的相关性是无限的，但这不是我们创造智力的方式。

人们需要使用因果抽象和其他我们还没有的机制，以一种可扩展和可大规模使用的方式。这才是下一件大事。

众所周知，深度学习是一个热门话题。

过去10年令人兴奋的是模式研究的进展方式，以及这如何影响计算机视觉。

这可能是深度学习产生最大影响的领域。你可以在无人驾驶汽车上看到它，

但是在医学成像中，同样的过程可以更准确地识别你是否患有某种癌症。

将这种图像提取与自然语言处理联系起来，然后应用于健康问题非常有趣。

除了深度学习、计算机视觉和自然语言处理将会继续成为下一个10年人工智能研究的热点以外，上述几位专家提到的通用人工智能、因果抽象、感知和推理相结合等，很可能是下一个10年值得关注的新热点。

但是，正如迪格纳穆教授所言，“最大的进步可能是我们尚未取得的”。例如，量子计算是当前前沿科技研究领域，已经在很多国家得到了政府的大力支持。人工智能框架，如搜索和产生式系统理论，是否能够利用量子计算机快速执行？是否能够利用量子现象（如叠加、纠缠）实现量子计算对量子态表示的数据进行操作，大规模提升机器学习能力，并有助于发展超级人工智能？人工智能和机器学习追求的目标是雄心勃勃的，量子计算是否有助于这些雄心壮志进一步发展？这些都还没有公认的答案。

在人们兴高采烈谈论人工智能革命将如何变革我们的世界的同时，章杉对未来的人工智能革命可能产生的负面效应忧心忡忡——担心人工智能被用来愚弄人类和对人类造成伤害。

的确，人工智能肯定会带来很多好处，改善我们的生活，例如，娱乐，危险场所的工作，老年护理，远程购物、旅游等。但是，人们常说，科技革命是把“双刃剑”，也就是说，存在负面效应。如何应对人工智能存在的负面效应，减少或避免受到不良影响，是值得关注的问题。

人工智能给人类和社会带来挑战，其中最明显的问题是失业。有人预测，机器将会首先接管电话营销、自动化运输服务、下水道管理、税务筹划者、照片处理、数据录入工作、图书馆员和图书馆技术员等工作。例如，数以百万计的卡车司机的工作中的大部分，都将会因自动驾驶实现自动化。尽管这似乎令人担忧，但实际上从18世纪工业革命开始，人类劳动自动化就是一个大趋势——当然，人工智能带来的自动化的广度和深度，将是前所未有的。另一个问题是。例如，人工智能可以从我们的社交媒体反馈中准确预测我们的习性、喜好和。还有人对人工智能自主武器深感不安——自主武器有权决定是否夺走人的生命（虽然也有人认为自主武器可以被设计得比人类更可靠）。

更严重的问题是算法偏见——虽然人工智能决策软件原则上可以被设计成没有偏见的，但糟糕的算法设计会导致做出糟糕的决策。如果一个机器学习程序是由具有偏见的人或具有偏见的数据训练的，那么这个程序也会有偏见。最后，从长远看令人担忧的的问题是，如果我们到达“奇点”——通用人工智能系统变得比人类聪明的假设时间点——会发生什么。也许人工智能将超出人类的控制，甚至可能对人类生存构成威胁——当然，关于奇点是否会发生，科学界至今意见不一。

无论如何，人工智能的长远未来有很大的不确定性。应该针对这种可能的负面影响，研究防御措施，防范机器欺骗、威胁和人工智能黑客的攻击，教人工智能辨别是非。

这也是为什么之前章杉在讲人工智能的时候提到了浅度思考。

浅度思考就在于赋予机器一些思辨性，使得机器能够最起码的辨明是非。

尽管听起来有些理想主义，