目录

如果一个人不能理解所说语言的全部信息，那么说这种语言也是没有意义的。

“20年内，机器将能够胜任人类承担的所有工作”（赫伯特·西蒙， 1965）。

以及21世纪的人类愿意相信超智能机器时代的到来，与前几个世纪的人类愿意相信魔术师的存在如出一辙。

---

机器还需要完全理解句子的含义和意图，才可以给出正确的翻译结果。
I’m from the government and I’m here to help

如果一个人不能理解所说语言的全部信息，那么说这种语言也是没有意义的。

这些想法仍然都没有实现。从某种意义上说，人工智能仍然是一项失败的实验：我们依旧没有找到恰当的方法。
 

“20年内，机器将能够胜任人类承担的所有工作”（赫伯特·西蒙， 1965）。

在当时的历史背景下，这种预测的确略显乐观。不过，我至今还未发现任何迹象让我认为（这位诺贝尔奖得主的）把这一预测放在今天更加合宜。
 

        但请注意一个颇为讽刺的事实，恰恰是人工智能学科促进了计算机的普及和计算机科学的飞速进步。思考型机器的概念，而非计算机有用论，推动了计算机的初步发展。从那时起，人工智能学科研究乏善可陈，但无心插柳柳成荫，计算机成为了走进千家万户的电器。所以说，你的笔记本电脑和智能手机都算是这项失败的科学实验意外产生的副产品。

（人工智能严格来说，不是计算机范畴，而是单独的一门学科）

        人们相信人工智能系统领域的突破，就像虔诚的信徒看到圣人降临一样，而能拿到的全部证据往往只有一张模糊的照片。
        2005年，有媒体报道称，康奈尔大学的胡迪·利普森（Hod Lipson）设计出第一部“自组装机”（self-assembling machine，2007年，利普森又设计出第一部“自我意识”机器人）。2013年，又有媒体报道称，由麻省理工学院的约翰·罗曼尼辛（John Romanishin）、凯尔·吉尔平（Kyle Gilpin）以及丹妮拉·鲁斯（Daniela Rus）研发的M-blocks（机器魔术方块）系统是世界上第一部自构建机（self-constructing machine）。不幸的是，这些竟无一例外地是被媒体言过其实地大肆渲染。

        至于百度的深层视觉系统（Deep Image system），运行于定制的超级计算机Minwa（包括432块CPU及114块GPUs）上，而面向公众的APP软件却一直无法面世。后来百度因为在世界上最负盛名的图像识别大赛（ImageNet大赛）上因为作弊被取消了参赛资格。

        

微软的CaptionBot

2010年，保罗·努涅斯（Paul Nunez）在其著作《大脑、思维以及现实的结构》（Brain，Mind，and the Structure of Reality）中对1类科学实验与2类科学实验进行了区分。

        其中，1类指那些虽经不同团队、在不同地点进行重复验证但依然有效的实验，而2类则是指在不同实验室条件下结果相互冲突的实验。另外，像目睹UFO出现、悬浮故事和驱魔等行为虽是不科学的，但仍有很多人相信他们的说法，我会称之为3类实验，即根本不能被其他科学家进行重复实验。而人工智能领域有太多的理论介于2类和3类实验之间。

以及21世纪的人类愿意相信超智能机器时代的到来，与前几个世纪的人类愿意相信魔术师的存在如出一辙。

虽然卢尔德避难所朝圣者中疾病被治愈的人们屈指可数（治愈的人都有医学依据），但成千上万的受过高等教育的人在生病、贫穷或是消沉的时候，依然选择前往。

         模拟气流需要解决偏微分方程非线性系统的问题——刘易斯·理查德森（Lewis Richardson）在其里程碑式的著作《用数值方法作天气预报》（Weather Prediction by Numerical Process，1992）中曾专门阐述了此项研究，数学家认为此领域的问题具有革新性的价值；冯·诺依曼也觉得利用计算机解决天气预报的问题不仅能帮助气象学界，还能证明电子计算机并不是一个玩具。不过，当时ENIAC的程序所应用的是朱尔·查尼（Jule Charney）设计的方程（见《大气运动的尺度分析》，1948）近似计算[3]

        当时，同样来自普林斯顿高级研究院的诺曼·菲利普斯（Norman Phillips）在英国皇家气象学会提出了著名的大气环流模拟方程（见《大气环流》，1955）。
        爱德华·洛伦茨（Edward Lorenz）证明了大气其实属于后来被称为“混沌”的系统分类（《决定性的非周期流》，1963）：人类对大气行为的预测精度是有限的。

        哲学上说，不存在骑自行车的机器人。

        奇点预言与技术现状之间明显脱节。

 

        自动化程度高的原因在于可以节省开支（在人工成本高昂的国家尤为如此，如美国、日本和欧洲各国）：机器比人工便宜。反之亦然，在机器比人工昂贵的地方，看不到机器的身影。我们正在转向网络教育的原因不是大学教授教不好学生，而是上大学太贵了。由此举一反三：在大多数情况下，推动自动化发展的是商业计划，而非机器的智能化水平。

仔细分析之后不难发现，这一预测与软件的关系不大，主要取决于计算机硬件。意料之中的是：

        关于计算机未来的预测无非在两个方向上大错特错，一是关于硬件的预测过于保守，二是关于软件的预测过于乐观。今天，智能手机的魅力并不在于它们可以完成20世纪60年代电脑不能完成的事情（它们几乎可以做同样的事情），而在于它们体积小、价格便宜、速度快。只花很少的钱就可以下载手机应用，意味着更多的人可以使用手机应用。这会带来巨大的社会效应，但它并不意味着软件技术已实现概念性的突破。很难说现存的哪个软件程序是50年前的Fortran语言无法编写的。如果当时没有编写这一程序，其原因可能是成本过于高昂或者一些所需的硬件尚未问世。

        推动计算机科学技术快速进步的原因并非是真正的科学创新，而是人工成本。人工成本越高，研发“更聪明”机器的动力越强。那些机器，及其机器背后的技术，其实在10年、20年甚至30年前就都已经实现了，只不过那时候采用这些技术的经济价值太低。