之所以寫這篇文章，是因為對當今大火大熱的人工智能（AI）感覺到失望。

太多的科技公司，汽車公司等，為了蹭熱點，強行把自己的產品“人工智能”化。高端的“人工智能”，運用復雜的算法更好的實現特定的邏輯，結合大數據的分析和運用更好的展現出特定的交互結果。而低端的“人工智能”，則僅僅是有個輸入輸出的邏輯處理過程而已。如果簡單的下雨了關閉電動窗，已經是十幾二十年前有傳感器能做到的事情了，所以他們增加了一些判斷邏輯和反饋技能，形而上的加上物聯網和手機APP，就當成是“人工智能”了，本質和20年前用傳感器和繼電器完成的工作沒什么區別。

舉例，所謂“人工智能”助手，就是設置足夠多的關鍵詞（或者是語義分析后提取的關鍵詞）回復功能，當你想要問一個全新的問題，則全部進入其else判斷中：“您說的啥我不懂，您難住我了，我會改進來學習理解你的話”……看看你手里或者朋友家的“智能音箱”就知道了，弱智程度讓你感覺不如siri、Bixby、GoogleAssistant好玩，只是有了點物聯網的硬件支持。其實說個語音就給電視換臺，不管是有線電視的機頂盒還是智能電視，三四年前都已經非常普遍了。仔細想想，現在的“人工智能”，和那有區別么？

舉例，所謂“人工智能”自動駕駛，也就是足夠多的傳感器和條件處理。水平高的AI自動駕駛，傳感器更豐富，利用傳感器組合的環境判斷更合理一些，運算速度更快，大數據、語義識別更準確，車主的信息維度更寬更深——低端的AI自動駕駛則所有指標相應的都比較新。他們的水平怎么樣呢？我覺得可以這樣描述，目前市面所有的人工智能自動駕駛技術，甚至都比不上一個正在走神的三四年持續駕齡的司機。一個正在打電話的司機，或者正在思考著重要事情而走神的司機，都能夠利用每天駕車的條件反射對路面有足夠的預判，對大部分危險自動反應處理，識別老舊的或者不清晰的信號燈和路標，用條件反射感知周圍車輛的轉向燈或者轉向意圖，而這些人類走神的操作、感知和反應，恰恰是目前所謂AI自動駕駛所追求的的最高境界了。

誠如這些科技大佬自己所見，當前的“人工智能”大多是“人工智障”，但是科技的發展和科技從業者（不含純商人）的追求肯定不會止步于現有的智障模式，一種更先進，更理想且可實現的技術概念必然是值得期待的和可預期會出現的。為了方便區分，我將下一個跨層次的人工智能升級版概念，稱之為人工意識。

人工意識到底比人工智能有多大區別呢？

我認為，最顯著的區別，可能在于人工意識可以自我學習，自我決策。

舉例一，我們研發生產了一臺“人工智能”的服務機器人，這臺機器人嘗試向一位客戶服務，但是恰恰遇到了一個剛進城的湖南小城市老鄉，還習慣用自己的家鄉話與人溝通。我們假設這臺機器人還沒有這個地區的方言庫和足夠多的樣本，客人說了一通后，機器不能識別，會怎么處理呢？我們按智能的程度，嘗試分析一下可能的處理方式：

方式一，粗暴強行翻譯，語義不通直接說抱歉無法理解。

方式二，粗暴強行翻譯，語義不通的時候，嘗試外語和方言庫，還是不行就說抱歉無法理解，建議客戶使用普通話。

方式三，有強大的云和大數據支持，語義不通后，調用云支持，匹配可能的方言來理解，無法理解建議客戶使用普通話或者通過觸屏手寫表達自己的想法，或者叫旁邊的真人來協助處理。

以上三種方式，如果提前能夠預判這種情況，則可以做的可以說足夠人性化了，這是例子一。

例子二，一個人工智能保姆，可以調用掃地機器人遍歷整個房間的地板掃地，可以使用機器人擦玻璃，用協議交電費，用智能家電判斷冰箱設定的食物是否需要補充，如果需要的話，自動在電商下單到附近的自提設備中，給主人發個消息叫他取。但是，如果主人家里掛了這么一個表，這個表的時間不對了，我賭五毛錢目前的人工智能機器人是無法發現并提醒主人的。

