我们绝对离我们很远，我们也不知道如何弥合我们目前可以做的和这些电影中所描绘的之间的差距。

DL 方法的当前趋势（加上数据科学作为主流学科的出现）引起了人们对 AI 的广泛兴趣。

然而，研究人员和从业者最好从“人工智能寒冬”中吸取教训，而不是狂妄自大或过多地解读当前的成功。

例如：

• 迁移学习的成功非常有限。
• DL 并没有像人们普遍描述的那样解决“难题”（即向机器展示“原始、未清洗的环境”并让它从头开始提出解决方案）：仍然需要专业的人类知识帮助决定如何构建输入、调整参数、解释输出等。

对 AGI 充满热情的人希望会同意“难题”实际上是唯一重要的问题。几年前，一位著名的认知科学家说：“我们还没有成功地在计算机上表示一个单一的概念”。

在我看来，最近的研究趋势几乎没有改变这一点。

所有这一切可能听起来很悲观——它不是故意的。我们谁都不想再迎来一个 AI 寒冬，所以我们应该挑战（并且诚实地面对）我们当前技术的局限性，而不是把它们神话化。

基于 IBM Watson 的成功以及过去 3 年在使用深度学习处理大量艰巨任务方面取得的惊人进步，我认为像谷歌或亚马逊这样的大型高科技公司将在不超过 10 年的时间内创造出有用的对话机器人。（我在 AI 的边缘工作了 25 年，并且关注这项技术的时间更长。这是激动人心的时刻。）

最初，您自己的 AI 伴侣（“她”？）将无法进行更深入的哲学对话或对小说或人类状况的深刻解释。但它将能够就诸如 A 点和 B 点之间的 5 条可能路线中的最佳选择，或总结一本书的情节或新闻故事的要点，或为什么一种产品优于另一个（例如基于评估数百条亚马逊评论）。是的，它将能够理解您的完整口语，并生成查询和答案。

我相信这样的机器人会非常有用，我们大多数人都会想要一个。当然，您不需要购买特殊的硬件，例如 Amazon Echo。它将通过智能手机上的软件提供，尽管计算可能驻留在云上（因为那是数据所在的地方）。

坦率地说，我认为这就是智能手机的下一个创新将出现的地方——口头界面可以更好地听、说，并使用关于你的上下文和你可能提出的问题类型来消除歧义。

我们目前的人工智能方法效率太低，无法产生任何接近普通人所认为的人工智慧生物的东西。

当前的人工智能方法涉及通过创建能够自我重新编程的功能齐全的计算机来模拟我们自己的学习能力。虽然这对于理解智能的本质来说绝对是一个好的开始，但距离真正创造真正的人工智能还有很长的路要走。

进化的不仅仅是我们学习的能力。我们的大脑本身从细胞内的基本生化成分进化到了今天令人着迷的复杂器官，而我们的整个身体也从简单的单细胞生命进化为智人。因此，要创造真正的人工智能，首先从复制该过程开始实际上可能是最有意义的：创造具有进化能力的人造生命。实际上，首先从创造人造 DNA 和人造细胞开始，然后从那里继续前进，这实际上可能是最有意义的。

无论如何，在这篇文章和这篇文章中，硅谷叛徒亚历克斯·圣约翰更详细地解释了为什么像天网、VIKI或类似的东西在不久的将来不太可能，甚至可能永远不会在我们的掌握之中，以及为什么我们现在人工智能的方法是一种糟糕的方法。

“重于空气的飞行器是不可能的”——开尔文勋爵 1895

7 年后，莱特兄弟建造了一个。

目前我们有许多强大的窄人工智能（擅长特殊任务），但我们不知道如何将它们统一到一个单一的系统中，就像在生物大脑中一样。