前言
最近幾天和一位朋友探討了一下現階段的人工智能以及未來發展，並且仔細重讀了尤瓦爾赫拉利的“簡史三部曲”，產生了一些關於AI的新想法，覺得有必要整理出來。
程序、AI的本質
現代的計算機都是基於圖靈機、馮諾依曼體系結構而實現，而在其中運行的程序是由兩部分組成：
程序=算法+數據結構
算法就是指代碼（在本文中“算法”，“代碼”，“邏輯”都是同義詞），程序將數據輸入到算法，算法運算后再將數據輸出，包括現在的人工智能程序，其本質也是如此，只不過其算法很復雜、數據量更大而已。
程序的算法是在程序運行前由程序員構思並實現，在程序運行后就完全不會變，除非程序員手動對算法進行修改。
因此，現在的所有程序都是對數據進行處理，輸入、輸出都是數據。但人類的人腦不僅有數據處理能力，還有邏輯運算能力。能夠從某些數據或某些場景得出邏輯、得出規律。現階段的計算機在這方面的能力為0。
做個感性的打分：
|
|
人腦 |
計算機 |
| 邏輯能力 |
10 |
0 |
| 數據運算能力 |
1 |
10000 |
舉個邏輯的例子
在人類的生活、工作中遇到的問題大部分都是屬於邏輯問題。在不考慮現實復雜的情況下，舉一個很直觀的數學例子：
列出所有的組合情況
比如從1-6號小球中拿出3個小球，請列出所有的可能情況
人類可以結合自己的知識來想出各種不同的方法，比如
第一種方法：從取1個開始，列出所有的情況，然后再從取1個的所有情況中，再取1個，列出所有情況，最后再在所有取兩個小球的所有情況中再取1個，窮舉出所有情況。
第二種方法：取0到63(二進制111111對應63)，然后轉化成二進制數，再數二進制數中1的個數，如果為3，那么就是對應一種情況，於是可得如下的二進制數列——
第三種方法：查看第二種方法中生成的數據，可以發現一個規律：
a.先將3個1放在最左邊，
b.然后找到最左邊連續的1，將其最右的1往右移動一位，如果還有剩下的1就移到最左邊，得到一個新數。
c.一直持續b過程，直到所有的1都在最右邊。
有算法基礎的程序員很快可以發現方法3的效率最高，方法1太占用內存，方法2太占用算法時間。
我們得到第三種方法就是通過從少量的數據中發現規律、邏輯，從而得到算法。
下面這是第三種方法的go語言實現:
https://gitee.com/xiangism/blogData/blob/master/math/combination.go
現在的計算機程序是不可能進行上面的思考過程，不可能得出方框中所示的規律，更不可能編寫也用來生成數據的算法程序。
如果有哪位程序員想挑戰下，這里給出另外的三組數據，程序寫好后，不能改變，看其能否生成邏輯或者預測后面的數。並且類似的數據還可以有各種各樣的變形。
上面這個只是一個非常數字化的例子，其實想一下我們生活中遇到的所有問題幾乎都得靠人類從數據中得到邏輯、從邏輯推演出新的邏輯。人類的學習、生活、工作都是獲取邏輯、推演邏輯、應用邏輯的過程。
人類有邏輯能力后，就可以應對各種不同的情況（不同的情況就相當於不同的數據），根據當時的場景演化出適用於場景的特定做事方法（算法）。而現在的人工智能只能應對程序員事先想好的場景，對於從來沒有出來的場景它是無能為力的。
並且程序員也不可能事先將所有情況都考慮進去，因為世界充滿着不確定性，唯一不變的就是變化。
人類的邏輯可以使人類從復雜的數據中得出清晰、簡潔的規律，從而指導將來的人類活動。
從畢達哥拉斯定理到微積分，從牛頓運動定律到愛因斯坦相對論，從薛定諤方程到楊-米爾斯理論，
人類正是通過強大的邏輯能力，從實驗、觀測、數據中總結出公式、規律和定理（可以統稱為：算法），
從而造就了現在璀璨的人類文明。
為什么計算機的邏輯能力為0
如果仔細閱讀上面的問題，其實就可以得到答案，“計算機”是用來計算，而非邏輯推演。
如果想讓計算機程序能夠處理某個事物，必須對其進行數據建模、建立對應的數據結構，而現在沒有能對算法進行建模的理念基礎，不能將算法有效地表示出來，也不能對算法進行運算了。
仔細考慮人腦從數字中找規律的過程，可以發現也是在認識范圍里嘗試各種可能性（各種算法），這和計算機窮舉數據類似，只不過計算機是操作的數據，而人腦操作的是算法。
所以，只要能將算法有效地建模就可以實現計算的邏輯能力。
人機深度結合的可能性
如果不實現計算機邏輯能力的從0到1過程，其計算能力和人腦邏輯能力的合並也只能是空想。
