人工智能能否超过人类智能?人工智能方法有哪些?

工智能计算机科支企图解智能实质并产种新能类智能相似式做反应智能机器该领域研究包括机器、语言识别、图像识别、自语言处理专家系统等。
人工智能（Artificial_Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
说起人工智能我们大家都很熟悉，各种人工智能概念，AI概念层不出穷，仔细想来无外乎智能音箱、智能打印机、智能售卖机等等诸如此类似乎没多少“智能”，和我们脑海中的“AI印象”，如：终结者、机器人、阿尔法狗、自动驾驶等技术大相径庭。
目前，普遍认为人工智能的研究始于1956年达特茅斯会议，早期人工智能研究中，如何定义人工智能是个喋喋不休的问题，但基调始终是：像人一样决策、像人一样行动、理性的决策、理性的行动等研究方向。

人工智能不可能一直固定在人类智力水平上，它随着时间的推移最终还是会超过人类智力，就像在一些特定的领域上，比如国际象棋、围棋等，目前已经研发出了与人脑匹敌或超越人脑的计算机。
旗鱼科技是润建股份控股子公司，在人工智能领域深耕多年，产品有巧见云3D内容生产平台、3D LED大屏、VR/AR眼镜、无线会议室等，与军方和学院都有密切合作，感兴趣的话可以搜索看看。

工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，可以产出一种新的可以和人类智能相似的方式做出反应的智能机器，该领域的研究主要有机器人、语言识别、图像识别、自然语言处理和专家系统等。
自从人工智能诞生以来，理论和技术越来越成熟，应用领域在不断的扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以把人的意识、思维的信息过程的模拟。虽然人工智能不是人的智能，但可以像人那样思考、最终可能超过人的智能。
优点：
1、在生产方面，效率更高且成本低廉的机器及人工智能实体代替了人的各种能力，人类的劳动力将大大被解放。
2、人类环境问题将会得到一定的改善，较少的资源可以满足更大的需求。
3、人工智能可以提高人类认识世界、适应世界的能力。
缺点：
1、人工智能代替了人类做各种各样的事情，人类失业率会明显的增高，人类就会处于无依靠可生存的状态。

同意上一个回答，我来补充一下

决策树

决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。

随机森林

在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。

逻辑回归

逻辑回归，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。

Adaboost

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。

其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。

朴素贝叶斯

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。最为广泛的两种分类模型是决策树模型和朴素贝叶斯模型。

和决策树模型相比，朴素贝叶斯分类器发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，朴素贝叶斯分类器模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。

K近邻

所谓K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居）， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。

SVM

使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险，是一个具有稀疏性和稳健性的分类器。

神经网络

人工神经网络是生物神经网络在某种简化意义下的技术复现，它的主要任务是根据生物神经网络的原理和实际应用的需要建造实用的人工神经网络模型，设计相应的学习算法，模拟人脑的某种智能活动，然后在技术上实现出来用以解决实际问题。因此，生物神经网络主要研究智能的机理；人工神经网络主要研究智能机理的实现，两者相辅相成。

按现在的科技这样发展下去，人工智能是有可能超越人类的。

1956年夏季，在美国达特茅斯学院举行的一次重要会议上，以麦卡赛、明斯基、罗切斯特和申农等为首的科学家共同研究和探讨了用机器模拟智能的一系列问题。

首次提出了“人工智能”这一术语，它标志着人工智能这门新兴学科的正式诞生。此后，人工智能在发展历史上经历了多次高潮和低潮阶段。

在1956年人工智能被提出后，研究者们就大胆地提出乐观的预言，达特茅斯会议的参与者之一赫伯特·西蒙（Herbert Simon）还做出了更具体的预测：10年内计算机将成为国际象棋冠军，并且机器将证明一个重要的数学定理。

西蒙等人过于自信，其预言没有在预测的时间里实现，而且远远没有达到。这些失败给人工智能的声誉造成重大伤害。

1971年，英国剑桥大学数学家詹姆士（James）按照英国政府的旨意，发表了一份关于人工智能的综合报告，声称“人工智能研究就算不是骗局，也是庸人自扰”。

在这个报告的影响下，英国政府削减了人工智能的研究经费，解散了人工智能研究机构。人工智能的研究热情第一次被泼了冷水。

20世纪90年代，以日本第五代机器人研发失败和神经网络一直没有突破为代表，人工智能进入了第二个冬天。

直到21世纪初，深度学习与互联网大数据结合才使人工智能又一次迎来新的春天。在阿尔法围棋等大量突破性成果涌现之后，人类对机器（AI）能否超越人类的问题又重新燃起了热情。狂热的情绪背后甚至产生了人工智能威胁论。

