人工智能在夏天，如果人工智能从夏天不走向冬天而走向秋天，核心的问题我们要真正把握住人工智能做什么，它的秋天是什么。人工智能是什么？应该是到今天为止没有定论，个人有个人不同的定义。美国《人工智能》书上有一个定义，两句话：人工智能是计算机科学的一个分支；目标是使智能行为自动化，就是要把原来由人或者其他智能生物的智能行为自动化，由机器系统来实现。

 

　　人工智能是怎么热起来的？第一个是AlphaGo，第二是人工智能60年。莱布尼茨有一个追求，有一个符号体系，使得把人类的思维活动能够抽象的表述出来。莱布尼茨到布尔，我们知道可以把人的思维抽象，用它来编程序，实现计算机处理。再想想现在的深度神经网络、深度学习，这两者相比谁在逻辑上的复杂性更大、谁在解释人的智能行为、思维行为上作出的贡献大。

 

　　图灵极其简单，一个无线长的纸条，纸条上一串一串一个一个符号，五个五个可以叠加，5+3也可以。那么这样的一组编成一个行为，通过这样的行为表，通过机器识别这样的符号、结构，五元组为标识的结构，来进行操作得出结论。就是那么简单的一个东西，是把我们人类最复杂的，那么多年来不同的计算行为把它抽象为模型。我们为什么说图灵是大师，就是这种逻辑能力。

 

　　芯片里面最有代表性的是X86芯片，从当时4044，因为X86从4044起来，它是2300个晶体管，到8088的时候有29000个晶体管。到了今天，我们最新的一个芯片大概集成了300亿以上的晶体管。这是制造工艺，这是工业。但核心是什么使得这300亿的晶体管具备处理实际问题的能力，这是逻辑的力量。怎么才能有的？首先是数学家对计算任务的理解和对我们拥有的芯片上的晶体管的数量，如何使计算多少、存储多少等等怎么分配才是最有效的。

 

　　智能行为要有几个最核心的判断：第一是可以自动化，是可以做得到的。第二，你把这个智能行为自动之后得到的回报是大于你的投入。这个回报可以分成两类，一类是经济和社会认可的，有现金回流，有正面评价。第二是学术的方向，你做的这个实行在科学这棵树上长出了新的东西，而这个东西又是可以得到认可的。

 

　　今天的深度神经网络和人的神经网络没有任何关系，在本质上没有任何的相似之处。为什么这样说？我说两个简单的，第一点，人的神经网络从感知到记忆，路径是确定的。第二点，人的学习是交互的，纠错的。有什么相象的地方吗？它只是用了神经网络、连接概念而已，所以确实需要真正的把智能行为在一个一个智能如何自动化的过程中再来抽象出更加普遍化的逻辑的路径，而不是先念的认为这些说的都能达到智能的范式，这么说的话，人工智能整体会从学术上进入冬天。

 

　　更多报道，敬请关注CIO时代APP，更有现场直播等着您！下载CIO时代APP，请戳http://a.app.qq.com/o/simple.jsp?pkgname=com.ciotimes.app