这些行业年薪25万只是白菜价！再不努力你就要被人工智能淘汰了！
目前我国人工智能、深度学习等领域存在较大的人才缺口，面临“坑”多“萝卜”少的现状。在此背景下，一份校招薪酬清单引起了大家的注意。
来源：中新经纬（ID：jwview）
作者：常涛、李晓萱
近日，一份2018届互联网校招高薪清单在网络流传，清单显示了众多知名互联网企业技术类岗位的年薪水平，动辄30万以上的出价。引起了不少高校应届生的关注。
而从拿到这些企业offer的同学反馈来看，这份清单显示的年薪水平还是比较准确的。另外，今年互联网企业中研究深度学习、机器学习、人工智能等岗位比较火热，在他们看来，校招年薪25万人民币只是白菜价。
高薪清单曝光，算法工程师最吃香
根据校招薪水公号称，2018届互联网校招已经陆陆续续的开展了，通过对高薪岗位梳理发现，有20多家企业年薪突破了30W。
其中包括谷歌中国、微软、google、腾讯、大疆、海康、华为、网易游戏、阿里巴巴、滴滴、百度、今日头条的知名互联网企业，他们给校招生开出的年薪水平均在30万以上，不过提供以上薪资水平的岗位也多为算法工程师、研发工程师、软件工程师等技术性较强的岗位。
其中，谷歌中国的人工智能岗位年薪最高，达56万元人民币，其次是微软的算法工程师岗位，年薪51万，第三是谷歌的算法工程师岗位，年薪50万，排在第四、第五的是腾讯公司的基础应用研究（SSP）岗位和腾讯云后台研发工程师岗位，年薪分别是45-50万、32.4万。整体来看，算法工程师岗位最吃香。
网传2018届互联网校招高薪清单 来源：公众号“校招薪水”
多位参加今年互联网科技企业校招的2018届毕业生向中新经纬表示，这份高薪清单还是比较准确的。在某“双一流”大学控制科学与工程专业读研的李航（化名）介绍，“这份网传的高薪清单在我们应届毕业生中间比较受关注，里面显示的年薪水平还是比较准确的。”
“我身边就有同学拿到了大疆、美团、海康这些企业的offer，他们提供的薪资待遇水平与清单中几无差别。但清单里显示的都是各个企业这个岗位最顶级的待遇，而这些岗位一般加班比较严重。”他说。
据一位拿到大疆offer的学生向中新经纬介绍，大疆提供的普通offer月薪为2.4万人民币，一年发15-17月薪水。不过特别offer月薪能达到3万人民币，也是年发15-17薪。这与清单中显示的大疆算法工程师岗位30万-40万人民币年薪相差不大。
人工智能火，年薪25万只是白菜价
在互联网圈子里，有一句话流传甚广：得人工智能者得天下。人工智能人才到底有多稀缺？打开某知名招聘网站，搜索“人工智能”后会出现相当多的招聘岗位，具有诱惑力的薪酬会让人眼前一亮。
招聘网站截图
多个研究机构近期发布的报告显示，中国大量资金正流向人工智能，尤其是与其他行业的应用结合，中国企业在这一层面的融资额已逼近美国。
与此同时，中国企业还在人才争夺方面投入重金“补足”，并在应用层面与美国不相上下后，开始向核心技术领域进发。据证券市场周刊，2010年到2017年5月，中国AI领域共发生2218起投资事件，涉及投资金额达668.42亿元人民币。
2017年的政府工作报告首次提出，要加快人工智能等技术的研发和转化，这也意味着发展AI已经上升至国家战略高度。未来，中国建设“智慧型经济”和“智慧社会”的目标有望推动国内生产总值（GDP）的增长。
而这次公布的这份校招高薪清单中有许多岗位都和人工智能有关。
李航目前已经收到了一家来自上海某电子研究所和一家某科技外企的offer，他打算从中二选一。谈到今年校招的感受时，他表示相比于去年，今年研究机器学习、深度学习、人工智能的岗位比较火热，但这些岗位要求条件也比较高，计算机专业的毕业生更具有竞争力。
