大家多是在灌水啊，lz你是在为这个公司打广告吗#(滑稽) ？

用于文字处理的人工智能正在实现，lowly英语已经被征服了，现在正在攻掠汉语。不要认为语音和文字处理的难度差别很大，这是同时实现的。我们的科大讯飞是中国语言文字处理技术的尖端垄断者，也是中国深度学习研究项目的牵头者之一。科大讯飞作为文字语音服务的提供者，很多时候并不直接解触用户，下游的百度输入法等、中国的很多智能家具、中国的很多智能汽车、教育部正在推广的电脑阅卷和机器辅助教学用的都是我们科大讯飞的技术（作内核）。

用于提高机器识别、判断能力的弱人工智能已经成功了，不过效能还在不断提高。

强人工智能与弱人工智能的根本差别是是否有自我意识。

关于如何赋予机器自我意识，还基本没有研究结果。

130楼是比较了解人工智能的，不像很多人随便YY。我补充2点：

1. 现实方面：单一功能的弱人工智能会在几年内不断在各领域推广，这里无所谓绝对的研制成功，就像生产力发展，是一个效率循序渐进的过程。同时，大型深度学习程序目前要超级计算机/服务器才能跑得动，但它的计算结果可以给很多人提供服务。

2. 2.远景：强人工智能在目前仍无法想象，想要虚拟女友的洗洗睡吧。多功能的弱人工智能（或者是大型深度学习算法）若干年内都不一定是个人PC、内嵌式电脑能跑的动的，主要还是用在网络公司提供大数据服务/云计算服务，及政府部门、军队、银行等机构。再进一步发展的高度智能算法很可能需要量子计算机的计算能力，量子计算机可能50年后能投入使用（我们科大以及世界各国研究所都正在研制），但很可能像现在的超级计算机一样无法进入家庭。讨论伦理问题还太早，不如讨论如果一个国家首先拥有量子计算机配上高级人工智能（先不要想有自我意识）会不会攻占全球的网络系统。

基于文字方式进行处理/交互的人工智能(非语音与图像识别类)该如何发展？

答：目前“人工智能”水平很低，各种“智能”算法都有显著缺陷。文字处理/交互与智能挂钩，不是简单的事情，需要站在新的高度，在技术上有所突破。处理   需要“智能”，交互需要“视觉”，就算是直接输入，如果有“智能”同样需要视觉概念，交互不需要“视觉”吗？把你的眼睛蒙上，你给我“交互”个看看。当然，和女朋友蒙上眼睛做游戏“交互”那是另一回事了。文字是一种“图形”，在“视觉”上属于一种“图像”（看来小编极不想和图像声音有瓜葛），那就让我们放开眼界看“视觉”。人类眼睛结构是比较“高级”的，通过透镜聚焦，瞳孔缩放进光量，图像映射到感光细胞上，每个感光细胞都有一根神经纤维（视神经纤维），聚成束，通过视觉盲点一一对应到视觉区域大脑细胞上。苍蝇是由多个小眼睛组成的一个大眼睛，称为“复眼”，每一个小眼睛同样有一根纤维传递到大脑上。要识别“文字”就要有输入的地方，先有传感端开始，传感端是矩阵的，比如10x10那就是100个了，接入到门控仿真元上，门控元轴突向后方连接，树突反射。中间有各种各功能的“元”，每个“元”都有存储、运算、传递、反射、路由等功能，根据“传递”顺序，形成“时间”概念原始数据。数以万计“元”中的“核”需要“运算”，所以需要强大的并行计算。双卡交火并行运算，是目前比较可行的方案，将“核”对应于显卡的并行运算小单元，要求显卡的小运算单元能像CPU一样好使，最好是浮点的，遗憾的是PCI是目前数据传输的瓶颈，所以注意选择高版本的PCI。任何“智能”发展的目标都是服务于人类。首先要弄懂“智能”相关概念，弄懂了，弄明白了，就像指路的明灯。当然也不需要纠结，通过不断的实践总结提高，在这过程中，不断的探索，失败，再探索，投入人力物力，逐步接近实现目标。届时模仿大脑的立体“元”阵处理器将会诞生，有可能比人类大脑还小，更方便服务于人类。

