现在AI技术这么发达，很多知识都可以用AI技术＋演算法解决，以后的人类还有学习知识的必要性吗？
现在的社会知识已经积累了很多，现在我们还有学习的必要性，假如以后进入了机器时代，机器人可以代替人类做很多事情，我们还有必要花十几年甚至二十几年用来进行教育吗？
需要人类深层能力的工作会不断出现。需要知识来进行基础训练。
我觉得一点都不发达，别给不学习找理由。以前煤矿纺织淘汰的工人还能去汽车厂做，简单培训上手。现在要是被AI淘汰的人，估计没活干了。
别把网上能随时搜到的知识当作你的知识，因为它进入不了你的网路中。出去遇到事情，马上联想到的解决方法才是真知识，相关细节可以搜索，你大脑中的网路可不能做出来。只能不断学习，终身学习。
举个例子，AI能解决的问题是炒鸡蛋怎么炒好吃，下多少油多少盐，而不是今晚应该吃什么我会觉得好吃，并且不要太重复。
建议看《百岁人生》未来可能20岁近大学，40岁再进大学，出来干完全不同的行业。
ai这么发达如果不更加努力学习，可能会变成一个非常非常小的群体通过ai来控制其他人。
其他人还是享受不到ai带来的福利。
现在已经有那么多的知识分子了，你还有必要去学习吗？其实躺在育婴箱里活过一生也是个不错的选择。
谢邀。
现阶段的AI并不发达，还处于有多少人工就有多少智能阶段。
作为一名AI领域的科技工作者，我来回答一下这个问题。
首先，当前AI产品的实际应用情况可以用一句话来概括，那就是「智商偏科，情商为零」，虽然这种说法存在一定的片面性，但是也能够在很大程度上说明一定问题。总的来说，当前的AI依然处在行业发展的初期，也就是通常所说的弱人工智慧阶段。
影响AI发展的因素集中在三个方面，分别是演算法、算力和数据，当然AI产品的应用与不同的场景也有较为密切的关系。
在当前产业互联网的推动下，AI演算法的迭代速度还是比较快的，当然这是从应用的角度来看。AI演算法的迭代速度必然会随著大数据和云计算的发展而不断提升，基于演算法上的创新也是很多人工智慧研发人员的重要工作任务。
数据对于人工智慧产品的研发也具有非常重要的意义，因为无论是演算法训练还是演算法验证，都需要大量的数据作为支撑。随著当前大数据技术体系的不断发展和成熟，数据对于人工智慧的研发也在产生越来越积极的影响。目前很多智能体之所以有了越来越好的功能表现，一个重要的原因就是有了更多的数据支撑。
人工智慧领域的研发对于算力的要求也非常高，目前在云计算和边缘计算的推动下，算力也有了较大幅度的提升，这对于未来智能体走向生产环境有非常直接的影响。5G通信的落地应用将加速边缘计算的应用和发展，未来「云+边」的技术方式可以为人工智慧产品提供更加有效的算力支撑。
最后，由于人工智慧对于工业互联网的发展具有重要的意义，所以未来人工智慧领域的创新会越来越多。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智慧领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智慧等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
谢邀
这个问题并不算新鲜，古代人学习什么？八股、论语…对今天的工作有多大用处？学以致用，学习一直都是跟著时代走的。另外现在ai并没有多么发达，发达的宣传主要为了圈钱。
没有完美的演算法，新的演算法等你去挖掘。教育是人的综合素质的培养不是技术学校。你说的发展到某种地步可能会不怎么需要某些技术学校某些专业的培养，如果机器成本低于人工成本的话。
想了一下，还是觉得要回答一下。国外AI起步比很早，至于现在到底到什么程度，也未可知，毕竟放出来的都不是最新的。但是想来也是弱人工智慧的阶段。在某一单一任务里有较为精准的判断，大大的提高了效率。在国内，大部分还在玩概念，不要听他们吹的多牛多牛，什么朴素贝叶斯啊k值平均法啊。就跟我们都知道牛顿力学三定律但每个人都能正确应用得到相对正确的结果吗？这只是理论方法，国内公司搭建深度学习神经网路时，极为简略。差的远，本来就是简单的2到5层，你能奢望它到什么程度。得出的结果自己都不敢看。还有就算ai到了你说的那种程度，年轻人更应该学习。要不低端工作轮不到你，中端高端你又不会，何以为生！
人不学，不知义。
教育的范围太大了。
现在ai技术并不发达，以后若干年ai也不会发达到人类不需学习的地步
渺小的人类，你不知道你有多渺小！
看看你有多么渺小吧：
https://www.bilibili.com/video/av14340821/?spm_id_from=333.788.videocard.2?www.bilibili.com对于宇宙来说，不要说你，即使是你所在的地球，连尘埃都算不上！
然后这么渺小的你，企图以你这么渺小的视野能看到的东西，来描述这个世界？
首先ai不发达啊！
每次ai的的突破都会迎来这种高潮，然后再退去。这次deeplearning是第三次吧。
事实上，这次也没在本质上提升多少，量的问题到提升很多。
认知问题还是无解。比如：实时翻译，qa系统，video理解等等还早著呢。
所以还是需要新的人去推动，也希望等这次潮水退去有更多的人能留下来。也是目前劝退很多只看钱的人进入这个领域的原因。
推荐阅读：