谷歌技术总监、《奇点临近》的作者雷·库兹韦尔（Ray Kurzweil）预言人工智能将超过人类智能。他在书中写道，“由于技术发展呈现指数级增长，机器能模拟大脑的新皮质。

到2029年，机器将达到人类的智能水平；到2045年，人与机器将深度融合，那将标志着奇点时刻的到来。”除此以外，支持人工智能威胁论的代表人物还包括著名物理学家霍金、微软创始人比尔·盖茨、特斯拉CEO马斯克等。

2014年12月2日，霍金在接受BBC采访时表示，运用人工智能技术制造能够独立思考的机器将威胁人类的生存。霍金说：“它自己就动起来了，还能以前所未有的超快速度重新设计自己。人类呢，要受到缓慢的生物进化的限制，根本没有竞争力，会被超越的。”

特斯拉CEO马斯克对待人工智能的态度比较极端，2014年8月，他在推特上推荐尼克·波斯特洛姆的著作《超级智能：路线图、危险性与应对策略》时写道：“我们需要重点关注人工智能，它的潜在危险超过核武器。”

2017年10月，日本著名风险投资人孙正义在世界移动大会2017上表示，他认为机器人将变得比人类更聪明，在大约30年的时间里，AI的智商将有望超过1万点。相比之下，人类的平均智商是100点，天才可能达到200点。

孙正义说：“奇点是人类大脑将被超越的时刻，这是个临界点和交叉点。人工智能和计算机智能将超越人类大脑，这在21世纪肯定会发生。我想说的是，无须更多的辩论，也无须更多怀疑。”

在人工智能威胁论热度日益高涨的情况下，人工智能领域的科学家对人工智能威胁论提出了反对意见。2014年4月，脸书人工智能实验室主任，纽约大学计算机科学教授杨立昆在接受《波普杂志》采访时发表了对人工智能威胁论的看法。

他认为人工智能的研究者在之前很长的一段时间都低估了制造智能机器的难度。人工智能的每一个新浪潮，都会经历这么一段从盲目乐观到不理智最后到沮丧的阶段。

杨立昆提出：很多人觉得人工智能的进展是个指数曲线，其实它是个S形曲线，S形曲线刚开始的时候跟指数曲线很像，但由于发展阻尼和摩擦因子的存在，S形曲线到一定程度会无限逼近而不是超越人类的智商曲线。

未来学家们却假设这些因子是不存在的。他们生来就愿意做出盲目的预测，尤其当他们特别渴望这个预测成真的时候，这可能是为了实现个人抱负。

人工智能在计算机上实现时有2种不同的方式：

一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法(ENGINEERING APPROACH)，它已在一些领域内作出了成果，如文字识别、电脑下棋等。

另一种是模拟法(MODELING APPROACH)，它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。

遗传算法(GENERIC ALGORITHM，简称GA)和人工神经网络(ARTIFICIAL NEURAL NETWORK，简称ANN)均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂(按指数式增长)，人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁，非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统(一个模块)来进行控制，这个智能系统(模块)开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。

：随着人工智能的飞速发展，很多人都在担忧人工智能是否会超越人类、甚至毁灭人类，比如像特斯拉的CEO埃隆.马斯克认为也许只有人看到人工智能在街上杀人的时候，才会意识到这个问题的严重性。很多人对这个问题都有自己的答案，但是他们的答案也许只是因为他们的直觉，而真正的原因恐怕连他们自己也不清楚，比如有的人可能会说因为自己觉得未来人工智能会有自主学习的能力，所以人工智能会超越人类，而另一类人也许会说因为人工智能也是由人制造的，所以不会超越人类。一般人这么思考问题也许不能算错，但是作为一名IT人，必须学会用工程的思维来思考问题，而不是靠自己的直觉，本篇文章就带大家了解一下吴军老师是如何用工程的思维论证这个问题的：