因為現在計算機不懂人腦是如果邏輯思想，只會按照代碼指令忠實地去運行。
而人腦也不懂人工智能的運作機制：深度學習從海量數據中統計出一個最優值，人腦也無法理解其具體的運算過程。
喊話赫拉利
赫拉利的“簡歷三部曲”被本人分在人文類書籍里，除去人類智能部分，他對人類歷史、現在與未來的思考部分值得我們參考，但幾乎不認同他對AI的預測。
人工智能不可能開辦公司
如果開公司的所有情況都能事先被編碼好，僅僅會處理數據的人工智能根據這些規則就能開公司、賺錢的話，我只能說赫拉利把現實世界想得太過簡單了。
不會被人工智能替代的職業
數據處理、邏輯推演本質上是數學問題，而人類生活中遇到的事更多的不是數學問題。我大致總結以下類型的職業都不會被人工智能替代：
1. 需要邏輯的行業。程序員
2. 人類還沒有完全搞懂的行業。醫生
3. 服務行業。客服、前台、導游、理療師、健康教練、健康顧問
4. 充滿未知、變數的行業。司機、律師、談判專家
程序員
2050年肯定不會出現程序員失業的情況，甚至連會一點點寫程序的人工智能都不會出現。出現的僅僅是生成代碼模板的IDE而已。
司機
與飛機相比，路面的情況就復雜很多。所以飛機的自動駕駛在幾十年前就出現了，隨着人工智能將盡可能多的情況都考慮進去，路面上的自動駕駛自動性提高到99%了。但世界總是充滿未知、充滿不確定性。
2050年肯定不會有哪個國家或地區不需要人考駕照。
並且不管別人怎樣，在我一生之中肯定不會做這樣的事：自己在睡覺，將車完全交給人工智能去開。
醫生
人類對自己身體的了解還太少了，2050年肯定不會出現一家沒有醫生、只有人工智能的醫院。
客服
顧客找到客服人員，可能有這么幾種情況：
-
遇到了產品中的問題需要解決，這種在一定程度上可以用人工智能來解決，但只要是一個稍微大點的產品或系統，其出面對用戶時出現的問題就千奇百怪，並且隨着產品的升級，新問題和舊問題交織在一些時，就不是人工智能能夠面對的了。
-
對產品提建議。如果一個用戶可以對產品提建議，那么說明其對產品已經有感情了，這時其多半想面對的是人工，而不是冰冷的人工智能。
-
吐槽。用戶本來就已經對產品產生了一定程度上的厭惡，如果不能和真人進行一番溝通的，而是面對一個機器，很難想象這個用戶還會繼續使用該產品。
-
純屬無聊，就是想調戲客服。這種情況對於一個想有好口碑的公司來說，還是用人工會比較好，哪怕浪費的人力資源。
2050年不會有淘寶賣家全部都使用人工智能小二，並且人工客服的使用比例也不會比2019年少太多。
前台、門衛
這類職業是公司的臉面，並且面對的事務也會比較復雜，所以不可能被替代。
理療師、健康教練、健康顧問
這類職業往往顧客看中的是人的品質，如果他自身是個體弱多病、瘦骨伶仃的人，就算掌握的健康知識再多、再豐富，恐怕也得不到顧客的認同。
律師、談判專家、基金經理
這類職業面對的復雜性比我們想象的要大很多。
猜想
人腦無時無刻都在“編程”，也就是生成各種算法，然后將算法存儲起來，得到合適的時機時再拿出來使用。
人類的人臉、圖像識別這么快，可能是因為對每個認為的人臉都有生成一個特定的算法，在找人時就是用的那一個算法去找。對認識的不同人，每個人都生成不同的識別算法。
意識只不過是一系列邏輯、算法的集合。 人腦用邏輯去思考“我是誰，我從哪里來，我要去哪里”之類的問題后，於是就有了意識。
總結
-
圖靈機最大的缺陷：只能對數據進行處理，算法的所有邏輯都是程序員寫死，算法不能自我演化。
-
如果想改變這種現狀就得創立新的數學分支，使得它可以對算法進行編碼，實現操作算法的算法。
-
想要人機深度結合必須要實現2。
-
如果人類或宇宙不是超級智能體的傑作，那么人類是能夠在數學層面上實現操作算法的算法。但願這樣的數學分支能在100年出現。
-
既然實現自動智能如此之難，我們還是得腳踏實地在現在的AI基礎上有所作為，除非你的腦袋被上帝丟的蘋果砸過。
-
雖然現在AI只能對數據進行處理，但它的應用場景隨着大數據、Iot的到來也會普及到人類活動的方方面面中，但也不必太對其過於恐懼，畢竟一個嚴重偏科生不可能取代一個發展平衡的好學生，最多是成為其助手。
-
隨着5G時代的到來，會大大加快Iot的進程，使萬物互聯成為可能。只會處理數據的AI(如果為了商業需要還是叫AI的話)會大顯身手。