那么与人类比较，人工智能还差点啥？本日我们抛开眼花缭乱的创新运用，与晦涩难懂的底层技能，从人类思考的两种模式来看人工智能。

诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）在《思考，快与慢》（Thinking, Fast and Slow）中总结了人类的两种思考模式——快思考和慢思考，并把快思考称为系统1，慢思考称为系统2。

系统1：是直觉系统、无需集中把稳力、反应速率快，不费脑力，例如闇练驾驶汽车而无需努力思考。

系统2：是理性系统，须要集中把稳力、反应速率慢、耗费脑力，例如逻辑剖析须要负责思考并耗费较永劫光。

我们只要醒着系统1就一贯在线，只有当系统1遇阻才会激活系统2，系统1和系统2相互合营构成了人类的思考模式。
常日情形下，这种分工办法是高效的，但系统1会持续不断为系统2供应印象、直觉和觉得等输入。
而且，由于系统1是无意识的，并不能确保对现实的准确反响，如果系统2没有创造这些认知缺点，就很难避免做出错误的决策。

在人工智能的发展过程中“符号主义”与“连接主义”两大流派交相照映，与人类的两套思考系统不谋而合。

“符号主义”（Symbolicism），又称逻辑主义、主见用公理和逻辑体系搭建一套人工智能系统，奉行模拟人类的逻辑办法获取知识。

“连接主义”（Connectionism），又叫仿生学派，主见模拟人类的神经元，用神经网络的连接机制实现人工智能，奉行大数据和演习学习知识。

在20世纪80年代，专家系统开始涌现，专家系统把人类专家的知识与履历整理为知识库，再通过推理机仿照人类专家的思维过程来办理特定领域的繁芜决策问题。
1996年击败国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)，便是IBM基于“深蓝”打算机开拓的国际象棋专家系统。
早期专家系统基于规则推理，后发展为基于案例推理，但专家系统的实质是“符号主义”，很明显是在考试测验办理人类思考的系统2问题。
专家系统是人工智能的第一个真正商业化运用，在医疗、军事、地质勘探、化工等领域，产生了巨大的经济效益和社会效益。

但是，专家系统的知识领域每每很狭窄，而且会随着韶光推移而过期，掩护知识更新与推理模型更新的本钱很高，这让它只能做事于超大型企业。
目前专家系统已经很少作为独立系统存在，而是成为业务系统中的规则引擎，在征信、反诱骗和风险掌握等，强规则领域广泛运用。

从2010年开始“连接主义”复兴，神经网络代价显现，算力硬件的发展更是让基于神经网络的深度学习如鱼得水，造诣了此生成成式人工智能的发达发展。
虽然天生式人工智能可以天生具有逻辑性和连贯性的文本、图像、音频、***等内容，但神经网络繁芜的构造导致天生结果的成因却难以阐明，而且相同条件下每次天生的结果还不完备相同。
同时，天生式人工智能还有一定概率涌现幻觉，便是会不苟言笑的胡说八道，而且它还无法自我察觉到是在胡说八道。
难以阐明、涌现幻觉、无法自我察觉，这些都让天生式人工智能与人类思考的系统1非常像，人类的印象、直觉和觉得也并不是总能准确反响现实。

虽然天生式人工智能还有很多问题须要办理，但宏不雅观来看人工智能在人类思考的系统1和系统2都已实现初步打破。

我认为，更大的演习数据、更大的模型参数、更高的算力，依然只是人工智能的低级阶段，参考人类思考的两个别系，未来不同类型和特点的人工智能技能应发挥出系统1和系统2的不同浸染，并相互合营才能达到真正的人类智能水平。
图灵奖得主 Yoshua Bengio 在2019年的主题报告《从系统 1 深度学习到系统 2 深度学习》（From System 1 Deep Learning To System 2 Deep Learing）阐述了快思考与慢思考对他的启示，并指出深度学习未来的研究方向要从系统1转向系统2，他的不雅观点在学术界引起广泛共鸣。

这场席卷环球的天生式人工智能热潮，不仅引发了大众对未来的无限遐想，更推动了各行各业对人工智能技能的广泛关注与投入，我相信更多打破将不断呈现，人工智能浪潮还将持续升温！