概述
现有人工智能的不足与挑战
人工智能（Artificial Intelligence，AI）的概念于1956年的达特蒙斯学院（Dartmouth）暑期论坛首次提出。六十年间人工智能伴随着互联网、大数据、云计算等技术的发展取得了长足的进展。这其中人工智能的理论思想演变为三大流派，分别是联结主义（Connectionism）、行为主义（Actionism）和符号主义（Symbolicism）。尽管每种理论均取得了卓越的成就并且依旧为现在人工智能的主流研究方向，但是也均存在不足之处。
联结主义思想模仿人大脑皮层神经网络的结构，通过深度学习的方法，即用多隐层的处理结构处理大数据。但该方法限于在具有可微分、强监督学习、封闭静态系统任务下才会得到良好的结果，并且训练得到的结果也限制于给定条件的问题上。行为主义思想通过不断模仿人或生物个体的行为超越原有的表现来推进机器的进化，主要依赖具有奖惩控制机制的强化学习方法。然而，该方法的缺点在于过于简化人类的行为过程，忽略人类心理的内部活动过程和意识的重要性。符号主义思想具有产生智能行为的充分必要条件假设，并且需基于有限理性原理（Newell，Allen & Simon，H. A.，1976）。该方法的实质是通过符号模拟人的大脑抽象逻辑思维过程，模拟人类认知系统的功能机理，并通过计算机处理符号的运算，从而实现人工智能。但是符号主义思想面临四个主要挑战：知识的自动获取；多元知识的自动融合；面向知识的表示学习；知识推理与运用。符号主义虽通过模拟人的思维过程实现人工智能，但对于以上四个问题难以有突破性的成果。
人工智能的优势在于庞大的信息存储量和高速的处理速度，但是无法处理如休谟问题，即从“是”（being）能否推出“应该”（should），也即“事实”命题能否推出“价值”命题（休谟，2014）；也无法处理情感的表征问题。人工智能尝试通过大数据与逐步升级的算法实现人的情感与意指，但依旧没有办法实现跨越，而人机智能融合将会是未来智能科学发展的下一个突破点。
