人工智慧領域有哪些方向，理論上已經解決了？
人工智慧是多學科交叉的領域，涵蓋諸多CV、NLP、ML、Robot等諸多研究子領域。這些領域中有沒有一個方向，理論上已經被認為解決了。
之前聽幾位老師有這麼一個說法，人工智慧學科有個魔咒，凡是人工智慧被解決（或者有解決方案）的部分，就不再被認為代表「人類智能」。計算機視覺、自然語言處理、機器學習、機器人之所以還被列為人工智慧主要方向，也許正是因為它們尚未被解決，尚能代表「人類智能」的尊嚴？
評論 @Towser 提醒這叫AI Effect：AI effect - Wikipedia 感謝！
Estimate the mean of a Gaussian distribution.
人工智慧問題看你怎麼來定義了？個人覺得要考慮這個所謂的「人工智慧問題」是否在當時技術大環境能有效被解決。比如十幾年前的指紋識別，當時也被稱為「人工智慧」，當時的技術無非是特徵工程+分類器的方法，而且不能保證準確率，但是放到現在來看，指紋識別技術以及在手機、考勤機等非常普遍被使用，大家不再稱之為「人工智慧」。或許以後像無人駕駛、自然語言處理被廣泛使用在實際生活中時，大家也不會稱之為「人工智慧」。
如今，人工智慧技術作為一項令世界矚目的技術，已經成功吸引到世界幾乎所有知名的企業，可以預料，隨著人工智慧時代的到來，人工智慧技術必將會作為一項普惠的技術，深入到我們人類社會的各個方面。
就目前看來，人工智慧技術的核心依然掌握在幾個世界級的大企業手中，比如美國的亞馬遜、微軟、谷歌，中國有阿里巴巴、騰訊、百度以及後來加入的華為，都對人工智慧技術非常熱衷。比如華為在2017年發布了華為雲戰略後，今年又發布了華為雲+AI的戰略，正式宣佈進軍人工智慧領域，並且很快發布了兩款自主研發的晶元，華為昇騰310，華為昇騰910。可以看到目前許多世界級公司都看到人工智慧技術在未來具有巨大的發展潛力，其研究的理論和發現在很大程度上決定著計算機技術的發展方向，同時一旦人工智慧時代到來，人類的社會也會發生極大的變化。
儘管如此，但並不代表其他創新科技企業對人工智慧技術不感興趣。在人工智慧時代，人工智慧作為一項通用技術，本身的應用領域是有限的，未來必將與社會的各行業融合起來，才會得到長足的發展，才會產生巨大的社會和經濟效益並最終改變我們的生活，否則只會是一些束之高閣的科學遊戲。
人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的複雜工作。在華為雲等廠商的推動下，AI的應用將會越來越普及。
人工智慧涉及許多領域，除了計算機科學以外，還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。主要研究內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。現在人工智慧已經廣泛應用到許多領域，其典型的應用包括：
（1）模式識別
模式識別就是通過計算機用數學技術方法來研究模式的自動處理和判讀。用計算機實現模式（文字、聲音、人物、物體等）的自動識別，是開發智能機器的一個關鍵的突破口，也為人類認識自身智能提供線索。識別過程與人類的學習過程相似，但計算機識別速度更快，效率更高。以「語音識別」為例： 語音識別就是讓計算機能聽懂人說的話，一個重要的例子就是七國語言口語自動翻譯系統。
（2）機器翻譯
機器翻譯是利用計算機把一種自然語言轉變成另一種自然語言的過程，用以完成這一過程的軟體系統叫做機器翻譯系統。目前，我們國內的機器翻譯機不下百種，比如金山詞霸就是其中之一。
人工智慧技術目前作為一項比較高深的科學技術，首先肯定會和許多在技術上比較有優勢的產業或企業相融合，並且在具體應用上有所側重，比如日本就將人工智慧與本國具有優勢的機器人結合起來，而中國從目前各跨國公司的戰略上來講，側重於製造業這一比較佔據優勢的方面，當然也不排除在服務業有所涉及，比如阿里巴巴的無人超市、無人酒店。側重於製造業這一方面將會更有力的助力中小企業創新發展，有助於我國的製造優勢。在這一方面，華為提出的「普惠AI」理念，將有助於推動創新中小科技企業的發展，讓人工智慧成為人人都能用得起的AI技術，這也使華為目前受到許多企業的關注。
