人工智能技能具有正、反两方面的浸染，在造福于人类的同时，也存在各种风险。
理论上可能存在以下四种风险。

技能失落控。
技能失落控指的是技能的发展超越了人类的掌握能力，乃至人类被技能掌握，这是很多人最为担忧的风险。
现有人工智能技能仅在知足强封闭性准则的条件下，才可发挥其强大功能；在非封闭的场景中，现有人工智能技能的能力远远不如人类，而现实天下的大部分场景是非封闭的。
以是，目前不存在技能失落控风险。

技能误用。
与信息技能干系的技能误用包括数据隐私问题、安全性问题和公正性问题等，人工智能技能的运用可以放大这些问题的严重程度，也可能产生新的技能误用类型。
在现有条件下，人工智能技能本身是中性的，是否涌现误用完备取决于技能的利用。
因此，对人工智能技能误用的重视和风险戒备应提上议事日程。

运用风险。
运用风险指的是技能运用导致负面社会后果的可能性。
目前人们最担心的是人工智能在某些行业中的普遍运用导致事情岗位的大量减少。
运用风险是由技能的运用引起的，因此关键在于对运用的掌控。
根据强封闭性准则，人工智能技能在实体经济中的运用每每须要借助于场景改造，而场景改造完备处于人类的掌握之下，做多做少取决于干系的家当决策。

管理失落误。
人工智能是一项新技能，它的运用是一项新事物，社会缺少管理履历，随意马虎陷入“一管就去世，一放就乱”的局势。
为此，更须要深入理解人工智能现有成果的技能实质和技能条件，确保监管方法的针对性、有效性。

目前对人工智能存在三种认识误区：一是人工智能已经无所不能，因此现有人工智能技能可以无条件地运用。
根据强封闭性准则，现有人工智能技能远未达到无所不能的程度，运用是有条件的。
因此，在家当运用中亟须加强对强封闭性准则的认识，加强场景裁剪和场景改造，避免违反强封闭性准则的盲目运用，而这种盲目目前在国内外都十分普遍，不仅摧残浪费蹂躏资源，更严重的是滋扰了有希望成功的运用。

二是现有人工智能技能不能大规模实际运用，由于现有人工智能技能依赖于人工标注，并不智能。
现有人工智能技能并不局限于深度学习，而暴力法和演习法的结合可以避免人工标注，而且符合强封闭性准则的运用处景可以有效地履行数据采集和人工标注。
目前一些运用不堪利的缘故原由在于违反了强封闭性准则，而不是由于现有人工智能技能不能运用。
这个误区每每发生在对人工智能技能有一定理解而认识不到位的情形下。
与第一种误区一样，这种误解会严重影响我国人工智能家当运用的进度。

三是在未来20年—30年内，人工智能技能发展将超越某个临界点，之后人工智能将不受人类掌握自由发展。
根据强封闭性准则和环球人工智能研究现状，这种“奇点说”在技能范围内没有任何科学依据。
封闭性准则包含的一些条件，如模型的语义完备性、代表性数据集的有限确定性，常日须要借助于强封闭性准则哀求的人工方法的赞助才可以知足。
假想未来有可能打破这些限定，与人工智能目前已具备打破这些限定的能力，完备是两回事。
纵然将来打破了某种限定，还会有新的限定加以约束。
这一类说法无形中假定，可以存在分开详细条件的人工智能技能。
这种技能是否可能存在，目前并没有任何科学证据的支持，有待于未来的不雅观察和研判。

以上三种误区是我国人工智能发展的紧张思想障碍。
封闭性和强封闭性准则立足于现有人工智能技能实质，为肃清这些误区供应了依据，也为不雅观察、思考和研究人工智能发展的其他问题，避免重复以往人为放大“周期性起伏”的滋扰，供应了一种新的视角。