現在AI技術這麼發達，很多知識都可以用AI技術＋演算法解決，以後的人類還有學習知識的必要性嗎？
現在的社會知識已經積累了很多，現在我們還有學習的必要性，假如以後進入了機器時代，機器人可以代替人類做很多事情，我們還有必要花十幾年甚至二十幾年用來進行教育嗎？
需要人類深層能力的工作會不斷出現。需要知識來進行基礎訓練。
我覺得一點都不發達，別給不學習找理由。以前煤礦紡織淘汰的工人還能去汽車廠做，簡單培訓上手。現在要是被AI淘汰的人，估計沒活幹了。
別把網上能隨時搜到的知識當作你的知識，因為它進入不了你的網路中。出去遇到事情，馬上聯想到的解決方法才是真知識，相關細節可以搜索，你大腦中的網路可不能做出來。只能不斷學習，終身學習。
舉個例子，AI能解決的問題是炒雞蛋怎麼炒好吃，下多少油多少鹽，而不是今晚應該吃什麼我會覺得好吃，並且不要太重複。
建議看《百歲人生》未來可能20歲近大學，40歲再進大學，出來幹完全不同的行業。
ai這麼發達如果不更加努力學習，可能會變成一個非常非常小的群體通過ai來控制其他人。
其他人還是享受不到ai帶來的福利。
現在已經有那麼多的知識分子了，你還有必要去學習嗎？其實躺在育嬰箱里活過一生也是個不錯的選擇。
謝邀。
現階段的AI並不發達，還處於有多少人工就有多少智能階段。
作為一名AI領域的科技工作者，我來回答一下這個問題。
首先，當前AI產品的實際應用情況可以用一句話來概括，那就是「智商偏科，情商為零」，雖然這種說法存在一定的片面性，但是也能夠在很大程度上說明一定問題。總的來說，當前的AI依然處在行業發展的初期，也就是通常所說的弱人工智慧階段。
影響AI發展的因素集中在三個方面，分別是演算法、算力和數據，當然AI產品的應用與不同的場景也有較為密切的關係。
在當前產業互聯網的推動下，AI演算法的迭代速度還是比較快的，當然這是從應用的角度來看。AI演算法的迭代速度必然會隨著大數據和雲計算的發展而不斷提升，基於演算法上的創新也是很多人工智慧研發人員的重要工作任務。
數據對於人工智慧產品的研發也具有非常重要的意義，因為無論是演算法訓練還是演算法驗證，都需要大量的數據作為支撐。隨著當前大數據技術體系的不斷發展和成熟，數據對於人工智慧的研發也在產生越來越積極的影響。目前很多智能體之所以有了越來越好的功能表現，一個重要的原因就是有了更多的數據支撐。
人工智慧領域的研發對於算力的要求也非常高，目前在雲計算和邊緣計算的推動下，算力也有了較大幅度的提升，這對於未來智能體走向生產環境有非常直接的影響。5G通信的落地應用將加速邊緣計算的應用和發展，未來「雲+邊」的技術方式可以為人工智慧產品提供更加有效的算力支撐。
最後，由於人工智慧對於工業互聯網的發展具有重要的意義，所以未來人工智慧領域的創新會越來越多。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智慧領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智慧等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！
謝邀
這個問題並不算新鮮，古代人學習什麼？八股、論語…對今天的工作有多大用處？學以致用，學習一直都是跟著時代走的。另外現在ai並沒有多麼發達，發達的宣傳主要為了圈錢。
沒有完美的演算法，新的演算法等你去挖掘。教育是人的綜合素質的培養不是技術學校。你說的發展到某種地步可能會不怎麼需要某些技術學校某些專業的培養，如果機器成本低於人工成本的話。
想了一下，還是覺得要回答一下。國外AI起步比很早，至於現在到底到什麼程度，也未可知，畢竟放出來的都不是最新的。但是想來也是弱人工智慧的階段。在某一單一任務里有較為精準的判斷，大大的提高了效率。在國內，大部分還在玩概念，不要聽他們吹的多牛多牛，什麼樸素貝葉斯啊k值平均法啊。就跟我們都知道牛頓力學三定律但每個人都能正確應用得到相對正確的結果嗎？這只是理論方法，國內公司搭建深度學習神經網路時，極為簡略。差的遠，本來就是簡單的2到5層，你能奢望它到什麼程度。得出的結果自己都不敢看。還有就算ai到了你說的那種程度，年輕人更應該學習。要不低端工作輪不到你，中端高端你又不會，何以為生！
人不學，不知義。
教育的範圍太大了。
現在ai技術並不發達，以後若干年ai也不會發達到人類不需學習的地步
渺小的人類，你不知道你有多渺小！
看看你有多麼渺小吧：
https://www.bilibili.com/video/av14340821/?spm_id_from=333.788.videocard.2?www.bilibili.com對於宇宙來說，不要說你，即使是你所在的地球，連塵埃都算不上！
然後這麼渺小的你，企圖以你這麼渺小的視野能看到的東西，來描述這個世界？
首先ai不發達啊！
每次ai的的突破都會迎來這種高潮，然後再退去。這次deeplearning是第三次吧。
事實上，這次也沒在本質上提升多少，量的問題到提升很多。
認知問題還是無解。比如：實時翻譯，qa系統，video理解等等還早著呢。
所以還是需要新的人去推動，也希望等這次潮水退去有更多的人能留下來。也是目前勸退很多隻看錢的人進入這個領域的原因。
推薦閱讀：
