人工智能（AI）是一种模拟人类智能行为的科学技术，它涉及到机器学习、深度学习等多个领域。自20世纪60年代苏联计算机科学家米哈伊尔·邦加德（Mikhail Bongard）在模式识别领域的工作以来，人工智能领域已经取得了巨大的进步。如今，深度神经网络在众多模式识别竞赛中获胜，甚至在某些情况下展现出超越人类的表现。
简而言之，AI是人工智能的缩写，它是一个模仿人脑执行任务的概念，能够根据收集到的信息反馈进行自迭代改进。可能已经遇到了一些AI的应用案例，比如银行或客服中的聊天机器人，或者根据喜欢的类型推荐新网络剧的OTT平台等。
反应式AI：最基本的人工智能类型，根据输入提供可预测的输出。它们不能动态学习行动，也无法构想过去或未来，因此无法执行超出其构建任务的功能。例如，击败世界象棋冠军加里·卡斯帕罗夫的IBM超级计算机深蓝（Deep Blue）、电子邮件的垃圾邮件过滤器以及Netflix的推荐引擎。
有限记忆AI：当今最广泛使用的AI类型，通过观察行动或数据从过去学习，并建立经验知识。这种类型的AI结合历史、观察数据和预编程信息来做出预测和执行复杂的分类任务。例如，自动驾驶汽车。
心理理论AI：目标是制造能够理解和记忆情感的机器，然后根据这些情感调整与人互动时的行为。例如，在香港开发的类人机器人索菲亚（Sophia）。
自意识AI：可能是最类似于人类的AI，具有需求、欲望和情感，使机器具有类似于人类的意识和智能水平。
一个更恰当的新时代AI定义也可以是增强智能。增强智能是一种以人为中心的伙伴关系模型的设计模式，人与AI共同工作以增强认知性能，包括学习、决策和新体验。
以下是图灵奖得主、卡内基梅隆大学Moza Bint Nasser大学教授Raj Reddy在1988年向美国人工智能协会发表的主席演讲中提出的一些愿景声明及其当前状态。
世界象棋冠军：已完成（虽然IBM深蓝是第一台击败在位世界冠军的机器，到了2017年，谷歌的AlphaZero甚至在自学象棋规则不到4小时后击败了世界上最好的象棋程序Stockfish 8）。
数学发现：数学家们开始理解AI在他们领域突破的重要性，这最初并不被认为可能，因为人们认为计算机无法帮助他们发展直觉或提出可能的攻击线。一些值得注意的例子包括谷歌DeepMind训练模型预测某些称为Kazhdan-Lusztig多项式的量，发现数学领域中的新定理等。
避免事故的汽车，现在通常被称为自动驾驶汽车：超过一半的目标已经实现（从技术角度来看，已经达到了L3~L4级别，目标是达到完成级别的L5）。然而，实现目标存在障碍，一个主要障碍是即使达到L5，也不会只有自动驾驶汽车在街上行驶。可能只会看到人类司机的数量略有减少，而不是完全消失，就像计算确定性的理想情况那样。人类因素带来的不确定性引发了关于道路安全的重大问题（一个恰当的例子是2018年亚利桑那州特斯拉撞车事故，一辆自动驾驶SUV撞倒并杀死了一个毫无戒心的行人）。
自复制系统：在这方面正在进行工作，已经注意到在分子层面上有很多突破，自生产和催化分子、肽网络等处于前沿。
AI可以通过仔细考虑和实施在许多途径上进行改革。试图概述了一些：
健康：养老院/老年之家：90%的居民护理可以由机器人/智能基础设施完成。一个好例子是COVID集群在大流行后期通过导航控制的机器人运作。
财富：节俭助手：可以审查每月付款，如抵押和汽车保险等，同时电子谈判降低相同资产和覆盖水平的付款。
智慧：法律：在法官面前成功辩护案件（顺便说一句，认为这比作为原告的AI律师更难辩护吗？）。
需要专注于减少实现所有这些用例的障碍。必须意识到，作为一个团队更好地合作，需要不断地提高和重新提高技能，以使能够解决这些问题。需要以开放的心态对待每一个问题，给予伦理更多的思考和考虑，并且只需以动力和激励前进！
目前处于窄AI领域，专注于为特定任务、领域或区域构建AI。AGI或人工通用智能是未来设想拥有的最类似于人类的AI，具有最引人注目的类似于人类的能力，赋予了多维常识和推理。
从窄AI过渡到AGI涉及可以工作的可操作目标，如：
获取替代数据源可以为主动智能铺平道路。
广泛采用集成技术对模型和数据集进行扩展。
建立信任，以便更全心全意地采用AI进入敏感应用。
重新考虑这些系统中的伦理和公正。
在AI与量子计算和行为科学中寻找协同作用。
弥合差距将需要考虑因果关系（类似于人类的决策制定）并纠正不完美的逻辑和合理推理。适当的数据和领域知识不言而喻。需要更强大的算法，为在感知方面提供基础。例如，很多语言感知来自人类经验，当机器能够复制那种直觉时，将实现AI的巅峰。
AI不断增长的碳足迹是当今新兴经济体增长的主要动力，特别是随着对可持续性的追求。
AI在大流行后的世界中扮演着越来越重要的角色：内部创业和创业的影响。弥合控制AI生产者和最终消费者之间的差距至关重要。
通常需要创新、大胆的举措来激发研究人员和系统构建者的想象力，以推动科学或技术领域的发展。集体需要做的是共同努力构建负责任的AI，准确无偏见，用本地和通用领域数据进行训练，并以最少的资源使用方式获得最大的产出。
重大挑战很重要，因为它们为研究人员和实践者提供了指南——特别是年轻专业人士——他们思考值得努力的问题，测试可能性的边界！今天试图通过列出挑战和目前的进展来激发每个人的竞争精神，直面使命。列出实现某事的路径上的障碍是根本的，因为它有助于制定可操作的计划和截止日期来实现目标。最终目标是使AI更加以人为本和独立，使生活更轻松、更有生产力。
史蒂夫·乔布斯几十年前就曾雄辩地谈论过通过个人电脑放大人类能力，提到了拥有自行车的人的卓越效率。他相信人类是最好的工具制造者，这在当今人类-AI团队合作和集体智能应用于特别新颖问题的背景下尤其相关。
关键要点：
探讨了AI作为机器模拟人类智能过程的概念，以及AI可以应用的众多用例的快速概述。
快速浏览了1980年代为AI制定的愿景，以及作为社会目前实现这些愿景的位置。从这一部分可以汲取很多灵感，为新的想法深入该领域。