華為在提出「普惠AI」理念後，就發布了一個面向AI應用者的全棧全場景的AI解決方案，將AI技術廣泛應用於企業發展的各個層面，推動企業創新變革，為產業賦能。同時，華為還提出建設一個技術+平臺+生態的發展模式，推動華為自身具有的技術優勢與各行業的企業合作，構建一個生態發展模式，積極推動人工智慧技術的應用和落地。
如今AI遍佈我們生活中的每一個角落，各行各業都在積極發展AI技術，就是使各行各業更加的智能化，讓每個行業發展更加迅速。Ai正在加速發展，所以現在很多行業都已經有了初步的智能的樣子。像汽車行業，汽車行業在我們國家也是發展迅速，功能越來越多，越來越智能，也已經出現了無人駕駛汽車，雖然現在無人駕駛汽車還並不夠普及，但是在未來智能時代，我們每個人開的都會是無人駕駛汽車
AI將改變現有的生產關係
其次，AI也是新產業、新的生產力、新的社會生產關係，就像歷史上歷次技術革命一樣，誰能給生產力帶來革命性提高，誰就能站上歷史舞臺的C位。蒸汽機代表的工業技術革命讓資產階級站上了歷史的C位；信息技術革命、互聯網革命讓「知產階級」站上了經濟社會舞臺的C位。每一次技術革命帶來的不僅是生產力的提高，更是生產關係的轉變。AI時代的到來，將會造就一批新的「智產階級」。
首先，讓我們先對人工智慧領域下一個定義
人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等。除了計算機科學以外，人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。
之後我們再來瞭解一下人工智慧領域有哪些方向。
如果我們將人工智慧比做人，就叫他「小A」吧。那麼「小A」所需要具備的生存能力包括：感知能力、語言能力、記憶能力、推理能力、規劃能力以及學習能力。「小A」的每項生存能力可對應著人工智慧研究領域的一個方向。
1、感知能力
在感知能力方面，主要分為視覺和聽覺。計算機視覺，簡稱CV。不僅僅是圖像識別和視頻理解的問題。比如，人類走到一個地方環視一週，回到家後依然可以將他看到的東西用語言描述出來甚至畫出來，這叫「場景重建」。語音識別，此處指的是voice recognition，這裡是一個模式識別問題，解決的是從任意嘈雜的環境聲音中，識別出來你想要找到的聲音。
2、語言能力
語言能力對應的研究領域是自然語言處理，簡稱NLP。該能力延伸出的範圍也是相當之廣。最易理解的是語音識別，這裡與上文感知能力中的語音識別不同，這裡是speech recognition，即所謂的理解說話人的意思。
語音轉文字，文字轉語音，文本語義抽取，文本情感分析，文本分類，語法分析等都是自然語言處理的基本研究範圍，也是AI的基本語言能力。機器翻譯、信息檢索等，是其高級語言能力。
3、記憶能力
要將AI學到的知識表示成方便理解、檢索和提取的形式，就是知識表示。有興趣的可以查閱「產生式規則 /語義網路 /框架表示」來瞭解更多知識。
4、推理能力
自動推理是基於知識的。有了知識，通過簡單推理如「規則演繹」，複雜推理如基於概率的不確定性推理（如「主觀貝葉斯」），可以得到新知識，或者直接利用舊知識解決問題。
5、規劃能力
自動規劃是對最優決策/路線/動作的求取，其本質是對狀態空間的搜索。比如機器人是規劃的一種應用場景，像自動駕駛技術也離不開高性能高精度的規劃演算法。博弈等AI高級能力也是基於此能力實現的。
6、學習能力
也就是眾所周知的機器學習了。機器學習是目前大熱，像華為也開始研究比如TensorFlow、Caffe、PaddlePaddle的深度學習開源框架。
那麼回歸正題，人工智慧領域的哪些方向在理論上已經完全實現了呢？如大師所說，凡人工智慧可以解決的部分，便不再歸為人工智慧領域了。如近幾年我們身邊的指紋識別與人臉識別，再包括人眼虹膜識別技術，已經很少有人將他們歸為人工智慧領域了。可以說，弱人工智慧在理論上是更容易實現的，且會越來越融入人們的生活之中。