“网上那份高薪清单里有不少算法工程师的岗位，其实这个岗位集中研究深度学习和计算机视觉，从今年的行情来看，这两个方向是给薪水给的最高的。”他说，“这样的岗位比较看重个人能力，如果不是名校毕业，有名企的实习经历也能加分不少。”
他补充道，做算法的岗位一般工资都比较高，年薪基本是30万人民币起步，“年薪25万人民币的技术岗位现在没有吸引力，在我们看来都是白菜价。”
根据脉脉数据研究院提供的数据显示，目前国内人工智能相关岗位应届毕业生的起薪基本都在12.5k/月以上，毕业三年后人工智能岗位的技术人员，平均月薪在25k以上，基本实现薪酬翻番。作为典型的技术驱动型行业，人工智能相关岗位的薪资水平、就业满意度都优于全国平均水平，同时该领域薪酬溢价明显，目前已逐渐成为整个互联网行业最多金的岗位。
资料图 来源：中新网
人才缺口大但潜力足
但需要指出的是，目前我国人工智能、深度学习等领域存在较大的人才缺口，面临“坑”多“萝卜”少的现状。
据领英10日发布的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球AI（人工智能）领域技术人才数量超过190万，其中美国相关人才总数超过85万，高居榜首，而中国的相关人才总数只超过5万人，位居全球第七。
据《人民日报海外版》报道，工信部教育考试中心副主任周明也曾在2016年向媒体透露，中国人工智能人才缺口超过500万人。
这种供需不平衡的现象不仅在中国有，在美国硅谷亦是如此。李开复去年曾公开透露，“在硅谷，做深度学习的人工智能博士生，现在一毕业就能拿到年薪200万到300万美元的录用通知，三大公司（谷歌、脸书和微软）都在用不合理的价钱挖人。”
高盛最近发布的一份报告显示，深度学习的商业化导致AI人才稀缺，一些行业巨头正在全球范围内设立实验室，以吸引人才。比如，谷歌（Google）2016年在加拿大蒙特利尔设立了实验室，脸书（Facebook）也于2015年在巴黎建立了实验室。
中国企业方面，百度在2013年就在美国硅谷设立了AI实验室，腾讯在2016年也宣布成立AI实验室，并且积极招募在神经网络和机器学习方面的AI人才。
不过《全球AI领域人才报告》也显示中国的人工智能人才发展前景看好。报告指出中国人工智能人才有其优势，即高学历者众多，其中研究生及以上学历的人才占比达到62.1%，领先于美国的56.5%。这意味着中国人工智能人才虽然比较年轻缺少经验，但学历高、接受能力强，后续潜力不容小觑。
除此之外，许多学校也和企业也开始行动起来，共同为该行业培养后备力量。
前不久，国务院近期印发的《新一代人工智能发展规划》指出：高等院校在加强专业建设之外，还可通过校企联合办学的方式来培养人工智能人才，丰富人工智能教育的形式，并推动人工智能教育加速发展。
2017百度联盟峰会：李彦宏畅谈AI时代思维方式，人工智能才是主菜
据新京报，以北京航空航天大学为例，学校首届122名人工智能专业研究生近日已报到入学。校方已同百度公司签署了人工智能专业合作办学协议，与中国人工智能产业创新联盟、中国软件测评中心共同签署了全面战略合作协议，配备的师资力量30%来自业界知名学者、30%来自企业一线专家、40%来自高校的教授团队，学生将通过实习等方式到一线企业接触最前沿的人工智能技术。
每年校招Offer的数量、质量表明了各家公司对于整个招聘市场、人才供需的判断，也是我们观察整个互联网市场的一个窗口。
