強人工智慧能否在可見的未來實現？
也許有一天人工智慧能夠幫助人類做科學研究，使得科學技術進步更快？
不能。
詳情參見相關問題：目前世界上有對強人工智慧的嘗試嗎？具體瓶頸是什麼？
裡邊的多個回答都很好。
我相信很快會到來。主要因素是演算法，人腦的思考過程歸根結底也是知識記憶+方法，這與電腦的核心：存儲+演算法基本一致。說算力不夠的那都是藉口。電腦的處理速度已經遠遠超過人腦的處理速度，電腦能處理的邏輯複雜度也遠遠超過人腦。之所以電腦笨，是因為人腦經過幾百萬年的進化升級，內部演算法早已是爐火純青，巧妙至極。電腦演算法要達到這種程度並非易事。僅增加算力是徒勞的，因為人腦的功耗與電腦相比幾乎可以忽略，說明人腦並沒有用太巨大的算力。如果科研人員有足夠的耐心去摸清楚這些演算法細節，就能實現可思考的強人智能。俗話說，最大的敵人是自己。人工智慧更是如此，用自己的大腦去研究自己的大腦就是在與自己PK。關鍵是願意幹這種事的人太少，大部分人更願意去弄數據，以量取勝，數據量大了就覺得算力不夠，於是進入死衚衕。
權威機構羅蘭貝格：強人工智慧的未來已來，將會這樣滲透你的生活
人工智慧(Artificial Intelligence, 即AI)浪潮似乎已經到來，在服務、零售、交通及金融等各個領域的商業應用逐漸成為現實。本文分析了人工智慧的發展及在商業領域的潛在應用，以期對轉型中的企業、創業公司、投資公司和政府有所啟示。
1人工智慧的演進
工業革命以來，機器逐漸取代許多以往的由人工執行的簡單操作，但僅僅侷限於依據預先輸入的指令行事，缺乏自主能動性。隨著硬體設備及演算法的不斷演變，如今的機器更能模仿人腦的決策過程，具備一定的學習、感知和邏輯推理能力，並朝著創造性思考、通用性場景處理的方向進階。
演進發展路徑
按照人工智慧的發展路徑，當前市場上存在兩種類型的人工智慧：弱人工智慧(Artificial Intelligence, 即AI)和強人工智慧(Artificial General Intelligence, 即AGI)。
弱人工智慧主要模仿人腦的基本功能，如感知、學習、記憶和決策等，需在特定情境下表現人腦智能。目前的市場以弱人工智慧為主，其技術、演算法和應用都相對成熟，商業應用的表現也可圈可點，競爭相對激烈，很多互聯網巨頭已在人機語音交互、圖像識別、數據分析和預測等領域實現技術突破和商業應用。
強人工智慧需要結合情感、認知和推理等人腦高階智能，並能通用到各種場景中，是未來人工智慧的主要發展方向。由於技術壁壘非常高，強人工智慧目前仍處於早期探索階段，但未來的發展空間不可估量，國內外一些由頂尖科學家領導的創業公司正在各個垂直領域努力尋求技術突破。
當技術突破了人類的極限，會出現超人工智慧(Artificial Super Intelligence)，其能力將超過人類且能不斷進化和自我完善，這一點正是令人擔憂的。人類無法預測和控制超人工智慧，甚至很有可能會被比自己更聰明、強大的超人工智慧所毀滅。當然，這種擔心還為時尚早。
弱人工智慧的能力與侷限
弱人工智慧具備 「數據處理」、「自主學習」及 「快速改進」三大基本能力，能夠將大量數據進行存儲—學習—應用—改進的循環，但其侷限在於無法進行推理或通用學習，並需要大量的數據樣本歸納與不斷的試錯練習。因此，「人」對實現弱人工智慧的應用非常重要：需要「人」設計解決問題的方法，需要「人」尋找、識別並分享有用的數據，也需要「人」對機器的行動進行反饋。
大量高質量且有意義的數據樣本(約1000萬樣本)及如何獲得數據樣本是弱人工智慧進行商業應用的關鍵成功要素，也是擁有海量數據的互聯網巨頭得以取得不俗成績的原因之一。
搜狗智能機器人「汪仔」依靠強大的搜索引擎和數據，可完成基本的人機對話，「速記」的準確率也遠高於國內頂尖速記高手。基於海量的大數據和強大的雲計算能力，阿里巴巴的ET能實現直播實時字幕、看圖說話、個性化推薦與體育視頻分析。在美國，亞馬遜推出實體店面Amazon Go，消費者在店裡隨意選購商品時，人工智慧會在後臺通過實時圖像識別技術將這些商品放進虛擬購物袋。結束購物時，消費者可直接離開，費用將從消費者的亞馬遜賬戶中扣除，大大節省了排隊買單的時間和麻煩。
可見，實現弱人工智慧應用的成本非常高，目前的商業應用也主要集中在減少企業運營成本、提高效率和降低風險及提升用戶體驗，在創新的商業模式應用上還有待突破。
強人工智慧的能力與發展
