用人的思想暢想下去，要多可怕，就有多可怕！但它對人與科技的進步確實有幫助。這一點毋庸置疑。問題的關鍵，就在於人與科技如何做到“恰到好處和適可而止”這一境界。做到了，則不可怕。反之，留有不安定隱患。真的很難把握。我還是不看好人工智慧。因為，人類這個群體的變數太高。無法判別。

未來，一天早晨，一個機器人把我叫醒，我睜開眼，它給我刷牙洗臉，然後把做好的早餐做好放到我面前。我起床，給我看今天的日程，並在鏡子上顯示我的衣服，然後我點選搭配，選定後鏡子開啟，後面是一個20平米的衣櫃，選好的衣服自動過來然後給我穿好。稍微整理一下，出門，然後一個蝴蝶一樣的機器人飛過來做我的蝴蝶結或者胸卡。車子自動從車庫來到我面前，我坐在後排，蝴蝶告訴車子我的路線，去公司。

到了公司，一進大廳會有一個轉椅，我坐上後，會帶我去我的辦公室。或者我開口去我想去的地方。開會，我直接三維投影，講述這一個季度的工作成果，我面前會有三微成像顯示各種資料或者模型。（即使有三維技術，真人也必須到工作現場，許多事情投影解決不了必須真人做）結束上午的工作，可以在辦公室點餐，無人機會送貨上門，或者我去樓下中餐廳或者西餐廳就餐。桌面是觸控式螢幕，各種菜點選就行。最晚在十五分鐘上來。不需要付賬，我個人的臉或者指紋就可以了，直接從我信用卡或者智慧卡（或許是別的名字的網路虛擬卡）支付。下午兩個半小時的工作。下班後，我可以選擇健身，或者約會。

智慧化的便利一目瞭然。但是恐怖之處也是，她改變了人作為動物的本質，讓人成為了一種機器，等到某一個環節出了錯誤，我可能就此癱瘓了。過於依賴就是毀滅的開始。許多電影中都有此類的擔憂和恐懼。而最徹底的就是人工智慧有個人意識。就想人類第一次不單單為了吃喝拉撒而活著一樣，它思考起來它的價值，它是誰，它在哪？它的過去和它的未來。真的會有人機大戰這一天的到來吧。

AI智慧讓你原來三個人只需要一個人，原來一個人的工作，現在直接用AI智慧機器人就可以了。

最近幾年，人工智慧的話題一直處於風口。那人工智慧到底是什麼東西？小編對人工智慧的理解是人造出來的有智慧的機器，他可以替代人做很多事情。而未來的人會很閒，但也會很窮！因為人工智慧最先接觸的領域，一定是准入門檻比較低的。而服務行業的准入門檻並不高。因為目前無人酒店，無人餐館並不是沒有，這些已經得到了應運。

為什麼服務員會失業呢？如果你經常看新聞，那你一定知道，目前人工智慧的應執行業主要在服務業。舉兩個例子，根據飛豬旅行公佈的訊息，阿里的無人酒店已經正式在杭州開業，這個酒店位於西溪園。而阿里，給這個酒店起名為未來酒店。他最大的特色是什麼呢？酒店裡沒有一個服務員，連保潔阿姨都看不見。透過刷臉，機器人會帶客人去預定好的房間。這不但極大的方便了客人，並且也節約了成本。

還有之前上市的海底撈。或許你沒有去過海底撈，但透過網友對於海底撈的評價，一定知道這家火鍋店賣的不是火鍋，而是服務。曾經海底撈在北京開了一家人工智慧式的餐廳。在這個餐廳裡，沒有服務員，沒有洗碗工，沒有保潔員。所有的工作都是透過機器人來完成。而根據海底撈公佈的訊息，因為使用了機器人，這家海底撈的成本下降了4成。做過餐飲的朋友一定明白，成本降低百分之四十意味著什麼。而機器人是不會覺得累的，他的出錯率也非常低。

1959年第一代機器人出現，經過幾十年的發展，現在的機器人已經不是簡單能走兩步，他能做的事情太多了。劉強東曾說過，未來人們一週只上三天班。這會造成什麼結果呢？很多人都會失業，沒有工作註定是要與貧窮為伴。而馬斯克也不止一次告誡大家要小心人工智慧。而2016年AlphaGo打敗李世石，再一次把人工智慧推向了風口浪尖。

最近幾年，人工智慧的話題一直處於風口。那人工智慧到底是什麼東西？小編對人工智慧的理解是人造出來的有智慧的機器，他可以替代人做很多事情。而未來的人會很閒，但也會很窮！因為人工智慧最先接觸的領域，一定是准入門檻比較低的。而服務行業的准入門檻並不高。因為目前無人酒店，無人餐館並不是沒有，這些已經得到了應運。