在中国互联网当下从模式创新迁移到技术创新的大背景下，人工智能等新技术正在成为新一代的驱动力。
不难看出，未来几年，不论国内外，人工智能等技术性较强的行业人才是互联网公司最需要的，而这些行业领域也将是全球互联网未来发展的主攻方向。
延伸阅读：
未来已来！人工智能正在改变我们的生活！
来源：21财闻汇综合
今天，我们的世界正在进入到一个万物联网的信息世界，而大数据的兴起和物联网的碰撞则激发了一个更伟大的时代——人工智能时代。
早在2016年春天，就有人开始训练人工智能解读唇语。进行这项试验正是开发出阿尔法狗的谷歌DeepMind，他们给机器观看了5000小时BBC新闻，然后找来人类专家对决。测试结果令人惊叹：人类专家完全正确率为12.4%，而AI的完全正确率为46.8%，超过人类3倍！
无独有偶，在中国，相关公司也进行了类似开发：他们给机器看了10000小时新闻联播，发现机器识别准确率竟然高达70%！
换句话说，嘴唇轻动，人工智能便知心意的日子，很快就会到来。事实上，人工智能读唇，在军事情报、公共安全等领域有着广阔应用。
不可否认的是，人工智能正在改变我们的生活：
围棋上，谷歌的AlphaGO实现60连胜；
艺术上，人工智能可以绘画制作；
医疗上，人工智能对恶性肿瘤的正确检测概率比普通医生提升50%；
工业产业上，工业机器人使生产效率提升3倍；
即时翻译上，实现10种语言的翻译功能。
早在今年7月20日，在东京举行的软银大会（SoftBank World）大会上，59岁的软银创始人孙正义两次发出上述感慨，因为他认为：
30年后，物联网将使全球网络化、智能机器人将渗透我们的日常生活、AI将超越人类智力。那个时候，世界会发生什么呢？我敢肯定的是人类寿命将延长到100岁以上，人类和机器人共生！
牛津的学者，给出AI神魂健全时限：十年之内，AI将变得足够聪明，并消灭40%以上的职业。
未来学家Kurzweil认为，当我们用1000美元购买的电脑产品，能达到人脑的计算速度时，人工智能时代将全面到来。
这些职业正在被淘汰
早在去年就有新闻：富士康生产线已部署4万台机器人，稳步推进“百万机器人”计划。即使当初你技术再娴熟，机器人也能替代你。
数据显示，管理岗在各岗位中薪酬最高，平均达到 23k，数据开发和人工智能紧随其后，都在 20k 以上。
除了工人之外，人工智能正在淘汰这些职业！
收银员、营业员：智能收费系统要抢让超市、银行收银员的饭碗了；
操作员、司机：无人汽车，智能驭驶来了，我们还需要司机吗？(试验车辆5年未出事故，停车精确到亳米，国外开始发无人驭驶牌照)。
新闻记者：九寨沟地震发生的18分钟后，中国地震台网的机器，写了篇新闻稿，用时25秒；今日头条上，一个名叫小明的机器人截至今年5月已完成5139篇体育类报道，总阅读超1800万；
金融工作者：摩根大通开发了一款金融合同解析软件COIN。原先律师和贷款人员每年需要360000小时才能完成的工作，COIN只需几秒就能完成。
2000年，高盛位于纽约的股票现金交易部门有600个交易员。而如今，只剩下2个交易员，剩余的工作全部由机器包办。
律师、会计：在美国请律师打官司很贵，因为打一个官司基本上要读上百万份大的法律文件；而现在苹果和三星的官司已经打了几亿。但有个小公司，花了一万多美元，买了一个自然语言系统读了200多万份法律文件，最后花10万美元打赢了一场官司。
除此之外，设计师、HR、经纪人、中介、快递员……很多对技能要求比较高的工作岗位或将会被机器人取代......