图灵机是什么？
图灵博士被认为是神一样的人。在20世纪，全世界智力水平可以和爱因斯坦平起平坐的人恐怕只有图灵和冯.诺依曼两个人了（而后者被认为的智力甚至超越了爱因斯坦）。在上个实际30年代中期，图灵在思考三个问题：

1.世界上是否所有的数学问题都有明确的答案？

2.如果有明确答案，是否可以通过有限步骤的计算得到答案？

3.对于那些有可能在有限步骤计算出来的数学问题，能否有一种假想的机械，让它不断运动，最后当机械停下来的时候，那个数学问题就解决了？

图灵思考问题的这个方法后人称之为图灵机，是一个数学模型。今天所有的计算机，包括全世界正在设计的计算机，从解决问题的能力来讲，都没有超出图灵机的范畴。

人工智能的边界在哪里？
解释完图灵机，我们可以回到最初的问题了，人工智能的边界在哪里？
其实给出图灵思考问题的答案就可以得到结论了：

世界上有很多问题，其中只有一小部分是数学问题

在数学问题中，只有一小部分是有解的

在有解的问题中，只有一小部分是理想状态的图灵机可以解决的

在后一类问题中，又只有一部分是今天实际的计算机可以解决的

而人工智能可以解决的问题，又只是计算机可以解决问题的一部分

吴军老师把这个问题画成了一张图：
这里写图片描述

至此，我们应该可以得到问题的答案了：
人工智能所能解决的问题只是世界上的很小一部分。对于人工智能来讲，个人觉得现在世界没有解决的问题太多，无论是人还是机器（其实是背后编写程序的人），都应该想办法解决各种问题，而不是杞人忧天，担心人工智能这个

人工智能会不会取代人类

未来人工智能的智慧，的确会逐步的超越人类；因此，我们必须谨慎的发展这个很有可能摧毁我们的科技！人类历史上最伟大的发现是什么？小编认为，就是数千年前，柏拉图在思考中，构建的“科学”理论！经过了柏拉图，亚里士多德等多位哲学家，科学家的探索；

科学随着时间的推移蓬勃发展，一个又一个的科学家在历史长河中不断涌现，最终，才有了我们引以为傲，改变了地球的“现代科学”！时至今日，人类的智慧，似乎已经不能支撑日新月异的新需求了！

所以，世界各国都在紧锣密鼓的探索人工智能的奥秘！所谓的“人工智能”，就是具备深度学习能力的AI，目前来说，美国GOOGLE公司在该领域拥有着压倒性的优势！不过，据悉，中科院对人工智能科技的研究，最近也迎来了新突破；

我们和谷歌的差距，正在不断的缩小，甚至某些地方已经完成了超越！只不过，中国对科技的保密程度比较高，至今大众还被蒙在鼓里而已！

人工智能的智慧逐渐超越人类，这似乎已经成了一个板上钉钉的事情！二零一八年，我们最自信的“阵地”围棋，也被阿尔法狗无情夺走，自此宣布了人类的全线溃败！未来，或许科幻小说中的种种情形就会上演；

人工智能将会应用到生活的方方面面。但这真的是一个好消息吗？一些学者，给了否定的答案！比如说，美国加利福尼亚大学天文系教授韦恩，就认为人工智能的发展，已经走上了悬崖的边缘！

著名物理学家霍金，生前也曾经三令五申，呼吁我们停止开发人工智能。也许，这是一个能够毁灭我们文明的“潘多拉魔盒”，一定要谨慎的打开！

人工智能的真正风险不是恶意，而是能力。

一个超级聪明的AI会非常擅长实现目标，如果这些目标和我们的不一致，我们就遇到了麻烦。

我们需要进行机器学习，关于AI不能只限于应该如何的理论讨论，还应确保我们计划如何做到这一点。

查看更多《十问》

人工智能他肯定是可以超过人类的，因为现在已经有很多东西超过人类的，比如说象棋技术之类的东西它都可以超过了，那还有一些大脑的运算计算，他们可以一秒算出瞬间删除很长的算数儿中人他要特别的酒，再说正常人来说都要很久，而且你是天才，他也要算也要上七八表的事情，但是用电脑他们便宜两三百就算出来，所以说人工智能可以超越人类，但是不能让人工智能在特殊的一个地方上超越人类。

