首先，這個問題的好處在於引發探討

如果對當下非常熱門的AI沒有冷靜思考，或者沒有相關使用體驗的話，可能不會去想那麼多。

AI已經逐漸進入日常生活的各個角落，很多人實實在在感受到了這個曾經三起三落過的科技分支在現如今的進步：

1）我們回家不用拿鑰匙（智慧門鎖，手臉APP各色授權方式）；2）在家有各類智慧家居，可以幫你做更好的飯菜（智慧電飯煲、烤箱、微波爐、等根據使用者畫像推薦菜譜和烹飪技法推薦），更好儲存食材（智慧冰箱識別食物型別，新鮮度，過期提醒），協助我們家務勞動和整治環境（SLAM掃地機的地圖構建與路徑規劃、智慧抽油煙機自動調整風力和位置高低、智慧晾衣架改善體驗），享受新一代的家庭娛樂（智慧音箱和電視等消費電子產品從傳統的資訊傳播載體，搖身一變成為雙向的，具備的音樂、影片、新聞、百科、遊戲等各種Skill大全的人機互動工具）；3）無處不在的安防攝像頭和後臺結構化的資料統計分析，約束我們在公開場合需要遵紀守法的同時，在協助偵破犯罪案件、取證和震懾不法分子等方面發揮重要作用；4）開車上路有智慧交通、輔助加試和自動導航（自動駕駛還在進化中）；5）工作中的各個智慧應用在資訊和認知等維度的功能，大大提高我們工作效率，簡化機械重複勞動同時，賦能我們自身欠缺的開拓創新；6）其他還有很多，我能想到的，看到的，和隱藏在背後，沒有想到的許許多多場合，AI技術都在背後發揮著積極的正面的作用。

總之，如今的社會，無論中外，無論城市還是鄉村，無論男女老幼，大家都或多或少得在享受這AI，及其三要素——資料、演算法和算力三者所整合後的部署應用，所帶來的快捷、便利、甚至前所未有的愉悅。

我們知道，兒童時期講對錯，成年人則講的是利弊，差別就在於一個是階躍性質的，另一個是連續性質的。同樣，對世上幾乎所有技術能力的判斷，用一個好或壞字就蓋棺定論是不合適的。既然不能用簡單的非0即1作答，人工智慧也一樣，簡單用智慧或智障兩個結果描述有些勉強，甚至難以劃清界限的。

那用什麼辦法來擴充智慧智障這一簡單劃分呢？這裡有兩個意見：

1.成熟度

參考其他技術領域，通常我們採用多個層級的描述，譬如：可以採用“非常成熟，成熟，發展中，剛起步”等詞語來細化顆粒度；更嚴謹的，需要用一套相對客觀的、量化的標準體系來考量，例如自動駕駛技術成熟度的SAE Level1-5（0級無自動，1級駕駛員輔助，2級部分自動化，3級有條件自動駕駛，4級高階自動駕駛，5級完全自動駕駛）；或者IEC制訂的防塵防水等級的IPXX（第一個X代表防塵，第二個代表防水，分別有6個和8個等級）；類似的還有行動通訊行業的3GPP技術規範。

科學合理的技術成熟度定義應該是社會，學術圈，垂直產業全員參與，由行業標準協會等機構主導完成，例如自動駕駛等級的定義是由美國高速公路安全管理局（簡稱NHTSA）和國際自動機工程師學會（簡稱SAE）提出的。IEC國際電工委員會。行動通訊行業則是3GPP。

回到AI話題上來，出於人工智慧仍然在快速發展中以及過於廣泛應用等原因，目前行業對AI的成熟度沒有明確統一的共識。某些夥伴組織整理過一些定義，如Gartner成熟度曲線，但它主要還是定性的，針對各個子領域的就緒度給出分析判斷，並指出未來的發展趨勢和創新方向。

2.量化的技術標準

任何含有人工智慧技術的產品或服務，純學術研究除非，一般要落地在社會應用，無論B端還是C端，都要滿足各自所處的細分行業賽道的比賽規格——技術標準，產品規格或驗收準則。國家有國標，行業有行標，企業有企標，產品有規格書，學研單位有驗收標準等，每個公司的產品服務能達到什麼樣的效能和質量，相關品質部門透過對應的測試標準進行管控，達標者打上Pass印章，於是可以出廠入庫，準備發貨上市。否則，回爐另造，浴火重生。那麼，這些真正在最後把關的技術標準和測試報告，於我看來，是精確評價產品AI效能高低的依據。

AI產品服務五花八門，千變萬化，但目前基本上圍繞語音、NLP、視覺、資料科學等方向，至於關鍵的量化指標，一般包括語音方向——喚醒率，識別率，麥克風陣列數量，響應時間等；視覺：準確率，精準率，召回率，響應時間等；資料科學的評估更加靈活多樣，但最根本的還是準確度和效率。

人工智慧目前還是在某些領域、場合、流程中，部分地替代人類去思考、分析、決策，減輕人所不願或不能承擔的工作或任務。

智慧或智障這樣泛化的說法定義有些模糊，AI效能的精確判斷要依據某垂直行業或領域的研究機構或團隊，經過實驗，收集、整理、歸納資料、嚴格論證後所公佈的標準作為依據，透過量化考核定義其所在層次或級別，僅僅靠智慧或智障這樣泛化的說法是值得商榷的。

