人工智能现在备受大家关注，各个国家的科技团队都开始并致力于钻研人工智能，人工智能产品层出不出，让我们大呼惊奇。在美国，人工智能的发展处于顶尖状态，而我国的人工智能也已经位于第一梯队，不管是从融资规模和新增企业数量上，中国排名仅位于美国之后位居第二。那么我们当前的人工智能的发展状况是什么样的呢？下面我们就给大家介绍一下这个问题。可以说中国的人工智能领域在世界排名第二，这是由于在人工智能领域的国际科技论文发表量和发明专利授权量已居世界第二，依托于庞大的网络和用户，国内拥有先进的语音、视觉、传感等人工智能相关领域的技术优势。中国人工智能的产业十分的发达，并且有极大的优势可以发展人工智能。但是中国的人工智能还是存在着很多的瓶颈问题，这些问题包括人工智能原创性理论基础不强，重大原创成果不足；在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面，与以美国的人工智能发达国家相比还存在较大差距。当然，人工智能产业结构布局还不完善，人工智能人才队伍，特别是尖端人才不能满足发展需求等。可以用一个词来总结中国的人工智能，那就是大而不强。而中国的人工智能开始被很多国家限制，这是因为中国的人工智能发展前景十分好，好的让这些国家眼红，而美国政府正在考虑采取类似的措施，原因也是出于对中国可能获得珍贵的人工智能知识的担忧。中国对机器人和人工智能的兴趣尤其令人担忧，并扬言要对中国投资技术企业进行立法上的限制。 在这里需要给大家说明的是，人工智能中的10%在于算法，20%在于技术，70%在于应用场景和落地。这一推断没错，但是如果在前面30%失去技术优势，后面的70%就没有了什么意义。因此，增强人工智能基础，必须在大数据分析、深度学习、自主协同等方面进行学科理论梳理和研究，开展类脑智能计算、生物仿真等基础技术的研究，以实验室和研究院等形式专注研究成果的产品转化。当然我们需要意识到一个问题，那就是基础理论是根本，基础技术是主干，应用是枝叶。只有根底深厚庞大，主干强劲，人工智能产业才能日益兴荣昌盛。目前人工智能共享技术包括知识计算引擎技术、自然语言处理技术、群体智能关键技术、自主无人系统智能技术、虚拟现实智能建模技术，以及智能计算芯片与系统等。中国人工智能的未来前景还是比较乐观的，但是这些乐观还是多少有一点悲观的，不过相信我们的国家会解决这些问题。
展望前沿技术探索，未来三到五年最有可能出现突破的就是半监督的学习方法。现在深度卷积神经网络很好，但是它有缺点，即依赖于带标签的完备大数据，没有大数据喂食就不可能达到人类水平，但是要获得完备的大数据，需要付出的资源代价太大，很多应用场景甚至得不到，比如把全世界的火车照片都搜集起来，这是不可能的事。我们希望能够做一些小数据、小样本的半监督学习，训练数据不大，但是还能够达到人类水平。我们做过很多实验，人为地去掉一半甚至去掉1/4的标签数据去训练深度卷积神经网络，希望网络能够具有举一反三的能力，通过小样本或小数据的学习同样能够达到人类水平。这方面的研究不管是利用生成式对抗网络，还是与传统统计机器学习方法相结合，或者是与认知计算方法的结合，证明难度都挺大。比如我们看到了土狗的照片，从来没见过藏獒、宠物狗，但通过举一反三就能够识别出来。这靠什么？靠推理。人类不完全是基于特征提取，还靠知识推理获得更强的泛化能力。而现在的深度卷积神经网络是靠多级多层的特征提取，如果特征提取不好，识别结果就不好，就达不到人类水平。总之，特征提取要好就必须要有完备的大数据。但不管怎样，相信具有“特征提取+知识推理”的半监督或者无监督的深度卷积神经网络三到五年会有突破，而且还是基于端到端学习的，其中也会融入先验知识或模型。相对而言，通用人工智能的突破可能需要的时间更长，三到五年能不能突破还是未知，但是意义非常重大。在半监督、无监督深度学习方法突破之后，很多行业应用包括人工智能场景研发都会快速推进。实际应用时我们一般都通过数据迭代、算法迭代向前推进。