為什麼服務員會失業呢？如果你經常看新聞，那你一定知道，目前人工智慧的應執行業主要在服務業。舉兩個例子，根據飛豬旅行公佈的訊息，阿里的無人酒店已經正式在杭州開業，這個酒店位於西溪園。而阿里，給這個酒店起名為未來酒店。他最大的特色是什麼呢？酒店裡沒有一個服務員，連保潔阿姨都看不見。透過刷臉，機器人會帶客人去預定好的房間。這不但極大的方便了客人，並且也節約了成本。

還有之前上市的海底撈。或許你沒有去過海底撈，但透過網友對於海底撈的評價，一定知道這家火鍋店賣的不是火鍋，而是服務。曾經海底撈在北京開了一家人工智慧式的餐廳。在這個餐廳裡，沒有服務員，沒有洗碗工，沒有保潔員。所有的工作都是透過機器人來完成。而根據海底撈公佈的訊息，因為使用了機器人，這家海底撈的成本下降了4成。做過餐飲的朋友一定明白，成本降低百分之四十意味著什麼。而機器人是不會覺得累的，他的出錯率也非常低。

1959年第一代機器人出現，經過幾十年的發展，現在的機器人已經不是簡單能走兩步，他能做的事情太多了。劉強東曾說過，未來人們一週只上三天班。這會造成什麼結果呢？很多人都會失業，沒有工作註定是要與貧窮為伴。而馬斯克也不止一次告誡大家要小心人工智慧。而2016年AlphaGo打敗李世石，再一次把人工智慧推向了風口浪尖。

現在人工智慧還沒有跟機器人結合了，中國所謂的人工智慧只能是一些演算法而已，在人工智慧裡面是出於低端的，但是現在就算低端的人工智慧機器自我學習都已經在人臉識別，無人駕駛方面展露頭角了，如果以後這些低端人工智慧跟機器手臂機器狗結合，那相當於機器有了自己的一點大腦了，那以後就可以學習不少新技能，就不需要太多的程式設計師給它們編碼了。

人工智慧，是近年來掀起的科技革命，它將很大程度上改變未來人們的生活和工作。在這方面中國的起步不輸任何國家，並已有高大上的人工智慧機器投入使用的案例，比如能斷案的智慧機器人。

人工智慧主要有三個層面，應用層、技術層以及基礎層。在人工智慧核心產業鏈中無人機、智慧機器人、智慧駕駛等大多屬於產業鏈中的應用層面，同時也是被大眾所為熟知的領域。但是人工智慧的核心產業鏈，即人工智慧行業的可投資領域，不僅僅侷限於應用層面。AI的每一個層面每一個斑塊，都有著蓬勃發展的前景，由此可見，人工智慧的未來發展趨勢是非常不錯的。

在未來，人工智慧的幾個發展方向或趨勢！其實現在大家對於人工智慧(ArtificialIntelligence)，簡稱AI。已經是不在陌生的了，而我們說的AI其實就是在研究、發展和擴充套件人類智慧理論、方法、技術和應用系統是一門新興的技術科學。

人工智慧是人類意識的資訊過程,思維的模擬。但它不是人類的智慧，它可以像人類一樣思考，也可能超越人類的智慧。但是這種自我思考的先進人工智慧也需要在科學理論和工程上取得突破。人工智慧自誕生以來，其理論和技術日趨成熟，應用領域也在不斷擴大。可以想象，人工智慧帶來的未來科技產品將成為人類智慧的容器。正因為如此，人工智慧得到了廣泛的應用。

1、機器視覺：人工智慧使機器能夠執行需要人工處理的任務。而這些任務需要做出一定的決策，機器必須能夠根據當時的環境做出比較好的決策。這將需要一個計算機不僅可以計算,也可以有一定的情報。為了對周圍環境做出好的決策，您需要分析周圍環境，也就是說，機器可以看到周圍環境並理解它們。就像人們一樣。因此，機器視覺是人工智慧中一個非常重要的領域。

2、指紋識別：指紋識別技術與人的指紋相對應。透過將他的指紋和預先儲存的指紋進行比較，可以驗證他的真實身份。每個人(包括指紋面板紋理圖案、斷點和交叉點各不相同,也就是說,是唯一的,一生不變。只有依靠這種獨特性和穩定性，我們才能建立指紋識別技術。

3、人臉識別：透過對人臉視覺特徵資訊的分析和比較，進行人臉識別，特別是計算機身份識別技術。人臉識別是計算機技術的一個研究熱點。它屬於生物特徵識別技術，包括人臉跟蹤檢測、影象放大自動調整、夜間紅外檢測和曝光強度自動調整。正是生物體(特別是人類)的生物學特性才能區分生物體和個體。

4、視網膜識別：視網膜是眼睛底部的血細胞層。視網膜掃描是利用低密度紅外捕捉視網膜獨特的特徵，捕捉血細胞的唯一模式。視網膜也是一種用於生物識別功能,有些人甚至認為視網膜是比虹膜獨特的生物學特性,在鐳射眼科視網膜識別技術要求獲得視網膜的獨特性的特點。

