人工智能的新视角：从快速思维到自主系统的演进
人类思维与人工智能
人类思维存在两种模式：一种是慢速但有意识的思维，需要运用推理规则；另一种是快速且自动的思维，能够处理复杂问题，比如说话、走路和弹奏乐器等。这两种思维模式对应着计算模式：慢速思维类似于我们编程计算机的方式，而快速思维则类似于人工神经互联网的计算模式。
如果要制造双足机器人或骑车机器人，有两种方法：其一，通过编写程序考虑所有物理情况，需要借助力学理论；其二，通过反复训练人工神经互联网，让它在同样的物理条件下做出相似动作。人工神经互联网适合模拟快速思维，它们能够并行处理信息，解决逻辑分析无法完成的计算。
传统计算机的智能只是程序员智能的体现，而人工神经互联网通过学习数据生成知识。要使计算机接近人类智能，需要赋予它语义模型，类似于大脑在外部世界和内部世界构建的模型。这模型帮助评估环境和后果，大部分智力来自于常识。然而，人类思维受到认知复杂度的限制，无法同时处理大量信息。在面对复杂现象时，人类思维受限，但可以通过与计算机合作解决问题，创造新的研究方式。
自主系统：超越弱人工智能
人工智能的发展超越了弱人工智能，计算机能够克服认知复杂性，帮助发展新的理论。机器学习和数据分析进展显示出机器能够生成知识并做出预测。科学发现和机器学习产生知识的方式有所不同，但机器学习能够从大规模数据中学习因果关系。
机器学习并不能解决所有智能问题，人类智能包括自主行为和适应能力。要实现自主系统，需要解决自主执行任务、适应环境的问题。只有当计算机能够自主执行任务并适应环境变化时，人工智能与人类智能的差距才会缩小。
自主系统在自动驾驶、智能工厂等领域有应用，可以在一定程度上取代人类，提高效率。自主系统的关键功能包括环境感知、状态表示、目标管理、策略规划和自我学习。
人工智能带来的挑战
人工智能带来的真正挑战包括失业、安全和风险管理、技术依赖等。自动化可能导致失业，技术的应用可能减弱人们的技能。信息系统的安全保护也是问题，制造商需要承担安全责任。行政单位和国际组织的作用不足，舆论受到不客观声音影响。
正确使用人工智能和自主系统需要评估计算机生成的知识的可信度，需要社会警惕性和政治责任感。风险管理是至关重要的，包括合理应对失业、确保信息安全等。同时，应认识到机器智能虽强大，但不足以超越人类的智慧。
