人工智能什么都能做的局面不會出現(xiàn)，但隨著技術(shù)的演變、時間的流淌、客觀需求的增長以及人類自身的成熟，人工智能會做越來越多的事。

人工智能代表了不同技術(shù)和思想的綜合集成，其中必然要包含新創(chuàng)造和新發(fā)明，也會涉及新應(yīng)用?？梢哉f，目前全社會幾乎沒有什么人沒有聽說過人工智能的，這種狀況似乎還讓很多人形成了一種印象：人工智能什么都能做。然而，實際情況不是這樣，現(xiàn)在不是，未來也不會。相反地，人工智能還不能做的非常多。不能做，而人們又想讓它做，這正是促進人工智能發(fā)展的一種動力。

以讓計算機下棋并最終戰(zhàn)勝人類為例。玩下國際象棋的游戲，早期的人工智能程序是贏不了人類棋手的。參加過1956年達特茅斯人工智能會議的西蒙（Herbert"Simon，"1916—2001）在1957年曾經(jīng)預(yù)言，十年內(nèi)計算機下棋程序?qū)⒛艽驍∪祟悾Y(jié)果是這個預(yù)言沒能兌現(xiàn)。到了1968年，發(fā)起達特茅斯人工智能會議的麥卡錫（John"McCarthy，1927—2011）和另外三個人干脆與國際象棋高手列維（David"Levy）打賭，計算機程序?qū)⒃诮酉聛淼?0年內(nèi)擊敗他。這場賭博獲得了公眾的關(guān)注，最終結(jié)局卻是麥卡錫不得不以支付2000多美元的方式認賭服輸。這場賭博后，又過了20年，計算機程序終于在1997年擊敗了國際象棋世界冠軍，這個勝利得益于IBM深藍計算機（技術(shù)）及相應(yīng)團隊的參與，而其對手則是世界上國際象棋的第一高手卡斯帕羅夫?？梢哉f，沒有包括硬件在內(nèi)的技術(shù)進步，沒有包括軟件在內(nèi)的方法和理論的進步，特別是沒有一些研究和研發(fā)人員的矢志不渝地堅持，計算機（程序）戰(zhàn)勝人類是不可能的。下棋及在下棋中取勝，這是具有高水平智能的體現(xiàn)，是人工智能取得突破性進展的體現(xiàn)。在幾十年的“漫長”演變過程中，西蒙和麥卡錫等的感覺和預(yù)判并非沒有依據(jù)，并非只是“感情沖動”。事實上，集中體現(xiàn)人工智能思想和技術(shù)的下棋軟件的開發(fā)一直沒有停止過，并且一直都在取得進展。從20世紀(jì)70年代開始，美國計算機學(xué)會（ACM）在年會期間總會“安排”娛樂時間，展示計算機下棋程序的“能力”往往是不錯的選擇。當(dāng)時已開發(fā)出了很不錯的下棋程序，而且經(jīng)持續(xù)改進和提升，連年都能戰(zhàn)勝參加年會的所有挑戰(zhàn)者。其中參與和程序?qū)牡囊恍┤?，盡管不是國際象棋大師，但也的確算是棋藝高手。這不能不讓熱衷于人工智能研究和研發(fā)的“領(lǐng)袖”們滋生出樂觀情緒?？▋?nèi)基—梅隆大學(xué)是開展人工智能研究和研發(fā)的重鎮(zhèn)，人工智能專家紐厄爾（Allen"Newell，1927—1992）的學(xué)生柏林納（Hans"Berliner）是一名國際象棋高手，在一次ACM年會的挑戰(zhàn)中獲得了第二名的成績，這鼓舞了紐厄爾，使其決定讓柏林納畢業(yè)留校，專職在卡內(nèi)基-梅隆大學(xué)參加計算機下棋的研究和研發(fā)工作。從這些往事中，我們看到技術(shù)進步、人才培養(yǎng)、堅定的毅力等對于人工智能的成長和發(fā)展來說，缺了哪一樣都是不行的。

