疾病等方面可以发挥的作用。但是，把决策权交给机器，人类会不会面临风险？谁能确保这个系统在每个案件中都做出正确的决定？而且，人工智能目前在互联网的状态下发展，没有具体的物质结构，心怀恶意的人只要靠在网络上下单、订购各种服务，就可以对社会造成破坏。
所以，上海交通大学科学史与科学文化研究院院长江晓原说出了这样一句话，“我们现在能确定的是科学家憋着劲儿要搞人工智能，不确定的是人工智能最后会不会毁灭我们。” 他建议，人类应该把人工智能认识为大规模杀伤性武器，世界各大国坐下来举行谈判加以限制。最多保留一点低级的人工智能，但要想办法防止它的进化。
不过，也有很多人表示，“人工智能灾难”不足为惧。这种言论的理论依据在于，所有的世界末日场景都会涉及一个长长的“假如，那么”的事件序列，并且在每一个节点上是忽略了这个毁灭性灾难的。西英格兰布里斯托尔大学的电子工程教授Alan Winfield在2014年的一篇文章中这样说：“假如我们成功地建立了一个与人类同等智力的人工智能，然后假设这个人工智能完全理解它自己是如何工作的，接着假设它后来成功地提升了自己并创造出超级人工智能，进一步假设这个超级人工智能有意或无意地开始消耗资源，最后还假设我们没有办法对此叫停，那么我们确实出现了危机。这个危机虽说不是不可能发生，但经过这么多的假设看来，却是不太可信的。”
“人工智能”支持派还认为，人工智能的发展比预计的发展要慢得多，这就给人类留下了在每个阶段进行风险评估的时间。谷歌执行总裁Eric Schmidt回应马斯克和霍金时说，“你们认为人类会无知到看不到这类情况的发生吗？你们认为人类在这些情况发生时会视若无睹，而不是去立刻关闭这些计算机吗？”刚刚离职的百度AI业务核心人物吴恩达说，“威胁论”推断杞人忧天，类似于“还没有踏足火星，就已经开始担心火星殖民人口过多的问题了。”
两派各执一词，谁也无法确定人工智能未来的发展到底会是怎样的情景。唯一可以确定的是，无论人类的判断会不会被机器改善或取代，机器的崛起也仍会该来就来。我们所能做的，也许就是在这个过程中，防患未然，未雨绸缪。
深度学习——人工智能实现的基础
传统的机器学习中，人们要为每种任务定义其特定的解决方案。比如图像，人们要耗费大量精力设计图像特征描述；文本，单单一个机器翻译任务就动辄需要多个模型的设计，如词语对齐、分词或符号化、规则抽取、句法分析等，每一步的错误都会积累到下一步，导致整个翻译结果不可信，且追查错误会非常复杂。
深度学习可以弥补以上问题。深度学习是机器学习算法的一个新的领域，可以建立模拟人脑进行分析学习的神经网络，模仿人脑机制来解释数据、图像、声音和文本。深度学习是无监督学习的一种。
深度学习建立于深度神经网络的建立。深度神经网络的出现得益于大数据和强硬件。深度学习一方面减轻了对大量手工特征的依赖，对于图像、文本等可以直接从原数据进行建模；另一方面通过端到端的网络模型（即一个网络直接从输入到输出建模，而不需要中间步骤）减少了多步骤中错误累积的问题。
大数据
深度神经网络是指在计算机上搭建一个多层的神经网络，只需要制定层数，并不需要给定具体的参数，计算机通过计算大数据来自动学习最终的网络参数。不一样的网络参数能够识别不同的物体，然后这个训练好的网络就可以自动识别物体了。在数据量足够大，计算机够强大的基础上，计算机就能学习出各种复杂的特征。
强硬件
深度学习需要强计算处理能力，因此需要图形处理器（Graphic Processing Unit，GPU）显卡进行并行加速。
GPU的每个显卡都有几十个多处理器，每个多处理器有上百个核。每个核拥有的缓存大小相对小，数字逻辑运算单元少而简单，这使得GPU具有超高的运算速度，擅长图像处理，在游戏、虚拟现实、自动驾驶、数据中心等各高计算需求领域实力非凡。
链接：人的大脑是如何工作的？
