人工智能正在迈向技术奇点吗？如果是，这对人类是好事还是坏事？

我觉得关键是人类连智能是怎么回事都没弄清楚，就研究人工智能还是太急躁了。俗话说，没吃过猪肉还没见过猪跑？问题是只见过猪跑你是不知道猪肉是什么味道的，遑论人造猪肉。即使是研究飞鸟来制造飞行器，也可以说飞行器的飞行原理本质与飞鸟相同；而脱离对 人类智能的研究去研究强人工智能则有点像无本之木了。

智能在人类看来是一个黑箱，计算机也可以当做一个黑箱。高中物理就学过黑箱电路的判断吧？我们打不开黑箱，但是我们掌握了黑箱输入输出的关系，就能重造黑箱的电路——即使电路不是完全相同的，也可以产生相同的表现。

基于这个原理，天真的计算机科学家们认为，既然智能是一个黑箱，计算机是一个黑箱。智能这个黑箱是我们不能了解的，而计算机这个黑箱是我们了解的。于是我们如果掌握了智能（比如人类智能）的输入集，再加入一个对应关系，使之映射到对应的输出集，这个事不就解决了？？

这么直接的目标似乎很适合计算机实现呢。所以第一代人工智能的大牛们，欣喜于当时已经取得的成果，乐观地作出如下的估计（摘自维基百科人工智能史）：

1958年，H. A. Simon，Allen Newell：“十年之内，数字计算机将成为国际象棋世界冠军。” “十年之内，数字计算机将发现并证明一个重要的数学定理。”

1965年，H. A. Simon：“二十年内，机器将能完成人能做到的一切工作。”

1967年，Marvin Minsky：“一代之内……创造‘人工智能’的问题将获得实质上的解决。”

1970年，Marvin Minsky：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”

本来的估计是到现在这个时候，我们人类早就每天欢乐地玩耍了，劳心伤神的活都交给计算机了。结果除了产生了几个计算机象棋冠军外，在其它设想方面没啥太多进展。为什么呢？

之前讲过，如果掌握了智能的输入集和输出集，找到对应的关系，就能交给计算机去做——比如手感到烫作为输入，缩回手来作为输出，对应关系是因果：如果手感到烫，则缩回手。这个问题细分下来，就有：如何把知识（手感到烫，看到一棵树，读到一个文档，听到一段声音等等）表示成计算机识别的输入集？如何认定某个特定输入集产生怎样的输出集？以及，如何确定这个对应关系？

冷静下来一思考，我们就发现：输入集是几乎无穷的；就是说几乎不可能把现实世界完全投射到计算机当中。输出集也是无穷的；因为输出集也对应于现实世界。而对应关系，则是无穷的无穷次方，因为输入和输出都是无穷的。

还有，人类的感情，比如喜恶，哀怒，以及自我意识这些人类自己都没有弄明白的东西，又如何教给计算机呢？

即便以人类掌握的知识来解释客观世界，得到有穷的知识集合，这样的集合对于计算机来说也是无法想象地大，以至于任何现有技术无法存储这些数据；而要以此产生输出，需要的计算能力也是大大超出现有技术的极限。更要命的是如果数据都要依靠人类来输入，那么何时才能搞完呢。

于是各个子问题就产生了。比如知识表达，即如何把客观世界反映为计算机数据；比如机器学习，即如何投入少量的人工干预，甚至不敢于的情况下，让计算机能够学习到相关知识。

在此特地要介绍一下人工神经网络，因为是最近比较火，应用比较广泛的技术。

人工神经网络实际上就是要计算机经过人类的训练，在训练过程中自动建立输入与输出之间的关系。我们人类要做的就是给出输入和输出数据。

比如，我拿着一本书放在计算机摄像头前面（输入），告诉计算机：这是书（正确的输出）。计算机会在摄像头拍到的画面，和话筒收到的声音信号之间建立方程，使得输入的画面经过计算，产生输出的声音。经过多次训练，计算机就能建立一个方程，方程左端输入训练过的所有书籍图片，右边输出“书“的语音。我们希望这个方程在多次训练后具有普适性，使得它对任何书籍都有鉴别能力。

