人工智能是否有可能超越人类?
按现在的科技这样发展下去，人工智能是有可能超越人类的。
1956年夏季，在美国达特茅斯学院举行的一次重要会议上，以麦卡赛、明斯基、罗切斯特和申农等为首的科学家共同研究和探讨了用机器模拟智能的一系列问题。
首次提出了“人工智能”这一术语，它标志着人工智能这门新兴学科的正式诞生。此后，人工智能在发展历史上经历了多次高潮和低潮阶段。
在1956年人工智能被提出后，研究者们就大胆地提出乐观的预言，达特茅斯会议的参与者之一赫伯特·西蒙（Herbert Simon）还做出了更具体的预测：10年内计算机将成为国际象棋冠军，并且机器将证明一个重要的数学定理。
西蒙等人过于自信，其预言没有在预测的时间里实现，而且远远没有达到。这些失败给人工智能的声誉造成重大伤害。
1971年，英国剑桥大学数学家詹姆士（James）按照英国政府的旨意，发表了一份关于人工智能的综合报告，声称“人工智能研究就算不是骗局，也是庸人自扰”。
在这个报告的影响下，英国政府削减了人工智能的研究经费，解散了人工智能研究机构。人工智能的研究热情第一次被泼了冷水。
20世纪90年代，以日本第五代机器人研发失败和神经网络一直没有突破为代表，人工智能进入了第二个冬天。
直到21世纪初，深度学习与互联网大数据结合才使人工智能又一次迎来新的春天。在阿尔法围棋等大量突破性成果涌现之后，人类对机器（AI）能否超越人类的问题又重新燃起了热情。狂热的情绪背后甚至产生了人工智能威胁论。
谷歌技术总监、《奇点临近》的作者雷·库兹韦尔（Ray Kurzweil）预言人工智能将超过人类智能。他在书中写道，“由于技术发展呈现指数级增长，机器能模拟大脑的新皮质。
到2029年，机器将达到人类的智能水平；到2045年，人与机器将深度融合，那将标志着奇点时刻的到来。”除此以外，支持人工智能威胁论的代表人物还包括著名物理学家霍金、微软创始人比尔·盖茨、特斯拉CEO马斯克等。
2014年12月2日，霍金在接受BBC采访时表示，运用人工智能技术制造能够独立思考的机器将威胁人类的生存。霍金说：“它自己就动起来了，还能以前所未有的超快速度重新设计自己。人类呢，要受到缓慢的生物进化的限制，根本没有竞争力，会被超越的。”
特斯拉CEO马斯克对待人工智能的态度比较极端，2014年8月，他在推特上推荐尼克·波斯特洛姆的著作《超级智能：路线图、危险性与应对策略》时写道：“我们需要重点关注人工智能，它的潜在危险超过核武器。”
2017年10月，日本著名风险投资人孙正义在世界移动大会2017上表示，他认为机器人将变得比人类更聪明，在大约30年的时间里，AI的智商将有望超过1万点。相比之下，人类的平均智商是100点，天才可能达到200点。
孙正义说：“奇点是人类大脑将被超越的时刻，这是个临界点和交叉点。人工智能和计算机智能将超越人类大脑，这在21世纪肯定会发生。我想说的是，无须更多的辩论，也无须更多怀疑。”
在人工智能威胁论热度日益高涨的情况下，人工智能领域的科学家对人工智能威胁论提出了反对意见。2014年4月，脸书人工智能实验室主任，纽约大学计算机科学教授杨立昆在接受《波普杂志》采访时发表了对人工智能威胁论的看法。
他认为人工智能的研究者在之前很长的一段时间都低估了制造智能机器的难度。人工智能的每一个新浪潮，都会经历这么一段从盲目乐观到不理智最后到沮丧的阶段。
杨立昆提出：很多人觉得人工智能的进展是个指数曲线，其实它是个S形曲线，S形曲线刚开始的时候跟指数曲线很像，但由于发展阻尼和摩擦因子的存在，S形曲线到一定程度会无限逼近而不是超越人类的智商曲线。
未来学家们却假设这些因子是不存在的。他们生来就愿意做出盲目的预测，尤其当他们特别渴望这个预测成真的时候，这可能是为了实现个人抱负。
什月（上海）技术服务
2024-09-11 广告
人工智能不可能超越人类大脑。
计算机的能力已经被很好地定义了，但我们离理解人脑的能力还有很长的路要走。从根本上说，机器的智能和大脑的认知能力，都是建立在信息的存储和电流传输的基础上，这些信息和电流是通过高度复杂的结构传导。
在机器中，这些信号以光速流动，而在大脑中，轴突的脉冲传导速度在0.2-120米/秒之间。目前，超级计算机的运算能力已经接近人脑（每秒几千万亿次），但代价是大约1000万瓦的功耗，而人脑只要20瓦，不得不承认人脑的高效。
大脑的高效要归功于它的卓越设计，使其能在相同的单元、神经元和突触中存储和处理信息。另外，如果把神经元比作计算机的核心，那么大脑在核的数量上明显占有优势，最先进的超级计算机拥有1000多万个核心，而大脑拥有近1000亿个神经元。
在神经科学中，大多数研究都是为了理解和预防年龄和疾病引起的脑功能退化，而对于提高整体处理能力和正常人类神经系统功能的研究相对较少。
通过调整基本的功能参数来增强人类的脑力，可能会对人工智能的崛起带来的生存风险提供足够的平衡。
在发达的大脑中，对架构的重大改进在不久的将来几乎不可能实现；然而，对当前的神经科学来说，暂时甚至永久地提高大脑的处理速度还是有可能的。
大脑的认知能力主要通过冲动传导在轴突和突触传递来表现，这些功能的速度是处理能力的关键，在大脑中却是高度可变的。通过分子操作最大化甚至增强这些参数可以显著提高整体处理速度，从而提高认知功能。
