觀點一：深度學(xué)習(xí)無法戰(zhàn)爭生物大腦
深度學(xué)習(xí)基于多層神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)模型。表面看竞阐，深度學(xué)習(xí)和生物大腦里的神經(jīng)元和突觸的運作有所相似辉词。但其實，深度學(xué)習(xí)只是對單個生物神經(jīng)元的極其粗糙的近似模擬（仿生學(xué)含義）蓖救。計算機能做的，就是定好一個模型印屁，設(shè)一個目標(biāo)函數(shù)循捺，讓計算機自己不停地去試，找到一個方案使目標(biāo)函數(shù)的輸出達到最優(yōu)雄人，它就認(rèn)為這是解決方案——但計算機無法真正“理解”為什么是最優(yōu)巨柒。
機器學(xué)習(xí)永遠(yuǎn)不會有自我意識，因為其優(yōu)化目標(biāo)是人類設(shè)定柠衍，不是物理世界給定的。
即使機器學(xué)習(xí)有了量子計算晶乔，并不會改變其在人類社會中的定位珍坊。量子計算技術(shù)的發(fā)展，為我們在特定計算任務(wù)（主要是部分?jǐn)?shù)值優(yōu)化算法以及密碼學(xué)算法上）正罢，可以給出極其快速的求解速度阵漏。
從模擬計算機發(fā)展到光學(xué)計算機，從圖形處理器到量子計算機——代表了計算機運算能力的巨大突破。
雖然量子計算可以為人工智能發(fā)展提供革命性的工具履怯，能夠指數(shù)級地提升學(xué)習(xí)能力和速度回还，輕松應(yīng)對大數(shù)據(jù)的挑戰(zhàn)。但認(rèn)為量子計算對大數(shù)據(jù)的處理可以趕上或超越生物大腦對神經(jīng)元和突觸的計算量叹洲，而得出AI將達到人類大腦的水平柠硕，機器終將超越并取代人類智慧（人工智能奇點論）。
這種推測在科學(xué)上是不成立的运提。
觀點二：人類的演化史就是一部生物智能的訓(xùn)練史
創(chuàng)新工場人工智能工程院副院長王嘉平認(rèn)為蝗柔，人類的進化不單單包括大腦和神經(jīng)系統(tǒng)突觸的進化，而是整個世界的進化相統(tǒng)一民泵，與人類的欲望相一致癣丧。
人類的感知系統(tǒng)、運動系統(tǒng)栈妆，乃至情感和創(chuàng)造力胁编，都是在生存能力的基礎(chǔ)上發(fā)展而來。
深度學(xué)習(xí)僅僅是一個工具鳞尔。人類的選擇嬉橙、人類法則、人腦的發(fā)展并不僅僅有關(guān)人類大腦铅檩，它是人類進化成果的一個總和憎夷，伴隨著整個地球生物界的發(fā)展。生物智能的學(xué)習(xí)從來都不是單個個體的學(xué)習(xí)昧旨，而是全球生物在歷史上的所有種群所有個體一起協(xié)同在經(jīng)歷一場以生存為優(yōu)化目標(biāo)函數(shù)的學(xué)習(xí)過程拾给。在機器學(xué)習(xí)中的目標(biāo)函數(shù)由人類設(shè)定，而自然選擇的目標(biāo)函數(shù)則是為生存幾率所驅(qū)動兔沃。
現(xiàn)階段機器學(xué)習(xí)過程通常是孤立的蒋得，每次從頭來，但生物智能的學(xué)習(xí)過程乒疏，其智能的模型通過DNA被代代相傳额衙，每一個個體的學(xué)習(xí)過程都不是孤立的，而是整個地球生物總體學(xué)習(xí)過程中的一部分怕吴。
無論是生物的低階智能窍侧，如視覺識別系統(tǒng)、以及高階智能转绷，如情感和性沖動伟件，甚至更高階的社會性行為，如協(xié)作和分工议经，歸根結(jié)底都是在優(yōu)化群體的生存幾率斧账，并且對于個體來說大部分的智能谴返，尤其是低階智能，并不是在其生命周期里面學(xué)習(xí)得到的咧织，而是在繁殖過程中繼承而來的模型嗓袱。
這個繼承而來的模型，也就是遺傳基因习绢。不僅包含了智能模型“軟件部分”渠抹，也包含了定義生物機體構(gòu)造和生化運作方式的模型，即“硬件部分”毯炮。
所以逼肯，從廣義的計算能力上面來說，生物智能的建立過程是歷代所有種群所有個體的應(yīng)對和自適應(yīng)能力的總和桃煎；從廣義的訓(xùn)練數(shù)據(jù)上面來說篮幢，是歷代所有種群所有個體所遭遇到的環(huán)境的宏觀變化和沖擊，以及微觀上每個個體在生命周期中遇到的具體的生存任務(wù)为迈，例如覓食和交配三椿。無論哪方面，都是現(xiàn)階段機器學(xué)習(xí)系統(tǒng)遠(yuǎn)遠(yuǎn)無法企及的葫辐。
