拜伦·瑞希（Byron Reese），热门技术科普作家，美国知名技术咨询公司GIGAOM的CEO。他于2013年出版的书籍《无止的进程》（Infinite Progress）被史蒂芬·平克称为“给暗淡未来的解药”。彭博商业周刊称赞他“不动声色地开拓了新型媒体产业”。他还是两个人工智能播客节目的主播，致力于在世界各地普及人工智能领域相关知识，听众超过100000人，收获好评无数。

今天当人们谈论人工智能时，这个词表示了两种截然不同的含义：“狭义人工智能”（narrow AI）和“通用人工智能”（general AI）。我们现在所拥有的AI只是狭义人工智能，这也是迄今为止我们唯一知道该如何构建的人工智能种类，它也被称为“弱人工智能”（weak AI）。

狭义人工智能是指计算机解决特定问题或执行特定任务的能力，在现实生活中用途很多。另外一种人工智能有三个不同的学名：通用人工智能（general AI）、强人工智能（strong AI）或人工通用智能（artificial general intelligence，简称AGI）。这三个名称可以互换使用，但从现在开始，我会特定使用AGI来指代像你我一样聪明和多才多艺的人工智能。

Roomba真空吸尘器、苹果智能语音助手Siri、无人驾驶汽车都是狭义人工智能，一个可以卸载洗碗机的假想机器人也是狭义人工智能。但如果你想要一个MacGyver机器人，那就需要AGI，因为MacGyver必须对能够应对以前没有遇到的情况。

AGI目前还不存在，即使AGI有实现的可能性，也没有关于如何构建它的协议。就目前而言，我们只关注狭义人工智能，尽管它的名字听起来有点弱，但它确实是一项了不起的技术。狭义人工智能并不是“简单的人工智能”，因为人类在人工智能领域投入的的绝大多数金钱和汗水，都用在研发这类人工智能上了。从这里开始，当我使用人工智能（简称AI）这个术语时，我指的是狭义的人工智能。

AI已经发展到了这项技术应用每天会出现在我们生活中的地步。这是一个漫长的过程，因为在过去几十年里，随着人们对AI缓慢发展的失望，对该技术的投资曾经枯竭，AI的进展已经放缓了好几次。这些匮乏时期被称为“AI寒冬”，它们一直持续直到有一些新技术或技艺重新点燃人们对AI的热情，从而开始下一轮周期，循环往复。

现在，AI已经在如此多的领域证明了自己的能力，我们不太可能再经历AI寒冬了。这股进步浪潮让IBM的首席执行官吉尼·罗梅蒂（Ginni Rometty）预测“到2021年，认知人工智能（cognitive AI，简称认知AI）将影响人们所做的每一个决策”。

那么AI是如何工作的呢？从广义上讲，构建AI有三种不同的方法。假设你想制作一个AI告诉农民何时播种。

第一种制作方法是“经典AI”，之所以叫这个名字，是因为在AI研究的早期，科学家认为这种方法是最有效的。经典AI全面考虑所有的影响因素（例如土壤类型、作物、降雨量等），并围绕这些因素建立模型，对它们进行相应的加权，从而做出决策，为农民提出播种时间的建议。

第二种方法称为专家系统（expert system）。召集一百位最有经验的农民，让他们写下他们所知道的关于种植的每一条规则。将这些规则导入系统并进行整理，然后你输入相关变量，系统将根据这些规则提出建议。这就是专家系统的开发过程。

第三种方法是机器学习。机器学习指的是一个过程，通过这个过程，你可以获取所有农民何时种植以及产量多少的数据，然后用一台计算机来发现规则，通过历年的数据回顾会发现，某些规则使产量最大化了。然而，机器学习的棘手之处在于，尽管它的建议可能行得通，但人类却无法理解。

例如，“机器学习AI”可能会建议“3月12日种玉米。”如果你问：“何出此言？”假设这个建议是叠加了很多因素得出的，也许AI就很难梳理出一个答案来回答你。

最近，正是这最后一个领域“机器学习”的进步推动了人工智能的发展。大型数据集合，俗称“大数据”，联合强大的计算机和精巧的算法，在很大程度上促成了当下人们对AI及其前沿进展的再度关注。

人工智能的发展速度可能会加快。芯片设计者谈到，他们产品的增长速度比摩尔定律预测的要快。量子计算机不再是科幻小说的幻想，它们有强化摩尔定律的潜力。

谷歌的量子人工智能实验室负责人哈特穆特·内文（Hartmut Neven）认为10年内，随着技术的进步，我们现在用的机器会像录像机一样过时，到那时就只有量子计算机可以担起发展AI的重担。将日益增强的处理能力与每天产生的25亿GB（千兆字节）的海量数据相结合，用来训练人工智能，就有了难以想象的快速进步的可能。

AI必须是一台能够与物理世界互动的机器。事实上，有些人认为这是至关重要的，即除非技术被具体化，而且能够通过与世界的互动来学习新技术，否则AI的进步无法突破某一阈值。

随着我们开发出新的合金、更高效的电池、更好的传感器和更高效的移动方式，我们就能在曲折中稳步前进造出更好的机器人。但真正让人们对机器人科学领域重新感到兴奋的不是这些进步，而是这些进步与我们正在构建的超级强劲的人工智能相结合的前景，这种结合应该会给我们带来人工智能机器人，使它们真实地存在于我们的物理世界中，并与我们的物理世界互动。