著名物理學家霍金曾擔憂未來人工智慧會對人類造成威脅，很多科幻作品也都以此為創作題材，並且大受歡迎。
AI可不只會下棋，但早已棋無對手
1997年IBM的超級計算機深藍（Deep Blue）以2勝1負3平戰勝了當時世界第一的西洋棋大師加裡·卡斯帕羅夫，引起了一時的轟動。直到2016年穀歌研發的人工功智能阿爾法狗（Alpha Go）又以4:1的成績戰勝韓國圍棋選手李世石，大家知道，圍棋可要比西洋棋的複雜程度高出幾個維度。而這也再次刷新了人類對於人工智慧的認識。
AI下棋已無人類對手想全面超越人類大腦還尚需時日
人類的大腦在進化過程中高度特化並且具有明顯的適應性，但目前的人工智慧遠遠不具有人類擁有的一般智能，今天我們來了解目前可以實現AI的幾個基本原理。
強化學習，這是關於機器應該如何行動以獲得最大獎勵的問題，他受行為心理學理論的啟發，在特定場景下，機器挑選一系列動作並獲得獎勵。行為的每一個步驟都會被標記，並且被記錄結果和賦予權重，強化學習通常教機器玩遊戲和贏得比賽。比如西洋棋、圍棋、視頻遊戲等，強化學習的問題是，單純的強化學習需要海量的試錯，才能學會簡單的任務。好處是只要你提出一個有價值的問題，理論上來說強化學習會找到那個最優解。
看完電影《機械姬》後你會感到恐懼嗎？監督學習，就是需要我們告訴機器特定輸入的正確答案，比如這是一幅酒杯的圖像，正確答案是酒杯。之所以叫監督學習，是因算法是從帶標籤數據學習的，這個過程類似於向年幼的孩子展示圖畫書，大人預先知道答案，孩子根據前面的例子做出推測，這也是訓練神經網格和其他機器學習體系最常用的技術。
無監督學習，人類和其他動物的學習過程，剛生下來的時候，是沒有人以監督的方式學習的，我們通過自己的觀察和行動結果來學習，沒有人告我們每個東西叫什麼怎麼用，但我們仍然會學會基本的概念。當前我們還不知道如何在機器上實現這一點，至少無法達到人類和其他動物的基本水平，由於缺乏無監督學習的AI技術，這也是當前AI發展的難題之一。
如果機器人學會格鬥還會有對手嗎但現實的情況是，無人駕駛技術、智能搜尋引擎、機器翻譯、AI醫療診斷、各種智慧機器人…人工智慧已經越來越的進入到我們實際生活當中，越來越多的人類工作將被人工智慧取代。
而目前人工智慧的發展還處於初級階段，多數的智能算法必須以大量的數據為依託，需要的能耗也遠遠高於人類大腦，並且很難在開放場景使用。現實的案例就是，阿爾法狗必須在明確定義的環境下效果明顯，而在開放環境中，結果往往不盡人意。但不得不承認，人工智慧已經走上了正確的方向，一切才只是剛剛開始。