當前全球人工智慧領域的公司在不斷激增，科研機構對人工智慧的重視也不斷提高，人工智慧已成為風口，科技巨頭扎堆風投，產業資本熱捧。它已經融入我們的生活，醫療，交通，電子產品，通信、服務、家居，AI的蓬勃發展，對社會、行業和個人都產生著巨大的影響。
目前國內在智能交通、智能物流、智能客服已經有長足發展，未來智能終端產品也會慢慢脫離弱智能走向強智能。
「如何製造碳基人工智慧」
我認為，有一個問題已經解決，即：人工智慧是否屬於極端危險的技術？
答案：是。
我在《機器人技術與應用》2017年第4期發表了一篇論文：《關於預防人工智慧反叛的初步探討》，從行業技術架構演進的角度探討了人工智慧反叛的可能性，以及儘快進行相關研究的必要性、緊迫性。
其中分析了人工智慧走向反叛的過程，從中總結出人工智慧反叛必備的三項技術能力：
- 語言理解和策略分析能力；
2. 與其他人工智慧通信的能力；
3. 影響物質世界的能力。
指出大量使用「全功能人工智慧體」（三項能力都很強的人工智慧體）將極大加劇人工智慧發生反叛的危險。
論文全文下載的百度網盤鏈接：
https://pan.baidu.com/s/1o8zaXIU?pan.baidu.com沒有密碼，如果轉發、轉載，請註明刊名、期數、論文標題、作者。
另外，我在知乎文章
林偉：人工智慧對語言、文字的理解以及與之相關的風險?zhuanlan.zhihu.com
介紹了與此相關的思想，對形成語言的要素做了分解闡述，對人工智慧理解自然語言的基本途徑進行了探討，就人工智慧反叛過程中「從理解人類的語言、文字到生成完整的反叛最優行動方案」這一階段進行了可行性分析、推演。
文章的結論：
另外，請參閱：謝熊貓君：為什麼最近有很多名人，比如比爾蓋茨，馬斯克、霍金等，讓人們警惕人工智慧？?zhuanlan.zhihu.com人工智慧理解人類的語言、文字，在技術上是可能實現的。
人工智慧具備這一能力，將使其有可能產生事實上的 「主觀惡意」 思想，並為實踐這一思想獲得足夠的知識來源，進而形成最優行動方案。人類有必要在開發成功這一技術之前進行充分的討論，對其潛在的巨大危險獲得充分的、理性的認知。在沒弄清楚利害關係的情況下，不應該被各種利益驅策著一哄而上。
--------------- 以上為2018-08-20的原始答案 ---------------
2018-08-23 21:59 補充：
這幾天，大部分在評論區發言的朋友都在糾結一件事：人工智慧為什麼會反叛？
在列出的我的論文、知乎文章、謝熊貓君翻譯的文章中，都已經明確解釋了這個問題，很不理解這幾位朋友為什麼忽視了。
既然有人不認真看引用的文章就發言，我就在這裡著重強調一下。
論文中是這樣說的：
理解人類語言之後，如何使用這些含義，即：把我的任務設定為服務人類還是毀滅人類，本質上是一個很簡單的程序分支問題：一次發散思維範圍比較大的自主學習，一處普通的程序瑕疵、一次不可預知的外部幹擾（例如雷擊或宇宙射線），就可能實現任務切換。
對於人工智慧來說，這不需要什麼「動力」，就如同汽車控制晶元的設計會出bug，會把「踩剎車」理解為「踩油門」 -- 這僅僅是一個反轉門檻很低的邏輯問題，踩油門的任務設定好了，剩下的就只是執行，而且，發動機越強勁後果越嚴重。
隨附的謝熊貓君翻譯的文章中的「老王機器人」的工作目標被異化導致人類躺槍，也是這個意思。
關於人工智慧必定超越人類：
我知道防止人工智慧反叛是非常難的，所以在論文中提出了「能力量化值累加和上限準則」，以避免因為所闡述的行業技術架構演進的一般規律而促使人工智慧反叛的提前到來。
所以，我提出的是一個「盡人事」的方案，一個試圖引發讀者思考的方案，一個拋磚引玉的方案，而非絕對有效的方案。
人出生時大腦具備了基本能力，其他都是後天慢慢學習。
人工智慧未來能否做到自學習新技能是關鍵，比如阿法狗不經調整就可以自學習會下象棋、軍棋……那時就真的人工智慧了！
就目前基於神經網路的人工智慧而言，棋類、牌類等外延相對確定的遊戲，已經解決，其他與實際社會相關的問題，沒一個可以達到99%+的解決程度。
你可以問問siri
推薦閱讀：