人工智“无法”碾压人类

人工智能会取代许多岗位，但也会创造许多新的岗位。人工智能给人类社会带来的影响将是全方位的，会让我们的生活越来越美好。人工智能可以承担简单重复性的劳动，可以显著提高人类的工作效率，可以拓展人类的感知，可以帮助人类探索新的未知领域。

人工智能的发展前景确实不可限量，但所有科学技术包括人工智能，其发展都是非线性的，不会沿着一条直线永远快速向前。到目前为止，还没有通用的人工智能技术，所有人工智能应用都是被限定在特定场景中，而不可能“通吃”。

比如：尽管下围棋是高智商智力活动，但它的规则简单、固定、封闭。人类的行为和社会生活复杂多变，不可能用简单的规则来概括、描述。目前人工智能的发展阶段，相当于当年蒸汽火车每小时跑5公里的阶段，离赶超人脑还有非常漫长的距离。”

“

人工智能在现实生活中的应用：

（一）利用人工智能来帮助医生识别医学影像，是很多人工智能公司近年来开发的新技术。 科大讯飞发布的“医学影像辅助诊断系统”，刷新了世界纪录，读片准确率达到94.1%。

（二）利用人工智能来拣快递。国内不少电商和快递公司在物流领域布局人工智能，配备了智能机器人进行快递分拣，有的机器人只需充电几分钟就能工作几小时。

参考资料

科技 .人民网[引用时间2018-4-4]

首先，我更愿意用机器智能来替换人工智能这个术语。其实，人工智能是相对于人类智能（非人工的智能、自然的智能）来说的。通常的智能往往省略其执行体：人类。机器智能这个术语强调了其执行体是机器而非人类。而人工智能这个术语侧重于描述智能行为是如何来的（人工的而非“自然”的），所以，人工智能和（人类）智能这两个术语并不是在同一个层面上描述的一对概念，容易引起误解和混淆。所以，就会产生人工智能是否可以超越人类智能的这样似是而非的问题。如果问：机器智能是否可以超过人类智能，也许更加容易理解一些。

机器智能显然不能完全超过人类智能，即使是在AlphaGO完胜李世石的事实面前。但是，机器智能在某些方面已经超过人类智能，这是不争的事实。例如，机器可以飞快地计算出logx、sinx等等。所以，合理的问题应该是问：在哪些方面，机器智能可以超越人类智能；而在哪些方面，机器智能永远不能超过人类智能?

机器智能是通过人类来实现的。我们可以把机器体现的智能理解为对于机器给定输入，人类为其构造了一个反应器从而对机器的输入给出了一个输出的一种行为。这里面，就默认了一个大大的前提：机器智能的设计者和实现者认为，机器的输出行为完全由于其输入而定。相对地，人类本身具有无数的传感器，可以接受无数的感知信号。人类的（智能）行为，就是对感知信号的一种输出反应。所以，除非给机器实现了人类一样多的传感器，接受人类一样多的感知信号，否则机器就不可能产生完整的人类智能。因为，对于有些人类智能行为，我们自身都不确信它到底是由于哪些感知信号所决定的。这些人类智能行为，机器绝对不可能模仿，更不要说超越。

例如，机器的人脸图像识别，似乎可以模仿甚至超越了人类的图像识别能力。那是因为，我们确信，人类图像识别的行为，完全由眼睛所接受的像素信号所决定。所以，只要把这些像素信号也输入给机器，那么，机器就有可能模仿出人类的智能行为，甚至有可能做得更好。但是，如果这个前提不存在呢？如果我们根本不知道人类识别图像的能力除了需要像素信号外，还需要“鼻子闻到图像的味道、耳朵听到图像的声音”，那么，只把像素信号给机器，机器智能怎么可能超越人类智能呢？连模仿也是大问题啊！

人类智能的某些行为，到底是由哪些感知信号所决定的，这个问题不能回答，那么，机器模仿这些只能行为，则是永远超不过人类。人类智能的这类行为，多吗？当然多。至少哪些需要意识、情感推理得到的行为，到底是由哪些感知信号所决定的？这些感知信号能否与数字化的输入给机器的信号等价？这些问题远远得不到回答。