我們必須要發展人工智慧，只能對我們人類也有很大的貢獻，只能促使我們人類的發展更能促使我們的發展前提，人工智慧尤其是地面的原則，我們必須要科技的發展才能達到我們提高的標準，地面牽制的問題很多包括了交通住房和醫療養老設施和我們普通檢測層次的方面都有一定的關係，發展人工智慧首先是交通的問題就說我們的血脈必須要通暢處理快解決快，如果有人工智慧它就是直接的把事情辦好，我們第2步還要發展空間的人工智慧，空間的智慧也是相當重要的對於人類的發展的農作物氣象河水位的火災任何的系統我們都用人工智慧來解決，我們第3部還有一個人工智慧的智慧化，就是人類的根本智慧的問題我們進化就是精神體的淨化，我們並不是肉體的進化而牽制了很多的問題到2035年超人必須出現，這就是我們人類的創意這是必然的發展結果而是必然的傑作已經給人工的一種模式，我們剩下就是一種人工智慧的宇宙，我們可以根據他的模擬性質來發展宇宙可有宇宙圖啊讓大家應該要理解宇宙的規範能發展的宇宙飛船這都是中國的典範已經把這個事情落實到中國的位置上好好幹自己的事吧把中國搞好也是給世界調節一個很好的狀態的生存的能力，希望就是中國宇宙人已經說服了這些東西我們的史前文明管理地球的秩序也是表明了很多的態度事實就是如此，人們應該要理解這個問題啊。

人工智慧在門禁、車輛管理領域的典型應用有人臉識別和車牌識別，透過特徵值符合進行人機互動處理，還有蘋果手機的Siri語音助手、智慧家居、車載系統等，不斷挖掘人機互動方面更好的使用者體驗，延伸到生活各個領域

人工智慧，就是人們所說的AI，是最近幾年特別火的一個技術概念，它主要是研究領域包括機器人、語音演算法、影象識別、語言處理等的一門新的技術科學；

人工智慧厲害的地方是因為；

1、人工智慧能夠像人那樣思考，具有與人類似的思維和意識；

2、人工智慧是一個多領域的科學，首先要精通計算機，心理學和哲學，這就要求人工智慧的研究是一個高技術的工作，這也是人工智慧高達上的一個原因吧；

3、人工智慧目前在某些領域可以做的比人腦更快、更準確，可以勝任大部分人所不能完成的工作，幫助人們解決生活中的困難，這也是人工智慧的厲害之處；

4、人工智慧的研究反過來會促進人類對大腦的開發，對人類的發展只會更有好處。

對於人工智慧有多厲害，我覺得先要了解人工智慧的不同發展階段，不同階段對應技術不同，“厲害程度”也不同。人工智慧分為三個發展階段：弱人工智慧、強人工智慧、超人工智慧。科幻電影裡，有自我意識的機器人統治人類的情節是強人工智慧和超人工智慧階段才會發生的事，算是最厲害的了，但是，受軟硬體各方面影響，目前無法得知人工智慧會發展到何種程度，電影中橋段能否實現不得而知。所以，我們現在所談論的人工智慧，已經被使用的人工智慧，都是弱人工智慧階段的產物，弱人工智慧階段，有哪些“厲害”的應用？

人臉識別應用

運用人臉識別的技術在社會中找到犯罪嫌疑人不再是難事。當吧犯罪嫌疑人照片輸入系統後，計算機程式便“記住”了他的相貌，城市中高畫質攝像頭開啟，會時時刻刻捕捉數以萬計的人臉，不斷的與嫌疑人進行人臉比對，這個效率要比人類警察高很多，只要嫌疑人出現，人臉識別比對成功，該嫌疑人便無處可逃。人i類能記住的人臉是有限的，而對於人工智慧，記住資料，調取資料是他的優勢。

計算機程式可以認識圖片中的動物，風景等等。我們現在手機相簿，你存入的圖片，在你沒有事先標註的前提下，自動識別，分門別類。就拿我的手機來說（華為榮耀9），它將我的相片按照動物、風景、地點、夜景等類別區分，將800多張圖片歸類，這樣，我尋找圖片就更省事方便了，大大提高尋找效率，而且，正確率基本百分百。

自動駕駛應用

自動駕駛汽車投用，大大降低事故發生率，會大幅提高執行效率。特斯拉和谷歌是研發自動駕駛的“帶頭大哥”，谷歌目前處在實驗階段來積累執行資料，而特斯拉已經逐步運用於實際來獲取資料，根據特斯拉資料分析，自動駕駛降低約40%事故發生率。自動駕駛的逐步使用，會是每個車輛都互相有了聯絡，它們都在實時不斷互相進行資料交流，得知每個車的位置，自動駕駛會分析路況資訊，避開擁堵路段，大幅提升行駛效率。另外可以增加道路容納的汽車數量，我們現在規定倆個車距要相隔50米，如果全部使用人工智慧，每輛車距離可以縮短到5米，當前面的車制動，資料會馬上傳輸到其他車輛，也同時會採取制動，大大減少了車輛反應時間，這比人類駕駛員要反應快的多，更加安全。

