现在还可以参加吗

可以的可以的，快来快来（点头如捣蒜ing）

人工智能绝对不会替代人类大脑。人脑的高级认知功能不会被机器取代，比如语言、自我意识、想象力、创造力等。

机器能做的是辅助人类去完成一些复杂的、机械的工作，这样就够了

通过摩尔定律推进的机器，它的认知理性的能力肯定能超过人类。

而感情部分，虽然不能超过但是机器没有必要去学习。

未来方向可能是强智能机器人，能够代替人工作

我认为不能取代

机器学习是人工智能的基础，但是机器学习是机遇现有的数据的，人工智能能够学习的是人类做过很多次有一定经验积累和数据累积之后的工作。所以在一些资料缺乏，人类还没有过多涉猎的领域人工智能可以说是一无所知，更不用谈一些完全没有开拓的领域了。

人工智能未来希望能通过学习掌握人类已经掌握并且错误率很低的工作，减轻人类的负担让人类可以有更多的时间去探索新的 方向和领域。

现在迫切需要解决的是人工智能的安全性，只有保证它们是安全的才能够开始下一步的投入使用。

目前为止，能够在研究上突破使用的人工智能，还是基于大数据、算法、计算力的产物。但凡具有创造性，或者数据样本不够多的地方，机器是无能为力的。所以我不认为能超过。

目前最多开个车什么的，将来看怎么发展吧

我也写了

1. ************************************************************************************************************************************************

我觉得第一个问题最有趣（就像辩论）！

我不觉得人工智能能超越人类，也不希望它能超越。

人工智能的发展于数学是紧密联系的，于是乎我就从数学谈起吧。

人工智能与数学（计算机与数学家的情结）

      学习过人工智能相关理论的朋友知道，人工智能领域的基础理论都是以数学为支撑的，计算机的起始就是数学家开始做的，如图灵。虽然今天大都是高校的计算机相关专业进行这方面的教育，要知道人工智能领域的先驱者们大都是数学家，他们的数学研究理论支撑起了今天的人工智能。人类生活中无疑存在着繁多复杂的数学计算，人类向往利用机器解决这些计算问题，于是有了发展到今天的计算机。数学家与计算机有着历史渊源，要探讨人工智能是否可以超越人类，不妨把问题的视角转移到数学上来观察一下。

哥德尔定理（20世纪最有影响力的数学定理）

       著名的数学家希尔伯特曾经在数学大会提出过一些未解决的数学难题，其中包括一个问题：证明数学系统中应同时具备一致性和完备性。简单可以理解为，数学真理不存在矛盾且任意真理都可以被描述为数学定理。一名叫哥德尔的数学家后来提出了哥德尔不完备性定理，而在这个定理中说明了任何足够强大的数学公理系统都存在着瑕疵，一致性和完备性不能同时具备。这个定理尽管在人工智能还没建立的年代就被发表出来却与后来出现的人工智能存在联系。如果我们把人工智能看作一个机械化的数学公理系统，而人不是机械的数学公理系统（这是前提），按照哥德尔定理必然存在某种人类可以构造而机器无法求解的问题，这将是人工智能的短板。数学无法证明数学本身的正确性，同样的人工智能也无法仅仅凭借自身就可以解决所有问题，存在着人类可以求解但机器却无法求解的问题，从这个角度来看，人工智能真的可以超越人类吗？当然问题也并不像上面说的这么简单，也存在着巨大的争议。

在我们开始接触人类的进化时，我曾经学到人与动物显著区别是直立行走和会制造工具。正是因为会制造工具大大的帮助了我们人类在地球上进化与繁衍，以至于今天我们成为地球的主宰生物。计算机也不例外，它也是我们发明的工具，是我们解决一些问题所用到的，从逻辑角度，它不正是我们解决问题的答案的吗？

