天生式神经网络不仅能够识别，还能创出文本和图像，在丰富我们的信息空间的同时，也模糊了现实与抱负的界线。

和人一样，我们有时候并不能说清楚从一本书中学到了什么，或者说某种技能在一段韶光的演习后取得了什么样的进步。

人工智能也是这样，它不能用人类的办法阐明他们是如何学习或是学到了什么。

我们顶多从它演习后产生的结果来判断，它可能学到了什么。

于是我们要做一件事情，便是逆向事情：在人工智能得到一个结果后，研究和审查，这个结果是否符合预期。

人工智能的操作有时候会超出人类的履历范围，没有办法观点化和天生阐明。
这就犹如青霉素的发明者佛莱明的经历一样，有时的创造，青霉素具有很强的杀去世病菌的能力。
但是为什么能杀去世，如何起浸染的？当时他并不知道。

人工智能不会反思，不会从历史中得到教训，战役和去世亡对它来说只是数据，它的运作便是产生一个结果，而结果是肤浅还是深刻，是善良还是邪恶，他不做判断也没有办法理解。
结果的意义是由人类来判断和决定的。

因此，人类必须要对人工智能进行规范和监督。

人工智能不可能考虑情境和进行反思，在人工智能的发展中，也曾涌现过某个天生式模型学习了仇恨措辞后开始天生传播仇恨措辞，谷歌的图像识别软件曾经人标记为动物，又曾经把动物标记为枪支。

它不仅不会反思，而且会犯错，乃至是一个低年事的儿童都不会犯的错。
即便事情职员会打消缺点，但是那些缺点都是在运用后才被打消的。

人工智能的发展紧张集中在中国和美国这两个大国中。
在那里，对人工智能的研究、开拓和运用呈现爆炸式的增长，算力和算法决定了接下来它们发展的速率。

但是即便我们知道发展是一定的，我们也知道打算机天下的摩尔定律，可是对付人工智能来说，摩尔定律曾经失落效过。

在那个人工智能的寒冬期，摩尔定律不起浸染。

后来通过技能和打算能力的领悟，短短数年，人工智能爆发出指数级的增长。

要想预测人工智能运用到其他领域的速率有多快是困难的，我们可以期待这些系统的提高将会是显著的，不论5年、15年或是20年，人工智能程序会更紧凑，更小巧，更有效、更廉价，它将在我们的生活中无时不在。

大概人工智能的发展速率可以和打算能力的增长相匹配，在未来15－20年增长百万倍，那时候一定会产生和人脑相称的神经网络，虽然目前的神经网络跟人脑比较还差10的4次方个数量级。

如果天生式的模型的权重数量每两年翻一番，神经网络与人脑的差距将会在10年内就可以弥合。

人工智能须要大量的数据，超大的算力和闇练的技能职员，以是在中国，无论政府还是企业，都会持续推动人工智能的创新。

要成为这个领域的头号玩家，就要投入更多的资源，而与此同时，我们还须要将眼力投向人工智能带来的潜在收益和风险上。