現階段人工智慧是在特定領域解決實際問題的，它不是創造新的商業模式和業務流程的，它是將現有的流程、模式進行根本性改變，來大幅提升生產、生活效率，隨著人工智慧技術的不斷深化發展，擴大應用，變得越來越厲害。在未來，如果沒有及時跟上人工智慧的步伐，也許，會面臨被社會淘汰的風險。

只要是瞭解人工智慧的就可以很好的知道，人工智慧的現在的三大要素分別是算力，演算法，和大資料，那麼現在人工智慧到底厲害到什麼程度？可以說已經在一些領域中超過現在的人類，但是又在另一些的領域中達不到人工智慧的平均水平。

作為人來說，在某一個場景中，遇到一件事情，從感知到收集資料，再到認知，最後再到決策，就形成了一個智慧的過程，對於一件事情，每個人的處理方式是完全不一樣的還有處理的結果也是完全的不同的綜合起來就是一個效能，這樣是可以量化的，同樣的，機器可以模仿人的智慧，在這裡面處理的方式也是有效的，可以稱之為人工智慧的的效能。

以現在計算機的發展程度，和計算機的算力已經遠遠超過了人類，所以目前人工智慧中的算力貢獻是非常強大的，同時也是確定性的因素之一，並且隨著人工智慧的晶片發展，還有量子計算機的出現，算力在 人工智慧中很有可能超過人類。

隨著資訊化感應的深入，資訊系統已經可以像人一樣的感知世界，各種的場景中都每時每刻的產生出巨量的資料進入到資訊系統，那麼這些資料就是大資料，現代的社會一天產生的可以被資訊系統利用的資料產生的好多。現在人工智慧領域已經在很多的方面超過了人類，其他的幾個方面也是超過人類。可以說人工智慧在未來的發展還是比較強大。如果你對於人工智慧比較感興趣的話，可以SX我然後一起學習深度的學習人工智慧知識。

人工智慧

導讀：從物質到秩序再到意識：人工智慧超越人類只是時間問題。

關於物質的構造與意識的關係，其實可以透過電腦的發展，人工智慧的發展一窺究竟。很明顯從笨拙的電腦，到輕便智慧的電腦，電腦越來越智慧。這種突破從根本上說是得益於量子力學的發展，得益於現代製造工藝的進步。現在的機器人下象棋可以幹過最頂級的國際象棋選手，比如AlphaGo。阿爾法圍棋(AlphaGo)是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智慧機器人，由谷歌(Google)旗下DeepMind公司戴密斯·哈薩比斯領銜的團隊開發。其主要工作原理是"深度學習"。

"深度學習"是指多層的人工神經網路和訓練它的方法。一層神經網路會把大量矩陣數字作為輸入，透過非線性啟用方法取權重，再產生另一個數據集合作為輸出。這就像生物神經大腦的工作機理一樣，透過合適的矩陣數量，多層組織連結一起，形成神經網路"大腦"進行精準複雜的處理，就像人們識別物體標註圖片一樣。

阿爾法圍棋用到了很多新技術，如神經網路、深度學習、蒙特卡洛樹搜尋法等，使其實力有了實質性飛躍。美國臉書公司"黑暗森林"圍棋軟體的開發者田淵棟在網上發表分析文章說，阿爾法圍棋系統主要由幾個部分組成:一、策略網路(Policy Network)，給定當前局面，預測並採樣下一步的走棋;二、快速走子(Fast rollout)，目標和策略網路一樣，但在適當犧牲走棋質量的條件下，速度要比策略網路快1000倍;三、價值網路(Value Network)，給定當前局面，估計是白勝概率大還是黑勝概率大;四、蒙特卡洛樹搜尋(Monte Carlo Tree Search)，把以上這四個部分連起來，形成一個完整的系統。

阿爾法圍棋(AlphaGo)是透過兩個不同神經網路"大腦"合作來改進下棋。這些"大腦"是多層神經網路，跟那些Google圖片搜尋引擎識別圖片在結構上是相似的。它們從多層啟發式二維過濾器開始，去處理圍棋棋盤的定位，就像圖片分類器網路處理圖片一樣。經過過濾，13個完全連線的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。

大家讀完之後，會有什麼啟發？很明顯多層系統的構建是其“智慧”的主要原因。那麼很多人會問AlphaGo算是有意識的東西嗎？肯定算啊，不用懷疑。在本書的定義中一塊石頭都有了意識，何況是如此精細多層構成的物質系統，肯定具有意識，不具有意識它也不可能打敗世界冠軍！

我們面臨真正問題是AlphaGo的意識層次是哪一級別？還是把我這個劃分再寫到下面，方便大家思考意識的層級。這個劃分肯定不嚴謹，也算不上是科學的劃分，屬於經驗劃分。我希望你能有更好的衡量意識水平的方法，來對意識進行定量層級劃分。

