人工智能并无明确的定义或边界，一般泛指计算机自动/自主处理问题的能力。

其外延包含计算机（程序），机器人，自动推理，自动化等等，含义太广以致无法罗列，就不罗列了【1】。

一  人工智能几个概念的关系

机器学习的功能比人工智能大幅收窄，是人工智能的一个分支，通常具有某种

分类功能（预测本质也是分类）。指用已知数据，

“训练“一个广义函数（函数或者模型或者传输矩阵）

，然后利用这个广义函数对类似数据做出分类等判断。

深度学习又是机器学习的一个分支，指用已知数据，“训练“一个

模拟的神经网络，然后利用这个模拟的神经网络对类似数据做出

分类等判断。

二 人工智能/深度学习的局限

目前大火的AlphaGo,人脸识别都以深度学习为主。问题是连人脑机制

都不清楚，模拟出神经网络只能是一种愿望。现在的人工智能深度

学习拜现代数据采集和数据处理的巨大能力所赐有所应用，但和人的

智能有本质上不同。

以图像识别来说，拿几张飞机的图片训练一个带摄像头的计算机，这个机器以后就能判断其他图片是否飞机，但是计算机完全不懂飞机是什么东西，它只是把图片分类，

如果告诉计算机飞机就是垃圾，它就把飞机归入垃圾，而人则不会。

以语音识别来说，我们说话，手机“听”后能把语音变成文字，但它只是机械变换，它完全不知道内容含义。机器翻译一直进展甚微，也是因为机器不理解语义语用。

再拿AhphaGo下棋来说，场景是有限的，规则是完整的。意思是只有有限的落子格点，两种棋子，落子提子的规则明确，胜负规则明确。而人在实际生活中面临的经常是各种意外的，比如邂逅一个陌生人，意外交通事故，AI对没有事先预估的事件就不知道怎样处理了。

三 深度学习的效果不一定比其他技术或者人做的好

另外，很多功能被误以为是深度学习带来的，其实人脸识别，语音识别，

机器翻译，计算机下棋不一定需要神经网络深度学习，有多种其他技术。

机器学习的结果也不总是可靠的，如人脸识别有一定的误判概率。

而人会根据更多的信息核对一张照片是不是某个人的。

人工智能几十年来历经几次大冷大热，这一次在人脸识别，语音识别等机器学习的

方向上确实比前几次热了，未来可预见的时间内还会有长足的技术进步，但理论上仍看不到突破的希望。

【1】计算机科学与工程的主要内容