所有的棋类程序都可以用运算解决，因为他们是完全信息公开的博弈系统。2016年AlphaGo战胜了李世石九段，但这并不能说明问题。围棋的运算量很大，大概是10的170次方。按照目前的计算机运算能力，大概在10-15年之后，才能算完。现在AlphaGo运用了其他技术，比如感知智能才算完。但是本质还是计算。AlphaGo学习了16万盘人类的对弈过程，自己又生成3000万盘。人类不可能记住3000万盘中的每一步对弈经验，机器能够记住，并能够推算后面10-30步。

　　从运算能力和重组能力来讲，人类早不是机器的对手。但是从感知智能（能听会说，能看会认）和运动智能（能抓会扔，能走会跑）来看，最近很多的技术都是与这两个智能相关。在感知方面，人类有眼耳鼻舌声，机器的进步也很快，深度神经网络应用于图像和语音；在运动方面，我们过去用智能控制的方法。

“How”——人工智能将如何实现？

　　中科大以前的校长提到，人的大脑局部有量子效应的，量子效应也可能使得人的大脑在放电中产生智能。各种说法都有，这是一个未探知的奥秘。我个人推崇的是“鸟飞派”。最早的人类学习飞行是像鸟一样粘很多次毛，跑到高处往下跳。发明飞机之后，钱学森的导师冯·卡门研究了空气动力学（air dynamics），研究鸟的羽毛为什么能够产生升力，主要是羽毛的横截面在空气的流动过程中能够产生向上的升力，这个升力很复杂，有多种现象。现在人的飞机比鸟更先进。大脑受脑壳的物理限制，大脑不能很大，结构也不能特别复杂。但是其中的结构、存储记忆的方式，以及放电行为的传递，是非常有意思的。

　　如果我们能够研究智能动力学（intelligence dynamics），我们可以将智能和意识分开。因为两者产生的机理可能不同。若搞清楚，我们可以将智能的东西单独剥离出来，做出超脑，不受到自然宇宙中神经连接的物理限制。关键是是否能够将智能动力学搞清楚。目前，我们正在研究视觉、听觉、各种感知的机理，我们希望能够突破，但是可能需要10年甚至更久。

　　目前的产业界，人工智能为何能够工作，主要因为3大法宝：首先是深度神经网络。虽然在数学上不beauty，但是随着数据量增加，性能能够不断提升。但是想提醒的是，现在神经网络有用，atv，并不代表二三十年后，没有其他算法能够超过他。随着认识的加深，可能之后有新的算法超越深度神经网络。现在，应该有其他科学家坚持其他机器算法的语言。其次，互联网和移动互联网的普及有利于获取真实的统计大数据。在统计模式识别中有一个基本的假设，training data和testing data要同分布。训练的数据需要来自于使用环境，互联网和移动互联带给大家这种条件。比如，现在的讯飞输入法，用户会将语音数据上传，可以降低数据收集成本。

　　另一个很重要的是“涟漪效应”，这是互联网思维在核心技术研究中的应用。为什么现在的实验室，不能提出最好的算法，主要是没有大数据和涟漪效应。在移动互联网下，因为软件免费，用户愿意花时间用这些产品，且不会产生抱怨或反抗。当推出一个不好的人工智能算法（包括图像、语音、自然语言理解）时，就像水滴滴在水面，只有一小部分人才会用到。一旦使用，数据会送到云计算服务器，云计算服务器可以立即学习更新。当水波扩大到更广泛的人群时，系统的性能已经提高。水波的振幅就是系统的误差。当水波扩散，振幅越来越低。当水波纹扩散到第1000万人时，10000001个人是第一次使用这一系统，他会觉得系统很好。利用涟漪效应，可以把不熟的、需要在真实环境中训练出来的系统，真正培养出来。在实验室中，可以做人工智能的算法。

　　正是有了以上对于人工智能的分析、定义和决策，公司在2014年推出 “讯飞超脑”计划。我们希望能够突破感知智能和认知智能，能理解会思考，这样才可能真正解决问题。