所以，在目前阶段，担心机器智能超越人类智能，似乎是杞人忧天罢了。哪怕提出这种担心的人是大牛还是大咖。

人工智能若超越人类，会发生什么？

一些人把人工智能看作是一种威胁，对人工智能有着深深的恐惧。但事实真的如此吗？让恐惧来指导我们，绝非明智之举。

特斯拉CEO埃隆·马斯克以及著名物理学家史蒂芬·霍金都担心在不远的未来，人工智能会对人类产生威胁，这种观点也在一些电影中有所体现。
关于人工智能，最为盛行的反乌托邦式的观点并不正确，原因在于这种观点是在将“智能”等同于“自主”。它所假设的是，一台电脑能够建立自己的目标、有自己的意愿、依靠自己更快速的处理能力以及强大的数据库来打败人类。也就是说，这种观点假设了人工智能拥有完全自由的智能，但智能和自主是两件完全不同的事。
要说人工智能能够完全为了自己的意愿做事情，就好像在说计算器能够自行计算一样。对于人类来说，计算器是让我们更快、更准确地处理数学问题的工具，类似的，人工智能能让我们更加得心应手地处理困难问题，诸如大规模的数据分析，持续进行医药研究等等。同计算器一样，人工智能需要人类的介入和指示。
如今，自主电脑程序已经存在，诸如电脑病毒、赛博武器等程序是非常可怕的，然而它们也并非是智能的。大多数智能软件都是高度专业化的，比如IBM的沃森电脑（Watson）能够在类似《危险边缘》（Jeopardy）（译者注：美国哥伦比亚电视台的一档益智问答类节目）节目中拔得头筹，但他们还是无意识的。正如哲学家约翰·希尔勒（John Searle）所说：“沃森电脑自己都不知道自己在《危险边缘》中赢了。”
反人工智能的论调一般都以一种假设性的说法表达出来，如同霍金所说：“人工智能的全面发展可能导致人类的灭绝”。假设说法的问题在于，它们忽视了现实——接下来四分之一个世纪，出现“全人工智能”的可能性，还不如小行星撞地球让人类灭绝的几率高。
“智能”与“自主”两个概念的混淆源于我们对于自己在世界上变得“越来越无关紧要”的恐惧。如果人工智能能够接替我们工作，那么作为一个物种，我们人类又能做什么呢？看了玛丽·雪莱的《弗兰克斯坦》，我们害怕“机械怪物”，读了艾萨克·阿西莫夫的机器人小说，我们可能会对机械怪物接近我们这件事变得更加畏惧，这也是所谓的“科学怪人情结”（Frankenstein Complex）。
机械怪物与计算器的例子都说明，科技既具有破坏性，也能给我们带来机遇。但没有科技呢？我们很难说世界会变得更好。对待新的科技，我们应该想的是它能带给我们什么好处，而不是害怕一旦它们遭到误用会怎样。对待人工智能，我们也该如此。
例如，研究者正致力于开发人工智能，让其成为能支持科学家、医生以及其他知识型员工的好帮手。得益于这些，全球的科学产出每九年就会翻番。我们需要的智能软件可以回答诸如“某种药物对于中年女性有哪些副作用？”之类的问题，或者至少能找到一些相关的论文。我们需要的软件可以搜寻最新的科研论文，标记其中的重要著作，而这一过程不用靠键盘，靠的是对于论文核心信息的一些理解。这些功能都是人工智能研究者们致力于完成的目标。
现在，我们还处于人工智能研究的早期阶段。而人工智能产品仍存在许多缺陷。我们仍有充满挑战性的工作要完成。而坦白说，无论是贩卖恐惧还是哗众取宠，都没有抓住人工智能的要点：哪怕是对于普通孩子们来说很简单的一件事情，对于人工智能软件来说都十分困难——而且需要很多年的努力才能实现。这么说来，我们人类比我们看上去的还要聪明得多呢！
如果我们对于人工智能抱有一种不公正的恐惧态度的话，我们可能会失去能够对人类益处多多——甚至能够拯救生命——的人工智能。让恐惧来指导我们，绝非明智之举。
（来源：译言网 译者：沈持盈 原作者：Oren Etzioni）

计算机统治人类，人类做最后一次反击，大量人类黑客设计病毒与计算机对抗
1、人工智能制造出大量先进武器、科技，远超人类，远离地球或者毁灭人类
2、人类黑客亲手消灭计算机、卫星，窃取计算机技术，人类重新掌控地球