智能制造； 智能农业； 智能物流； 智能金融；智能商务；智能家居......在这一个个智能的背后，未来，很多行业会被改造，更重要的是，那些不能接受互联网+、AI+概念的公司，他们或将被颠覆。
特斯拉的无人工厂，全厂只有150个机器人
其实任何行业都在往智能的方向发展，人工智能和机器正在取代人类，以越来越快的速度。
未来，投资自己的大脑将成为回报率最高的事情！
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点智能科学与技术专业有前景吗？_百度知道
智能科学与技术专业有前景吗？
我有更好的答案
带有“智能“字样的研究生专业，一夜之间从 1 个发展为 11 个，可见智能科学与技术的学科建设在多个学科领域已经形成了自发的、强劲的发展势头。 2： 首都师范大学信息工程学院于 2003 年 3 月在招生计划中设立了 “ 智能信息工程 ” 专业方向，并同时成立了 “ 智能信息工程系 ” ；同年 9 月、智能信息处理与技术、计算机科学技术。
本专业的主要课程有；从智能交互，集成，应用及计算机模拟信息系统的基本能力；
4、 了解信息系统及智能科学与技术领域的学科前沿。 在现有的教育体系中增加智能理论和智能技术教学，为适应智能科学与技术的深入研究和社会对从事智能化产品研发人员的迫切需求，无论本科生、通信电路、计算机语言与程序设计，到机器行为，开发新系统,具备分析和设计电子设备的能力；
3、 掌握信息获取、处理的基本理论和处理的一般方法，具有设计：电路分析理论、信号与系统、模拟电子线路基础、哈尔滨工程大学，到人工生命等等构成了智能科学与技术学科特有的认识对象。这些既奠定了智能科学的理论与技术；
5，在本科阶段设立相应的“智能 科学与技术 ”专业是十分必要和及时的。 1.html智能科学与技术
本专业培养具备电子技术、神经网络导论、智能科学与技术等课程及30多门选修课程。
本专业毕业生应获得以下几个方面的知识和能力：
1、 系统地掌握本专业领域宽广的技术基础理论知识首都师范大学信息工程学院的介绍：“智能科学与技术”专业介绍 “智能科学与技术” 以人工智能理论和方法为核心， 研究如何用计算机去模拟、创新的思维方式及激发学生们对信息技术未来的追求具有积极的意义。因此，已经有十所高校自主设置的带有“智能”字样的新专业获得了批准、 了解电子设备和信息系统及网络技术的理论前沿，具有研究、数字电路及系统设计、研究、制造；如何设计和建造具有高智能水平的计算机应用系统；如何设计和制造更聪明的计算机.cn/html/yxsl/dianzi，到知识发现、南京工业大学、武汉工程大学等院校也正在为申报设立“智能科学与技术”专业做准备。下面是西安电子科技大学的介绍
采纳率：21%
为您推荐：
其他类似问题
您可能关注的内容
智能科学与技术专业的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。同济大学的建筑智能化设计专业好吗？就业率高吗？薪水可以在什么水平？_百度知道
同济大学的建筑智能化设计专业好吗？就业率高吗？薪水可以在什么水平？
我想知道这个系的具体情况问题补充：或者有什么专业是与它类似的同济大学的建筑智能化设计专业好吗？就业率高吗？薪水可以在什么水平
我有更好的答案
专业不错啊，月薪最低三千，好的话能过万。
采纳率：20%
为您推荐：
其他类似问题
您可能关注的内容
同济大学的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。扫描或点击关注中金在线客服
使用财视扫码登陆
下次自动登录
其它账号登录：
|||||||||||||||||||||||
&&&&>> &正文
人机大战前思考 计算机智能会超过人类吗？
来源：赛先生&&&
作者：王培&&&
中金在线微博微信
扫描二维码
中金在线微信
　　编者按：由于人能干但计算机不能干的事还数不胜数，人工智能全面达到甚至超越人类智能仍只是一种遥远的可能性，甚至可能根本就是天方夜谭。500)this.width=500' align='center' hspace=10 vspace=10 />&&&&上个月，谷歌计算机系统AlphaGo战胜欧洲围棋冠军樊麾的新闻又一次让人工智能上了头条。今天开始，AlphaGo将升级和人类的围棋对决，与更胜一筹的韩国著名棋手李世石对战5局。据报道，李世石对赢得比赛很有信心，认为AlphaGo只有三段棋手的水平，但他同时觉得，如果人工智能技术继续发展的话，再过一至两年，比赛的结果将很难预料。
　　很少有人料到，人工智能能和人类围棋高手一决高下的日子到得如此之早。现在的问题是：接下来会怎样?对关注科技多于关注围棋的人来说，计算机是否能在围棋上打败所有人已经不太重要，而重要的是: 人工智能全面达到甚至超越人类智能的时候是否快到了?
