最近，有时在微信圈里看到北京大学的黄铁军教授为2018年图灵奖得到者、卷积神经网络之父 Yann LeCun 的自传写的序，个中既有不谋而合之处，又有发人深省的地方。
摘编如下：

黄教授在文中写道：人类智能是地球环境造就出的最俏丽的花朵，我们在为自己骄傲的同时，也要当心人类中央主义。
地球不是宇宙的中央，人类智能也没有类似的独特地位，把人类智能视为人工智能的造物主，曾经禁锢了人工智能的发展。
沉迷于寻求通用智能理论，将是阻碍人工智能发展的最大障碍。
这个思想基本上贯穿全文，也是非常值得寻思的部分。

对付智能的定义，黄教授认为，智能是系统通过获取和加工信息而得到的能力。
智能系统的主要特色是能够从无序到有序（熵减）、从大略到繁芜蜕变（进化）的。
生命系统是智能系统，也是物理系统；既具有熵减的智能特色，也遵守熵增在内的物理规律。
人工智能是智能系统，也是通过获取和加工信息而得到智能，只是智能载体从有机体扩展到一样平常性的机器。
就像人可以分为精神和肉体两个层次（当然这两个层次从根本上密不可分），机器智能也可以分为载体（具有特定构造的机器）和智能（作为一种征象的功能）两个层次，两个层次同样主要。

人工智能技能的传统研究路径有符号主义、连接主义和行为主义。

符号主义有过辉煌，但不能从根本上办理智能问题，一个主要缘故原由是“纸上得来终觉浅”：人类抽象出的符号，源头是身体对物理天下的感知，人类能够通过符号进行互换，是由于人类拥有类似的身体。
打算机只处理符号，就不可能有类人感知和类人智能，人类可融会而不能言传的“潜智能”，不必或不能形式化为符号，更是打算机不能触及的。
要实现类人乃至超人智能，就不能仅仅依赖打算机。

连接主义采纳自底向上的路线，强调智能活动是由大量大略单元通过繁芜连接后并走运行的结果，基本思想是：既然生物智能是由神经网络产生的，那就通过人工办法布局神经网络，再演习人工神经网络产生智能。
它的困难在于，不知道什么样的神经网络能够产生预期智能，因此大量探索归于失落败。
20世纪80年代神经网络曾经兴盛一时，掀起本轮人工智能浪潮的深度神经网络只是少见的成功个案。

行为主义是第三条路径。
生物智能是自然进化的产物，生物通过与环境以及其他生物之间的相互浸染发展出越来越强的智能，人工智能也可以沿这个路子发展。
这个学派在20世纪80年代末90年代初兴起，近年来颇受瞩目的波士顿动力公司的机器狗和机器人便是这个学派的代表作。
行为主义碰着的困难和连接主义类似，那便是什么样的智能主体才是“可塑之才”。

黄教授认为，展望未来，人工智能的发展路子有三条：

一是连续推进“大数据+大算力+强算法”的信息技能方法，从而得到信息模型。
网络尽可能多的数据，采取深度学习、把稳力模型等算法，将大数据中蕴藏的规律转换为人工神经网络的参数，这实际上是凝练了大数据精华的“隐式知识库”，可以为各种文本、图像等信息处理运用供应共性智能模型。

二是推进“构造仿脑+功能类脑+性能超脑”的类脑路子，从而得到生命模型。
把大自然亿万年进化演习出的生物神经网络作为新一代人工神经网络的原本，布局逼近生物神经网络的神经形态芯片和系统，站在人类智能肩膀上发展机器智能。

三是通过“强化学习+物理模型+算力”的自主学习路子，从而得到自主智能模型。
其技能路线的核心是建立自然环境的物理模型，通过强化学习演习自主智能模型。
比如，布局地球物理模型，演习出的人工智能系统能够适应地球环境，与人类共处共融；布局高精度物理模型（例如基于量子力学模型布局出粒子、原子、分子和材料模型），可以演习出能够从事物理学和材料学研究的人工智能；布局出宇宙及其他星球的物理模型，可以演习出的人工智能则有望走出地球，适应宇宙中更繁芜的环境。
（参考全文可查阅：黄铁军：沉迷于寻求通用智能理论，将是阻碍 AI 发展的最大障碍 | Yann LeCun 自传《科学之路》序）

从以上研究路径和发展路子看，对现阶段的人工智能毋须过分魔幻，AI只是浩瀚科研方向的个中之一，是打算机科学的一个分支。
当前的人工智能还只能说是由自动掌握向自动化的升级，实质上还是人的智能，仅仅也就勾留在弱人工智能的低级阶段，离有知觉、有自我意识，可以独立思考问题并制订办理问题的最优方案乃至有自己的代价不雅观和天下不雅观体系的强人工智能更是相差十万八千里。

以是我们该当去思考，人工智能没有办理的是什么？智能的形成机制是什么？有没有脑科学和神经科学的可靠理论支撑？难道智能仅仅是算法吗？搞清楚这些问题，我们就不会陷入科幻的杞人忧天和惶恐之中而得出自己的判断。
自然人的智能只是电旗子暗记吗，只是靠电力吗？没有电力供应的智能机器怎么运转，人类在发明电力之前可是有过几千年的文明史。
（任务编辑王世新，图片源自网络）