AI會對人類產生一定的影響，在一定範圍內起到相應的作用，但不會特別大。人類社會所有的事物都要圍繞人去發展，當一個事物對人類發展起反作用時也一定會被限制。如同原子彈的出現，很恐怖，所以被限制一樣。

人工智慧是近年來科技界、創投界甚至無遠弗屆的最最熱的一個關鍵詞。隨著AlphaGo戰勝人類圍棋冠軍以及媒體鋪天蓋地的宣傳，人們都在憂慮我的工作是不是很快就被人工智慧給替代了。如果你去問真正業界的專家，他們真正關心的是人工智慧能做的事太少而不是太多。

人工智慧是20世紀50年代開始發展起來的一個學科，在發展過程中經歷了好幾次高潮和好幾次寒冬，西方形容為“一哄而上，又一鬨而散”。李開復老師的讀書、從業經歷就可以作為一個小注腳。他的博士課題是關於人工智慧的一個分支——語音（語義）識別，當時也做出了一定的影響力。可是一入職場並沒有繼續從事相關研究和開發，因為當時的研究成果並沒有達到實用的階段。

目前大多數人工智慧的應用走的還是一種比較低階的技術路線——收集大量的資料，接著是耗時的人工標註，然後是去訓練（擬合，實際上是神經網路的思想），最後根據擬合出來的結果，你可以根據輸入給出一個比較好的結果，甚至超過人的識別能力。現在也出現了一種比較高階的技術路線，就是AlphaGo的技術路線——依然依靠大資料，但是不再依靠人工標註，根據規則自動生成資料進行訓練。可以說在不少領域，人工智慧的能力已經超過人了（即突破臨界值），比如人臉識別、醫學看片等，前景就在前方，相關的應用也在逐步落地。

其實，像目前人工智慧的技術正規化是大資料小任務，基於統計，做的是相關性研究。而人做事的正規化是小資料大任務，基於因果邏輯。這兩者是有很大的不同的。正因為此，目前人工智慧的發展的技術正規化必然受到理論框架的限制。李開復老師也指出人工智慧在跨領域、文科類和與人交流沒辦法與人相比。

作為普通人，要認識到許多單任務、單領域的工作，比如卡車駕駛、電話銷售、洗碗、採摘水果、裝配線工作等工作未來很可能被人工智慧替代，所以要逐步的避免從事這樣的工作。在此基礎上，我們也不必擔心失業問題。據歷史的經驗和經濟學家的研究，技術進步總體上來講並不會增加失業。恰恰相反，在技術進步快的時候，反而是增加就業的。所以一方面我們要利用好人工智慧工具來做一些流水線性質的工作，另一方面做一些人工智慧不擅長的工作。