1、無感覺。一塊石頭是沒有感覺的。

2、感覺

【高階生命體，意識最低的層次就是感覺。感覺包括觸覺，聽覺，視覺，嗅覺等。】

3、知覺【我覺察到了危險。就是知覺。】

4、想象【把太陽看成一個點，就屬於想象。】

5、思維

6、超思維【這個是我零時加的，因為這個劃分是我在《探索生命》一書中給出的劃分。在這本書中應該要做拓展才行，才能符合“重構世界”，也就是說盡量去突破人的侷限。而外星文明有可能是超思維的。比如我們人類的思維再厲害，基本無法達到用意識直接去操控物質。在億萬人中有個別案例的報道，但這不能算是普遍。而可能有外星文明，他們的思維能力，意識能力是普遍可以做到直接控物，或者其他的我們不具備的意識能力。】

按照我的劃分，AlphaGo的意識層次達到了感覺，也就是過渡到了高階階段。為什麼這樣說呢，因為AlphaGo是可以看見東西的，也能進行分析，所以劃分為感覺是沒有問題的。但為什麼達不到知覺層次呢？因為如果它能達到知覺層次，那麼意味著它開始有了”自我意識“的概念。比如它能知覺到自己處於危險，這和它能感覺到什麼是不同的。

既然說到了這個話題，就繼續討論另一個問題，人工智慧會不會發展出自我意識，也就是達到知覺意識層次，會不會超越人類意識？我的觀點是會達知覺到意識層次，會產生自我意識，樂觀一點的話，100年就可以，也就是2120年前。那麼會不會超越人類？很難，但有機會。我在原來的書《探索生命》一書中是持懷疑態度的，我認為機器人超越人類是不可能。主要是從哲學角度是去講的。比如我提到過機器人再怎麼智慧也不能像人類這樣有感情，會流淚。可是事實上會不會流淚和意識沒有關係。機器人的構成和構造不具備流淚的基因，但不流淚不影響它產生炙熱的感情，產生炙熱感情這種意識。

現在來簡單說說，為什麼難，但有機會超越人類。如果看得大膽一點，可以把機器人看作是人類教育和創造的學生，學生強於老師是合理的。因為什麼，因為物質與物質本身沒有本質區別。一個人的物質構成和一個機器人的物質構成，沒有本質區別！區別在於什麼？在於我們上面一直說的秩序和振動，也就是物質的構成和組合關係，以及這些關係的運動配合。

人腦有多複雜，人體結構有多複雜這點我不再例舉資料了，大家肯定會贊同人就是大自然的奇蹟！視覺、聽覺、嗅覺、味覺、觸覺，運動覺、平衡覺、和機體覺等等，哪一項對於人工智慧不是挑戰，肯定是！你再讀讀下面的關於大腦的簡單知識：大腦（brain）包括端腦和間腦，端腦包括左右大腦半球。端腦是脊椎動物腦的高階神經系統的主要部分，由左右兩半球組成，在人類為腦的最大部分，是控制運動、產生感覺及實現高階腦功能的高階神經中樞。脊椎動物的端腦在胚胎時是神經管頭端薄壁的膨起部分，以後發展成大腦兩半球，主要包括大腦皮質、大腦髓質和基底核等三個部分。大腦皮質是被覆在端腦表面的灰質、主要由神經元的胞體構成。皮質的深部由神經纖維形成的髓質或白質構成。髓質中又有灰質團塊即基底核，紋狀體是其中的主要部分。

端腦由約140億個細胞構成，重約1400克，大腦皮層厚度約為2-3毫米，總面積約為2200平方釐米，據估計腦細胞每天要死亡約10萬個（越不用腦，腦細胞死亡越多）。人腦中的主要成分是血液，血液佔到80%，大腦雖只佔人體體重的2%，但耗氧量達全身耗氧量的25%，血流量佔心臟輸出血量的15%，一天內流經腦的血液為2000升。腦消耗的能量若用電功率表示大約相當於25瓦。

讀完你是什麼感覺？血流量佔心臟輸出血量的15%，一天內流經腦的血液為2000升！而我們好像根本沒有感覺血液這麼快的在流動，可事實就是，血液在體內如萬馬奔騰般向前，一刻不停！每個人是由140億級大腦構成的，又高負荷運轉的“機器”，人工再現這樣一個“機器”，不可想象，所以很難很難。而且還別忘了，如果進化論是正確的話，我們還進化了多少萬年呢。這個過程是無法模擬的！如果人類起源像米勒實驗所展現的那樣，起源於海洋的話，整個進化過程更是像神話一樣精彩。

關於更多人工智慧的發展，我們應該樂觀，智慧家居時代，智慧駕駛，智慧工作都會成為現實，會很快成為現實。所以國內的一些公司佈局這些，肯定是對的。比如我看到有人說百度押寶AI是錯誤的，這樣說是目光短淺。押寶人工智慧肯定沒有錯。谷歌，阿里，騰訊等都在大資金投入，必然會促進人工智慧的快速發展，甚至是指數級跳躍，所以我們應該樂觀看待人工智慧的發展。