从这个角度来说，AlphaGo中体现的深度强化学习代表着更大的希望。因为它也是基于深度卷积神经网络的，包括以前用的13层网络，现在用的40层卷积神经网，替代了以前的浅层全连接网络，带来的性能提升是很显著的。为什么深度强化学习更有意义？首先它有决策能力，决策属于认知，这已经不仅仅是感知智能了。其次AlphaGo依赖的仅仅是小数据的监督学习。3000万的6-9段人类职业棋手的棋局，对人类来说已经是大数据了，但对围棋本身的搜索空间来讲则是一个小数据。不管柯洁还是聂卫平，都无法记住3000万个棋局，但19x19的棋盘格上，因每个交叉点存在黑子、白子或无子三种情况，其组合数或搜索空间之巨大，超过了全宇宙的粒子数。对具有如此复杂度的棋局变化，人类的3000万个已知棋局真的就是一个小数据，AlphaGo首先通过深度监督学习，学习人类的3000万个棋局作为基础，相当于站在巨人的肩膀上，然后再利用深度强化学习，通过自我对弈、左右互搏搜索更大的棋局空间，是人类3000万棋局之外的棋局空间，这就使AlphaGo 0下出了很多我们从未见过的棋谱或者棋局。总的来说，深度强化学习有两大好处，它寻找最优策略函数，给出的是决策，跟认知联系起来。第二，它不依赖于大数据。这就是前面说的小数据半监督学习方法。因为在认知层面上进行探索，而且不完全依赖于大数据，因此意义重大，魅力无穷。相信深度强化学习非常有潜力继续向前发展，将大大扩展其垂直应用领域。但是它本身并不是一个通用人工智能。AlphaGo只能下围棋不能同时下中国象棋、国际象棋，因此还只是专注于一个“点”上面的，仍属于弱人工智能。实现通用人工智能，把垂直细分领域变宽或者实现多任务而不是单任务学习，对深度神经网络而言，沿什么样的技术途径往前走现在还未知，但是肯定要与基于学习的符号主义结合起来。通用人工智能现在没有找到很好的线索往前走，原因一是因为神经网络本身是黑箱式的，内部表达不可解析，二是因为传统的卷积神经网络本身不能完成多任务学习。可以考虑跟知识图谱、知识推理等符号主义的方法结合，但必须是在新的起点上，即在已有大数据感知智能的基础上，利用更高粒度的自主学习而非以往的规则设计来进行。另外从神经科学的角度去做也是可能的途径之一。
国家提出了人工智能三步走的发展战略，现在人工智能已经上升到战略层面。在今年的人大会议中，总理在政府工作报告中再提“人工智能”。我们都知道，被列入国家发展规划后，国家会颁发很多政策去促进这一计划的实现，所以越早进入人工智能领域就越有发展潜能。自从阿尔法狗一战成名，整个人工智能也似开了挂一般，发展非常迅速，人工智能人才缺失，企业出高薪也很难聘请到合适的人才。人工智能的发展现状处于成长期；国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展，并提出了相应的规划；人工智能的人才市场处于空缺，严重的供不应求。所以，趁早搭上人工智能的快车，未来无限可能。
工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，可以产出一种新的可以和人类智能相似的方式做出反应的智能机器，该领域的研究主要有机器人、语言识别、图像识别、自然语言处理和专家系统等。自从人工智能诞生以来，理论和技术越来越成熟，应用领域在不断的扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以把人的意识、思维的信息过程的模拟。虽然人工智能不是人的智能，但可以像人那样思考、最终可能超过人的智能。优点：1、在生产方面，效率更高且成本低廉的机器及人工智能实体代替了人的各种能力，人类的劳动力将大大被解放。2、人类环境问题将会得到一定的改善，较少的资源可以满足更大的需求。3、人工智能可以提高人类认识世界、适应世界的能力。缺点：1、人工智能代替了人类做各种各样的事情，人类失业率会明显的增高，人类就会处于无依靠可生存的状态。2、人工智能如果不能合理利用，可能被坏人利用在犯罪上，那么人类将会陷入恐慌。3、如果我们无法很好控制和利用人工智能，我们反而会被人工智能所控制与利用，那么人类将走向灭亡，世界也将变得慌乱。
