说到人工智能，你印象最深的是不是 2016 年，谷歌的“阿法狗”围棋把人类世界冠军击败。这两年，人工智能这个词已经把我们包围了。人工智能驾驶、人工智能分发快递、人工智能预测世界杯等等，每一个 IT 大佬的嘴里都在念叨着人工智能。
可能在你的认知中，人工智能的技术原理是根本无法理解的高超技术，只有那些疯狂的科学家才懂。但是，我却想告诉你，今天所谓的人工智能技术可能离你心目中的“智能”、“智慧”相去甚远。
计算机算法对于泰坦尼克号上的乘客死亡率
为了让你理解我们今天所谓的人工智能技术离美剧 《西部世界》中那样的人工智能还有多远，我想举一个实例，为你揭开今天人工智能的实质。现在，我们手里有一份泰坦尼克号所有船员的名单。这份名单包含了以下这些信息：
乘客编号、姓名、舱位、性别、年龄、是否与亲戚同行、船票号码、票价、房间编号、登船码头，以及是否存活。
我将这份名单随机分成两半，这两半数据只有唯一的一个差别：我隐藏了其中一组数据中 “是否存活”这项。现在，我交给计算机一个任务，就是通过学习其中一半的数据，然后来预测另一半数据中每个人的生死。
这个程序可以写的极其简单，也可以写的很复杂。最简单的算法是：统计一下乘客的死亡率，发现已知的一半人的死亡率是 62%；有了这个数据，那么另一半人我把他们全部预测为“死亡”，也有 62% 的正确率了。
那怎么继续提高预测准确率呢？我们继续统计已知数据中男女的死亡比例会发现，女性的存活率是74%，男性的存活率是18%。好了，有了这个数据，我们马上可以大幅度提高预测的准确性了。
算法可以继续复杂和优化，乘客的每一个属性都有可能影响他的存活率，而很多属性又会交叉影响。但无论怎么复杂，都是一种数学统计模型：通过已知的这一半数据，不断地优化每一项参数在存活率中所占的权重，最终得到的是一个数学公式——把乘客的每一个属性的数值（例如票价、年龄等）代入公式。
上面这个例子并不是我杜撰的，而是布鲁萨德的新书《人工不智能》中一个AI 算法的实例。在这个实例中，计算机算法对于泰坦尼克号上的乘客死亡率的预测准确性可以达到97%。
我们可以得出这样两个结论：人工智能依赖已知的数据工作：你喂给它的数据越多，它就可以预测的越准确；反之，如果吃不到数据，它就无法工作。人工智能本质上只是一种数学统计模型的具体应用，本质上还是一个计算器：只是计算公式超复杂，运算速度超快而已，计算机并没有 “思考”。
人工智能算得上觉醒吗？
人类今天所掌握的人工智能技术还只是一种“机器学习”和“概率预测”的技术，不但离不开“人工”，也并不“智能”。现在我们人类所开发出的所有人工智能程序，不论是“阿法狗”，还是最近上了头条的谷歌打电话AI，它们在实质上都依然符合上面两条。理解了这些，希望你对人工智能不再感到神秘和膜拜。
显然，像这样的人工智能还远远谈不上觉醒，因此，搞人工智能的圈子把这种类型的人工智能称为 弱人工智能，你简称为“弱智”也行。而像《西部世界》中那样有自我意识的人工智能则被称作强人工智能。
但是也有一些哲学家和科学家认为，弱人工智能和强人工智能之间并没有一条泾渭分明的线，换句话说，无意识和有意识之间也不是生和死这样的明确差别。我们每个人自以为的自由意志或许只不过是一种幻觉，而这种幻觉只不过是条件和规则足够复杂后涌现出来的罢了。
他们认为，弱人工智能本质上是“机器学习”和“概率预测”的技术，但你怎么知道我们人类所谓的思考其本质上就不是这样工作的呢，人类做出的任何判断，也必须依托于过去的经验。差别仅仅在于条件和规则的复杂程度，当弱人工智能处理的数据足够多，执行动作的可能性也足够多时，自我意识就涌现出来了，也就逐步成为了强人工智能。
今天，脑科学家认为，我们每个人所谓的“我”其实就是一层大脑皮质而已，它的外形像一颗核桃，表面布满了褶皱。如果我们把这层大脑皮质取下来摊平的话，大小大约是 48 厘米见方，就像是放在餐盘底下的那块餐巾布大小，厚度大约是 2 毫米，比 1 元的硬币略微厚一点点。
我们的感知、思考、理解、表达、判断以及七情六欲都只不过是这块餐巾产生的电信号。在这块餐巾中，分布着大约 200 亿到 300 亿个神经元。你可以把神经元想象成是一只章鱼，只不过这只章鱼的每一根触手都像是一颗大树一样又细分出无数的小触须。
2018 年，人类能够制造的最复杂的单块芯片所包含的晶体管数量也是 200 亿个左右。但是，是不是这样看来，人类制造的集成电路的复杂程度可以媲美大脑皮质了呢？
欢迎大家在评论区交流探讨！
扩展阅读：
求你们不要再去培训机构学假人工智能了，我给你们科普一下吧！
为什么培训机构都说人工智能门槛不高
为了帮助大家让学习变得轻松、高效，给大家免费分享一大批资料，让AI越来越普及。在这里给大家推荐一个人工智能Python学习交流群：705673780欢迎大家进群交流讨论，学习交流，共同进步。
当真正开始学习的时候难免不知道从哪入手，导致效率低下影响继续学习的信心。
但最重要的是不知道哪些技术需要重点掌握，学习时频繁踩坑，最终浪费大量时间，所以拥有有效资源还是很有必要的。