对人工智能的理解，不同领域的人看法不尽相同，为了博采各家之所长，我和大家交流下现在科技界中不同人士对人工智能的一些看法。
第一种思想。AI就是让人觉得不可思议的计算机程序，人工智能就是机器可以完成人们不认为机器能胜任的事。这个定义虽说很主观，但也非常有趣。这一定义反映了，一个时代里大多数的普通人对人工智能的认知方式：每当一个新的人工智能热点出现时，新闻媒体和大众总是用自己的经验来判定人工智能技术的价值高低，而不管这种技术在本质上究竟有没有“智能”。
第二种思想，AI就是与人类思考方式相似的计算机程序。这是人工智能早期流行的一种定义方式。另一种类似的，同样从思考方式出发的定义是：AI就是能遵照思维里的逻辑规律进行思考的程序。这种思潮最本质的问题是，人类至今对大脑如何实现学习、记忆、归纳、推理等思维过程的机理还缺乏认识，况且，我们并不知道，到底要在哪一个层面（大脑各功能区相互作用的层面？细胞之间交换化学物质和电信号的层面？还是分子和原子运动的层面？）真实模拟人脑的运作，才能制造出可以匹敌人类智慧的智能机器。
第三种思想，AI就是与人类行为相似的计算机程序。与第二种思想，既强调对人脑的研究与模仿不同。第三种思想的支持者认为人工智能的实现不必遵循什么规则或理论框架。无论低级程序，还是高级程序，能够解决问题的的就是程序才是好程序。也就是说，无论计算机以何种方式实现某一功能，只要该功能表现得与人在类似环境下的行为相似，就可以说，这个计算机程序拥有了在该领域内的人工智能。这一定义从近似于人类行为的最终结果出发，忽视达到这一结果的手段。另一种对人工智能的近似定义则更强调人工智能的实用特点：AI就是可以解决问题并获得最大收益的计算机程序。
第四种思想，AI就是会学习的计算机程序。无学习，不AI”，这几乎成了人工智能研究在今天的核心指导思想。许多研究者更愿意将自己称为机器学习专家，而非泛泛的人工智能专家。
第五种思想，AI就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序。针对人工智能，不同的定义将人们导向不同的研究或认知方向，不同的理解分别适用于不同的人群和语境。如果非要调和所有看上去合理的定义，我们得到的也许就只是一个全面但过于笼统、模糊的概念。
以上五种思想，就是我在人工智能领域长期学习和探索而得到的收获，在文章的最后，我想引用一句话，这也是我对人工智能长期以来的看法。扬·勒丘恩说，“对人工智能，我最不喜欢的描述是‘它像大脑一样工作’，我不喜欢人们这样说的原因是，虽然深度学习从生命的生物机理中获得灵感，但它与大脑的实际工作原理差别非常非常巨大。将它与大脑进行类比给它赋予了一些神奇的光环，这种描述是危险的。这将导致天花乱坠的宣传，大家在要求一些不切实际的事情。人工智能之前经历了几次寒冬就是因为人们要求了一些人工智能无法给予的东西。”
人工智能作为一种技术也有具有等级之分的。不同等级的人工智能可以进行的操作也不尽相同。
弱人工智能（Weak AI）
也称限制领域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专注于且只能解决特定领域问题的人工智能。毫无疑问，今天我们看到的所有人工智能算法和应用都属于弱人工智能的范畴。对于弱人工智能技术，人类现有的科研和工程管理、安全监管方面的经验，大多是适用的。一台可以自动控制汽车行驶的计算机和一台可以将重物吊起的起重机，二者都需要严格的质量控制流程与安全监管策略。自动驾驶程序中的错误可能导致车祸，起重机结构设计上的错误也可能导致起重机的倾覆，二者都会造成人员伤亡。