展望前沿技术探索，未来三到五年最有可能出现突破的就是半监督的学习方法。现在深度卷积神经网络很好，但是它有缺点，即依赖于带标签的完备大数据，没有大数据喂食就不可能达到人类水平，但是要获得完备的大数据，需要付出的资源代价太大，很多应用场景甚至得不到，比如把全世界的火车照片都搜集起来，这是不可能的事。我们希望能够做一些小数据、小样本的半监督学习，训练数据不大，但是还能够达到人类水平。我们做过很多实验，人为地去掉一半甚至去掉1/4的标签数据去训练深度卷积神经网络，希望网络能够具有举一反三的能力，通过小样本或小数据的学习同样能够达到人类水平。这方面的研究不管是利用生成式对抗网络，还是与传统统计机器学习方法相结合，或者是与认知计算方法的结合，证明难度都挺大。比如我们看到了土狗的照片，从来没见过藏獒、宠物狗，但通过举一反三就能够识别出来。这靠什么？靠推理。人类不完全是基于特征提取，还靠知识推理获得更强的泛化能力。而现在的深度卷积神经网络是靠多级多层的特征提取，如果特征提取不好，识别结果就不好，就达不到人类水平。总之，特征提取要好就必须要有完备的大数据。但不管怎样，相信具有“特征提取+知识推理”的半监督或者无监督的深度卷积神经网络三到五年会有突破，而且还是基于端到端学习的，其中也会融入先验知识或模型。相对而言，通用人工智能的突破可能需要的时间更长，三到五年能不能突破还是未知，但是意义非常重大。在半监督、无监督深度学习方法突破之后，很多行业应用包括人工智能场景研发都会快速推进。实际应用时我们一般都通过数据迭代、算法迭代向前推进。从这个角度来说，AlphaGo中体现的深度强化学习代表着更大的希望。因为它也是基于深度卷积神经网络的，包括以前用的13层网络，现在用的40层卷积神经网，替代了以前的浅层全连接网络，带来的性能提升是很显著的。为什么深度强化学习更有意义？首先它有决策能力，决策属于认知，这已经不仅仅是感知智能了。其次AlphaGo依赖的仅仅是小数据的监督学习。3000万的6-9段人类职业棋手的棋局，对人类来说已经是大数据了，但对围棋本身的搜索空间来讲则是一个小数据。不管柯洁还是聂卫平，都无法记住3000万个棋局，但19x19的棋盘格上，因每个交叉点存在黑子、白子或无子三种情况，其组合数或搜索空间之巨大，超过了全宇宙的粒子数。对具有如此复杂度的棋局变化，人类的3000万个已知棋局真的就是一个小数据，AlphaGo首先通过深度监督学习，学习人类的3000万个棋局作为基础，相当于站在巨人的肩膀上，然后再利用深度强化学习，通过自我对弈、左右互搏搜索更大的棋局空间，是人类3000万棋局之外的棋局空间，这就使AlphaGo 0下出了很多我们从未见过的棋谱或者棋局。总的来说，深度强化学习有两大好处，它寻找最优策略函数，给出的是决策，跟认知联系起来。第二，它不依赖于大数据。这就是前面说的小数据半监督学习方法。因为在认知层面上进行探索，而且不完全依赖于大数据，因此意义重大，魅力无穷。相信深度强化学习非常有潜力继续向前发展，将大大扩展其垂直应用领域。但是它本身并不是一个通用人工智能。AlphaGo只能下围棋不能同时下中国象棋、国际象棋，因此还只是专注于一个“点”上面的，仍属于弱人工智能。实现通用人工智能，把垂直细分领域变宽或者实现多任务而不是单任务学习，对深度神经网络而言，沿什么样的技术途径往前走现在还未知，但是肯定要与基于学习的符号主义结合起来。通用人工智能现在没有找到很好的线索往前走，原因一是因为神经网络本身是黑箱式的，内部表达不可解析，二是因为传统的卷积神经网络本身不能完成多任务学习。可以考虑跟知识图谱、知识推理等符号主义的方法结合，但必须是在新的起点上，即在已有大数据感知智能的基础上，利用更高粒度的自主学习而非以往的规则设计来进行。另外从神经科学的角度去做也是可能的途径之一。
