在硅谷進行了30年人工智能研究的皮埃羅認為，時至今日，人工智能領域的主流技術，在本質上仍然是圖靈機的架構，經(jīng)過幾十年的發(fā)展，其最大的變化是硬件速度與性能的提升，在算法邏輯上并沒有根本性的革新與改變——將更多的高性能處理器連結起來，給了神經(jīng)網(wǎng)絡更大的空間來模擬大腦的思維。而不斷降低的硬件價格和不斷提升的硬件性能，也讓暴力計算成為了最近比較流行的貓臉識別、AlphaGo等人工智能成果的基本算法。

盡管人們都在竭力吹捧人工智能，但在我看來，機器的“智能”程度甚至不及大多數(shù)的動物。最近，一項有關神經(jīng)網(wǎng)絡的實驗被譽為舉足輕重的成就——一臺計算機經(jīng)過120萬張圖片的訓練最終成功地識別出了視頻中的貓（至少好幾次）。那么你知道老鼠學習認識貓需要多長時間嗎？而且你要知道計算機采用的是目前可能最快的通信技術，而老鼠大腦中的神經(jīng)元卻依然沿用著老舊的化學信號方法。

神經(jīng)網(wǎng)絡最早的應用之一就是識別數(shù)字。60年過去了，我存款時，還經(jīng)常遇到銀行的ATM機無法識別支票上的金額的情況，但人卻不費吹灰之力就能做到。雷·庫茲韋爾因為發(fā)明了“光學字符識別”（OCR）技術獲得盛贊（言過其實），這項技術可以追溯到20世紀50年代a。即使購買最昂貴的OCR軟件，并將它用于最簡單的場景——識別書籍或雜志上排版最為規(guī)則的頁面，這些軟件也可能會犯下一些人絕對不會犯的錯誤。然而，更有意思的是，你將頁面稍微折一個角，再讓軟件試著識別：人仍然可以順利地讀取文本，但是市場上那些最先進的OCR軟件可能會因此“發(fā)瘋”。

出于同樣的原因，目前能夠讀取潦草的手寫字體的機器尚不存在，盡管20世紀90年代帶有手寫識別功能的設備就已經(jīng)面世（GO公司的PenPoint，蘋果公司的Newton）。大多數(shù)人甚至不知道他們的平板電腦或智能手機也具備這樣的功能：因為錯誤百出，鮮有人問津這個功能。然而，人類（甚至不那么聰明的人）通常卻可以不費吹灰之力甚至毫不費力地閱讀其他人的手寫體。

我們的四周經(jīng)常充斥著機器人勝任各種人類工作的報道，只是大部分的成果都徒勞無功。2013年4月，美國國家航空航天局（NASA）行星科學家克里斯·麥凱（ChrisMcKay）在與我的交談中，對目前正在進行的無人火星探測任務評價道：“好奇號在200天的探測中完成的任務，一個人類專業(yè)研究者只需要一個下午就可以完成?！倍闷嫣栆呀?jīng)是人類有史以來制造的最為先進的機器人探險家了。

現(xiàn)在“深度學習”人工智能領域的研究內容很簡單，就是羅列大量的數(shù)字進行運算。這是一種很聰明的大數(shù)據(jù)集的處理方法，由此可以為數(shù)據(jù)集分類。但這種方法無需通過顛覆性模式創(chuàng)新來實現(xiàn)，只要提高計算能力即可。

人類大腦每小時大約消耗20瓦能量。我估計以AlphaGo1920塊處理器以及280塊圖形處理器的配置，每小時的耗能可以達到440千瓦的水平（這其中還不包括訓練過程中消耗掉的能量）。但除了下圍棋，AlphaGo還能做些什么？答案是什么事都做不了。而人類除了打游戲之外，還能完成做飯、洗車等無數(shù)的事情。AlphaGo消耗440千瓦能量只能完成一件事，而人類只消耗20瓦能量則能做無限多的事情。如果一個人使用比你多20000倍的資源，卻僅僅做了一件事，你到底該怎樣定義這類人？所以說AlphaGo所做的事情只能被稱為“愚蠢”而非“智能”。如果設定人和AlphaGo都只能消耗20瓦能量，試想一下誰會贏。如果機器需要消耗440千瓦才能下圍棋，那么完成其他那些圍棋大師只靠自身大腦就能完成的事情，譬如開車、做飯、公園慢跑、閱讀新聞、與朋友聊文學等，將耗費多少能量？假如機器達到與人類水平相當?shù)哪芰?，需要的機器數(shù)量會非常驚人，耗費能量的數(shù)量級可能會超過各國能耗之和——15萬億瓦，我們也許得搭上地球上幾乎所有的材料，才能制造出這么多的機器。