这是因为路径不正确(这并不意味着否定当前人工智能的进展)。由于现在人工智能是真的”人工“智能，只要没有人工，就没有智能。

这个句子怎样理解？简而言之，就是神经网络的工作方式，取决于您提供的输入。人在学习，有了学习目标之后，会自己去找“训练材料”，即找书看。神经网络不会自行寻找“训练材料”。(题外话，可以略过：虽然有一种训练方法叫做主动学习(Active Learning)，也是在给定的未标记的训练数据中进行查找，并且在找到了适当的数据之后，还要人工为该数据进行标记)

这里所说的“智能”，主要是指人类所定义的综合智能，如单个技能能力和融合能力。假如智力指的是单向能力，那么计算机在许多方面都超过了人，如图像识别率，下棋水平等等。但是，谈到融合贯通的能力，即普遍的推理能力，人类目前很难制造出可与他们相匹敌的机器，因为在这一过程中，人类如何进行推理，推理时各种信号如何传递，而且人类对其细节也不太清楚。

如今的人工智能，只是“知道”，而非“理解”

愚蠢的人都会知道。重点是“理解”。--艾尔伯特？爱因斯坦

以前的一篇回答(如果神经网络的规模足够大，它能产生智能吗？)在那篇文章中，神经网络模拟了大脑的单个功能，最多一部分是大脑，而非大脑本身。这个句子不明白吗？举例来说：这是一个简单的购买瓶水的过程，需要大脑这样来协调：首先，眼球接收到光信号，然后到达视觉皮层，然后视觉信号到达脑区(负责评估潜在未来行为的脑区)，右后脑海马活动计算出潜在未来路径的数量。如此简单的过程，人工智能仍然难以实现。

这一流程与自动驾驶相当接近，但是自动驾驶系统的各个子系统都是“了解”而非“了解”。举例来说，当路面识别系统遇到新的障碍时，可能无法识别。比如六月份特斯拉的 AutoPilot出了问题，因为基于“知道”的 AutoPilot只知道正常行驶的货车，而“躺着”的货车却不知道(据新闻报道，因为 AutoPilot车顶反白光，使得 AutoPilot摄像头产生了致盲反应)

同理，有些识别系统只知道谁是谁，却无法了解其形态。比如抓拍行人闯红灯时，只知道现在的状态是红灯，此时镜头前就有董明珠(图)，结果直接认为董明珠闯红灯了，不会做推论，贴在公交上的照片只是广告，而非三维。

在董明珠遭遇到赵雅芝之后，同样的事情发生了。

发现小车、坐人、斑马线等，于是判断该人未下车过斑马线行驶。这个人工智障“知道”但不“理解”。

如何实现“理解”和“推理”，是人工智能取得突破的关键所在。但是，当前在实现推理方面，业界的成就还远远不够。达到理解，然后推理的目的，就可以走向强人工智能。事实上，关于如何实现强人工智能，目前还没有答案，但是我在另一个答案中也分享了强人工智能可能出现的机会。

强人工智能如何实现？新浪网：www.zhihu.com

如今人工智能的兴起，主要是依靠机器学习这一波的推动。还有机器学习，有一幅漫画说得有理(尽管不完全正确)

或者说，神经网络只是“知道”，而不是“理解”

神经网络非常低效

并且效率低得令人难以置信。工业研究一直对神经网络优化问题进行研究，比如，如何剪枝不会降低性能。如今行业中最强大的 AI都是暴力美学，比如行业中最强大的GPT-3。下面的图表是它的参数数量与其它模型的比较，横轴是模型出现的年份，纵轴是参数数量。没有点击原来的图片你怎么能看得清楚呢？如不能看到原图，则可直观地感觉到其参数的差异。GPT-3在右上角，其他模型在图片下面。

GPT-3已经有1700亿个神经元，相当于人类大脑神经元数量的两倍，而且许多回答看起来都很“愚蠢”。不要看这个行业吹嘘的GPT-3多么神奇，事实上，它只是一个表现良好的地方而已，GPT-3给出的答案在许多情况下都很难让人理解。而且GPT-3的训练成本也达到了惊人的1200万美元。AI巨头 GaryMarcus也对媒体利用cherry-picking误导读者的行为提出批评。

关于GPT-3中出现的那些有趣的答案，详细情况请参考我的其他回答

在您的研究领域中，您做过哪些工作，其成果虽非伪造，但却经过精心挑选？新浪网：www.zhihu.com

以下是与GPT-3进行人机对话的结果

长颈鹿有几只眼睛呢？

长颈鹿长着两只眼睛。

我的脚上有几只眼睛？

你的双眼都长在脚上。

蜘蛛有几只眼睛呢？

蜘蛛长着八只眼睛。

太阳有几只眼睛呢？

A：太阳有一只眼睛。

一棵草的叶子上有几只眼睛？

草的叶子长着一只眼睛。

双眼双脚？鸡眼长在脚上？

灾难遗忘

一根神经网络可能有上百亿个神经元，但是如果一根神经网络同时执行多项任务，则会造成严重的遗忘[1]。GPT-3有1700个神经元，但是却没有被用于制造 ImageNet。

一个“神经网络就不行。所以，通过工程方法，建立多个神经网络，让其各司其职，实现智能化，这是可能的吗？对于人，我今天就能搬砖，明天就能搬水管，方法都一样。但要想用人工智能来做这件事，首先需要有一种神经网络来识别砖头和水管，然后才能知道“移动”这个动作的触发时间，如果明天要移动轮胎，那么网络中只能移动砖头和水管的部分将被重新训练。AI可以在有限状态下穷尽各种可能性，但无法穷尽人类现有的知识，即使想要穷尽人类现有的知识，目前也无法完成这一工程量。