雖然人的進化過程是奇蹟，但人工智慧是人的奇蹟，超越人類是有機會的。人成為奇蹟需要時間，那麼人工智慧超越人類，也是時間問題。按照人類科技發展的速度，如果要給你一個時間的話，我會給出500年的時間。500年內，人工智慧將全面超越人類，這不是一個玩笑。因為它們站在了一個更高的時代，更高的起點。當它們發展到知覺意識層次的時候，它們的自我學習力是我們無法比擬的，所以它們超越人類是可能的。

就拿今年話題說的最多的晶片製造工藝來說，就讓我們很多普通人不敢想象。有人把晶片工藝製造有這樣一個難度比喻，說製造晶片就好比在一顆米粒上繪製清明上河圖。我們熟悉的，華為手機現用的麒麟980晶片，是全球首款採用7nm製程工藝的手機晶片，形象點描述，就是在指甲蓋大小的尺寸上，集成了69億個電晶體。69億個是什麼概念呢，你自己想象。這也是我為什麼說人工智慧有超越人類智慧的條件。

機器人的構成可以有多複雜，取決於技術的進步，而這也是意識產生的關鍵點。假如有多個類似有麒麟980晶片組成的系統，進行多層次設計於機器人，會產生什麼效果？假如可以做出5nm集成了690億個電晶體電路的晶片，又會是什麼效果，這些我們現在都沒有實現，但可以想象，那種效果一定是驚人的。更復雜，更精細的構成；更趨於同步，同趨於配合的互動振動，一定能產生讓我們歎為觀止的意識能力。

而且還有一種發展可能——腦機結合！就是人腦與人工智慧的結合，必然是一個超越人的存在。問題來了？這時候人是人還是機器人？再這樣問大家一個問題，假如機器人意識能力超越了人類，也具備了人的感情，你會拿它當人對待嗎？會與之通婚嗎？你好好思考一下這些問題，這些問題我這一章裡面不回答了。你自己去思考，來告訴我答案。如果你實在想不到答案，那麼下一章，我來告訴你答案。

再簡單說一下，關於意識與振動，也就是物質構成之間的互動運動。

有一個人叫查爾默斯，他和加州大學聖芭芭拉分校心理學教授喬納森·斯庫勒（Jonathan Schooler）一起發展了“意識共振理論”（resonance theory of consciousness）。

一切皆振動，宇宙萬物都在不斷地運動、振動。就算是看起來靜止的物體，實際上也在以不同的頻率振動、振盪、共振。共振是運動的一種，其特徵是兩種狀態之間的振盪。如此，整個自然界都在不同尺度上振動著。有這種振動才有互動，才有互動作用發生。

當振動著的不同物體聚集在一起時，有趣的事情就發生了：一段時間之後，它們常常會開始以相同的頻率一起振動。它們“同步起來”了，以有時看似神秘的方式，這種現象被稱為自發自組織。

數學家史蒂芬·斯特羅加茨（Steven Strogatz）在他2003年的書《從混沌到有序》中列舉了物理學、生物學、化學和神經科學領域的各種例子來闡釋“同步”（他用這個詞代表共振），其中幾個例子是：

當某些種類的螢火蟲聚集在一起時，它們會開始同步閃爍；科學家至今沒有徹底弄明白其中的原理。

當相同功率和頻率的光子同步時，鐳射便產生了。

月球的自轉與它圍繞地球旋轉的軌道同步，所以我們總是看到同一月面。

魚群在海底同步運動形成大圓球，以抵抗入侵。

數以百萬計的鮭魚跨越幾千裡游回出生地產卵。

物理中的超導現象，超流體現象，順磁現象，玻色-愛因斯坦凝聚態，費米子凝聚態等。以玻色-愛因斯坦凝聚態為例子說一下，形象地說，這就像讓無數原子"齊聲歌唱"，其行為就好像一個玻色子的放大，可以想象著給我們理解微觀世界帶來了什麼。這一物質形態具有的奇特性質，在晶片技術、精密測量和奈米技術等領域都有美好的應用前景。

所以研究共振或者粒子同步運動會幫助我們深入理解意識的本質以及宇宙的普遍規律。

神經科學家也在他們的研究中發現了同步。人腦中的神經元以可測量的頻率大規模放電，哺乳動物的意識也被認為通常與各種神經元同步有關。

例如，德國神經生理學家帕斯卡·弗里斯（Pascal Fries）就探索了大腦中各種放電模式的同步方式，以及它們如何產生不同種類的人類意識。

弗里斯主要關注三種波：γ、β和θ波。這些字母代表大腦中電振盪的速度，是藉助置於顱骨外部的電極測量出來的。當神經元群透過電化學脈衝相互交流時，就產生了這些振盪。將這些訊號的速度和電壓取平均值，就得到了可測量每秒特徵迴圈的腦電波（EGG）。