在弱人工智慧三大基本能力的基礎上， 強人工智慧還具有如人腦一樣的完整推理能力(Robust Reasoning)，即掌握學習的方法，減少對「人」的依賴。此能力有多種不同的技術實現路徑，例如遷移學習(Transfer Learning)、小數據推理等，甚至不只是一種技術，而是多種技術的疊加。
遷移學習是人類的本能，核心是發現共性(共同特徵)，在一個模型訓練任務中針對某種類型數據獲得的關係也可輕鬆應用於同一領域的不同問題。讓機器具備此能力對人工智慧的未來發展和商業應用有三大重要意義：小數據學習，而非依賴成本高昂的海量數據；觸類旁通，實現通用功能，而非學習的應用僅限於一個領域；個性化服務，應用於個人化的場景中。
小數據推理是指用樣本量小且存在不確定性的數據樣本進行推理，並通用到其他場景中，這更符合現實中的大多數情況，但其難點在於推斷部分，而現階段的發展目標是創建一個穩定的計算平臺來進行推斷。
另外，強化學習(Reinforcement Learning)的進一步發展也為強人工智慧的技術突破創造了可能性。強化學習的最大優勢在於機器可以理解這個世界，在正常運行中學習，隨後利用自己所學的知識完成人類指定的任務，糾正自主行為。特別是最近提出的「一次性學習」(One-shot Learning)正在嘗試用很小的樣本量進行學習——攻克此技術難題後，強化學習的發展速度將得到大幅提升。
可見，強人工智慧應用的成本相對低於弱人工智慧。在商業應用方面，除了能夠進一步降低成本和提高效率，還會出現許多創新的商業模式和用戶體驗，甚至能夠完成人類不能完成的活動，進行高價值的創造。如何打好組合拳以實現多種技術疊加的最大效應，是將來要解決的一大問題。
2強人工智慧的潛在商業應用
未來3-5年，弱人工智慧會繼續在商業流程簡單重複、不受外部複雜環境影響並可具備數字化輸入和輸出的領域進行大量應用，並部分取代人類的工作。從功能性分析，人工智慧的商業應用主要有六大功能，且在各行業都有相應的應用場景：戰略優化/資源配置、靜態個性化建議、預測及分析、發現新問題/趨勢、處理無規則數據以及產品價格優化。
人工智慧商業應用的六大功能及在各行業的應用場景
同時，強人工智慧技術上的突破會在符合以下商業特點的領域形成潛在應用：商業問題個性化突出，只有小樣本數據；問題結構和流程較複雜，需不斷適應和通用學習；對外部環境的變化要求低，可不斷適應外部環境的變化；商業問題還有很多人類未知的領域需要探索。
強人工智慧技術上的突破會在符合以下商業特點的領域形成潛在應用
未來5-15年，強人工智慧會在醫療服務、服務型機器人和在線教育等領域有較大規模的應用，並徹底改變商業模式。
醫療領域
醫療領域的痛點多且複雜，個性化問題突出，而強人工智慧的技術突破會在「輔助診療」、「智能影像」及「藥物研發」等方面創造價值。
輔助診療：通過對影像數據的分析、語音病例的錄入以及對病例的全面分析，人工智慧可提出多種不同的治療方案，醫生則可根據病人的實際情況來做出專業判斷，選擇最適合病人的治療方案。通過人工智慧的輔助診療，醫生可以有更多的時間來診療更多病人及進行更複雜的手術。
智能影像分析：在中國，由於影像分析造成的誤診率平均高達27.8%，其中惡行腫瘤的誤診率高達約40%。同時，醫學影像數據每年增長約30%，而影像學醫生數量的年增長率僅約4%。因此，人工智慧在醫學影像上的應用不僅能幫助解決誤診率問題，還可大大彌補醫生資源的不足。
藥物研發：從發現分子到FDA批准往往需要約97個月的時間，而且只有約12%的分子藥物能夠成功上市。據初步估算，若使用人工智慧篩選早期藥物分子並輔助臨牀實驗，可在全球範圍內降低約280億美元的藥物研發成本，助更多療效好的新葯更快面市以治癒更多病人。
人機交互領域
強人工智慧可以在語音的基礎上突破語義及情感等方面的侷限，真正做到無障礙與人溝通。具備此能力的機器人可在老年看護等醫療領域、金融領域的數字挖掘、各領域的行政祕書等方面創造巨大商業價值。
在線教育領域
強人工智慧將通過智能輔導系統、個性化自適應學習系統等提供更高水平的個性化學習來影響教育市場，根據學生的不同要求，在某些主題給予更多重視並總結教訓，按照學生的進度提供幫助。在K12(幼兒園到高中)及高等教育的市場應用前景光明。
3對有關方面的啟示
傳統企業
未來3-5年，隨著弱人工智慧技術愈發成熟，其商業應用會呈爆髮式增長。企業應釐清未來戰略目標，儘早佈局人工智慧，構建新的競爭優勢。傳統企業應認識到人工智慧在企業運營和產品創新上的價值，根據企業自身的戰略目標，通過與互聯網巨頭、創業公司的合作或自己孵化創業公司等方式，儘早著手人工智慧在各個垂直領域的應用，完成企業轉型和商業模式突破，為企業的未來打下堅實基礎。
