想了想，方教授举了个例子，比如说，如果我们给现在的人工智能看很多的狗的图片，告诉它们这是猫，那么它们就会认为狗是猫。

在座的教授们面面相觑，过了一会儿才有人迟疑地说道：我不是抬杠啊，但是如果我们告诉一个对世界的认知一片空白的孩子狗是猫，那么他们也会认为狗是猫的吧?

方教授可疑地沉默了好几秒，才说道：但是如果我们告诉一个孩子这种错误的观念，孩子在成长的过程中很容易就会发现这是错误的，并作出正确的判断发现狗并不是猫，而是狗。但是现在的人工智能不行，它们的逻辑是刻板而机械的，而且机器的学习目前来说还是一个黑箱，我们很难真正去精细地操纵。

童一淮说道：我听说过很多次这样的说法，为什么说机器的学习是个黑箱呢?

方教授解释道：因为我们现在能做的，就是给机器投喂大量我们希望它们学会的数据，它们会从海量的数据之中产生它们的逻辑。但是在这个学习的过程中，到底会发生什么样的变化，甚至于学习的过程我们都是无法控制，甚至也无法完全了解的，我们能做的仅仅只是给他们投喂数据而已。

不得不说，机器学习的方法对人工智能的发展帮助非常大，而互联网也给机器学习带来了很多的便利，现在的人工智能投喂的数据量都是以千亿计算的。海量的数据让人工智能看起来显得很聪明，研发者尽量让人工智能看起来像是人类一样，但是只是看起来而已，它们并不是真正的人类，甚至可以说相去甚远。

陈颂捧着脸说道：现在的技术真不可能制造出像是科研作品里拥有人类智能，通过图灵测试的人工智能吗?

方教授微笑：不能。虽然机器学习确实很有用，但其实一直到几年前，学界就发现机器学习这条道路似乎走到了尽头，我们已经很难通过机器学习进一步提升人工智能的能力，阿尔法狗仿佛是个巅峰。我们现在需要寻找一个新的突破。

另外关于图灵测试，虽然提出图灵测试的是图灵，但图灵测试在目前的观点看来并不是那么可靠。早就有心理学家进行过相关的实验，发现一个完全不同夏文的人，可以通过相关的英文提示，让人以为他精通夏文。同理，人工智能也可以通过海量的数据，做出和人类相似的对话，让人误以为它是人类，但是它其实并没有真正人类的思维。

说到这里，方教授笑了笑，说道：实际上，我们现在研究出来的人工智能，在真正的只能上甚至还不如一只猫，尽管猫并不是特别聪明的动物。人类的学习会举一反三，但机器不同。就像小陈和小童，你们的阅读量和知识量绝对比不上机器，但是你们的智慧远超机器。

--