來自網絡，侵權刪除

例子三：我相信現在任何一個人工智能系統，都無法知道什么時候應該對一個人撒謊；也不知道什么時候用戶給他說話是開玩笑的，不需要執行的，什么時候是想要它執行的，如：“你再往前一步試試！”

案例一，揭示了人工智能的一個短板，就是無法預判所有的情況，并一一作出處理，因為當前的邏輯層涵蓋的情況都是有限的，產品經理想的足夠多，這個產品看起來就足夠的智能，但是能作出反應的情況始終有限的。人類則是無限的，哪怕只是五六歲的孩子，都能面對不同的情況，作出不同的判斷。

案例二，表明了人工智能能識別和感應的內容是有限的，他無法對一個全新的事物進行自主定義和歸類，也無法像人類一樣有效收集周邊環境信息。一個普通的成年人可以一眼認出這是一個表，但是目前的人工智能敢下出結論，它“看”到的就是一個表么？

案例三，說明人工智能沒有思考機制，沒有任何感情概念。

人工意識應該是這樣的：

它有著仿照人類學習的過程，自我進行類比，比如“好像帶三個時針的都是表，但是有時候兩個時針的人類也稱之為表，有時候表有12個刻度，有時候只有四個刻度甚至沒有刻度，但是這些都是表”。

它能自我驗證“上次王xx說那個表很好看，我問哪里有表，他指示了一個環形帶刻度有表針的墻面掛裝物體給我，這次這個有可能也是個表，我可以問一下旁邊的人，以對我的認知加以驗證，你好，這是一個表么？”。

它能學會對事情辯證的看待“這可能是個裝飾，可能是個表，是個表的概率為80%，如果主人說客廳的掛表，指代這個物品的概率更高，但是我仍需要確認一下是這個物體，因為我沒有95%以上的把握就是它，不能直接做決策”

它自我判斷后果和做出決策，主人說叫我買個買一份午餐來，他平時只吃水果披薩，今天水果披薩沒了，如果我換成田園披薩，應該沒問題，因為之前主人說過田園也可以，所以換成田園披薩我可以立刻做出決定。但是如果只有榴蓮披薩，那么我無法自己做出決定，因為大眾對這個口味接受度不高，我對主人是否吃得慣榴蓮一無所知，我無法自己做出判斷。

在12年8月份，隨著安卓系統的普及，一眾智能識別軟件覆蓋了語音、實物、歌曲、文字ORC等，當時我如下寫到：

一個足夠智能的機器人，在自主學習之前要先學會感觸、表達和辨識，WIN7的語音控制功能很多人一定都體驗過，如果能移植在機器人身上，會讓機器人的語音辨識變得非常強大，當然，這對業內高手來說并不難，也一定有人在實驗、實現。表達上現在的主流表達水平已經基本滿足需求了，這里說的是非頂端機器人。比如我們將Simsimi嵌入到機器人系統中，這樣你和他聊天的時候就順暢有趣的多，這個相信也不難，頂多你放整部安卓手機在機器人里。對于視覺圖像的辨識，除了強大的算法，還有就是龐大的云知識庫。我在玩Goggles的時候，想如果機器人能將拍到的圖片經過這個軟件處理（當然這個軟件目前還沒足夠的強大、足夠的成熟），就可以輕而易舉的認出排到的東西來，當機器人想去尋找墻上的開關面板的時候，自己就可以辨識了。類似的有midomi的哼唱搜索功能，你對他哼唱一首歌，他會處理出來，你在唱歌，唱的哪一首歌。當然自主學習的機器人比這個更進一步，他可以通過不斷地積累，從而辨識出新款的掛鐘是個掛鐘，就像我們小時候慢慢總結的過程一樣，這個想法在我的博客中應該是有記載的。

總之，如果你想讓人工意識認識紙幣面額，萬不可直接存儲不同面額的圖像給它，應該設計出既能認識紙幣面額，又能認識廣告傳單的一套自主學習體系。

人工意識，下一個人工智障聚集地。