大脑的工作过程，是一个对接收信号不断迭代、不断抽象概念化的过程，例如，从原始信号摄入开始（瞳孔摄入像素），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判定眼前物体的形状，比如是椭圆形的），然后进一步抽象（大脑进一步判定这一物体是张人脸），最后识别人脸。
这个过程其实和我们的常识是相吻合的，因为复杂的图形，往往就是由一些基本结构组合而成的。同时我们还可以看出：大脑是一个深度架构，认知过程也是深度的。
而深度学习，恰恰就是通过组合低层特征形成更加抽象的高层特征（或属性类别）。例如，在计算机视觉领域，深度学习算法从原始图像去学习得到一个低层次表达，例如边缘检测器、小波滤波器等，然后在这些低层次表达的基础上，通过线性或者非线性组合，来获得一个高层次的表达。此外，不仅图像存在这个规律，声音也是类似的。
人工智能的应用
人工智能发展至今涉及多个研究领域，研究方向包括智能控制、符号计算、自然语言理解、模式识别和计算机视觉、机器学习与数据挖掘、智能信息检索、语音识别等，逐渐成为更为广泛的智能科学学科。现在，人工智能已经渗透进人类生活的方方面面，改变着未来。
艺术：画画
谷歌曾在旧金山举行一场画展和拍卖会，展示电脑在人类的指导下创作的画作，画作包括迷幻的海景、梵高风格的森林以及城堡和狗组成的奇异景观。其中，6幅尺寸最大的作品被一位职业拍卖人以高达8000美元的价格拍得。
谷歌最初开发这项技术是为了识别照片中的物体。但为了进行艺术创作，工程师又随机为电脑算法提供各种形状，电脑推算之后便会报告这些图片像什么物体，例如狗、人脸和树木。
商业：金融交易
人工智能拥有强大的计算能力，可以将其引入股市、银行等代替人类做交易员。第一个以人工智能驱动的基金Rebellion预测了2008年的股市崩盘；掌管900亿美元的对冲基金Cerebellum也使用了人工智能技术，从2009年以后，没有一个月是亏损的。根据花旗银行的最新研究报告，人工智能投资顾问管理的资产，从2012年的基本为0，到2014年底，已经到了140亿美元。未来10年，通过人工智能管理的财产还会呈现指数级增长，预计将达到5万亿美元。
健康：医疗辅助
不久前，谷歌创造出AlphaGo的Deep Mind实验室宣布进军医疗技术领域，与英国伦敦帝国理工学院和伦敦皇家自由医院展开合作，推出一款名为 Streams 的移动端应用程序，医疗人员可以利用 Streams 更快地观察到医疗结果。
在美国，很多人工智能技术已经开始替代专业医生，比如放射科医生。这些医生的年薪一般都在40万~50万美元。一台机器的价格可能很贵，但是多替代几个医生，成本就抵消了。在医疗界，机器正在让那些刚毕业两年的博士失去工作，因为他们的被替代性最强。
交通：无人驾驶
想象一下，有一天出门打车，车上没有司机，你只要告诉它要去哪里，它会自动搜索路线并启动汽车上路。其实现在已经不用想象，因为这一切正在成为现实。
谷歌、特斯拉、苹果甚至是宝马，都在开发自己的无人驾驶汽车。无人驾驶汽车发生事故的概率也远远低于人类。当然，这同样依靠人工智能强大而精准的计算能力。
关于这些无人车何时正式大量地上路载人，业内普遍的说法是2020年，目前它们在物体识别以及交通规则上仍在学习过程中。
生活：个人助手
电影《Her》中，人工智能操作系统萨曼莎不仅可以帮助主人公快速处理各种邮件、文件等工作，还能像朋友一样理解并与之交互。
现实生活中，这样的个人助手也正在成为现实，如苹果的Siri、微软的Cortana 以及谷歌的Google Now，国内也有科大讯飞的灵犀、图灵的虫洞语音助手等，这些语音助手现在一般是存在于PC或手机之中，近年随着服务机器人的发展，它们开始有了新的载体。而机器人除了有语音功能外，还具备自主行动的能力，因此有望在其他方面帮助人类。
