在信息世界里，生命指代会自我思考，对外反馈和内部调整的一套系统。一个人按规则开车行驶，出现事故紧急刹车；一个城市的交通系统有条不絮运行，路况堵塞就会调整路线车流。从信息角度看来，城市的交通系统就是一个生命。

　　如果交通系统能够自我管理呢？强人工智能便是要打造具备自我思维的人工生命。

　　强人工智能能够脱离程序指令自发决策并且行动，理解抽象思维，能够自我学习，复制技能并且快速提高。

　　那么，如何赋予计算机心智能力，让其自我发展？

　　人工智能在 60 至 80 年代的发展一度萎靡，主要因为其演进完全依赖于科学家将知识灌输给机器学习，其学习广度是很有限的。

　　从 80 年代开始，一个重要的子领域开始探索：机器学习。

　　机器学习省去了科学家自身认知这一步骤，直接把数据放进计算机学习程序内，让程序直接接触数据。在今天，大量的数据能够满足机器快速成长的需要。知名的 AI 程序 AlphaGo 每天能够尝试百万量级棋谱的走法。抛弃明显的差棋，将计算量控制在可完成的范围内。

　　另一关键在于，同样在 80 年代，神经网络算法开始兴起。

　　为什么“图灵测试”一开始以人为测试标准？人类建筑大楼，创造艺术，甚至试图了解自身脑部的思考回路。人类大脑是目前为止所知宇宙中最发杂的东西，对光年外星体的了解都要远远多于对人类大脑皮层细胞的了解程度。

　　正因大脑的丰富性，科学家尝试通过逆向工程，从大脑的思考方式推动机器智能的发展。电脑大脑神经网络的结构，一层层输入数据，从简单到复杂，再输出结果。经过这些年算法的不断优化，以 AlphaGo 为代表的神经网络算法开始在公众视野中得到大面积的成功。

　　人工智能的“奇点”

　　按照可预见的发展速度，实现强人工智能的突破需要多长时间？

　　没有人能够给出答案。

　　19 世纪的最后一天，欧洲科学家欢聚一堂。著名物理学家汤姆生提出了笼罩在20世纪物理学头顶的“两朵乌云”：迈克尔逊-莫雷实验和黑体辐射实验。

　　谁也没想到，不到 10 年时间，两朵乌云相继被普朗克与爱因斯坦解决，科技深入原子水平，而物理学进入全新的量子时代。

　　要知道，农耕文明进入工业文明历经了千年，蒸汽时代、电气时代各走了一百年，而从电脑过渡到手机不过短短 20 载。 VR 的热潮刚从硅谷涌现，风向已经刮到别处了。在信息时代，每一轮社会革新所需时间被极大缩减了。

　　我们突然很难预料十年后科技的模样。

　　更何况，人工智能存在科学家普遍认同的技术“奇点”：存在某一个时间点，技术发展将在极短时间内发生巨大得接近于无限的进步。一旦越过奇点，科技将超越科幻，我们无法预测技术的下一步，甚至预警其发生。

　　而强人工智能的自我学习，则极大推进了这一天的到来。

　　10 年，20 年，对于生命而言或许漫长，但放眼整个发展史，时间微不足道。就在当下，就在目前，没人知道人工智能下一个突破会发生在世界的哪个角落。

　　正因如此，越来越多的行业巨人开始公开在媒体发声：

　　霍金：人工智能会导致人类灭亡

　　比尔?盖茨：人类需要敬畏人工智能的崛起

　　马斯克：人工智能是人类生存最大威胁