深度学习的概念，是杰弗里－辛顿（Geoffrey Hinton）将单层神经元推广到多层神经元的结果。由于这一贡献，辛顿获得了2018年的图灵奖。正如李开复所说，辛顿的获奖乃实至名归。正因为他的工作，才使得AI的研究再次热了起来。

AI是否会思考的问题，等价于AI是否能够产生独立意识的问题。首先，其实意识可以分为截然不同的两大部分。一部分叫算计或者数数。另一部分则是属于一切生命所独有的特征，叫做目的决策。绝大多数时间的大脑思考都属于数数，而不是决策。例如某人早上醒来，他只用了一秒钟就做出了“今天需要上班”的决定。而接下来的一两个小时，他的大脑全部都用在了开车上面。所以AI的意义，首先是能够取代人类大脑的百分之九十九人的工作。

因此原则上说，凡是同数数有关的工作AI都能够战胜人类。围棋就是一个典型的例子。人们对智慧的一个误区，首先是来自对知识和智慧两个概念的混淆。按照哲学本体划分，知识是知识，智慧是智慧。AI永远不会产生智慧。但是如果按照认识论来划分，知识则等同于智慧。因此，AI又是会思考的。从算法的意义上说，人类大脑与计算机的确没有太大的区别。而这也正是神经元算法的认知科学基础。

与科学专业出身的哲学家相比，文科哲学家总是喜欢思考终极问题。例如，牛津大学哲学家尼克－巴斯特罗姆（Nick Bostrom）就是其中的一位。他对未来AI对人社会的终极影响，以及AI的智慧能否超越人类等话题比较感兴趣。例如尼克认为，AI将会是人类的最后一次科技革命。并且AI超越人类的智慧，只是一个时间问题。

关于AI能否超越人类智慧的问题，科学家的立场与专业哲学家之间的确有很大的区别。例如约翰－瑟尔就是属于比较保守的哲学家。按照瑟尔的观点，人类至今对与大脑是如何工作的仍然一无所知。在此之前，AI即不可能理解语言的语义部分，更谈不上模拟大脑的意识。

表面上看，瑟尔的说法似乎同辛顿的深度学习概念存在矛盾。但事实并非如此。科学有一种属于自身的精神，这个精神就是不等待。例如数学家不会等待认知科学搞清楚了大脑的工作逻辑，才会尝试模拟大脑的算法。同理，人工智能方面的科学家，也不会等到这一天才会琢磨神经元算法。神经元算法的基础，是基于对大脑逻辑的极其初浅和有限的认知。

例如，一个窃贼用了一个晚上，才做出了抢银行的决定。假如您观察窃贼的大脑，你会发现，他的整夜思考，只不过是二百多亿个神经元之间的火花乱串而已。虽然窃贼的神经元的工作似乎完全是随机的。但是他做出的决定却是明确的并且是精明的。

在一个视频当中，尼克－巴斯特罗姆展示了一个全人类GDP的增长曲线。这是一种爆炸式的增长。按照传统的解读，这代表了人类的科学技术的发展方式。但是尼克认为，这更是代表了人类智慧的进化和发展方式。

与尼克相比，还是哈拉利的解读更具说服力。按照哈拉利，人类GDP的爆炸性增长，与大规模合作有关。哈拉利的说法显然是有道理的。大规模合作的结果，是将少数科学家的偶发智慧变成了几十亿人的必然知识。这就是我所强调的，人类智慧的集体性特征。

人类过去一万年GDP增长曲线：

吉姆－阿尔卡里里《　Atom: The Illusion Of Reality | Science Documentary | Reel Truth Science》。非常引人入胜。

丹尼尔－丹尼特：《Cultural Evolution and the Architecture of Human Minds》