应用场景愈发丰富人工智能技术经过过去近10年的快速发展已经取得较大突破，随着人工智能理论和技术的日益成熟，人工智能场景融合能力不断提升，因此，近年来商业化应用已经成为人工智能科技企业布局的重点，欧洲、美国等发达国家和地区的人工智能产业商业落地期较早，中国作为后期之秀，近年来在政策、资本的双重推动下，人工智能商业化应用进程加快。目前，人工智能技术已在金融、医疗、安防、教育、交通、制造、零售等多个领域实现技术落地，且应用场景也愈来愈丰富值得注意的是，尽管目前全球范围内人工智能商业化进程正加速推进，但受制于应用场景的复杂度、技术的成熟度、数据的公开水平等限制，全球人工智能仍处在产业化和市场化的探索阶段，落地场景的丰富度、用户需求和解决方案的市场渗透率仍有待提高。发展规划国家政策层面看——《新一代人工智能发展规划》提出，到2020年初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。在国家层面政策的不断推动下，我国各省市也相继出台了适合本地发展环境的人工智能“十三五”相关规划，据前瞻对制定了具体产业规模发展目标省市的整理，中国12个省市2020年的规模目标达到4290亿，远远超过国家层面制定的1500亿的目标。另进一步研读各省市的政策，可知现阶段国家较为注重人工智能领域四个领域的建设——基础层看，注重芯片等硬件研发、技术层则注重智能计算平台的搭建、智能感知处理、智能交互中心的建设，而应用层则注重人工智能创新发展试验区建设。——以上数据及分析均来自于前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。
工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，可以产出一种新的可以和人类智能相似的方式做出反应的智能机器，该领域的研究主要有机器人、语言识别、图像识别、自然语言处理和专家系统等。自从人工智能诞生以来，理论和技术越来越成熟，应用领域在不断的扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以把人的意识、思维的信息过程的模拟。虽然人工智能不是人的智能，但可以像人那样思考、最终可能超过人的智能。优点：1、在生产方面，效率更高且成本低廉的机器及人工智能实体代替了人的各种能力，人类的劳动力将大大被解放。2、人类环境问题将会得到一定的改善，较少的资源可以满足更大的需求。3、人工智能可以提高人类认识世界、适应世界的能力。缺点：1、人工智能代替了人类做各种各样的事情，人类失业率会明显的增高，人类就会处于无依靠可生存的状态。2、人工智能如果不能合理利用，可能被坏人利用在犯罪上，那么人类将会陷入恐慌。3、如果我们无法很好控制和利用人工智能，我们反而会被人工智能所控制与利用，那么人类将走向灭亡，世界也将变得慌乱。
国家提出了人工智能三步走的发展战略，现在人工智能已经上升到战略层面。在今年的人大会议中，总理在政府工作报告中再提“人工智能”。我们都知道，被列入国家发展规划后，国家会颁发很多政策去促进这一计划的实现，所以越早进入人工智能领域就越有发展潜能。自从阿尔法狗一战成名，整个人工智能也似开了挂一般，发展非常迅速，人工智能人才缺失，企业出高薪也很难聘请到合适的人才。人工智能的发展现状处于成长期；国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展，并提出了相应的规划；人工智能的人才市场处于空缺，严重的供不应求。所以，趁早搭上人工智能的快车，未来无限可能。
AI革命意味着人类社会财富格局的全面重组，这个过程在创造出一定的新型就业机会的同时，必然造成超大规模的工作岗位流失。
