“阿尔法围棋”在与李世石的“人机大战”中以3：0取胜，人工智能取得的突破令人瞠目。那么，人工智能是否已达到“无所不能”的境地？实际上，虽然人工智能在计算能力、可靠性等方面远超人类，但仍存在大量有待突破的技术瓶颈。在诸多领域，人工智能还远远不能挑战人类智能。

学习需要大样本

先从“阿尔法围棋”所用的关键技术——“深度神经网络”说起。建立神经网络的基本流程是，搜集大量数据样本，然后选择合适模型，让模型学习样本，从中找出数据的内在规律。“阿尔法围棋”正是通过学习海量棋谱和自我对战，训练出不凡“武功”。

“阿尔法围棋”在与欧洲围棋冠军樊麾对战前，便已进行了超过3000万局的自我训练。南京大学计算机科学与技术系周志华教授在接受新华社记者专访时指出，当前人工智能的一个技术瓶颈，就是解决问题前先要获取大量高质量数据样本，而人类在学习新事物时往往只需很少的样本。

“这就导致问题稍微变化，机器就不行了，但人类毫无问题。例如在‘阿尔法围棋’和李世石的大战中，若换成25路棋盘，李世石仍能战，‘阿尔法围棋’就不行了，需要回去重新收集25路棋盘上的棋谱，重新训练模型，”周志华说。

应用范围仍狭窄

在英国帝国理工学院人工智能研究者马克·戴森罗特看来，人工智能仍未实现人类所具备的通用智能。“目前，人类习以为常的一些学习能力对人工智能来说仍难以实现，例如，人们能够将解决某一问题的知识用于解决另一新问题，从有限的经验就能学习一定技能，还有在抽象层面进行推理的能力，以及与他人协作的能力。”

甚至可以说，人工智能在某些方面的表现还不如小学生。比如，一个小孩看过一张猫的照片后，就能立刻辨认出下一张图片里的猫。而应用人工智能的谷歌图像识别系统，“学习”过几千万张照片后，识别猫的准确率也还不能与人相比。

在科研方面，科学家们能够从大量纷繁杂乱的现象中发现规律并抽象到理论高度，总结出物理定律和数学定理，而人工智能尚无法做到。

目前，大部分人工智能系统的应用范围仍很狭窄，只能执行一对一、点对点的特定任务。开发出“阿尔法围棋”的“深度思维”公司就雄心勃勃地计划打造“通用人工智能”：一套能像生物系统一样学习的灵活算法，仅使用原始数据就能从零开始掌握任何任务，可为医学、环境、金融等多领域问题提供解决方案。

人类是否应忧虑

研究者普遍认为，人工智能的发展顺序是：弱人工智能、与人类智能相当的“强人工智能”和全面超过人类智能的“超人工智能”。目前，弱人工智能已经渗入我们生活的方方面面：搜索引擎、实时在线地图、Siri等手机语音助手都运用了人工智能技术。但人工智能要从情感、行为和认知三个维度全面模拟人类，还有很长的路要走。而“超人工智能”还只是科幻小说和影视作品中的想象。

但仍有许多人在探讨人工智能未来的时候流露出对人类命运的担忧。埃隆·马斯克、史蒂芬·霍金、比尔·盖茨都曾在不同场合表示，人工智能可能对人类带来威胁。如果所有技术瓶颈一一被突破，人工智能全面超越人类智能，人类最终面对的是友好的超人工智能还是企图控制人类的“天网”？

美国纽约州立大学石溪分校计算机系顾险峰教授认为，人工智能的社会学研究需要引起足够重视，如为应用人工智能制定相关法律，以防止失控。他说：“相信人类的理性力量会发展出相应的制衡机制，来引导人工智能的发展。”

也有很多学者认为，目前的人工智能依然局限在“机器学习”的现有框架内，很难对人类产生威胁，与其无谓担心，不如更多地关注基础研究。

周志华说，应把作为严肃科学的人工智能和影视科幻中的人工智能区分开来。严肃的人工智能研究从来没想过要“威胁人”，因为它只是一门科技，其成果都有理论的上下限，使用了什么技术，能达到什么能力，都是有数的，“只需把它当做高级一点的仿生学就好了”。