个人的遐想（人工智能威胁论并非空穴来风，是有前瞻性眼光的人们思考的结果）

       我有过这样的想法，假设我们人类的智力水平代表值是1，如果我们可以制造出超越我们人类智力水平的人工智能，它的代表值是2。如果我们人类开发2级智力水平人工智能的目的是减轻我们人类的工作负担为我们做事，同样的2级水平的人工智能也应该具有制造出3级水平人工智能的能力。人喜欢偷懒，喜欢制造发明来减轻我们的工作负担，那么2级水平的人工智能则完全有可能会去制造3级水平的人工智能，照这样发展下去岂不是形成“智能爆炸”，高等智力水平的实体会愿意接受低等智力水平实体的掌控？人类愿意服从于比我们低级一些的大猩猩吗？人类真的具有对高级智能实体的绝对控制力?这些都是问题。

（图片来自于互联网）

归根结底人工智能只是我们的工具，我们不应该期盼着它能超越我们，但可以在某些方面表现得比我们更优秀，在某些工作上协助我们工作，成为最得力的助手，相信这才是大多数人愿意看到的。

2.******************************************************************************************************************************************************

先说说最近发生了啥，最近中国率先完成了第一台量子计算机，MIT人工智能实验室的研究人员实现了用一台机器人教给另一台机器人一些技能，一台学习，一台要进行教学。

        硬件是非常重要的资源，甚至影响着软件行业的发展，说实话大众对单纯的硬件公司是比较冷漠、关注度非常低。我个人非常喜欢英伟达公司，作为一家主要从事芯片业务的企业，在当今人工智能爆炸的时代依然能够走在技术的前沿。如今英伟达已经凭借 GPU处理器和数据中心，成为了当下人工智能时代的翘楚。深度学习是一个人工智能开创性的方向，能够让机器自己学习但也对处理器性能提出了高要求。我知道的一个朋友用于跑一些学习模型的三台台式电脑，显卡的价值就快2万，由于GPU适用于并行计算，可以用于非常密集的训练，非常符合深度学习网络的计算特征，大部分的深度学习网络都是在 GPU 上运行。最近的英伟达推出了号称最强的GPU架构（具体的就不说了），专为人工智能高性能计算打造，搞AI的人员对此都很激动，因为这可以极大帮助从事AI研究的人员，加快AI服务的推进。有了这么强大性能的GPU，原本需要跑一天的模型，现在也许可以一个小时就跑完。要知道英伟达也在搞自动驾驶，所以我真的看好它，尤其是与丰田达成了合作，丰田使用英伟达的DRIVE PX 人工智能汽车计算平台，这平台很强。英伟达比较可能率先完成自动驾驶，而自动驾驶则是先驾驶辅助再全自动化。

3.******************************************************************************************************************************************************

关于第三个问题提两个大方向：一个医疗人工智能，一个是自然语言理解

       医疗人工智能它们可能在未来为医疗行业向好的方向带来巨大的改变，但当下医疗人工智能与现有的医疗体系存在着问题，短期内实现新技术和就体系的结合存在着障碍。许多专家将医疗IT行业的问题归咎于医疗数据和软件平台之间缺乏整合，法规上也存在问题。IBM将Watson超级计算平台集成到很多行业，就包含医疗行业，但因为存在问题IBM已经取消和医院的合作，并表示其系统尚未准备好用于人类的临床研究或者临床应用，禁止其用于患者治疗了。并且医疗上存在疑难杂症的情况，相关数据很少，这种情况下人工智能系统的训练问题就很麻烦。

       我们已经在机器翻译、机器阅读、语音识别等领域有了巨大的进步，但计算机真正理解多少我们的语言，中文做起来又比英文还难一些，很多手机或电脑上的应用一直都是程序员做的尽可能看起来像是程序理解了我们说的话。NLP先要自然语言理解然后自然语言生成，在自然语言理解上还需要努力。

新人才来此吧

多多关照

1,

没有谁能超越谁

一场游戏而已，

人和机器人

都是现实游戏中一个角色

命都是合成的

2,

人工智能基础

理论框架结构运行规律成型

3,

目前进度不太了解

具我研究推断

机器人

核心是电

下来运行贮存记忆识别处理功能

本人现实初级修炼者

在研究破解虚拟现实游戏

也有研究人体构造

若有缘咋兄弟可以一块讨论研究

咳咳，我重要来找几个有缘人

本管理员亲自关照你