未來，它只是個不斷進步的機器，能力越來越強。正面負面的作用都存在。

可能除了一樣它不會，什麼都有可能超越人類:就是可能始終不知道“”“我”。

機器的智慧實質是以繁制繁，這是機器的強項；而人類的智慧則是以簡制繁，在複雜中找到規律，根據規律來解決問題。機器是靠人類來操作和指揮的，是為人類服務的，永遠不可能顛倒過來，所以人類不用為自己的未來擔憂！

智慧是一個令人費解的話題，本來人們自己有智慧就行了，現在突然發現機器也能夠有與人相同的能力，乍一看，人自己就開始驚慌了。其實，現實遠沒有這麼複雜、也沒有這麼恐懼！更不用為未來擔憂！人定勝機。

在描述人類自己最為突出的優勢時常說的一句話就是“人類能夠製造工具”，那麼就從製造工具的角度來看，人類具備哪些基本能力呢？

體力：製造工具需要移動物體、改變物體的外形、拆分物體等，這些都需要體力勞動，因此體力勞動是人的基本能力之一，這不可或缺。

計算：計算是人相對較為高階的能力之一，它是工具設計的基本要求和元素，人類有了計算才能不斷改造世界，使得世界不斷按照人類計算出的目標不斷前進和重組。

顯性邏輯：人們能夠利用語言或者符號表達（口頭或者文字）出來的邏輯關係，包含了大家共同認可的規律、規範、推理等內容，複雜的工具沒有這項能力是製造不出來的，它是人類交流溝通和合作的符號平臺。

隱性邏輯：隱含在人們大腦中的，不被其他人清晰辨識的推理關係，其實人們自己也說不清楚這些推理邏輯，當然人類現在也沒有研究清楚，我稱之為“黑箱邏輯”。不同的人即使接受一項同樣的任務或者在製造同一類工具的時候，總是能夠得到不同的結果，這就是“黑箱邏輯”發揮作用的結果。

感性：有人會說，感性不就是隱性邏輯嗎？我認為不是：隱性邏輯往往是經過黑箱思考出來的結果，它是有內在邏輯的，可感性更加與情緒和直覺接近，和現行邏輯相比更加不可理解，而一項良好的工具往往因此而產生、一個高不可攀的紀錄往往因此而誕生。

情感：這是基於動物本能的一種血脈和社交相綜合的外在表達，如果人們對某種工具興趣盎然，那做出的工具或者完成的任務自然精湛，而據此形成的團隊效率更高。

悟性：如果說隱性邏輯是一種“黑箱邏輯”的話，人的悟性就是人的大腦瞬間聚變產生的成果，而這個瞬間聚變是不具有規律性的，一般人一生沒有幾次，但產生的每一次“悟”往往使人收穫巨大。佛家說，悟可以透過修煉獲得，比如“禪定”但實際上絕對沒有這麼簡單、易得。

前四項能力是人類遵守規律、規則進行秩序活動的能力，它們可以透過學習、訓練獲得；後四項能力則是發現規律、規則並能夠創造新的規則和系統的能力，也就是人的個性與創新，如果期望它們也能夠透過學習、訓練獲得的話只能是失望了。

愛因斯坦能夠建立相對論而其他人不能的原因就在於後四項能力。當然，有人會說，現在的人工智慧已經能夠自己推算出各種嶄新的結果，進行各種判斷，也就是深度學習已不受人的控制，好像具有了人的第五種能力也就是隱含邏輯，其實如果人工智慧真有了隱含邏輯那也是可追尋的，與人類的隱含邏輯還是不一樣。

人類有史以來發明的工具包括計算機以及當前熱度最高的人工智慧的能力其實僅僅能夠替代人類的前四項能力，至少從可見的未來來看，人工智慧具有後四種能力的前景並不樂觀。

以機器（人）為代表的人類工具其主要功能是替代了人的體力方面的能力，這個不用贅述。而電腦則主要完成和替代了人類大腦的記憶能力和計算能力，例如硬碟的儲存、CPU的計算等。

當前的人工智慧專案如自動駕駛等技術，是在記憶和計算能力之上增加了顯性的複雜的邏輯推理技術，但是這裡的顯性邏輯推理技術也只能在封閉式系統中行之有效。

例如前期的Alphago就是一個在既定規則（圍棋規則）之下按照這個既定規則進行計算推理產生應對方案的程式技術，其推理依據就是既定的圍棋規則。而這個專案成功之處在於現有規則之下的方案推理技術更加先進，計算效率也更高。但是這些先進推理技術仍然是顯性的，不能因為給它起一個模糊、情感的相關名稱就認為它就不顯性了，同時它也只能成功地處理一個封閉式系統，當然在這樣的既定規則封閉式系統中，這個人工智慧超過人類、甚至人類的頂尖選手，這本身就是一個正常現象，勿須驚詫。

自動（無人）駕駛是另一個既定規則的專案。有人說，自動駕駛是直接面臨開放性的複雜系統的，其實這種觀點不對，自動駕駛所處理的仍然是一個封閉式的略微複雜的系統，它處理所依據的規則就是交通規則，而且要求周圍的車輛也要遵守交通規則，更進一步來看，自動駕駛的成功進行還需要獲得周圍一切事物的大資料資訊，否則……。

自動駕駛技術從來就不是一個創新的技術，自動駕駛技術早在飛機上成熟運用了多少年了。地面自動駕駛就是換了一個新的、略微複雜的場景而已！現在要做的就是處理更加複雜的系統。

個人認為人工智慧的未來很現實，既不玄、也不幻，更不用擔心。人工智慧是現在逐步崛起的物聯網的一個重要部分、更是物聯網的一個重要應用場景。

從演算法的角度來看，近二十幾年來業界還沒有突破性的邏輯演算法，像神經網路演算法其實早在上個世紀九十年代就已經研究出來了。現在人工智慧之所以有了一個所謂的爆發點，我覺得主要由以下幾個方面的推動。

第一、硬體的強大。現階段，計算機的計算能力和以往相比有了不可描述的進步和提升，它為人工智慧所需要的計算提供了充足的物質基礎，使得快速反應成為可能。試著想想，如果一個複雜的反應動作需要計算一刻鐘，那還有會有智慧的說法嗎？

第二、密織的網路。現今，網際網路、無線網無處不在，資訊的即時連通成為一個客觀存在，而不是以前那種實驗室的狀態。這樣的基礎設施為人工智慧提供隨時連通和線上的狀態，形成了與環境渾然一體的互動模式，為獲取資訊、快速反應提供了可行的條件。

第三、龐大的資料。正如人工智慧被標榜的那樣，它有自學習能力，但自學習能力需要大量的外部資料作為學習材料才能有成果，現在的各種條件已經滿足了這些要求。

第四、成熟的感測器件。影象感測器、聲音感測器、觸覺感測器等各種感測器件日漸成熟，這些成為人工智慧與環境溝通和反饋“眼睛”、“耳朵”、“手”等，為已經程度的“機器”新增上了“人的感覺”。

當強大的硬體、無處不在的網路以及可以利用的資料都已存在的時候，缺少的就是演算法模型，而這些早已經在二十年前就已經存在了，四者在當前下形成人工智慧就不足為奇了！而成熟的感測器件更使得原來的機器具有了“智慧”的人類“感知功能”和外在形象！僅此而已，人工智慧距離人們的需求其實還很遠，讓我們擔憂的問題我還沒有看到。

人工智慧正在開啟人類社會生產力文明的嶄新篇章。這是基於對人類世界發展環境、條件、要求和可能性規律趨勢的一個重要判斷。