现实可行的智能化之路，不是突出机器与人的相似性，把机器做得像人一样，而是突出机器与人的互补性，在人机协作上增强人机系统的智能

　　正确的认识才能正确地指导实践，错误的认识只能将实践导向歧途。2016年3月，智能围棋程序“阿尔法狗”击败世界冠军李世石，引发世界人工智能热潮，正如1997年智能象棋程序“深蓝”战胜世界冠军卡斯帕罗夫一样，许多人惊呼，人工智能可以替代人类智能了，人工智能无所不能可以解决一切问题……甚至有人担心，未来人工智能将超过人类智能，人成为机器的奴隶，人类将要毁灭。产生这些荒谬看法的重要原因是对智能化的一些基本问题没有搞清楚。

　　是弱人工智能而非强人工智能。根据人工智能的智能化程度高低不同，人们把人工智能区分为弱人工智能、强人工智能、超人工智能。弱人工智能也称应用型人工智能，只能在某一特定领域解决某一特定的问题，跨越问题的领域界线、改变问题的描述方式，弱人工智能就无能为力。“深蓝”仅在下象棋上超过人类，“阿尔法狗”仅在下围棋上超过人类，正如一个计算器仅在计算能力上超过人类。强人工智能也称通用型人工智能，机器可以如人类般思考，能解决各种各样的问题，胜任各种各样的工作，然而遗憾的是，现在的人工智能在跨领域解决问题上还远不及一个3岁儿童。从弱人工智能到强人工智能，是一次质的飞跃，而质变需要量的积累，这无疑会是科技史上一个漫长而艰辛的探索。判断一部机器是否有强智的“图灵测试”，自1950年创立以来，至今仍没有机器能严格通过，而“图灵测试”只不过是限定在特定领域的人机对话测试而已，其能否作为强智的判断标准，需要打个大大的问号。超人工智能，机器超过了人类智能，具备了自我意识，他们觉醒之后，站在了人类的对立面，对人类的权威和生存发起挑战。从强人工智能到超人工智能，是人工智能第二次质的飞跃，这种飞跃可能永远只存在于科幻电影之中。

　　是人造智能而非人类智能。当下人工智能最热门的几个领域，包括用于人机对话的智能助理，文字、图像和语音识别，机器翻译，地图导航，搜索引擎，个性产品推荐，机器下棋，汽车自动驾驶，无人机，机器人等。深入研究人工智能在上述领域的应用，除了海量数据、超量运算之外，使机器具备智能化的核心就是各种算法。时下代表性的主流算法有统计分析和深度学习。统计分析，通过对大样本数据按预定模式进行统计分析，概率高者就是决策选择，如语音识别、机器翻译中对词语在句子中位置的统计分析，下棋程序中，对每种走子获胜概率的统计分析等。深度学习，可谓是当前最热门的人工智能算法，它是一个深度神经网络，通过大量训练，能够找到输入与输出之间的近似最优函数。如果把深度神经网络比作一种生物，它喜欢吃糖，你给它看一张图片，它告诉你是猫还是狗，如果它猜对了，你就给它一颗糖，猜错了，就不给糖，久而久之，它就有了分辨猫狗的能力，主要用于文字、图像、语音识别。“阿尔法狗”也用到了深度学习算法，输入当前盘面，输出下一步落子位置。可以看出，无论统计分析还是深度学习，都不是对人类思维机理、思维过程的还原与再现，它使得人工智能产品在外在表现上看起来像人类智能，而内在运行机理其实并非人类智能，在人脑的生物神经机理之谜尚未完全揭开之前，人工智能在综合能力上永远不可能达到与人类智能并驾齐驱的地步。

　　是混合智能而非孤立智能。未来需要想象，但绝不是脱离现实与可能的幻想。像人一样思考和行为的人工智能固然可以成为智能化的最高理想和终极目标，但更为理性有效的是走人机混合增强智能之路，立足于在某一方面解决实际问题。从目前人工智能现状来看，机器在线性特征突出的感知、计算、存储等方面是强于人类的，而在非线性特征突出的理解、判断、决策等方面是弱于人类的，特别是在跨领域推理、抽象能力、常识、自我意识、审美、情感等方面，与人之间还存在着巨大差距。所以，现实可行的智能化之路，不是突出机器与人的相似性，把机器做得像人一样，试图用机器取代人，而是突出机器与人的互补性，在人机协作上，通过功能上的替代、补偿、延伸、拓展，增强人机系统的智能，形成“1+1>2”的人机混合智能形态。人机混合增强智能实现模式包括：“人在回路”，人作为人工智能系统的一部分；“人机一体”，通过可穿戴设备、人体外骨骼等实现人机一体融合；“脑在回路”，采用脑控技术，用人的意念直接控制机器。在人机混合增强智能模式中，机器负责感知、计算、存储、检索，甚至是对问题外围情况、局部情况、简单情况进行理解、判断、决策，人负责对机器的运行进行监督管理、指导仲裁、应急处置，以及对问题核心情况、整体情况、复杂情况进行理解、判断、决策等。