人工智能的发展现状处于成长期，由于相关人才的数量比较少，人工智能的人才市场处于空缺，出现了供不应求的状况。加之国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展
国家提出了人工智能三步走的发展战略，现在人工智能已经上升到战略层面。在今年的人大会议中，总理在政府工作报告中再提“人工智能”。我们都知道，被列入国家发展规划后，国家会颁发很多政策去促进这一计划的实现，所以越早进入人工智能领域就越有发展潜能。自从阿尔法狗一战成名，整个人工智能也似开了挂一般，发展非常迅速，人工智能人才缺失，企业出高薪也很难聘请到合适的人才。人工智能的发展现状处于成长期；国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展，并提出了相应的规划；人工智能的人才市场处于空缺，严重的供不应求。所以，趁早搭上人工智能的快车，未来无限可能。
人工智能的发展现状处于成长期，由于相关人才的数量比较少，人工智能的人才市场处于空缺，出现了供不应求的状况。加之国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展
国家提出了人工智能三步走的发展战略，现在人工智能已经上升到战略层面。在今年的人大会议中，总理在政府工作报告中再提“人工智能”。我们都知道，被列入国家发展规划后，国家会颁发很多政策去促进这一计划的实现，所以越早进入人工智能领域就越有发展潜能。自从阿尔法狗一战成名，整个人工智能也似开了挂一般，发展非常迅速，人工智能人才缺失，企业出高薪也很难聘请到合适的人才。人工智能的发展现状处于成长期；国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展，并提出了相应的规划；人工智能的人才市场处于空缺，严重的供不应求。所以，趁早搭上人工智能的快车，未来无限可能。
人工智能的发展现状处于成长期，由于相关人才的数量比较少，人工智能的人才市场处于空缺，出现了供不应求的状况。加之国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展
近年来我国人工智能产业呈现出了蓬勃发展的良好态势。一是部分关键应用技术特别是图像识别、语音识别等技术，处于全球相对领先的水平，人工智能论文总量和高倍引用的论文数量，也处在第一梯队，据全球相对前列。二是产业整体实力显著增强。全国人工智能产业超过一千家，覆盖技术平台、产品应用等多环节，已经形成了比较完备的产业链。京津冀、长三角、珠三角等地区的人工智能产业急剧发展的格局已经初步形成。三是与行业融合应用不断深入。人工智能凭借其强大的赋能性，正在成为促进传统行业转型升级的重要驱动力量，各领域智能的新技术、新模式、新业态不断涌现，辐射溢出的效应也在持续增强，人工智能概念的火热促进了不少行业的兴起，比如域名，许多相关的p域名已经被注册。但也要看到，在快速发展过程当中，我国人工智能的基础技术，还有较大欠缺，能够真正创造商业价值的还比较少。传统行业与人工智能的融合还存在较高门槛，有数据显示，今年人工智能领域投融资比前两年特别是跟去年相比，也有比较大幅度的下调。中国人工智能应用具有领域广、渗透深的特点，在产业化方面具有独特优势，但也面临巨大挑战，尤其是在基础理论和算法方面，原始创新能力不足，在高端芯片、关键部件等方面基础薄弱，高水平人才也不足。随着全球人工智能加速发展，各国在认知智能、机器学习、智能芯片等方面将不断取得突破。