創業公司
在強人工智慧領域深耕技術和演算法，建立技術壁壘。儘早佈局垂直應用領域，創建品牌並搶佔市場。當技術逐漸實現突破時，開始實施商業應用試點，並將應用的盈利投入於更高階段技術與演算法的研究，由此形成良性循環。在強人工智慧領域，由頂尖科學家領導的新型創業公司具有超越互聯網巨頭的強大潛力，有望實現「彎道超車」。
投資機構
可持續關注探索強人工智慧的技術/演算法(遷移學習、小數據推理等)的創業公司以及聚焦垂直領域應用的創業公司(個性化教育，醫療、服務機器人等)，並重點探討這些創業公司的估值。
政府
建立完善的數據生態系統，提高數據的開放性和透明性，並引入國際化的有效數據。此外，政府還應提早準備與人工智慧發展相關的法律法規和政策，針對人工智慧帶來的公平性、安全性、隱私以及社會化應用等一系列問題，幫助社會輕鬆採納人工智慧應用，擴展收益，並緩和其失敗及所犯錯誤帶來的負面效應。
來源於：新芒
弱到強需要一個轉變的過程，目前弱人工智慧的應用場景都很侷限，對數據依賴性極高，穩定性幾乎沒法分析，一個「人工智慧」產品背後究竟有多少人工？又有多少智能？
從目前來看，逆強化學習加上遷移學習是一個比較可能邁向下一步智能的方向，再結合量子計算，所以我很看好Google和UCB這一票研究者。
可以
這也是人智能的體現，因為人可以通過感知環境（聲、光、觸、味等等等）對即將發生對事情進行預測，並預先準備好對應對反應方式；
就像你找你的女神聊天；
你會根據當前環境，之前發生對事情，對方說過對話做過對事等等等進行預測，大腦中形成一個決策樹，給未來各種可能提供方案，最有可能發生的一批結果將存如你的內存，讓你可以感知到，而一些你不知道的結果可能大腦已經預測到了，只是優先順序較低，在發生的時候才會調出來；
這個時候，一個超出決策樹已有方案範圍的情況（或者優先順序極低）發生時，你就卡住（死機、或者正在計算查詢結果）回答不上來了；
（當然，因為人家是女神，和你的演算法，存儲的信息不太一樣，決策樹大概率匹配不到方案，這種運行死機是常有的事）
目前的弱人工智障已經有這方面的初步體現了，會去做一些簡單的計算，在簡單環境中找出概率較高的可能結果，例如和人類打dota的OpenAI；
如果未來演算法、量子計算機、存儲技術突破，可以分析一些天文數據，可能可以做到預測未來的能力，即使可能只有幾毫秒；（甚至在這樣的技術條件下，當前的物理學體現都會發生革命性突破）
可以啊，我就是專門做這個的。
https://www.zhihu.com/column/c_1283392911028334592?www.zhihu.com
看了這個後，有的人會很有信心，有的人會不屑一顧。
2017年的阿斯洛馬會議做過一個問卷調查，對象是全世界的有關專家，包括阿發狗之父哈薩比斯和特斯拉總裁馬斯克在內，問題是強人工智慧的可能到來時間，專家們預測的時間的平均數為2047年，比上一次2015年的那次會議預測的時間早了8年。
考慮到量子計算機的突飛猛進還有演算法的迭代速度，這個人類歷史上最重大的歷史事件有極大可能性會發生在21世紀。
對人類社會的影響之大可以參考劉慈欣小說中的三體入侵，也就是說人類的歷史上根本找不到可以與之相提並論的事件，一旦發生全世界所有宗教國家民族這些傳統人類社會的共同體和意識形態通通都要被顛覆和撕碎。
具體可以看看生命3.0和未來簡史這兩本書。
本人這輩子就想看兩樣東西，一個是強人工智慧的降臨，另一個是國足踢進世界盃十六強，不知道哪個會比較早實現呢？
人工智慧的發展，取決於算力的提升和演算法的改善，在現有條件下，個人覺得突破有困難。不過量子計算的時代已經不遠了，在算力突破的基礎上，再改進演算法，也許就能看到希望的曙光了。
AGI或者強人工智慧短時間比較難以實現，老闆都看中投資的回報，不可能花錢幹這種希望小但是風險極高的事情，研究機構也不研究這種費力不討好的項目，即使研究申請批准也是難題，現在人工智慧企業雖多，但是都是弱人工智慧的企業，如果他們花大量的錢和時間去研究強人工智慧，那麼最多幾年後就破產倒閉了
實現不了，因為沒有存在的意義。
機器人會思考？你打算留多少時間讓它思考而不是工作？人工智慧的存在是為人的利益服務還是為自身服務？
工具有了思維就脫離了工具的範疇。
並非想像力束縛了我，目前的社會發展模型，對人工智慧的需求是提高產能、替代低技術性與高危險的工作內容。
推薦閱讀：
