2013年诺贝尔生理学或医学获得者，脑神经专家苏德霍夫（Thomas sudhof）讲：“今天的人工智能和脑神经科学、认知科学等等都没有半毛钱的关系。”
计算机获得智能的方式和人是不同的，它是靠数据、计算能力和数学模型三者的结合，从效果上达到了甚至超过了人类的智能。而google深度学习所用的工具（深度的）人工神经网络，虽然有“神经”两个字，但是和人脑没有半毛钱的关系。
“计算机是否能产生自主意识，并超过人”，这件事情是不会发生的。从两个角度来看：
1、人（和动物）意识的获得是一个长期不断犯错误进化的结果，也是一个非常不确定的过程，而今天的人工智能看似能解决一些不确定问题，但是从本质上讲，它的操作还是确定的，可预知的。
低等的动物和植物类似，对外界有所反应，但是并没有自主意识（即使是人类，刚出生的婴儿也没有），如果生物在进化的过程中基因的复制不出错，就不会有今天的高等动物。
而人类能产生很强的智力，又在很多程度上取决于我们的语言能力，由于有了语言能力，人类信息和知识的传承不仅可以靠DNA完成，还可以用语言完成，这样效率就高很多了。而语言能力的出现完全是一次基因出错的结果。
关于人类的语言能力从哪里来，2000年之前一直是一个谜。十多年前，牛津大学有一批科学家，非常幸运地找个一个家族，大概有30多个人，其中正好一半有语言障碍，另一半没有。
于是牛津大学的科学家们，对比了这两组人，发现这两组人在一个叫FOXP2的基因上不一样，叉头框P2基因是一个古老的基因，在很多动物上都有，它有27万个碱基。那个家族出现语言障碍的人只在一个碱基上和正常人有区别。
科学家们进一步对比人类和黑猩猩在这个基因上的差异，发现人类和黑猩猩从500万年前开始就分化了，也就是说人类这一支的基因复制错了。而且在不同的人类中，这个基因也略有差别，具体到我们的近亲尼安德特人，这个基因也有点差别。
2、直到目前为止，哪怕再聪明的计算机，程序也是要产生预想的结果的。它不会自动产生一个错误，然后得到更好的结果，没有了出差错的机会，也就没有了进化的可能。
同样的，一个组织，如果一直按照惯性运行，从不出错，从不变化，就不会有改进。
计算机不出错的更深层原因来自于它本身，而不仅仅是人编的程序。对计算机贡献最大的两个人分别是冯。诺依曼和艾伦。图灵。冯。诺依曼更资深一点，图灵将冯。诺依曼看成是自己的精神导师。
图灵在年轻时思考用机器实现计算的问题，他受到冯诺依曼《量子力学的数学原理》一书的启发，认为人的意识来自于测不准原理（uncertainty principle）,但计算来自于机械的运动（电子的运动可以认为等价于机械运动）。
接下来，图灵受到著名数学家希尔伯特的启发，发现世界上的问题分为两类，一类是可计算的问题，另一类是不可计算的问题。于是他设计了计算机的数学模型--图灵机，只解决可计算的问题，不涉及不可计算的问题。而1946年出现的电子计算机其实就是一种是实用的图灵机。
今天的计算机，不论是下棋的AlphGo，还是能够诊断疾病的IBM的“沃森”，从功能上来讲都是图灵机。也就是说，图灵机在理论上解决不了的问题，今天再聪明的计算机在实践中依然无解。
什么是不可计算的问题？比如男生女生的情感问题。
另外，希尔伯特还指出，世界上有很多似是而非的问题，既没有肯定的答案，也没有否定的答案，这些问题，也不是计算机能够解决的。
对比一下人工智能和人，人的优势恰恰在于，可能因为错误引起变化，并且对于不确定性的问题，能给出一个不可计算的答案。为什么要强调人文教育、博雅教育的重要性，因为在未来，这类问题是不容易被人工智能取代的。
在人工智能的发展史上，一直存在着所谓的“鸟飞派”和“空气动力学派”之争。所谓的鸟飞派就是试图让计算机模仿人，如同当年人类在探索飞行时模拟鸟一样。那些依然相信所谓的脑神经科学对人工智能有帮助的人，就属于鸟飞派。
而空气动力派就是像莱特兄弟那样，通过搞清楚空气动力学原理，实现和鸟不同的飞行，而两者从效果上讲基本等价。今天人工智能的成功，是沿袭了后一条道路，搞清楚每一个智能问题背后的数学原理，然后用计算机解决它们而已。
从鸟飞派和空气动力学派的争论上，在管理上的延伸就是：我们现在社会上到处都是在听成功的创业者传授经验，那些经验其实很难复制，照猫画虎的方法就是鸟飞派，很难成功。而是想自己把事情做成功，就需要弄清楚事物的本质，找到自己领域的“空气动力学”。
整理自吴军的“硅谷来信”。
