人工智能真的可靠吗？
众所周知，人类的智能主要包括归纳和逻辑演绎，分别对应人工智能的两大主要流派，联结主义和象征主义。前者的典型方法有神经网络、统计学习和深度学习。后者包括形式语言、逻辑推理、专家系统等。这两个学派在人工智能发展史上有起有落。随着2006年加拿大多伦多大学教授、机器学习大师杰弗里·辛顿(Geoffrey Hinton)在《科学》杂志上发表关于深度学习的论文，深度学习在学术界和企业界持续升温，语音识别、图像识别、自然语言处理、搜索广告等深度学习相关应用炙手可热。作为连接主义的代表，深度学习已经成为人工智能最热门的领域。
对此，北京大学林左权教授认为:“2006年开始快速发展的深度学习，对人工智能的基本原理并没有太大贡献。深度学习的本质是通过大量数据计算等级。第一级学习后变成另一种表示，然后特征提取变成第二级。层次越多，效果越好。另外，深度学习或者所谓学习的每一层的计算，其实都是数学问题的应用，也就是求解一个信息函数，但原则上这些非线性函数是很难计算的。因此带来两大问题:一是深度学习网络不断增加深度层次的意义；另一个是每一层计算的理论问题。计算数学解决不了，深度学习也解决不了。”
东南大学计算机与工程学院教授齐桂林认为，让机器学习具备认知和推理能力，是人工智能领域需要真正思考的难题。“并不是所有的公司都有谷歌那样的大数据能力，谷歌运行深度学习的效果非常好。但是另一家公司可能没有这么好的效果。如何提高机器在较小数据量上的学习能力，实际上需要它具备认知和推理能力。目前，深度学习领域的几位权威专家已经在不同场合表示需要将人类的规则推理引入神经网络，使神经网络更具解释力。”
“人们对深度学习的理解还没有达到我们想要的人工智能水平，通过深度学习模型达到人类的智慧是非常困难的。”普惠金融首席数据科学家李文哲补充道。
对于象征主义，认为人工智能源于数理逻辑，核心思想是应用逻辑推理的规律，在人工智能中的体现是机器定理的证明。象征主义认为知识是信息的一种形式，是智力的基础。知识表示、知识推理和知识应用是人工智能的核心。知识用符号来表示，认知是符号的推理过程，推理过程可以用形式语言来描述。它还主张通过逻辑方法建立人工智能的统一体系。林左权教授说:“象征主义的核心目标仍然是探索人工智能的基本原理，属于基础研究。人工智能最初的目的之一是通过计算机模拟人类的智能行为，探索智能的基本原理。这个目标还远远没有达到。”
目前，各种人工智能引起了广泛关注。除了像沃森参加危险游戏、谷歌AlphaGo对战围棋世界冠军这样的热点事件，更多基于人工智能的应用得到了广泛应用，比如自动欺诈检测系统在银行领域的应用、零售商的销售定价、智能家居机器人、人脸识别系统、自动语音识别等等。那么对于公司来说，人工智能领域的方向是选择连接主义还是象征主义呢？
对此，普惠金融首席数据科学家李文哲以金融行业为例，说明两个方向都很有用。他说:“金融领域的特点是公司刚成立时不会有大量数据，所以不会尝试连接主义，因为深度学习肯定需要大量数据才能得到更好的结果。数据量小的时候，专家的经验最重要，属于象征主义。比如对欺诈的分析，对信用风险的评估，都是基于专家以往的经验。当公司经过多年的发展，积累了大量的数据样本，你可以尝试一下connectionist算法。”在李文哲看来，采用象征主义或联结主义的最大考虑是数据量。“考虑公司业务中的连接主义或象征主义是公司数据的数量和复杂性。很多象征主义是靠经验的，很多逻辑是人为定义的。当数据量非常大，属性非常复杂时，很难用这种方式定义。这时候就需要深度学习了。”
不过，在李文哲看来，深度学习还处于初级发展阶段，用户还在做很多尝试和实验。他说:“深度学习从2006年开始逐渐流行，但目前仍处于初级阶段。很多做深度学习的人都是在‘做’，在尝试不同的方法。到了一定阶段，就会有人去研究理论层面。”
通常人工智能往往分为三个层次，即弱人工智能、强人工智能和超级人工智能。像Google这样的AlphaGo是弱人工智能的典型代表，在单一领域拥有强大的人工智能程序；此外，机器人写作、Siri、微软萧冰等。都属于这个层次；通常弱人工智能没有自我意识，按照固定的结构进行计算，得出答案。随着大数据和计算能力的普及，弱人工智能也算是基本实现了。那么，能主动发现问题、构建问题模型、解决问题的强人工智能何时到来？超级人工智能甚至超越人类的时代离我们还有多远？
许多专家认为，强人工智能或超级人工智能的时代将在不久的将来到来。雷。美国未来学家、谷歌工程总监库兹韦尔(Kurzweil)甚至在他的著作《奇点临近》(Singularity approximation)中预言:“2045年左右，人工智能将来到一个‘奇点’。跨过这个临界点，人工智能将超越人类智慧，人类历史将被彻底改变。”但是，林左权教授并不认同这种观点。他说:“人工智能威胁人类的话题已经持续了几十年。我不认同2045年将是人工智能超越人类的时间奇点。近几年，有人称之为通用人工智能的强人工智能已经基本消失，短时间内很难看到实现的可能。”
“人工智能已经在很多成熟的方法中得到应用，成为基础设施的重要组成部分。从历史上看，人工智能也曾被热议过几次。这股人工智能热推动了人工智能的发展。虽然可能会有泡沫，但这个过程其实对人工智能的发展是有帮助的。”林左权教授最后说。