有哪些人工智能上的事实，没有一定人工智能知识的人不会相信？

1. 现阶段还处于人工智障阶段

现阶段人工智能，或者叫**弱人工智能**其实非常容易上手，只要你把数据倒入keras、tensorflow、sklearn、xgboost等几百个炼丹炉（神经网络），然后搅拌一下，然后输出端等待答案就可以了。

大部分干人工智能的普通程序员，实际上做的是数据清洗和数据挖掘，就是把数据整理成可以倒入keras、tensorflow......的样子。

实际上很多公开数据集，是由薪资非常低的标注员（类似人工打码平台的人肉验证码识别）标注出来的。标注员工作非常类似找茬。

Q：如果答案错了怎么办？

A：调（lian）参（dang）一下，搅拌一下，答案（loss）就会越来越正确了。

2. 人工智能学习其实相对人类来说，是非常慢的。只不过人工智能有计算机加持。

一个人要学会开车，需要开多少里程？普通人从完全不会，到能安全上路，一般只需要12节课，每节课1小时。

换成AI：学习上了百万mile，还开不好车。

自动驾驶距离真正上路还有一段距离，取代货车司机这种事情，还没那么快。

3. 弱人工智能，是没有认知能力的（迁移学习能力弱）

一个人知道什么是猫：给她一只猫，告诉他这是“猫咪”。下一次，当她见到不管什么颜色的猫，不管它摆出什么姿势，都知道这是“猫咪”。

换成AI：神经网络训练上百万张猫的照片，各种颜色，各种姿势，各种角度。可以识别正常的猫以后，我们丢给神经网络一张这样的照片：

AI：喵喵喵？？？

4. 对于专家智能，比如下棋、翻译，神经网络确实超越人类。但是让神经网络写小说emmmm

5. 目前，神经网络的各种模型，可解释性都非常低。

比如，上面那个识别猫的神经网络，要了解是怎么识别猫的，目前真没人能说得清楚。

6. 当今的AI，其实并没有比80年代的进步很多。

7. “深度学习”，其实跟人的思维方式、人脑结构、神经系统几乎完全不搭边。

顶多，数学模型上，神经网络的神经元和数学的神经元是类似的。

而我们平时说的“机器学习”，实际上就是《统计学习方法》

8.就算是最常见的自然聊天语意识别模型来说也会有上下文的问题。举例说明：不能真正理解上下文的对话（机票查询）：

AI：从哪里出发？

用户：上海虹桥机场。

AI：到哪里？

用户：还是从上海浦东走吧，对了，不要春秋的。

AI：好的，从虹桥出发到浦东的春秋航空的航班是......