AI跟人脑还差多远，还是早已把人脑远远甩在后面了？毕竟，作为AI（人工智能）的一个典型代表，AlphaGo（阿尔法狗）已经彻底打败人类快3年了。
电子计算机、人脑、AI是现在我们最能想到的“智能”的代表。我们先直觉地理解一下这三个系统：它们都可以看成一个黑匣子，信息通过输入端进入黑匣子，黑匣子对信息进行一系列操作，产生“答案”，从输出端输出。比如，输入的是“请计算1+2”，输出是“3”；或者，输入的是刘慈欣的大脑，输出的是《三体》。
这个黑匣子一定能完成两个任务：处理信息、记录信息。
1. 电子计算机
处理信息：通过中央处理器（CPU）处理信息，CPU由数量极大的开关（“逻辑门”）组织在一起，每个“逻辑门”可以想象成“如果A，那么B，否则C”这样的操作。
储存信息：信息单独储存在外部设备里，比如光盘、硬盘、小本本，与CPU是独立的。
2. 人脑
处理信息：通过神经元之间的相互连接，电信号、化学信号在神经元之间的传导，来处理信息。
储存信息：通过这些相互连接本身（比如连接的强弱）来储存信息。
3. AI
AI笼统地说是指模拟、延展人的智能的各种技术，包括了很多方面。有些方面跟电子计算机的处理方式很像，比如专家系统（大型的“如果…那么…否则”结构）；有些是从模拟人脑的行为方式开始的，比如神经网络（neural network）或深度学习（deep learning，相当于多层神经网络，比如下图有3层神经网络），用计算机来模拟神经元的连接，来实现信息处理，这是目前最成功的AI的实现方式。比如打败人类围棋冠军的AlphaGo就是采用的深度学习的算法。我们这里讨论AI，只狭义地指神经网络或深度学习。
处理信息：和人脑类似，通过模拟的神经元之间的相互连接，信号在神经元之间的传导，来处理信息。
储存信息：和人脑类似，通过这些相互连接本身（比如连接的强弱）储存信息。
神经网络和人脑一样，如果要完成某项任务，必须通过一定的学习、训练，就像小孩必须通过学习，才能获得处理某些事情的能力。也就是说，必须用大量的数据来训练神经网络。这也是迅速催生Big data（大数据）产业的原因。
AI是不是已经超越人脑了？
还没有。
目前AI的一个难题是，它们不能相互学习（transfer learning）。一个会下围棋的AI没办法教会一个会开汽车的AI下围棋，它们之间没有语言可以交流，开汽车的必须从零开始学习下围棋。所以，虽然我们能制造出各种精通某一特定任务的AI（称为弱AI），但还造不出精通各种任务的AI（称为强AI）。造出强AI，就好像一劳永逸了。
虽然从“单一任务”到“普遍任务”好像是一个很简单的过程，但这中间可能隔着一个鸿沟。就像竹蜻蜓可能已经有2000年的历史了，但第一架直升机要等到20世纪了。
这个鸿沟在哪里？
我们先来看一下，这三个系统分别是怎么思考、独立学习、相互学习的。
1. 电子计算机
思考：当你问电子计算机一个问题之后，CPU在磁盘中搜索储存的资料，按照你告诉它的算法来计算，然后输出答案。其实它自己并没有“思考”。
独立学习：电子计算机其实不能独立学习。你必须告诉它应该怎么做，它只是帮你完成你所的步骤，只是它比你算得快得多而已。
相互学习：它虽然不能独立学习，但是可以把相互学习理解成，把硬盘A中的东西拷贝到硬盘B中的空闲位置去，相当于B掌握了A的知识。
2. 人脑
思考：信息进入大脑后，根据神经目前的连接状况来计算，然后给出答案。
独立学习：新信息新知识进入大脑后，大脑的神经连接会相应地改变，就相当于把知识融合进了大脑。读同一本书，由于每个人原来的神经连接是不一样的，所以读完这本书，每个人神经连接的改变也是不一样的，“一千个人眼中就有一千个哈姆雷特”。
相互学习：小明给小红解释为什么天是蓝的（他们通过共同的语言交流），小红理解后，他的神经连接会相应地改变，这样，小红就学习了新知识。注意一点，虽然现在他们都知道了天为什么是蓝的，但是他们对这一件事的神经连接并不一定是一样的，或者说，他们的理解并不一样，这取决于他们之前的神经连接（比如以往的教育）。
3. AI
AI的思考和独立学习的过程跟人脑是相似的。但目前的AI还做不到相互学习，由于下面三个原因：
首先，它不能像电子计算机一样，把东西直接拷贝过来，因为AI不是通过“小本本”来储存信息的。
第二，AI不能像人脑一样能通过语言交流（至少目前还不能）。
第三，不能强行把两个AI连起来，变成一个更大的AI，就像没办法把两个人脑强行连变成一个更强的人脑（至少目前还不能）。
原则上，可以试试下面几种方案：
A. 用各种不同的数据、任务来训练一个庞大的AI，原则上最终它能掌握所有的任务。但是，由于任务的种类是庞大的甚至无穷的，每遇到一个新任务，人类就需要额外再训练它，这也就失去了制造这个强AI的意义，因为你必须强迫它持续学习，不可能一劳永逸。
B. 如果强行连接AI的方法被发明出来，就可以把各种各样的弱AI连起来，变成一个极大型的AI的网络，来处理各种各样的任务。虽然这种方案也不能一劳永逸，但是人类只需要连接新的弱AI，而不需要重新训练整个AI网络。
C. 如果人类发明了AI之间的语言，或者AI自己发明了自己的语言，使得他们能够相互交流，那么造出一个什么都会（而且比人类都做得好）的AI就有可能了，而且不再需要人类的干预。
方案C是人类最想实现的，也是人类最害怕的。害怕当你创造出了一台人工智能之后，你以为不管它怎么牛，你总可以扯掉它的电源，然后肆无忌惮地问它：“世上有上帝吗？在哪里？”这台人工智能自己拔掉自己的电源说：“就在这。”
其实，人脑并不比目前的AI差。
人脑的神经元数量远远比AlphaGo的神经元数量多。但是为什么AlphaGo能赢我们？其实是因为它只会下围棋（就像一个人用它的一生去完成一个任务），再加上它的运算速度确实比人类快（就像你肯定不可能比计算机算账算得快），而且可以一天24小时一直做这件事。
事实上，在AI的交流语言没发明之前，让弱AI去学习各种任务以期望它变成强AI，它一定不会比人类做得好。
人类如果没有语言、不能相互交流，人只是单个的个体。但是一旦人类的语言被发明出来，相互之间可以交流，就会形成“智能更高”的群体，比如原始时代的一个部落。如今，在全人类可以相互交流的时候（互联网时代），相当于一个崭新的智能形式又出现了。
这其实和大脑的原理是一样的。单个的神经元可能不具有智能，或者具有“极其少”的智能。当神经元之间可以通过电信号交流了，大脑就出现了，比单个神经元更高的智能就出现了。
对比人类的例子，可以把单个人类类比成单个神经元，语言类比成神经元之间的电信号，整个人类群体类比成整个大脑，那么互联网时代的人类就像是很多神经元组合成了大脑。
没有理由相信，人类的智能是智能的终极形态，就连我们现在觉得是“神”的强AI也不一定是。
