平常打羽毛球的时候，只要球速不是太快，一般人都能判断出球的落点并用球拍接住球。即使是在有风的情况下，这种判断往往也是准确的，顶多是判断的时间提前量变小了，或者说意识上判断出来了，脚步跟不上。所以，接球是一个很简单的动作，是吗？如果要用计算机、人工智能、机器人这些手段完成这一动作，却绝非谈笑间就可完成的一项工作。你要有灵敏的传感器，能感知球速和风向，有灵活的伺服装置，驱动机器人迅速到球的落点，最重要的，是你要有一套理论和模型，来定义球在空中的运动，牛顿力学、空气动力学，都是其中的范畴。最后，在这一切具备之后，你要有具备充分计算力的中央处理器，能够根据实时的输入瞬时计算输出并通过输出与实际的差别进行自我修正。
再来谈谈自动驾驶，业界将其分为五个级别，如下图，而目前量产的汽车，自动驾驶水平也就在L2、L3左右，而不管百度的阿波罗计划，谷歌的自动驾驶，还是特斯拉的autopilot，对于L4级别的自动驾驶，还处于实验和尝鲜阶段，完全放开使用还尚待时日。这已经是人类科技在此领域最顶端的代表了，却只能达到这种水平，反过来想想用一个最普通的人，学车需要多久？一个月就差不多了吧。
问题在哪里？人脑的智力和人工智能的运行模式是完全不一样的。还是前面接球的例子，球在空中飞行，首先遵循的一个最基本的公式是牛顿力学定律：F=ma，但实际上在判断球路、接球的过程中，有谁会意识到这个公式？在这一定律被发现以前，人类难道不会接球吗？当然不是。在接球的过程中，人脑的思考过程，是基于所听、所见、所感，建立起来一个模糊的模型，然后一遍遍去练习，修正这个模型、强化这个模型，这个模型不如F=ma适用的范围广（能接住羽毛球未必接得住棒球），也没那么容易表述出来，到但在特定的领域，它确异常的简洁高效。人脑的功率约等于20瓦的灯泡，而在自动驾驶领域，降低芯片能耗始终是科学家们追求的目标，单项驾驶功能的芯片组能耗和控制在100瓦以内，已经是顶尖水平了。
下次再打球的时候，想想自己是在进行着一件多么复杂的、不可言述的事情吧！