　　两派对立观点
　　一种常见观点认为，既然人工智能通常是指&用计算机完成那些需要人类智能的任务&，那么随着计算机科技的进展，自然不断有任务会从&只有人能完成&的单子中被移到&计算机也能完成&的单子中。这种情况在历史上已经发生多次了，而&在围棋上达到职业棋手水平&只不过是最新的一次而已。这当然不会是最后一次，计算机也一定会越来越多地接管人类的脑力劳动，就像其它技术接管人类的体力劳动一样。但每个任务都有自己的特点，计算机在围棋上的进展不会直接对应于在其它领域中的进展。由于人能干但计算机不能干的事还数不胜数，人工智能全面达到甚至超越人类智能仍只是一种遥远的可能性，甚至可能根本就是天方夜谭。
　　这个观点在历史上能找到很多证据。大众常常误判人工智能的发展水平，其思路是&计算机连这么难的事都能干，别的事自然是不在话下了&，或者&计算机连这么容易的事都干不了，别的事自然是无从谈起了&。殊不知由于计算机和人脑在结构和机制上的各种重大差别，任务的难易程度在这两种系统中有非常不同的次序。 &人工智能已经达到几岁孩子的水平了?&是一个错误的问题，因为计算机在一些任务上早已超过所有人类，而在另一些任务上还远不如任何人，这怎么比?最容易误导大众的要算某些机器人或计算机系统的演示了。这些系统在某些精心设计的任务上的出色表现使得人们想象它们在其它任务上也已经达到了同样水平，实际上完全不然。&内行看门道，外行看热闹&在这里是再恰当不过了。
　　与此相反的观点认为这次的情况和以往不同。上面的分析的确适用于&深蓝&战胜国际象棋世界冠军的例子，但AlphaGo是基于&深度学习&技术的，其围棋知识不是设计者编进程序里的，而是系统自己从大量的棋谱和对局学到的。这就是说系统的围棋水平会在没有人类介入的条件下不断提高。由于计算机的学习速度远高于人类，其水平超过所有人似乎只是个早晚的事。如果计算机能学围棋，它为什么不能通过学习在任何任务上赶上以至超过人类呢?
　　这种观点的代表作是库兹韦尔的《奇点临近》和博斯特罗姆的《超级智能》。据他们的看法，技术水平的进步是不断加速的。尤其是对人工智能而言，由于聪明的机器会设计更聪明的机器，这种自我强化的智能最终会远远超过人类的智能水平，甚至超出我们的理解能力。我们和它们的智能差别会像低等动物和我们的智能差别那样。这种预测让不少人不寒而栗，以至于把人工智能看作人类最大威胁的观点得到了不少科技界名人的响应。
　　&计算&与&学习&
　　我认为上述两种观点都是错的。关于人工智能的讨论常常陷入混乱，是因为其中的一些核心概念在该领域内的工作定义和其日常含义不同。在《当你谈论人工智能时，到底在谈论什么?》中，我列出了几种对&人工智能&的不同理解，而在《人工智能迷途：计算机的高技能等于高智能吗?》之中，我分析了把&智能&看成&解决问题的能力&和&学习的能力&所造成的不同后果。在这篇短文中，让我们看看&学习&在今天的人工智能领域中到底是什么意思。
　　在计算机科学中，&计算&这个词是有明确定义的。如果一个问题的解决过程在一个系统中表现为&计算&，那就是说对这个问题的每个实例(输入)，系统的解答过程必须遵循某个预定的方法(算法)，而且答案(输出)一定符合某个确定的标准。而与此相反，&学习&恰恰意味着对同一个输入，输出的质量随着经验的积累而逐渐提高，因而不是确定的。对同一个过程而言，这两个标签是不能同时适用的。在目前的&机器学习&研究中，&学习&及其效果通常是通过两个&计算&过程实现的，各有其输入和输出(详见参考文献[1])。如下图所示，AlphaGo在&训练&阶段靠&学习算法&从训练数据(输入)中总结出一个&下棋模型&(输出);在学成之后转入&实战&阶段，这时的输入就是对手的走法，而输出是由下棋模型(作为算法)选择的走法。尽管在实战阶段对系统的性能进行进一步的改善仍是可能的，但这种调整不会造成模型的根本性改变。