也就是说，弱人工智能在总体上只是一种技术工具，如果说弱人工智能存在风险，那也和人类已大规模使用的其他技术没有本质的不同。只要严格控制，严密监管，人类完全可以像使用其他工具那样，放心地使用今天的所有AI技术。
强人工智能（Strong AI）
强人工智能又称通用人工智能（Artificial general intelligence）或完全人工智能（Full AI），指的是可以胜任人类所有工作的人工智能。 人可以做什么，强人工智能就可以做什么。这种定义过于宽泛，缺乏一个量化的标准来评估什么样的计算机程序才是强人工智能。为此，不同的研究者提出了许多不同的建议。最为流行、被广为接受的标准是图灵测试。但即便是图灵测试本身，也只是关注于计算机的行为和人类行为之间，从观察者角度而言的不可区分性，并没有提及计算机到底需要具备哪些具体的特质或能力，才能实现这种不可区分性。
一般认为，一个可以称得上强人工智能的程序，大概需要具备以下几方面的能力：
存在不确定因素时进行推理，使用策略，解决问题，制定决策的能 力；
知识表示的能力，包括常识性知识的表示能力；
规划能力；
学习能力；
使用自然语言进行交流沟通的能力；
将上述能力整合起来实现既定目标的能力。
基于上面几种能力的描述，我们大概可以想象，一个具备强人工智能的计算机程序会表现出什么样的行为特征。一旦实现了符合这一描述的强人工智能，那我们几乎可以肯定地说，所有人类工作都可以由人工智能来取代。从乐观主义的角度讲，人类到时就可以坐享其成，让机器人为我们服务，每部机器人也许可以一对一地替换每个人类个体的具体工作，人类则获得完全意义上的自由，只负责享乐，不再需要劳动。
强人工智能的定义里，存在一个关键的争议性问题：强人工智能是否有必要具备人类的“意识”（Consciousness）。有些研究者认为，只有具备人类意识的人工智能才可以叫强人工智能。另一些研究者则说，强人工智能只需要具备胜任人类所有工作的能力就可以了，未必需要人类的意识。 有关意识的争议性话题极其复杂。本质上，这首先会牵扯出“人类的意识到底是什么”这样的难解问题，从而让讨论变得无的放矢。以人类今天对感情、自我认知、记忆、态度等概念的理解，类似的讨论会牵涉哲学、伦理学、人类学、社会学、神经科学、计算机科学等方方面面，短期内还看不出有完美解决这一问题的可能。
也就是说，一旦牵涉“意识”，强人工智能的定义和评估标准就会变得异常复杂。而人们对于强人工智能的担忧也主要来源于此。不难设想，一旦强人工智能程序具备人类的意识，那我们就必然需要像对待一个有健全人格的人那样对待一台机器。那时，人与机器的关系就绝非工具使用者与工具本身这么简单。拥有意识的机器会不会甘愿为人类服务？机器会不会因为某种共同诉求而联合起来站在人类的对立面？一旦拥有意识的强人工智能得以实现，这些问题将直接成为人类面临的现实挑战。
超人工智能（Superintelligence）
假设计算机程序通过不断发展，可以比世界上最聪明、最有天赋的人类还聪明，那么，由此产生的人工智能系统就可以被称为超人工智能。 牛津大学哲学家、未来学家尼克·波斯特洛姆（Nick Bostrom）在他的《超级智能》一书中，将超人工智能定义为“在科学创造力、智慧和社交能力等每一方面都比最强的人类大脑聪明很多的智能”。显然，对今天的人来说，这是一种只存在于科幻电影中的想象场景。
与弱人工智能、强人工智能相比，超人工智能的定义最为模糊，因为没人知道，超越人类最高水平的智慧到底会表现为何种能力。如果说对于强人工智能，我们还存在从技术角度进行探讨的可能性的话，那么，对于超人工智能，今天的人类大多就只能从哲学或科幻的角度加以解析了。