这个神经网络的技术，已经应用到了图片识别（比如搜图），手写识别，语音识别，预测等等领域。看起来似乎挺智能，但是这个技术的每一次应用，都需要人类为其设计配套的神经网络，才可能取得良好的效果。而有些大规模的，复杂的问题，如何用神经网络求解，仍然是严峻的课题。因此虽然技术是好，但是离人工智能还是南辕北辙。

结论就是：弱人工智能应用广泛，发展也比较快，但是弱人工智能的和不是强人工智能。而强人工智能，像人类那样的智能，依旧是一筹莫展。

楼主的提问嘛。简单做以下回答吧：

除了图灵测试，还有哪些得到业界认同的人工智能的测试手段或判定准则？

由于人类对于智能的了解也非常有限，因此对于判定人工智能还是缺乏有效的手段。计算机通过图灵测试，目前看来只是在模仿飞鸟的路上翅膀扇得更快罢了，离飞机还差得远。而此次通过图灵测试的计算机，实际上是在极其宽松的判定条件下通过的（模仿非英语母语的乌克兰13岁少年，只骗过30%出头的人类）。而如果我拿着simSimi小黄鸡去我老家山村做图灵测试，得分恐怕也会比这个高一倍。因此图灵测试并不是一个严格判定人工智能的测试方法，人工智能也没有明确的定义，而且图灵测试对人工智能的判定在业界也有相当的争议。比如这个：中文房间

现阶段，不确定性人工智能领域的研究进展如何？

这个我不太了解，但是你给的那篇paper我倒是通读了一下。似乎目前的研究还是集中于如何“模拟”真实世界的不确定性，而不是计算机本身的不确定性。就像计算机无法产生真正随机数一样，当前计算机的本质是确定状态之间的转换而已。

互联网和脑科学的交叉是不是已经成为了研究热点？

没有读过相关文献，不过如果你指的是人工神经网络的话，确实很热门。

怎么看待人工智能的人格特质？

人工智能还没有实现，现在考虑这个问题还是有点早了。看都还没看到，何谈看待呢？现在谈看待，也无非只是想象而已。

人工智能可以发展出意识和自我认知吗？拥有意识和自我认知的人工智能结合网络和自动化控制，是否可以具备新陈代谢和自我复制的能力，可以认定为智能生命？

我的观点是以现在的计算机结构和原理来说，不能。

如果人工智发展出了意识和自我认知，从伦理和技术出发，人类会如何处理和它/他的关系，绝对支配?平等互助?还是沦为附庸？

同上上个回答，现在谈这个只是空中楼阁罢了。

剩下的问题实在超越理工学术的范畴了，无法回答了。

比起担心这个，还是先解决人脑IO慢的问题吧。

现在人脑有强大的记忆力、逻辑思维能力，但人只能用嘴里发出的声音、手里的笔、键盘、触摸屏来输出、用耳朵听、眼睛读来输入。

这感觉就像天河二号只用一个移动2g的数据卡与外界连接一样。

常说现在的人都是站在巨人的肩膀上，但这个巨人的身高却越来越高。也许有一天，一个人要在单个学科领域达到能够进行顶尖级别的研究与创新的程度，以现有的学习手段，所需时间将超越人的寿命极限，就像拿读取速度只有 500kbps 左右的软驱装 Win10 （只是个比方）那样，也许还没装到一半，软驱或者机器其他部分就出故障了。有人说可以并行化，但是异步系统总要解决锁的问题，而历史上也几乎没有完全由集体合作而不依赖于少数特别优秀者而达成的理论突破，可以认为这一点在现有的人脑IO方式下非常困难。