人工智能的發(fā)展需要參與者、促進者，也需要懷疑者、唱衰者。質(zhì)疑的“聲音”有時對于人工智能選準(zhǔn)重點、走對方向所具有的價值更為不可替代。在哈佛大學(xué)獲得學(xué)士和博士學(xué)位的哲學(xué)家德雷弗斯（Hubert"Dreyfus，1929—2017）就一直是批評人工智能的學(xué)者。1966年他曾對弈過一款下棋程序，盡管他輸了，可仍然不相信計算機下棋程序能戰(zhàn)勝人類，因為他自己不是棋藝高手，可又自恃是名牌學(xué)府的學(xué)子。1972年他出版了一本書，《計算機不能干什么》，副標(biāo)題取為“人工智能的極限”，從哲學(xué)的角度分析西蒙和紐厄爾的觀點，對人工智能做了全面批評。1992年，德雷弗斯修訂再版了他的原書，這次取名為《計算機仍然不能干什么》而副標(biāo)題則“升格”為“人工推理的批判”。出現(xiàn)這種場面，倒也不是神仙打架，實則是人工智能的發(fā)展并非一直順利如期。德雷弗斯就經(jīng)常抓住西蒙和麥卡錫的預(yù)言及打賭失敗而支持自己的觀點。其實在科學(xué)家和思想家中，總有樂觀派和悲觀派之分。這兩者之間在體現(xiàn)批判精神的特點和方向上的不同往往決定了他們對待事物發(fā)展的態(tài)度的不同。德雷弗斯的斗爭勁頭，也并非完全傾瀉給了人工智能。在新世紀(jì)初，當(dāng)出現(xiàn)互聯(lián)網(wǎng)泡沫破裂時，他又出版了一本批判互聯(lián)網(wǎng)的大書《關(guān)于互聯(lián)網(wǎng)》，以批評的態(tài)度和批判的精神看待沒有完全取得成功的新事物，也算是為相關(guān)領(lǐng)域和相關(guān)人員認清時弊而指點迷津。和處理很多事務(wù)一樣，聽取不同聲音而不是任性地堅持一個主意是必要的。是的，自信有助于讓人堅定地走向目標(biāo)，而包容則能讓事業(yè)少走彎路，兼顧各方。

人工智能什么都能做的局面不會出現(xiàn)，但隨著技術(shù)的演變、時間的流淌、客觀需求的增長以及人類自身的成熟，人工智能會做越來越多的事。人工智能的領(lǐng)域和事業(yè)，是人啟動和發(fā)展的，得益于技術(shù)的進步和社會的理解及社會需求的涌現(xiàn)。但優(yōu)先發(fā)展什么，節(jié)奏如何把握，（現(xiàn)階段）不發(fā)展什么甚至還要限制什么，這些問題也的確需要深刻思考。推動人工智能的發(fā)展，根本目的是造福社會、服務(wù)人類。事物的兩面性總是存在的，可以不去杞人憂天，但階段性的風(fēng)險問題卻需要謹(jǐn)慎對待，要有警示和提前量研判。

人工智能涉及的內(nèi)容豐富多彩，研究和研發(fā)的方式也必然多種多樣。目前從方法和理論上看，體現(xiàn)基于神經(jīng)元網(wǎng)絡(luò)模式的深度學(xué)習(xí)算法最具顯示度，貝葉斯網(wǎng)絡(luò)分析和大規(guī)模高質(zhì)量數(shù)據(jù)采集、分類、模型構(gòu)建和分析、可視化與可聽化展示成為最基本的支撐能力，自然語言理解、機器翻譯、語音實時交流、大語言模型及各種展現(xiàn)出實用性的多種類應(yīng)用、創(chuàng)新能力提升助力、自動駕駛、圖像識別與生成、包括高水平下棋程序在內(nèi)的對弈和對抗系統(tǒng)、智能搜索等都隨之取得了今非昔比的進步。這些綜合、集成的進展已經(jīng)通過中試、項目實施和推進、產(chǎn)品化及迭代走向市場而惠及社會。然而，人工智能的更大發(fā)展需要理論、方法的多樣化之需求也愈發(fā)明顯。比如，基于神經(jīng)元網(wǎng)絡(luò)的方法不可能解決眾多的人工智能需求問題。神經(jīng)元網(wǎng)絡(luò)方法的可解釋性問題也一直面臨著挑戰(zhàn)，與深層網(wǎng)絡(luò)密切關(guān)聯(lián)的大模型遇到的規(guī)模瓶頸問題正在不可避免地快速到來。

展望人工智能的未來，適當(dāng)回顧一下人工智能發(fā)展路途中樹立起的路標(biāo)或里程碑是恰當(dāng)?shù)摹Ｒ环N方式是看一看圖靈獎頒發(fā)過程中對人工智能的認可記錄。從1966年開始，有7個年份，共計11位人工智能專家獲得了圖靈獎。其中，辛頓（Geoffrey"Hinton）、楊（Yann"LeCun）和本吉奧（Yoshua"Bengio）因在概念和工程上取得突破，而使深度神經(jīng)網(wǎng)絡(luò)成為計算的關(guān)鍵組成部分而獲得2018年度的圖靈獎。三人中，辛頓是“領(lǐng)袖”，后兩位某種程度都可以認為是辛頓的學(xué)生。

20世紀(jì)70年代，人工智能發(fā)展處于低潮，辛頓注意到了模擬神經(jīng)節(jié)點網(wǎng)絡(luò)的發(fā)展值得堅持，盡管這個方法在當(dāng)時不再流行，方法的根本改造勢在必行。然而，辛頓無視傳統(tǒng)智慧的意愿，義無反顧。正如他后來所說，“如果你認為一個想法非常好，而其他人告訴你這完全是胡說八道，那么你應(yīng)知道你真的在做一些事情”?，F(xiàn)在，盡管人工智能如日中天，但方法和方式卻亟需注入新的要素，當(dāng)年辛頓的勇氣和智慧可否成為時下的榜樣？雄關(guān)漫道真如鐵，而今邁步從頭越！讓我們期待著。