γ波與大規模協調活動相關，比如感知、冥想或聚焦的意識；β波與最大的腦活動或喚醒相關；θ波則關乎放鬆和白日夢。根據弗里斯的觀點，這三種波型的協同工作會產生各種型別的人類意識，或者說，至少能夠促使它們產生。

靈遁者油畫

讀到這裡，你沒有提問嗎？腦電波與意識之間的關係究竟如何，目前仍未達成定論。各位這就是這個問題，腦電波是腦活動行為測量的衡量指標，本身腦電波與意識沒有必然關係。它是一種腦活動的表象，懂了嗎？所以妄圖透過腦電波來研究意識的本質是不行的。可以透過腦電波來研究意識的狀態，意識的表現，僅此而已。

再次強調，意識是逆熵的存在，這毋庸置疑。所以有質量的物質存在是前提，物質的構成越複雜，越精細；彼此之間的互動和振動更融洽，意識的層級就必然越高。也就是意識的存在度越高，抵抗熵增的能力也越強。

生命在於運動，更在於探索。當你們看到這些文字的時候，我希望你們不要去想我推翻了誰，我從來也不這樣想。你們去想我拓展了誰的理論，我在試圖解決什麼問題，就去想這些問題就行了。然後再去想，我哪個觀點靠譜，哪個不靠譜？這樣你才能進步，這樣我也能進步。人有侷限，所以沒有完美的理論。

獨立學者，作家，藝術家靈遁者哲學作品《重構世界》第三章下篇。

未來那些繁重的、重複的、沒有創造性、藝術性的工作將會被人工智慧逐步代替，比如建築工人、司機、快遞員、保姆、銀行業務員、電話客服、倉庫管理員、收銀員、清潔工、銷售等工作。

人工智慧來襲，不少人驚呼未來有不少職業將會被人工智慧和機器人所替代。確實，機器和人工智慧會替代人的一些簡單勞動、重複性勞動和規則性活動，但是，它們也會創造出更多更新的、前所未有的新的職業。人工智慧概念的火熱促進了不少行業的興起，比如域名，許多相關的.top域名已經被註冊。

人工智慧作為科技創新產物，在促進人類社會進步、經濟建設和提升人們生活水平等方面起到越來越重要的作用。國內人工智慧經過多年的發展，已經在安防、金融、客服、零售、醫療健康、廣告營銷、教育、城市交通、製造、農業等領域實現商用及規模效應。

1.什麼是人工智慧

人工智慧（Artificial Intelligence）：它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。1956年由約翰.麥卡錫首次提出，當時的定義為“製造智慧機器的科學與工程”。人工智慧目的就是讓機器能夠像人一樣思考，讓機器擁有智慧。時至今日，人工智慧的內涵已經大大擴充套件，是一門交叉學科。

2.人工智慧的層次結構

基礎設施層：回顧人工智慧發展史，每次基礎設施的發展都顯著地推動了演算法層和技術層的演進。從20世紀70年代的計算機的興起，80年代計算機的普及，90年代計算機運算速度和儲存量的增加，網際網路興起帶來的電子化，均產生了較大的推動作用。到21世紀，大規模叢集的出現，大資料的積累，GPU與異構/低功耗晶片興起帶來的運算力的提升，促成了深度學習的誕生，點燃了人工智慧的爆**潮，其中海量的訓練資料是人工智慧發展的重要燃料。

演算法層：機器學習是指利用演算法使計算機能夠像人一樣從資料中挖掘出資訊，而深度學習作為機器學習的一個子集，相比於其他學習方法，使用了更多的引數、模型也更復雜，從而使得模型對資料的理解更加深入也更加智慧。

計算機視覺：計算機視覺的歷史可以追溯到1966年，人工智慧學家Minsky在給學生布置的作業中，要求學生透過編寫一個程式讓計算機告訴我們它透過攝像頭看到了什麼，這也被認為是計算機視覺最早的任務描述。計算機視覺借鑑了人類看東西的方法，即“三維重構”與“先驗知識庫”。計算機視覺除了在比較成熟的安防領域外，也應用於金融領域的人臉識別身份驗證、電商領域的商品拍照搜尋、醫療領域的智慧影像診斷、機器人/無人車上作為視覺輸入系統等。

語音處理：讓機器學會“聽”和“說”，實現與人類的無障礙交流一直是人工智慧、人機互動領域的一大夢想。1920年生產的“Radio Rex”玩具狗可能是世界上最早的語音識別器，第一個真正基於語音識別系統出現在1952年，AT&T貝爾實驗室開發的Audrey的語音識別系統，能夠識別10個英文數字，正確率高達98%。比如Apple Siri，Echo等。

自然語言處理：人類的日常社會活動中，語言交流是不同個體間資訊交換和溝通的重要途徑。對機器而言，能否自然的與人類進行交流、理解人類表達的意思並作出合適的迴應，被認為是衡量其智慧程度的一個重要參照。

