通用型人工智能何时到来？这个问题我从上世纪80年代早期就开始考虑了。1966年，就有人开始说这个话题了。最早关于这个问题的相关研究是麻省理工学院一群本科生做的一个名为“Summer Vision”项目。

1966年，麻省理工学院关于人工智能研究的“Summer Vision”计划

　　2012年，有人指出，通用型 AI 马上会出现。雷·库兹韦尔（Ray Kurzweil）最近给出了一个确切年份：2029年。而今天未到场的吴恩达（Andrew Ng）也经常对这个问题发表观点，他说过，通用型人工智能可行性不大，距离我们还非常远。但是，最近他似乎又改口了的，说：“通用型人工智能现在或者不久的将来就会到来”——反正他两头都说了（笑）。

　　然而，当前的AI究竟到了什么程度？举个图像识别的例子，人类能很容易的识别出一辆摩托车、一群打球的人，同样，Google AI也能做到。

　　但遇上下面这张图时，人类依旧可以在瞬间识别出这是一个贴满贴纸的路标，但Google AI却将其识别为一个装满食物和饮料的冰箱。因此，短时间内识别复杂图像，这对 AI 来说还是非常困难。

　　我们很清楚，计算机在做识别时的原理是用大数据支持的统计近似值，使用的是杨立昆（Yann LeCun）的卷积神经网络。如果AI涉及的所有任务都是分类工作，这套方法其实还是凑效的。

卷积神经网络

　　但当一张图片需要一些除了分类之外别的角度才能看懂时，机器就出问题了。比如，下面这张一只狗举杠铃的照片，电脑可能连狗都识别不出来，因为狗是倒着的。

　　众所周知，AI这个概念在以前是出过问题的。上世纪50、60年代，AI的发展曾激动人心。但在1973年，AI这个概念几乎死掉了（如下图），James Lighthill在这一年向英国科学研究委员会提交的AI调研报告中列出的理由是：AI应用领域太窄；无法规模化；真实应用场景非常有限；英国AI研究无法筹措经费；第一个AI寒冬来临。

1973年Lighthill人工智能研究报告

　　但 34 年后有什么改变吗？当然，目前我们在标准口音、安静环境下的语音识别、限定场景下数量不多的物体图像识别、特定领域的自然语言处理等方面做得还不错。但如果把这些要求提高一点，变成：对话界面、自动化科研、自动化诊疗、家用机器人、安全可靠的自动驾驶这些应用后——AI目前还没有实现较好的应用。

　　吴恩达曾表示：“如果一个普通人可以只花少于1秒的时间完成一项脑力任务，我们或许在现在、或不久的将来就可以通过AI将其自动化。”

　　但我则希望把这句话改成：“如果一个普通人可以只有少于1秒的时间完成一项脑力任务，j2直播，而且我们搜集了海量相关数据，而且只要测试数据与训练数据的差别不会那么大，而且该领域不会随着时间推移而发生太大变化，那么我们可能会有那么一点点几率通过AI将其自动化。”（全场鼓掌）

　　我觉得，我加的这些前提条件是客观的，你们愿意把PPT拍照发Twitter，我完全没问题，你们就喜欢这种东西（全场大笑）。

　　吴恩达观点 PK Gary Marcus观点。无疑，Marcus觉得，吴恩达的观点有点激进，需要加非常多的定语来限制。