AI人工智慧是真的智能吗？

人工智慧是真的智能，还是只是解决问题方法的合集？
感觉现在的AI就是找到一个问题的所有解法，打包起来组成「解法合集」。如果问题在解法合集里找不到，就傻了。
例1：1月25号Google deepmind 开发的alpha star与Mana直播打星际争霸2，AI全是按著脚本走，完全没没有应变的智慧，傻傻地被空投牵制，然后被打死。

例2：AlphaGo与李世石对战围棋的第四局，李世石神之一手之后AI完全不会应对（AI表示这局面在我的解法合集里没有啊）。是否也意味著AI仅是找到了比人类更多的下棋套路？

这个问题从从两个方面谈谈自己的看法：

1. 人工智慧的历史

人工智慧从20世纪50年代就开始了，到目前为止已经经历了3次AI浪潮，这三次AI浪潮分别以演演算法（棋类游戏（不包括围棋^ ^）），专家系统（斯坦福Mycin医疗系统），机器学习、深度学习为代表。

第一次AI浪潮失败的原因是，没有解决实际问题

第二次AI浪潮失败的原因是，没有找到人机互动的核心介面（数据如何准确输入到计算机，还有数据太少，计算能力不强）

我们正处在第三次AI浪潮中，有大量的数据，有超强的计算能力（量子计算也在快速发展），正如我们看到的这些新闻，ImageNet,AlphaGO、波士顿机器人...

以深度学习为代表的AI技术，正在快速改变人类的生产生活方式，吴恩达说：AI就是新电力。例如，在20世纪初，任何产业加入电力就是新产业。

2. 人工智慧的级别

人工智慧分5个级别。我们正处于第四级人工智慧的前期。

第1级：基础一对一输入和输出，广告中的搭载AI的空调就是如此

第2级：相对同样是家电产品，美国麻省理工学院MIT人工智慧实验室成立的人型机器人公司，最近推出的扫地机器人Roomba已经是第二级人工智慧。Roomba的感应行动已和蟑螂有等级的智慧，它可以运用数十个感应器搜集房间的信息，并以每秒60次以上的频率判断状况，再从40种以上的行动模式汇总选择最适合的行动。

第3级：以数据为基础，为各种输入与输出赋予关联性，以这种方法进行学习的演算法，就是机器学习。第三级人工智慧从20世纪90年代中期开始普及，一直进入21世纪前期。

第4级：从第一级人工智慧进化到第四级，有些AI甚至在某些领域超过人类（ImageNet 图片分类、AlphaGo...）。这种人工智慧能在特定领域发挥自己的作用，也称作「特型化人工智慧」。

第5级：第五级人工智慧就是「泛人工智慧」，指的就是类似于哆啦A梦等和人类相似的行为，甚至能够发挥比人类更加优秀的能力。这样的人工智慧可以了解人的喜怒哀乐，懂得物体的质感，能够感受到人的情感。

了解了人工智慧的等级，大家也就清晰了什么是真智能。

并不是，AI的本质是统计推断。它的优点只是因为能承受很大的计算量，所以可以用上千上万甚至上亿个变数进行概率计算。

真正的智能还是大脑，而大脑到底是怎么干的，人类依然没搞清楚。

就像人类区分猫和狗几乎很难犯错，而AI多少都会有错误。

虽然现在也有模型能几乎达到100%，但是那是因为区分两种动物的问题规模太简单，放到更复杂的问题，比如区分20种动物，就不一定准确率那么高了。而人类的大脑依然可以，这还是一个谜。

你要说现在做的

比方说谷歌的alpha系列

那就是一个拿运算力无脑堆经验的能自我改善的演算法(当然已经很不错了，机器的死板程度大家都懂)

真正意义上的AI能学习的不只是下象棋打星际，是跟一个活人一样能不断适应环境的意识(目前搞这个不光技术难度很大，伦理问题也很严重)

大家都已经回答了：「no」，我来说点不一样的。

1.　为什么当前业内的不智能。

2.　目前世界范围内有没有突破的消息？有没有真正的智能的技术被研发出来？

先说1，为什么当前业内不智能？众知，当前ai主要还是以统计学为主，数学依赖较严重，在模型的训练中，失真非常严重，导致更个系统的黑箱不可解释问题。并且当前编程主要还是以程序员定义写死为主，所以机器并不具备自身的模糊动态的构建认知网路的能力。再则，在智能体的统合架构上，并没有真正成熟自恰的理论或解决方案被推广开来。（几十年来有过多次但未能成功落地的尝试）。

再则2，目前世界范围内有没有突破的消息，有没有落地的AGI？我要说的答案会让大家很意外，有！并且与当前业内的处理方式非常不同，也解决第1段中的那些问题。并且在各种智能解释上，与人类智能是非常相似的。这个系统叫：「he4o（和）」。但是呢？目前非常非常非常基础，静待下一步消息。想抢先了解的，可以访问以下网址：「http://www.jiaxiaogang.top/」

PS："定义"问题非常严重的影响了通用，导致一个模型仅能应付非常有限的单一场景。且同样也是「定义」问题，让ai并不能自己模糊学习，而是严格的指定true or false，从而让这变成一个数学问题，依赖大量标注数据。

PS：deepLearing这条路能走多远呢？在效力上，已经近于尽头。浪潮冷却之后，人们重新审视deepLearning，将理性的将其看待成一种识别演算法（这有效，且可以助力一些行业应用场景）。但人们终会走向新的道路，因为人类的文明从来就不是盲目者创造的，而是敢于走出舒适区，敢于挑战新的方法的所有人。

到目前为止的人工智慧都只是一个高质量的自动化过程，是一个纯粹基于条件概率的计算过程，没有真正所谓的思考能力。

人类又是否只是比所谓不那么智能的ai找到了更多的解法？

人工智慧可以看做求集合最优解，针对于没见过，不懂的套路，现有的人工智慧演算法基本上不能处理，这个是为什么基于深度学习人工智慧需要大量的样本，因为只有样本足够多，多到能包含所有的情况，那么其表现才会好！目前的人工智慧不具备人的理解迁移能力

现在AI主要还是靠人工，智能谈不上。