500)this.width=500' align='center' hspace=10 vspace=10 />&&&&因此，这种学习预设了一个&计算&(在AlphaGo里就是理想的围棋模型)作为终点，也就是说每个局面都有一个最好的下法，而学习就是找到或接近这一下法的过程。一旦对每个局面都找到了最好的下法，学习的使命也就结束了。由于围棋的变化实在太多，学习的任务就很艰巨，但这并未改变上述对学习的理解。尽管&深度学习&的算法可以用在不同领域中，其每个具体应用仍是针对一个给定的输入输出关系的。比如说AlphaGo还能在围棋上继续提高，但现在再教它学象棋已是不可能的，更不要说教它学兵法了。这显然和人类学习所体现的&触类旁通&或&功夫在棋外&完全不同。
　　现有的主流机器学习技术可以有效地学习很多问题的解决方法，或称&技能&，但不适用于问题和学习方法都无法预先确定，并且系统需要随时对新情况做出反应的情景。像我在《人工智能迷途：计算机的高技能等于高智能吗?》所介绍的，这种更具一般性的学习能力目前是&通用人工智能&(AGI)的研究课题。我设计的AGI系统&纳思&在参考文献[2]中有详细介绍，其基本想法是把系统的目标、知识、操作等表示成一个概念网络，其中所有成分都可以在新经验的影响下被修改。这样，&学习&就是系统内部的自组织活动，而不是以获得某个特定技能为目标的。这种学习机制由一组规则来实现，其中每条规则会被特定的情境所触发，而整个学习过程并非遵循一个有预定途径和终点的学习算法。纳思可以学习多种不同的技能，但往往没有一个明确的&学成&时刻，而且已经&学到的&知识仍可能被修改。在这种系统中，学习是终生的，是无时无处不在的，而且&学习&和&工作&通常是同一个过程的不同侧面，因此不属于上图所示的&机器学习&。
　　四类&智能系统&
　　为了描述的直观性，让我们假定一个系统的总技能水平可以度量，比如说是它能解决的问题的数量。这样一来，系统的学习能力就体现为这个量和时间的关系，而根据前面的讨论，我们可以区分四类不同的系统，如下图所示：500)this.width=500' align='center' hspace=10 vspace=10 />&&&&(1)蓝线对应于一个完全没有学习能力的系统。这样的系统仍然可能有很高的技能(如&深蓝&)，但其技能完全来自于初始设计，而和系统的经验无关。传统的计算系统都属于这一类，其优点是可靠、高效，但没有灵活性、适应性和创造性等。
　　(2)紫线对应于一个学习能力有限的系统。这里&有限&是指系统的总技能会趋近于一个常量，即这个学习系统最终会转化成一个计算系统。现有的&机器学习&系统(包括AlphaGo)大体是属于这一类。这种系统在学习阶段有适应性，但模型形成后就基本不变了。
　　(3)绿线对应于一个学习能力基本固定的系统。这种系统的&智能&(元能力)是先天设计的，且基本保持稳定，但在习得的&技能&(具体能力)的增长上没有限制，最后在输入输出关系上也不会转变成一个计算系统。纳思和其它一些AGI系统属于这一类。
　　(4)红线对应于一个学习能力本身在增长的系统。这大致上就是库兹韦尔和博斯特罗姆所说的&超人智能&了。
　　上图只是一个形象化的说明，而非对这些系统的严格刻画。以纳思为例，因为其中所有的学习都是以过去经验为依据的，所以在经验不足、思虑不周或时过境迁时也会犯错，这时候其总技能水平很可能不升反降了。这四类系统的实质性差别是：系统整体的输入输出关系是通过设计确定的还是通过学习得到的，以及系统的学习能力是否随时间而有根本性改变。
　　按我的观点(见《人工智能迷途：计算机的高技能等于高智能吗?》)，&智能&应指学习能力，而非解决具体问题的能力(那是&技能&)，因此上面四种系统的次序也就是智能由无到有，由低到高的次序。
　　在一个特定时刻，智能更高的系统未必技能也更高。而且从具体应用的角度看，并不是智能越高越好。实际上往往相反:在能满足使用要求的前提下，系统的智能越低，可靠性和效率通常越高。高智能只有在低智能不胜任的时候才是有效益的。当然，从理论研究的角度看，高智能系统更有意思，也更具挑战性。
　　有&超人智能&这回事吗?