首先，我们不知道强于人类的智慧形式将是怎样的一种存在。现在去谈论超人工智能和人类的关系，不仅仅是为时过早，而是根本不存在可以清晰界定的讨论对象。
其次，我们没有方法，也没有经验去预测超人工智能到底是一种不现实的幻想，还是一种在未来（不管这个未来是一百年还是一千年、一万年）必然会降临的结局。事实上，我们根本无法准确推断，到底计算机程序有没有能力达到这一目标。
显然，如果公众对人工智能会不会挑战人类、威胁人类有担忧的话，那么公众心目中所担心的那个人工智能，基本上属于这里所说的“强人工智能”和“超人工智能”。
人类现在所处的时代是窄领域弱人工智能时代。人工智能的作用范围还是在某一小领域的莫一个范围。值得一提的是现已经有人工智能可以帮助人类写作了。
2011年，一个名叫罗比·艾伦（Robbie Allen）的思科公司工程师将自己创办的一家小公司改名为Automated Insights，这个新名字大有深意——罗比·艾伦立志研发人工智能自动写作程序，而公司新名字的首字母缩写恰好就是人工智能的英文缩写——AI。
借助一套名为“作家”（Wordsmith）的人工智能技术平台，Automated Insights公司首先与美联社等新闻机构合作，用机器自动撰写新闻稿件。2013年，机器自动撰写的新闻稿件数量已达3亿篇，超过了所有主要新闻机构的稿件产出数量；2014年，Automated Insights的人工智能程序已撰写出超过10亿篇的新闻稿。
世界三大通讯社之一的美联社于2014年宣布，将使用Automated Insights公司的技术为所有美国和加拿大上市公司撰写营收业绩报告。目前，每季度美联社使用人工智能程序自动撰写的营收报告数量接近3700篇，这个数量是同时段美联社记者和编辑手工撰写的相关报告数量的12倍。2016年，美联社将自动新闻撰写扩展到体育领域，从美国职业棒球联盟的赛事报道入手，大幅减轻人类记者和编辑的劳动强度。
想看看机器自动撰写的新闻报道是否表达清晰，语句通畅？下面是从美联社职业棒球联盟新闻稿中节选出来的几段：
宾夕法尼亚州立学院（美联社）：第十一局，一二三垒有人，一人出局的情况下，迪伦·蒂斯被触身球击中，保送上垒。这是本周三州立学院鹿角队9︰8战胜布鲁克林旋风队的比赛中的一幕。
丹尼·哈茨纳通过牺牲打获得制胜一分。击球后，他成功跑上二垒但在跑向三垒时出局。
基恩·科恩在第一局中打出双杀，使旋风队以1︰0领先。但在第一局的随后时间内，鹿角队连得5分，其中，迪伦·蒂斯的触身球就直接送两人跑回本垒。
…
自动撰写新闻稿件的好处不言而喻，这不但可以节省记者和编辑的大量劳动，而且可以在应对突发事件时充分体现出计算机的“闪电速度”。
2014年3月17日清晨，仍在梦乡的洛杉矶市居民被轻微的地面晃动惊醒。这是一次震级不大的地震，但因为震源较浅，市民的感受比较明显。地震发生后不到三分钟，《洛杉矶时报》就在网上发布了一则有关这次地震的详细报道，报道不但提及了地震台网观测到的详细数据，还回顾了旧金山区域最近十天的地震观测情况。
人们在新闻报道的网页上看到了《洛杉矶时报》记者的姓名，但该新闻之所以能够在如此快的时间里发出，完全要归功于可以不眠不休工作的人工智能新闻撰写程序。地震发生的瞬间，计算机就从地震台网的数据接口中获得了有关地震的所有数据，然后飞速生成英文报道全文。刚刚从睡梦中惊醒的记者一睁眼就看到了屏幕上的报道文稿，他快速审阅后用鼠标点击了“发布”按钮。一篇自动生成并由人工复核的新闻稿就这样在第一时间快速面世。
现在的科技应用领域处于弱人工智能时代，也就是窄应用人工智能。这种人工智能程序在特定的小领域里已经越来越向着深层发展。
