蚊子的神经系统大约有50万个神经元； 蜜蜂的神经系统大约有80万个神经元；狗的神经系统大约有1.6亿个神经元；人类的神经系统大约有850亿个神经元； 现代计算机系统仅包含几十万个神经元，极少数情况下会有几百万个神经元的计算机，就智力而言，它与蜜蜂相当。 从技术上看，蜜蜂比狗笨 100 多倍，比人笨 10万多倍。
然而，如果计算机技术继续以同样的速度发展，那么，根据未来学家Raymond Kurzweil和其他研究人员的说法，2030至2040年，台式计算机在计算能力方面将追赶甚至超过人脑的能力。
这是否意味着机器人将在2030年至2040年期间战胜人们？ 不完全是。 但未来依然令人兴奋，人工智能将学习如何创造比人类设计的系统更高效并且更强大的其他人工智能。 而且，到那个时候，人工智能将在我们生活的各个方面用于每一项业务。
电子智力的演化
在20世纪90年代，第一批人工智能技术是需要规则的。工程师和专家长期工作，教授智能技术，来创建并测试不同的假设和规则。比如，专家在元素上设置字母并创建规则：如果您在圆圈的左侧看到一个小条，则为字母“p”，这就是识别文本的方法。在识别圆圈和条形时会产生其它假设，可能是“p”，“d”或“b”，并且这些假设要么被证实要么被驳斥。 这就是ABBYY FineReader软件学会识别它以前从未见过的字体的方法，太神奇了。
现代机器学习技术更加神奇。 现代人工智能不需要定义数据结构和发明规则，你只需要输入一百万个文本并给出一千个字符，类似于字母“p”。 人工神经网络将从这些例子中学习，在其中找到一致的模式，并开始生成自己的解决方案，挑选所有的“P”。 这跟黑匣子和人类思考方式非常相近，神经网络以这样一种方式建立自己的神经连接，使其能够理解输入信号。
更先进的人工神经网络能够在没有任何人为输入的情况下自我训练。没有必要向它们显示字母“p”，系统本身理解句子由单词组成，单词包括字母，例如英语字母由26个字母组成。这是自主学习神经网络当前最厉害的。一个类似的网络教自己玩 Go这款游戏，并以 100：0 获胜。也就是说，尽管Go中的组合数超过了宇宙中的原子数，并且游戏不能用武力赢得。
自主学习人工神经网络已经能够从一百万只动物的图像中选择猫或狗。 接下来是区分水和树之间的软物和硬物的能力。 智能技术可以理解大量复杂文本中的单词和句子的含义，并且能够从中提取必要的信息。例如，关于人，日期，位置以及它们之间的联系。 神经系统已经开始学习如何做出复杂的决策。
AI一般挑战
如果一辆自动驾驶汽车看到一个人在街对面跑，那么它将会制动或移动到边线。 但情况可能很复杂：假设一群孩子正在穿过一条冰冷的道路而一位老人站在路边。如果任何结果都表明会有人受伤，当牺牲不可避免时，人工智能必须做些什么？ 我们是否应该将此决定托付给人工智能的“黑匣子”，还是应该在这种情况下引入规则？关于智能系统是如何运作的，我们还有很多问题需要回答。
拐角处是什么？
技术进步是不可逆的。吴恩达说：“人工智能是新的电力”。问题是我们是将其用高压线将其输送还是将其短路。
我们可以期待真正的业务处理在不久的将来将会应用智能技术，并且随着 AI 的帮助做出决策并提高效率。以下是我们已经看到的项目：
- 在银行中，AI技术在分析客户申请文件、发放贷款时的风险评估以及识别财务违规行为方面要快得多。
- 在大型企业中，AI 可以检查招标文件并确定最佳供应商。
- 在电信和零售网络中，AI 可以处理客户请求、对社交网络中的评论做出响应、分析开放源和内部文档以识别声誉风险。
在建筑和制造过程中，AI可以发送有关各种事件的通知，来快速解决工作场所的紧急情况；审核项目文档并在早期阶段帮助降低项目成本。 另一个新兴趋势是视频流的识别。 当您将相机对准任何表面或物体时，此类智能技术会立即提取信息。 很快它们将被用于识别文档中的数据 —— 护照和身份证、驾驶执照、以及汽车编号、标志、计数器、监视器等等。
此外，从摄像机分析图像并即刻了解正在发生的事情的系统将很快进入日常使用。 它们将能够理解是谁去了游泳池，是狗、是孩子还是鹿，然后分析对象的行为并决定如何做出反应。 在零售店中，对视频流的分析将允许所有者监测并评估员工和购买者的行为。 因此，人工智能元素将出现在生活的各个方面。
人工智能会取代人并引发失业吗？ 我不这么认为。最有可能的是，我们将工作周减少到3至4天，剩下的时间可以用于自我发展。