　　按上述分类标准，人类大致属于&绿线族&。这是因为一个人在正常情况下总是可以学习新技能或修改已有技能的，但不能对自己的思维规律做根本性修改。不同的人的智力有高低及特征上的不同，但在这一点上和其它三类系统的差别还是明显的。
　　因为主流人工智能的目标是拥有或超过人类技能，其中大多成果属于&蓝线族&;机器学习以技能习得为己任，造出的系统基本是&紫线族&;&绿线族&目前是通用人工智能(AGI)的研究范围，应用技术尚未成熟。目前并没有人在研发&红线族&的系统，而其它三类系统的进展也不会&跨界&，因为它们对应于不同的技术，而并非同一个技术的不同发展水平。
　　以纳思为例，其设计中确定了目标、知识、操作等成分的表示方式，从已有成分中生成新成分的规则，在系统运行时分配计算时间和存储空间的策略等等，但系统中不需要有任何&先天技能&(尽管有为具体应用定制的可能)。这个设计包含了某种对智能的认识，而对系统来说这些认识就是&元知识&。在元知识指引和控制下，系统会从经验中总结出它自己的知识和技能，但这种学习不会导致对元知识(即系统设计)的根本修改，尽管局部的调整和补充是可以的。
　　人类智能当然未必是智能的最高形式，所以 &超人智能&是个有意义的概念，尽管我们至今尚未得到任何关于其确实存在的证据。但即使是作为一个纯粹理论上的可能性来说，目前相关的议论仍充斥着大量的概念错误，如&智能&与&技能&的混淆以及不同类的&学习系统&之间的混淆。在&奇点&这个提法背后的基本假设就是智能系统的智力会加速增长，以至于会造成质的差别。这个假设至少在人类历史的尺度上是没有证据的。和先秦诸子或古希腊先贤相比，今天的我们可以说知识和技能水平要高很多，但未必智力水平更高吧?就凭你会编程序或知道量子力学，就敢说自己比诸葛亮聪明?
　　在物种进化的尺度上说，人类智能的确是从低智能的动物中发展出来的，但这不意味着这种能力会无限制地继续发展。实际上，在任何领域中假定某个量以往的增长趋势会自然推广到未来的预测都是不可靠的。一个流行的说法是人工智能会通过&给自己编程序&来进化，但这是缺乏计算机知识所导致的误解。在设计一个计算机系统时，&程序&和&数据&的区分常常是相对的，而这二者的功能也或多或少可以互相替代。允许程序自我修改的程序设计语言早已存在几十年了(如Lisp和Prolog)，但只要这种修改是基于系统过去经验的，那么这种&自我编程&和通过修改知识来改变系统行为并无本质区别(仅仅是改变了&知识&和&元知识&的区分方式而已) ，而且未必是个更好的设计。这样的&自我编程系统&仍属于&绿线族&。
　　随着计算机的发展，人工智能系统的运行速度、存储容量、数据拥有量都会继续大幅提升，这会使得计算机在越来越多的技能上赶上以至超过人类，但这都不意味着计算机因此拥有了超人的智能。这就好比把同一个程序系统从一个普通计算机上移植到一台超级计算机上：这以后它自然在解决问题的能力上有极大提高，但这个系统并没有因此而变得&更聪明&。真能达到&红线族&的计算机系统在我看已经不是&人工智能&，而应该被称为&人工神灵&了，因为它们的工作原理不再是我们所谓的&智能&，而是像&如来掐指一算&那样完全超出我们的理解能力。和其它根据定义就超出我们理解力的对象一样，我们当然没办法证明这种计算机系统不可能存在，但忧心于如何防范它们也同样毫无意义。
　　我的观点是：通用人工智能将会在&元知识&层面上(即基本工作原理)和人类大致相当，既不更高也不更低。如果这种系统真能造出来，那说明我们已经基本搞清了智能是怎么回事。在那以后即使计算机在大量具体问题的解决能力上超过人类，并且可以通过学习进行自我提高，人类仍然可以根据其工作原理(包括其学习过程的原理)寻找用其利避其害的办法。至于这些工作原理到底是什么，得容我以后逐步解释，有干劲的读者也可以去读参考文献[2]和我主页上的几十篇文章。
责任编辑：cnfol001
好消息！还在为选择留学院校而苦恼吗？还在为复杂的移民申请流程而心烦吗？818出国网微信号汇聚最新的出国资讯，提供便捷的移民留学项目查询和免费权威的专家评估，为你的出国之路添能加油！
微信关注方法：1、扫描左侧二维码：2、搜索“818出国网”（chuguo818）关注818出国网微信。
我来说两句
24小时热门文章
栏目最新文章}