其次，从进化角度讲，生物行为与神经系统有着密切联系，神经是行为的旗子暗记系统，行为是神经的根本目的。人脑由800多亿个神经元组成，神经元的运作机理并不繁芜，但巨量神经元按某种规则组合后却能产生高智能，量变产生质变，大概人工智能也必须要达到某种“数量”才能够真正变得跟人一样智能吧。实在我以为AI研究一贯缺少动机，我们研究AI到底要办理若何的一个问题，大家都没有统一的答案，自然也就没有精确的答案。
我以为下一步，该当建立不同规模专有互换网络，让不同机器共同学习，达成一定的共识，模式就像学校一样，但师生关系并不固定。觉得传统深度学习像把婴儿放在一个特定环境中，通过与环境的互动来培养应激反应，但应激反应毕竟不是知识；而符号AI的加持类似于让孩子上学，教给很多先验知识，其大脑构造又能根据现有知识来理解更多知识。
但问题是很多人类的符号和智能源于觉得和希望，比如痛觉，食欲。如果不能把统统都关联起来，这系统树便是个无皮的去世树。所谓符号是行为的一个分外子域，影象是行为的一个后演功能，以产生繁芜行为。影象的大部分是不可描述的，可描述影象是很小的一部分。符号主义的浸染域，不超过可描述的影象范畴。猴子没有措辞符号，更没笔墨符号，难道它没智能吗？人与猴子的差别无非是大脑皮层细胞规模的差异。
以是，现在的深度学习，如果有无限多的演习数据，无限的算力，实际上是可能达到强人工智能的。但是很遗憾这是一个随着知识的繁芜度指数增长的过程。而符号主义的实质在于overfitting，用一个100%的概率剪枝掉大多数不必要学习的情形，是一种优化思路。盲目地用符号去贴近人的思考过程是一种非常肤浅的做法，和现行的AI没有实质上的差异。如果不能让AI学会什么时候该合理地overfit，纯挚引入符号并不能办理有多少人工就有多少智能的问题，离真正的强人工智能就永久隔层纱。
其余，这次人工智能浪潮之以是没有像上次那样狼狈不堪，紧张得益于现在是互联网时期，互联网巨子赚的钱已经由剩了，反正烧给人工智能玩玩也不心疼。人家出钱的都不心疼，其他外人自然没有什么闲话可说的了。人首先是生物，真正能理解人的只能是另一个生物或者生命。
以是，要想达到理解人的智能方向是人工生命，而不是直接人工智能，人工智能只是人工生命的附属产物。一个从事金融的朋友，她说目前最大的焦虑便是开始认知到，自己面前的事情在未来是完备可以被人工智能取代的。以是现在想来择业的标准，大概是只管即便去选择那种暂时无法被“新机器”取代的事情。始终去探求和挖掘自己在某种意义上的不可替代性，很主要。