人工智能似乎正在取得巨大進(jìn)步。它已成為自動(dòng)駕駛汽車，自動(dòng)翻譯系統(tǒng)，語音和文本分析，圖像處理以及各種診斷和識(shí)別系統(tǒng)背后的關(guān)鍵技術(shù)。在許多情況下，人工智能可以在特定任務(wù)上超越最佳的人類績效水平。

我們正在目睹一個(gè)新興的商業(yè)行業(yè)的興起，它具有活躍的活動(dòng)，巨大的金融投資和巨大的潛力。似乎沒有AI可以超越的領(lǐng)域-沒有無法自動(dòng)化的任務(wù)，沒有至少不能由AI應(yīng)用程序解決的問題。但這是真的嗎?

計(jì)算的理論研究表明，有些事情是不可計(jì)算的。杰出的數(shù)學(xué)家和代碼破譯者艾倫·圖靈(Alan Turing)證明了某些計(jì)算可能永遠(yuǎn)不會(huì)完成(而另一些計(jì)算則需要數(shù)年甚至數(shù)百年的時(shí)間)。

例如，我們可以很容易地計(jì)算棋類游戲中的幾步棋，但是要檢查典型的80步棋類游戲末尾的所有棋子是完全不切實(shí)際的。即使使用世界上最快的超級(jí)計(jì)算機(jī)之一(每秒運(yùn)行超過10萬億次操作)，也需要花費(fèi)一年多的時(shí)間才能探索國際象棋空間的一小部分。這也稱為放大問題。

早期的AI研究通常會(huì)在少量問題組合(如棋子和十字架，稱為玩具問題)上產(chǎn)生良好的結(jié)果，但不會(huì)擴(kuò)大到象棋(現(xiàn)實(shí)問題)這樣的較大問題。幸運(yùn)的是，現(xiàn)代AI已經(jīng)開發(fā)出解決此類問題的替代方法。這些可以擊敗世界上最好的人類玩家，而不是通過觀察所有可能的動(dòng)作，而是通過遠(yuǎn)超出人類思維能力的范圍。它通過使用涉及近似，概率估計(jì)，大型神經(jīng)網(wǎng)絡(luò)和其他機(jī)器學(xué)習(xí)技術(shù)的方法來做到這一點(diǎn)。

但是這些確實(shí)是計(jì)算機(jī)科學(xué)的問題，而不是人工智能的問題。人工智能的智能執(zhí)行是否有任何基本限制?當(dāng)我們考慮人機(jī)交互時(shí)，一個(gè)嚴(yán)重的問題就清楚了。人們普遍期望未來的AI系統(tǒng)將與人類進(jìn)行交流，并在友好，完全互動(dòng)的社會(huì)交流中為人類提供幫助。

心智論

當(dāng)然，我們已經(jīng)有此類系統(tǒng)的原始版本。但是音頻命令系統(tǒng)和呼叫中心樣式的腳本處理只是冒充對(duì)話。所需要的是適當(dāng)?shù)纳缃换?dòng)，包括長期自由交流的對(duì)話，在此期間，AI系統(tǒng)會(huì)記住該人及其過去的對(duì)話。人工智能將必須理解意圖和信念以及人們所說的含義。