原標題：人工智能并非“萬能”

　　“阿爾法圍棋”在與李世石的“人機大戰”中以4：1取勝，人工智能取得的突破令人瞠目。那么，人工智能是否已達到“無所不能”的境地？ 實際上，雖然人工智能在計算能力、可靠性等方面遠超人類，但仍存在大量有待突破的技術瓶頸。

　　先從“阿爾法圍棋”所用的關鍵技術——“深度神經網絡”說起。建立神經網絡的基本流程是，搜集大量數據樣本，然后選擇合適模型，讓模型學習樣本，從中找出數據的內在規律。“阿爾法圍棋”正是通過學習海量棋譜和自我對戰，訓練出不凡“武功”。

　　“阿爾法圍棋”在與歐洲圍棋冠軍樊麾對戰前，便已進行了超過3000萬局的自我訓練。南京大學計算機科學與技術系周志華教授在接受新華社記者專訪時指出，當前人工智能的一個技術瓶頸，就是解決問題前先要獲取大量高質量數據樣本，而人類在學習新事物時往往只需很少的樣本。“這就導致問題稍微變化，機器就不行了，但人類毫無問題。例如在‘阿爾法圍棋’和李世石的大戰中，若換成25路棋盤，李世石仍能戰，‘阿爾法圍棋’就不行了，需要回去重新收集25路棋盤上的棋譜，重新訓練模型，”周志華說。

　　在英國帝國理工學院人工智能研究者馬克·戴森羅特看來，人工智能仍未實現人類所具備的通用智能。“目前，人類習以為常的一些學習能力對人工智能來說仍難以實現，例如，人們能夠將解決某一問題的知識用于解決另一新問題，從有限的經驗就能學習一定技能，還有在抽象層面進行推理的能力，以及與他人協作的能力。”

　　甚至可以說，人工智能在某些方面的表現還不如小學生。比如，一個小孩看過一張貓的照片后，就能立刻辨認出下一張圖片里的貓。而應用人工智能的谷歌圖像識別系統，“學習”過幾千萬張照片后，識別貓的準確率也還不能與人相比。

　　此外，在科研方面，科學家們能夠從大量紛繁雜亂的現象中發現規律并抽象到理論高度，總結出物理定律和數學定理，而人工智能尚無法做到。

　　目前，大部分人工智能系統的應用范圍仍很狹窄，只能執行一對一、點對點的特定任務。開發出“阿爾法圍棋”的“深度思維”公司就雄心勃勃地計劃打造“通用人工智能”：一套能像生物系統一樣學習的靈活算法，僅使用原始數據就能從零開始掌握任何任務，可為醫學、環境、金融等多領域問題提供解決方案。

　　研究者普遍認為，人工智能的發展順序是：弱人工智能、與人類智能相當的“強人工智能”和全面超過人類智能的“超人工智能”。目前，弱人工智能已經滲入我們生活的方方面面：搜索引擎、實時在線地圖、Siri等手機語音助手都運用了人工智能技術。但人工智能要從情感、行為和認知三個維度全面模擬人類，還有很長的路要走。而“超人工智能”還只是科幻小說和影視作品中的想象。

　　但仍有許多人在探討人工智能未來的時候流露出對人類命運的擔憂。埃隆·馬斯克、史蒂芬·霍金、比爾·蓋茨都曾在不同場合表示，人工智能可能對人類帶來威脅。如果所有技術瓶頸一一被突破，人工智能全面超越人類智能，人類最終面對的是友好的超人工智能還是企圖控制人類的“天網”？

　　美國紐約州立大學石溪分校計算機系顧險峰教授認為，人工智能的社會學研究需要引起足夠重視，如為應用人工智能制定相關法律，以防止失控。他說：“相信人類的理性力量會發展出相應的制衡機制，來引導人工智能的發展。”也有很多學者認為，目前的人工智能依然局限在“機器學習”的現有框架內，很難對人類產生威脅，與其無謂擔心，不如更多地關注基礎研究。