人類的遷移學(xué)習(xí)能力早已被祖先寫進遺傳基因
以認(rèn)字為例搜锰，兒童可以在看過少量的字母圖像之后，輕松識別出大部分同一個字母的所有變體耿战，以及不同的書寫方式蛋叼。而機器學(xué)習(xí)卻需要大量的包含盡量多的變體的字符圖像，才能把識別任務(wù)做得比較好剂陡。因為這并不是生物智能能夠從小樣本中神奇地總結(jié)有效的規(guī)律狈涮，而是文字系統(tǒng)本來就是依據(jù)人類視覺系統(tǒng)的識別能力設(shè)計的。
在文字出現(xiàn)之前鸭栖，類似的圖形歌馍，例如連續(xù)的線條、有規(guī)則的輪廓等大量的出現(xiàn)在我們可以看到的自然世界之中晕鹊。所以松却，對于這些視覺信號的識別和抽象能力在我們的祖輩甚至可能更早，就已經(jīng)記錄在我們的智能模型之中溅话，也就是在遺傳基因里面晓锻，并且在繁殖過程中復(fù)制給一代又一代的新的個體。
但是如果是歷史生物智能構(gòu)建過程中不包含的任務(wù)飞几，對人類來說是非常困難的带射。如果用二維碼作為人類的文字系統(tǒng)，即使有再多的樣本循狰，對于大部分人類也是極其困難的窟社。然而，這個任務(wù)對機器學(xué)習(xí)來說绪钥，識別二維碼的難度和識別人類手寫體的難度并無太大差別灿里。
科幻電影 《降臨》（Arrival）很好地詮釋了這一點，對于來自物理自然環(huán)境的形態(tài)和人類截然不同的世界的外星文明程腹，人類同樣無法識別其書寫文字匣吊，需要借助計算機來完成。因為人類視覺系統(tǒng)的進化寸潦，只幫助人類發(fā)展以有限的視覺系統(tǒng)能夠識別的文字色鸳。
觀點三：人工智能將成為工具箱，未來十年會產(chǎn)生巨大的商業(yè)和社會價值
人工智能和深度學(xué)習(xí)雖然簡單粗暴见转，且不能稱為復(fù)制人腦命雀，但是在很多特定任務(wù)上都已經(jīng)遠(yuǎn)超人類，在未來十年會產(chǎn)生巨大商業(yè)和社會價值斩箫。人工智能的快速發(fā)展將惠及全人類吏砂，創(chuàng)造大量的財富。從數(shù)據(jù)驅(qū)動的AI乘客，到收集新數(shù)據(jù)的傳感器狐血，到以無人駕駛、機器人為代表的全自動化階段易核，將為我們的生活帶來深遠(yuǎn)的影響匈织。
學(xué)術(shù)界可以繼續(xù)探索人腦的奧妙，量子計算將慢慢找到應(yīng)用牡直，但是主流的工程的力量應(yīng)該投入可以成為平臺的人工智能工具箱缀匕，帶來人工智能應(yīng)用的井噴，讓更多工程師可以使用井氢。在人工智能工具箱所包含的各種“工具”里弦追，有些工具是基于傳統(tǒng)計算，加上深度學(xué)習(xí)花竞，有些工具可能是基于量子計算劲件，它們各自有各自適合的地方，他們都能夠創(chuàng)造很大的商業(yè)價值约急，讓社會不斷的進步零远。
所以現(xiàn)在所面臨的問題是選擇合適的工具，用合適的工具建立人工智能工具箱厌蔽。我們將學(xué)習(xí)如何利用這些工具牵辣，解決更多問題，我們完全可以相信奴饮，當(dāng)我們對這一數(shù)據(jù)技術(shù)了解得足夠多的時候纬向，這一技術(shù)將得到更廣泛的應(yīng)用择浊。我們將迎來一個新時代，屆時逾条，所有工程師都可以利用人工智能的工具箱創(chuàng)造更多價值琢岩。人工智能應(yīng)用將無處不在，這種技術(shù)將趨于平民化师脂。這將產(chǎn)生巨大的財富担孔，我們將從地球上消除饑餓、貧困吃警。我們將為每個人提供最低收入標(biāo)準(zhǔn)糕篇，將有50%的工作會被替代，而也將有50%的工作機會被創(chuàng)造出來酌心。
人工智能時代給人類帶來的挑戰(zhàn)將遠(yuǎn)大于工業(yè)革命拌消。我們要鼓勵更多的人加入到此次變革中來，關(guān)注大數(shù)據(jù)驅(qū)動谒府，我們有很多工作拼坎，很多機遇。我們對量子計算技術(shù)的發(fā)展非常樂觀完疫，由大數(shù)據(jù)驅(qū)動的人工智能將使人類進入一個新的紀(jì)元泰鸡。-武漢優(yōu)才創(chuàng)智分享