如果把智能定义成某种固定的逻辑运算，那么AI早就超越人类了，像象棋、国际象棋、跳棋、苹果棋这样的简单智力游戏，人都玩儿不过电脑（就是人类的冠军也玩儿不过）。

但
如果广义的谈智能，AI还差得多。比方说，找为兄弟，许给他钱，让他连着学俩月开车，然后给他辆车，在美国开60公里，满世界的走，一年不出车祸就可以拿
到奖金，我相信90%的人都轻易做到；可是对于机器，那就难了，Google Self-Driving Car花了大钱现在也只是勉强做到。
上述的例子只是人类智能最为简单的部分(有人训练过蟑螂，呢能达到开车的效果)；人类复杂的抽象认知能力，如联想、推理、语言，才是高级的功能，人脑相关功能的工作机理，人类目前不是很清楚，随便在那个地方有突破都够诺贝尔奖+图灵奖了。
更为令AI沮丧的是，即便AI有了上述的学习、认知能力，离人还很远；还有Empathy（同理心），这点相信大家都不陌生，最近的大片普罗米修斯里的生化人虽然很牛，但是离真人还是有差距的，这个差距就体现在人类的情感方面。
有一番对话，对于AI与人工智能的关系有一定得启示作用：
A：金鱼经过奋斗对鱼缸中的方寸有了很深入的认识，但它能够认知鱼缸外的世界吗？
B：没准可以因为鱼缸是透明的，虽然出不去，但是总归可以看见，因此鱼至少能了解屋里
A：但屋子外的它看不到，就无法认知，也就是说它不知道鱼缸外的世界
B：鱼缸外的世界一定比鱼缸里复杂吗？认识了复杂的，就等于认识了简单的吗？

目前人工智能已经成了最热门的行业，引来了无数公司的追捧，有一种理论，说过人工智能不能取代人类的是人类的创造力，人工智能已经取代了我们太多的职业，比如开车、医疗诊断、产品加工等等。

报道称，中国相关人士表示，人工智能的发展前景确实不可限量，但所有科学技术包括人工智能，其发展都是非线性的，不会沿着一条直线永远快速向前，许多科学技术发展到一定程度就会遭遇瓶颈，在很长一段时间内停滞不前——人工智能一波三折的历史已经说明了这一点。

与此同时，科技的革新，也使劳动者与人工智能的分工愈加明显——重复性、简单性、危险性任务由人工智能完成，劳动者的创造力得以发挥，转向更多高质量的就业岗位，这意味着，人工智能在某种程度上不是冲击就业，而是升级了劳动者的“饭碗”。

分析人士称，在未来，集合了多种前沿分支技术的人工智能，确实会产生链式反应，给我们的生活、生产带来巨大的改变，天上不会掉馅饼，前景越美好，越需要清醒客观的判断和扎扎实实的努力；对于人工智能的机遇和挑战，无论走向任何领域，职场人都要把人工智能这个工具用好。

人工智能永远超越不了人类的智能。人工智能的性能会越来越高的。智能化程度也会越来越高。但是也是需要人来控制的。程序也是人输入才能够完成的。所以人工智能永远超越不了人类的智能。

现在不会，人工智能处在人类开发初期，后期如果智能机器人具有人类的感知，和学习思维提高的完全智能，不排除会超越人类自己。

人工智能是人类的一部分，怎么会超越人类呢。人工智能在进步，也是人类在进步，人工智能技术提升就是人类智能的提升，只是，未来个人之力会相对于社会之力越来越差距大，人类社会整体和个体的差距也不再是加法法则了，而是指数法则。
如同以前我们人的力气很小，后来用牛马代替人，力气大了几倍，用汽车火车代替牛马又增加了几十倍，人工智能的进步会是成千上万倍的提升。然而不论怎么提升，都是人在用这些工具。
机器人可以比人更聪明，但是机器人提升的同时，人也在提升。未来的人工智能可以超越过去的人类，但是超越不了未来的人类。

我个人觉得不会，我比较认同以下的论点：
关於强人工智慧的争论，不同於更广义的一元论和二元论的争论。其争论要点是：如果一台机器的唯一工作原理就是转换编码数据，那麼这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是转换数据，而数据本身是对某些事情的一种编码表现，那麼在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基於这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。