从城市群来看，目前，我国人工智能企业主要分布在京津冀、长三角、珠三角、川渝四大都市圈。京津冀区域竞争力最强，长三角位列第二，珠三角位列第三。从省市自治区来看，北京、广东、上海、浙江、江苏人工智能企业数量排名前五;从城市来看，北上广深AI企业数量最多，产业链发展相对完善。人工智能行业主要上市公司：阿里巴巴(BABA)、腾讯(HK)、科大讯飞(002230)、赛为智能(300044)、科大智能(300222)、海康威视(002415)、四维图新(002405)等本文核心数据：人工智能企业在全国都市圈的分布、主要省市/城市人工智能企业数量占比京津冀、长三角和珠三角城市群AI企业集聚，引领产业发展根据中国新一代人工智能发展战略研究院发布的最新《中国新一代人工智能科技产业发展报告2021》数据显示，截至2020年，我国人工智能企业主要分布在京津冀、长江三角洲和珠江三角洲三大都市圈，占比分别为02%，23%和39%。依托科技创新和互联网产业发展优势，京津冀、长江三角洲和珠江三角洲地区在人工智能科技产业的发展中走在了全国的前列。由此可见，中国人工智能区域发展与国家区域战略高度协同相互促进，区域要素汇聚加速人工智能产业引领。京津冀、长三角和粤港澳大湾区已成为我国人工智能发展的三大区域性引擎，成渝城市群、长江中游城市群也展现出人工智能发展的区域活力，产业集聚区初显区域引领和协同作用。北上广深AI企业数量较多具体来看，在各省市自治区中，人工智能企业主要分布在北京市、广东省、上海市、浙江省、江苏省、四川省、山东省、湖北省、福建省和湖南省。其中，北京市占比最高，为73%;其次是广东省，占比为39%，主要分布在深圳市和广州市;排名第三的是上海市，占比为07%;排名第四的是浙江省，占比为81%，主要集中在杭州市。从主要城市来看，人工智能企业分布密集的城市是北京市、上海市、深圳市和广州市，占比分别为73%，07%，99%和14%，是中国人工智能科技产业发展的前沿城市。西部地区的成都市和中部地区的武汉市同样是人工智能企业数量排名靠前的城市。北上广地区人工智能产业链发展相对完善，细分领域龙头企业较多从产业链来看，北京作为中国集聚人工智能企业最多的区域，其人工智能产业的链条已经比较完善，覆盖了整个产业链环节，且在产业链的重点细分领域均出现了行业龙头企业。其中，基础层中传感器的行业龙头京东方科技，AI芯片的行业龙头中星微电子、寒武纪、地平线、四维图新等，云计算的百度云、金山云、世纪互联等，数据服务的百度数据众包、京东众智、数据堂等;技术层的机器学习龙头百度IDL、京东DNN等，计算机视觉的商汤科技、旷视科技等，自然语言处理的百度、搜狗、紫平方等，语音识别的出门问问、智齿科技等;应用层的人工智能重点企业也涉及了各个领域。北京正在逐步形成具有全球影响力的人工智能产业生态体系。此外，上海和广东地区人工智能产业链代表企业分布也较为广泛。—— 更多数据来请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》
北京大学人工智能原理：4-人工智能的发展现状
工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，可以产出一种新的可以和人类智能相似的方式做出反应的智能机器，该领域的研究主要有机器人、语言识别、图像识别、自然语言处理和专家系统等。自从人工智能诞生以来，理论和技术越来越成熟，应用领域在不断的扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以把人的意识、思维的信息过程的模拟。虽然人工智能不是人的智能，但可以像人那样思考、最终可能超过人的智能。优点：1、在生产方面，效率更高且成本低廉的机器及人工智能实体代替了人的各种能力，人类的劳动力将大大被解放。2、人类环境问题将会得到一定的改善，较少的资源可以满足更大的需求。3、人工智能可以提高人类认识世界、适应世界的能力。缺点：1、人工智能代替了人类做各种各样的事情，人类失业率会明显的增高，人类就会处于无依靠可生存的状态。2、人工智能如果不能合理利用，可能被坏人利用在犯罪上，那么人类将会陷入恐慌。3、如果我们无法很好控制和利用人工智能，我们反而会被人工智能所控制与利用，那么人类将走向灭亡，世界也将变得慌乱。