我說科技，打造靜心科技。我是靜心科技運營者，專注於人工智慧。

感謝邀請，題主提的這個問題的確讓很多開始反思人工智慧存在的問題。不可否認的是，現階段的人工智慧仍然存在很多問題，但是目前人工智慧已經在很多領域得到運用，而且取得了很不錯的效果，這也讓很多人看到人工智慧潛在的魅力。因此我個人覺得AI還是人工智慧。

人工智慧目前存在很多問題。首先第一個模糊點就是智慧，何為智慧？我們以前一直把圖靈測試作為機器智慧的一個重要標誌，但是圖靈測試將智力限制為一種和人類進行語言遊戲的解決方案。這就會導致很多不會說話的生物無法透過圖靈測試。其次就是目前機器學習，特別是深度學習和人大腦智慧產生的工作原理差距很大，其主要原因是目前我們還沒有弄明白人的智慧是如何產生。最後還有就是目前人工智慧系統存在很大的不穩定性，也就是抗干擾能力比較差。這樣的系統會額外產生很多現實問題。

人工智慧有哪些突破口？

第一點，現如今人工智慧大部分集中在一個強大的中心控制平臺，這樣的處理方式雖然能夠有效管控人工智慧系統，但是大型資料規模的人工智慧系統必然會造成很多現實儲存、加密、維護等等難點問題。也許分散式人工智慧會是一個新的突破口。

第二點，人工智慧演算法思維需要調整，我們目前很多時候都是針對一個問題提出一種新的模型，而且模型與模型之間的差異還比較大，這似乎距離通用人工智慧越來越遠。目前急需一種新的演算法框架來相容這種多問題、多工處理的場景。

第三點，現行演算法需要進一步最佳化。比如現在我們的深度學習基本都是基於大樣本、強算力的基礎上，未來的突破口應該是基於小樣本、小算力、強演算法的人工智慧。

如何正確看待人工智慧，其實在我看來。我們不應該把人工智慧當成是一種模仿人的智慧，而應該是利用機器解決人能夠實現的價值，比如看、說、聽、讀等等。人工智慧絕對不是應該長得像人，而應該是能夠按照人的思維解決問題的一種工具。

對於淺度使用者來說 現在算是智慧，但是對於深度使用者現在ai只能是個智障。

①目前技術模組，目前人工智慧如客服類 基本以填表回覆為主，如何理解填表，其實就是分解你說的說話 譬如主謂賓，比較合適哪個表格 然後表格的標準回答或程式已經設定好，機器透過設定好的內容來操作，譬如幫我導航至xx地點，機器會幫你預設開啟導航 從現在位置導航到xx地點。但是深度使用者也知道 如果我說我今天不要喝奶茶，很多系統依然會推送奶茶給你，這就是智障的體現。

②人物建模及智慧推送有待提高。現在基於搜尋引擎及cookies來進行推送內容已經比較成熟，但是對單獨人物建模及深度推送還有待提高，現在a人問機器和b人問機器得到回答幾乎是一樣的，那就是其實機器沒有對這個人物進行內部建模，譬如這個人物的特點（可以理解成他這個人的單獨的搜尋記錄也算是一條特點），根據這個人的特點得出答案 這個模組是基本空白的。還有就是深度推送，系統可根據天氣，時間，地點等各種因素給使用者推送不同模組內容 這個部分ai會有體現 但是還急需提高。

③ai 智障及智慧最根本的判斷就是ai有否自己的意志，這也算是ai先進或恐怖之處，如何判斷ai有否意識，例如：我們想ai叫創始人做father，我們現在可能會在機器內加攝像頭進行人面識別然後識別到創始人頭像，自動回覆father 幹嘛幹嘛 但是這樣的機器是沒有靈魂的，依照命令辦事。有看過美劇《疑犯追蹤》的朋友可能更為清楚這樣的區別，裡面的ai由創始人造出識別犯罪的超算能力，同時利用程式自程式設計 創始人教與她更多的人類道德標準，當這個ai即將被另一個沒有道德標準的ai打敗並可能講要消失的時候，他對創始人說了一句 感謝你 father！ 這確實感動了很多人！這是經過一系列自我學習在情景化後所得的一句話 並不是創始人的要求或命令。

現在的AI技術還並不能真正的稱之為人工智慧，因為現在的AI技術並不能讓計算機進行主動的思維，還是處於一個被動的狀態下。

也就是說，現在的AI是基於場景的應用，我們會預先設定好應用的場景，讓機器去學習這個場景中的知識，根據學習到的知識，進行一個反饋。

脫離了場景，其實AI就沒有作用了，也就是說，機器能夠學會什麼，能夠反饋什麼，其實都是人先給出了這樣的一個範圍，機器並不能主動的去為自己劃分出自己需要學習的範圍。

一個剛剛問世的AI工具，是需要大量的學習素材和時間的，這就好像我們人一樣，剛剛出生的孩子，什麼都不會。

所以，通常在AI工具還不成熟的時候就已經投入到了商業運用中，也就造成了使用者在體驗過程中覺得這個AI很傻的情況。

AI的學習過程中，會接收到大量的素材，而這些學習素材都共性也有差異。因此，AI在學習的時候，會更注重這些共性的部分，差異的部分可能不會過於關注。

但是人的需求是多樣的，很多時候，不同的人可能有不同的定製化的需求，這也就造成了AI不能很準確的給出每個人他想要的結果。

因此，對於普通的使用者來說，AI是能夠解決問題的，並且也好用的，但是一些特殊使用者或者一些需要深度服務的使用者，AI就無法滿足了。