当在地铁上，你站在门口，后面的人问“您下车么”，潜台词是“如果不下，请给我让下路”。这时如果下车，需要回答“下”；不下车时不需要回答，只需要把路让开。

　　当男生跟女生说咱们分手吧时，女生更多的会说“她是谁？”

　　上面介绍过当我们做弱人工智能时，atv，需要对于每一个任务定义优化目标，这些优化目标都是人的一个基本功能，有些功能，甚至动物也可以实现，有可能比人做得更好。而一个智慧的人的优化目标是什么，这更加复杂，可能是个哲学和社会学问题。权利、金钱、异性、被认可、世界大同，甚至宗教里面的“空”、“道”、“涅槃”等等都是人追求的目标。

　　首先我们不能知道自己到底有多少目标，可以列出目标的并集，并不是人所有追求的总和。

　　其次这些目标只有一部分可以用一个优化函数来描述，进而化解成各种指令，这种可以认为是一个弱AI系统——

　　比如在准备英语考试时，考试的结果可以用分数衡量，背更多的单词，掌握更多的语法，书写更流利的文本，发更正确的读音，能得到更高分。

　　这样我们可以以获取高分为目标，做一个英语考试的系统，让这个系统参加考试，会取得不错的成绩，而且在未来的几年内，考试的水平会超过人类的最好水平。

　　而回归这些目标本身，一个人可能同时追求这些目标；在人生的不同阶段，或者具体到不同时刻，这些目标也会发生变化：对于大多数人年轻时追求权力、金钱，年纪稍长追求家庭和睦，年老时追求健康长寿。对于具体的每一个人，教育、周围的人、社会变化都会导致人生目标的动态变化，但每一件事对具体优化目标影响究竟有多大，可能自己也不知道。

　　这里插句题外话，虽然我们无法确定每一本好读书，交一个更牛的朋友，更积极的看待社会，这些会给我们带来多大的改变，但持续做下去，人肯定会更好。 不能把人的各种追求量化并穷尽并整合，不是所有的优化目标都可以被量化，这些都是目前的AI框架无法解决的问题。

　　从AI概念提出到现在，AI的发展基本都是量变，科学家们并没有跳出现在的整体框架。所以个人认为强人工智能在几十年内，不会实现，大家尚可不必担心强AI诞生并取代人类。很多大小公司、某些专家出于各种考虑，提出自己的“AI相当于几岁小孩的智商”，有失偏颇。在各个弱AI领域，可以超过人类最好的水平；在感知决策等方面，AI不如初生的婴儿，所以现在一切以人类年龄宣称自己AI产品智能水平的行为，都是耍流氓。

　　|各领域的具体技术进展

　　上面务虚的侃了自己一点粗略的想法，再介绍一些大神们的干货。

　　香港科技大学教授杨强：AI成功的五个必要条件

　　香港科技大学杨强老师做了《人工智能成功的几个必要条件》的主题演讲。杨强老师认为深度学习之后的算法模型有三层结构：

　　第一层就是 递归的深度学习（RNN）；

　　在这之上的第二层是一个 强化学习的学习器（RL）；

　　而第三层是 迁移学习（TL），它能把一个已有的模型迁移到一个新的领域。

　　深度学习训练需要大量的数据，强化学习也需要大量数据进行反馈。利用迁移学习，可以有效的减少对数据量的需求。

　　比如人骑自行车的经验有助于学习骑摩托车，一个会打羽毛球的人学习网球也会更快一些。目前已经将该模型应用在对话系统和股票预测等领域上。

　　杨强老师认为目前成功的人工智能的应用还是在机器学习，从数据中找到规律，把重复的工作替代掉。最后给出了他认为的 AI成功的五个必要条件：

　　清晰的商业模式

　　高质量的大数据

　　清晰的问题定义和领域边界

　　懂人工智能的跨界人才

　　擅长应用和算法

　　计算能力。

　　微软亚洲研究院常务副院长芮勇：计算机视觉从感知到认知的长征

　　微软亚洲研究院芮勇老师做了题为《计算机视觉从感知到认知的长征》的演讲。

　　在演讲中，芮勇老师提到现在可以根据输入图像的内容给出描述，如生成“小河旁边停了一辆自行车”，并将继续研究根据视频内容生成描述文字。更令人兴奋的是可以回答关于图像内容的自然语言问题。