举个例子。鸡生蛋。条件好了，鸡蛋越来越大了。问蛋会不会大过鸡？你觉得鸡能生出比自己大的蛋吗？同理，假设人工智超过了人脑，请问，超出人脑智商的部分，人怎么去制造？

我也来凑个热闹

1.你认为人工智能能超越人类大脑进行文字处理/交互吗？

短期内想要全面超越是不可能的，目前主要的难度在于上下文相关的处理上， 人工智能能做到的非常有限。 能看到的智能交互，能做到一条上下文相关就不错了。 当然会有人说， 计算机有足够多的数据，足够快的CPU， 足够大的存储， 可以通过人工智能的一般方法进行搜索。 但是， 上文和下文的距离增加1， 所需要的资源可不是等比例的增加。 你可以尽你的可能去想象一个天文数字。目前的技术水平可能根本做不到。 让机器去总结一片1000字的文章的中心思想，你觉得有多大难度？

2.你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最有可能实现的是什么？

我认为近期，最可能实现的是一些细分领域的查询类的工作。比如， 问答系统， 命令执行， 查询。 当然还有信息过滤等。

并且目前已经有大批专门领域的应用出现，比如银行的自助查询系统。

3.你认为基于文字方式进行处理/交互的人工智能(非语音与图像识别类)，近期最迫切需要实现的是什么？

迫切需要的就是精准的语义分析，情感分析，以及人工智能可以理解和不断公开的知识库完善。 当前的形势是各家大公司各自掌握着所谓的大数据，各自的算法， 对资源造成了极大的浪费，也不利于人工智能的发展。

瞎扯了一段，不要拍我。

   计算机视觉方向小硕一枚，不撕逼，路过凑个热闹。最近恰好在看Horn大神的《机器视觉》，作者在第一章中提出的观点和128层的观点惊人的相似，以下引自《机器视觉》（Horn著，王亮译）：

         我们无法在这里建立一个“通用”的机器视觉系统。相反的，我们将致力于：构建一个在可控环境中处理特殊任务的系统，或者一些模块。这些模块最终可以成为一个多用途系统中的一部分。对于实际应用中的问题，我们自然会关心其速度和花费。在实际应用中，我们所需要处理的数据量往往是十分巨大的，而我们所拥有的计算能力往往是有限的。这使得我们常常难以在这些因素之间寻找到一种令人满意的平衡。（p3）

         对物体的描述并不总是唯一的。从许多不同的观点和不同的细节层次上，我们都可以构造出：对物体的不同描述。因此，我们无法对物体进行“完全的”描述。幸运的是，我们可以避开这个潜在的哲学陷阱，而只去考虑：针对某一特殊任务的某种有效描述，也就是说，我们所需要的并不是关于被成像物体的所有描述，而只是那些有助于我们进行正确操作的描述。（p4）

         在这里，我们再一次强调，机器视觉的核心问题是：从一张或多张图像中生成一个符号描述。（p6）

不知道层主作何解释，是否有参考过Horn大神的观点，如果真的是层主原创的话，也算是相当有深度了。不过我不建议发在这里，不然别人看不懂不说，还说你是胡乱YY。

论AI的自然语言识别NLP

                                                 李万鸿2016-3-2

   人类的知识体系是建立在语言文字基础上的，因此，AI对自然语言的学习、理解、掌握和思考是非常有价值的技术，也是AI未来的发展方向，百度、google都在研究这个技术。下面谈谈AI对自然语言处理NLP的思路和看法。

   目前一般使用基于大数据的机器学习技术来处理自然语言，如神经网络算法、SVM等。NLP的处理包括：机器翻译、语义分析、词性标注、文本识别等。NLP的核心技术在于把文字进行分词，然后转化为向量进行计算，通过各种算法计算后得到结果。对于NLP来说，理解语言文字的意思是关键所在，比如“苹果”这个单词，需要理解是吃的苹果，还是apple公司。能够理解语言文字，尤其是文字之后，AI就可以自动学习人类所有的知识，然后提高AI的能力，能象人一样思考、说话，运用学到的知识，自己发现问题、分析问题、解决问题，从而具有人的智慧，这就是AI的终极目标。NLP功能的发展，计算机可以和人谈话，目前微软的小冰机器人、百度的机器人都可以进行简单的对话。随着AI的NLP功能提高，计算机和机器人可以象人一样思考和工作，极大地提高生产力的水平和效率，把人从繁重的体力劳动中解决出来，有更多的时间学习、思考、修行，发展内在的精神和心灵。

为此，计算机科学家、语言科学家等各种科学家需要联合攻关，

还可以和已经与地球取得联系的外星人合作，开发下一代具有高智能NLP功能的AI，能学习掌握世界上所有已知的知识，打造“最强大脑”，这个大脑为人类的幸福工作，造福每一个人。