主题：自动化的迷思 -- 晨枫

本来的研究方向是病理方面，就是模仿大脑受创(就是关闭这部分或那部分人造神经元)，再看仿真大脑的反应，从而了解老年痴呆症等在病理学上的内因。

但现在的结果，已经颠覆了我们想当然的一些的看法，比如说电脑应该是不会“迷糊”的，现在一仿人脑，才那么低的智商阶段，它就迷糊了。

这带来一个新的问题：我们让“人工智能”具有自学习能力后，是否同时(甚至在此能力之前)就使“人工智能”具备“自我认同”，从而人类利用“人工智能”不成，反而先带来巨大麻烦？

换句话说，“人工智能”在认真工作之余，会不会捣蛋？反叛？

但是运算速度可以随着摩尔定律与时俱进，让人感兴趣的这个实验对人工智能方向的意义。

技术难点在“视觉识别”以及“声音识别”上，视觉识别技术现在有广泛的应用，比如海关通过x光系统自动鉴别违禁物品，比如无人机的自动识别系统；声音识别大家接触的比较多，比如手机的语音识别软件。

具体技术上，用的比较多的是神经网络技术和模糊技术。神经网络系统俗称“黑盒子”系统，利用大量历史数据建立起输入输出的关系（术语叫“学习”），这种关系一般不能数学方程表达，所以叫黑盒子。说白了就是一种计算机程序。

模糊技术是相对于传统数学发展起来的新学科（1965年有一篇模糊数学的重要文章发表），其根本是认为世界不是具体的是模糊的，是可以用度来衡量的，类似于天气预报说明天有60%的可能性要下雨一样（统计学范畴）。

机器人的学习能力在工业领域我们也可以称“自适应能力”，就是不断输入新的数据，不断更新新的输入输出关系，从而适应不断变化的环境。当然不同的任务方法和算法都不同，但以我的理解机器要超过人脑的可能性不大，至少在现有技术制造的机器人的情况下。

不过，直接支持的队伍小了，而且行业整体的效率还是提高了。

回顾工业化的发展，就是这样的，一个行业起来了，它又会有自己的需求，逐渐就自我膨胀起来。以后机器学习等智能领域，也将如此。但是总体的效率提高了。或者说，即使整体效率提高未必很多，还是要如此发展。这是一个社会动力的问题。很难以人的想法为转移。

这今后若干年内，这样的智能领域，恐怕会这样发展的。肯定会产生很多负面的东西。但是，就像汽车一样，负面的东西太多太多，但是，还是发展起来了。

你讲的那个行业内的硬核，不随表面使用的技术改变，的确如此，除非技术真的能够切进那个硬核。这样的事情有，不过很少就是了。多半的情况还是，硬核还在，不过，逐渐不处于重要的位置了。这大概是发展的内在逻辑。

如果难度从来没有变的话，控制理论的不断进步的实际意义在哪？

它有没有真正减少需要的人工呢？

从机器学习的角度来说，我觉得还是在进步的。过去用一组特征，老的算法可以做到70%，想要做到75%，真的要千方百计的利用专业知识，也就是如您文章中所说的，对过程的理解。各行各业，无数人的努力，就为了这个5%。

现在同样一组特征，新算法可能直接就做到80%。那么，各行各业的优化可能就省下来了。

看来这个坑有填出高质量survey的趋势啊。