机器总结规律则是比较成熟的阶段，在此之后几乎一定会发生的是，由机器根据总结出的规律制定规则、编写程序。当机器能够总结规律、制定规则后，由机器制造和驱动规则也会变成顺理成章的事。

在这个闭环中，未来机器可以自动提炼出其改变世界的需求，自动获取和生产训练所需要的数据，总结出事物运行的规律，根据规律制定规则，按照规则制造和驱动工具。这样的闭环中已经不太有人类的位置了。

总结来说，随着人工智能的发展，人类社会所面临的巨大变革，即K2MK（Knowledge to Meta-Knowledge）：

人类不再需要或者不再有能力去理解事物运行的内在规律；

人类只需要掌握新的获取事物运行规律的方法论。

二、硅基文明史——人工智能发展的历史回顾

人类基于碳水化合物，是碳基生物；而人工智能基于计算机，是基于二氧化硅的硅化合物，因此称为“硅基”。

1、从符号智能到计算智能

目前人工智能的发展方向，是从符号智能到计算智能。最初人工智能出现时的逻辑是符号智能，以知识为基础，通过推理求解。这个过程所要达到的作用是机器能做推理，符号智能的逻辑是非常简洁的，要求机器能做各种逻辑运算。

分水岭大概是在20世纪90年代，随着更多数据的引入，逐渐有了计算智能这样的新方法论，以数据为基础，通过训练求解。机器不仅有推理能力，还有归纳能力；不仅能解决很多简洁的数理问题，直播，还能解决相对模糊的问题；不仅有逻辑推理能力，还有直觉判断能力。

更细化来说，在人工智能早期，最先解决的问题是赋机器以逻辑，让机器有进行逻辑推理的能力；现在则是赋机器以知识，让机器不仅有逻辑推理能力，也有关于世界是如何运行的知识，这些知识在早期是非常专门的、某些特殊领域的知识；现在随着神经网络和深度学习的发展，有了更通用的方法，让机器获取知识的能力不再依赖于人类的提供。

接下来的自然发展是，从现在开始，我们的更多研究变成赋机器以行动，不仅希望机器能进行逻辑推理、总结世界的运行规律，还能根据他们对这个世界运行规律的理解，采取相对应的合适行动。就这一步而言，目前的人工智能研究做得还不是特别完美。但这是目前非常重要的研究领域，并且一旦这个领域有突破，机器对这个世界改造的闭环会彻底形成。

2、智能背后的技术演变

获取这么多智能的背后，是相应的技术演变。从它们所依赖的思想领域，到与之对应的理论框架、相应的计算资源和能解决的典型问题，都不太一样。可以看到目前现阶段，最主流的思想是深度增强学习，依赖的理论框架是生物科学和控制论，与之对应的主流计算框架是AI芯片、云计算，未来很快雾计算也会来临。现在还没有做到通用智能，但大家普遍认为通用人工智能是在有生之年可以期待的成果。

总结一下智能背后的技术演变，为什么这次我们比较乐观地认为狼真的来了？因为首先，现在的人工智能打破了之前遇到的莫拉维克悖论。

早期研究发现，人工智能可以解决很多人类看起来非常困难的问题，但很多对人类来说非常容易、直观的问题，比如识别猫和狗，识别一个人是A还是B，对机器来说却非常困难。这波深度学习人工智能的发展，在很多领域打破了莫拉维克悖论，表现出了远超人类的能力。

其次，在这波人工智能的发展中，我们所使用的很多框架表现了超常的完全不依赖专有领域知识的超强通用性。

再次，以深度学习为主的人工智能表现出了高度类似人脑的工作机制，让我们认为这次应该是走在了一条正确的道路上。

至于为什么是在这个历史时间点人工智能取得了突破性进展？背后实际上有三大推手：

以卷积神经网络（CNN）为核心的深度学习框架；

随着移动互联网普及而产生的数据爆炸；

摩尔定律和云计算发展到现在这个阶段，让海量计算能力变得足够便宜并且可得。

3、人工智能与人类的不平等竞争