為什麼人工智慧(AI)如此難以預測？

早在1956年，一群計算機領域的專家認為，他們能夠在一個夏天的時間突破「人工智慧」(AI)的關鍵技術，比如教會機器使用自然語言、形成抽象的概念、甚至能夠自我提高等，但是在60年之後的今天，我們仍然在翹首以盼!

為了幫助人們理解為什麼「人工智慧預言很難正確」，Armstrong分析了未來人類研究所圖書館中有關「人工智慧」的250個預言。該圖書館最早的檔案資料可回溯至1950年，當時計算機之父Alan Turing曾經預言：計算機將會在2000年通過「圖靈測試」(圖靈測試是指，當測試人在向被測試者隨意提問，問過一些問題后，如果測試人不能確認被測試者哪個是人、哪個是機器的回答，那麼這台機器就通過了測試)。

後來，又有人預測2013年、2020年和2029年時機器能夠通過「圖靈測試」，因此Armstrong感到其中的很多預言沒有任何意義，這些所謂專家的預測一點也不比哲學家預測得好。

這其中重要的原因是缺乏短期內的反饋，如果一位專家能夠及時得到他所預言結果的初步反饋，那麼他就能不斷修正預言結果，否則只能是空中樓閣，很難做出有意義的長期預言。這也反映出「人工智慧」的技術難度之大，目前人類仍然無法企及。直到今天，人類大腦仍然是唯一的真正智能機器，這是經過數百萬年自然進化的結果。

人工智慧的定義：

人工智慧的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。

關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND））等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。

人工智慧在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。

著名的美國斯坦福大學人工智慧研究中心尼爾遜教授對人工智慧下了這樣一個定義：「人工智慧是關於知識的學科——怎樣表示知識以及怎樣獲得知識並使用知識的科學。」而另一個美國麻省理工學院的溫斯頓教授認為：「人工智慧就是研究如何使計算機去做過去只有人才能做的智能工作。」這些說法反映了人工智慧學科的基本思想和基本內容。即人工智慧是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬體來模擬人類某些智能行為的基本理論、方法和技術。

人工智慧是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智慧）。也被認為是二十一世紀三大尖端技術（基因工程、納米科學、人工智慧）之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智慧已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。

人工智慧是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智慧將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其範圍已遠遠超出了計算機科學的範疇，人工智慧與思維科學的關係是實踐和理論的關係，人工智慧是處于思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智慧不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智慧的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智慧學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等範圍發揮作用，數學進入人工智慧學科，它們將互相促進而更快地發展。