規劃決策系統：人工智慧規劃決策系統的發展，一度是以棋類遊戲為載體的。比如，AlphaGo戰勝李世石，Master對頂級選手取得60連勝，機器人，無人車。

3. 人工智慧應用場景

3.1. 語音處理

• 語音處理主要是自動且準確的轉錄人類的語音。一個完整的語音處理系統，包括前端的訊號處理、中間的語音語義識別和對話管理以及後期的語音合成。

– 前端處理：說話人聲檢測，回聲消除，喚醒詞識別，麥克風陣列處理，語音增強等。

– 語音識別：特徵提取，模型自適應，聲學模型，語言模型，動態解碼等。

– 語義識別和對話管理：更多屬於自然語言處理的範疇。

– 語音合成：文字分析、語言學分析、音長估算、發音引數估計等。

• 應用：包括醫療聽寫、語音書寫、電腦系統聲控、電話客服等。

• 未來：真正做到像正常人類一樣，與他人流暢溝通，自由交流，還有待時日。

3.2. 計算機視覺

• 計算機視覺指計算機從影象中識別出物體、場景和活動的能力，包含影象處理、識別檢測、分析理解等技術。

– 影象處理：去噪聲、去模糊、超解析度處理、濾鏡處理等。

– 影象識別：過程包括影象預處理、影象分割、特徵提取、判斷匹配，可以用來處理分類、定位、檢測、分割問題等。

– 影象理解：本質是影象與文字間的互動，可用來執行基於文字的影象搜尋、影象描述生成、影象問答等。

• 應用：

– 醫療成像分析被用來提高疾病的預測、診斷和治療。

– 在安防及監控領域被用來指認嫌疑人。

– 在購物方面，消費者現在可以用智慧手機拍攝下產品以獲得更多資訊。

• 未來：計算機視覺有望進入自主理解、分析決策的高階階段，真正賦予機器“看”的能力，在無人車、智慧家居等場景發揮更大的價值。

3.3. 自然語言處理

• 自然語言處理的幾個核心環節：知識的獲取與表達、自然語言理解、自然語言生成等，也相應出現了知識圖譜、對話管理、機器翻譯等研究方向。

– 知識圖譜：基於語義層面對知識進行組織後得到的結構化結果。

– 對話管理：包含閒聊、問答、任務驅動型對話。

– 機器翻譯：由傳統的PBMT方法到Google的GNMT，流暢度與正確率大幅提升。

• 應用：搜尋引擎、對話機器人、機器翻譯、甚至高考機器人、辦公智慧秘書。

4. AI、機器學習、深度學習的關係

4.1. 人工智慧四要素

1） 資料

如今這個時代，無時無刻不在產生大資料。移動裝置、廉價的照相機、無處不在的感測器等等積累的資料。這些資料形式多樣化，大部分都是非結構化資料。如果需要為人工智慧演算法所用，就需要進行大量的預處理過程。

2） 演算法

主流的演算法主要分為傳統的機器學習演算法和神經網路演算法。神經網路演算法快速發展，近年來因為深度學習的發展到了高潮。

3） 算力

人工智慧的發展對算力提出了更高的要求。以下是各種晶片的計算能力對比。其中GPU領先其他晶片在人工智慧領域中用的最廣泛。GPU和CPU都擅長浮點計算，一般來說，GPU做浮點計算的能力是CPU的10倍左右。

另外深度學習加速框架透過在GPU之上進行最佳化，再次提升了GPU的計算效能，有利於加速神經網路的計算。如：cuDNN具有可定製的資料佈局，支援四維張量的靈活維度排序，跨步和子區域，用作所有例程的輸入和輸出。在卷積神經網路的卷積運算中實現了矩陣運算，同時減少了記憶體，大大提升了神經網路的效能。

4） 場景

人工智慧經典的應用場景包括：

使用者畫像分析基於信用評分的風險控制欺詐檢測智慧投顧智慧稽核智慧客服機器人機器翻譯人臉識別

4.2. 三者關係簡述

人工智慧：是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法及應用系統的一門新的技術科學。

機器學習：專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。是人工智慧的核心研究領域之一，任何一個沒有學習能力的系統都很難被認為是一個真正的智慧系統。

深度學習：源於人工神經網路的研究，含多隱層的多層感知器就是一種深度學習結構。深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。

人工智慧前景不錯的就業方向：科學研究，工程開發。計算機方向。軟體工程。應用數學。電氣自動化。通訊。機械製造人工智慧可以說是一門高尖端學科，屬於社會科學和自然科學的交叉，涉及了數學、心理學、神經生理學、資訊理論、計算機科學、哲學和認知科學、不定性論以及控制論。研究範疇包括自然語言處理、機器學習、神經網路、模式識別、智慧搜尋等。應用領域包括機器翻譯、語言和影象理解、自動程式設計、專家系統等。