壹cheng
您好！作為一個AI從業者，站在自己角度簡要聊下該話題。
首先，這個問題的好處在於引發探討
如果對當下非常熱門的AI沒有冷靜思考，或者沒有相關使用體驗的話，可能不會去想那麼多。
AI已經逐漸進入日常生活的各個角落，很多人實實在在感受到了這個曾經三起三落過的科技分支在現如今的進步：
1）我們回家不用拿鑰匙（智能門鎖，手臉APP各色授權方式）；2）在家有各類智能家居，可以幫你做更好的飯菜（智能電飯煲、烤箱、微波爐、等根據用戶畫像推薦菜譜和烹飪技法推薦），更好儲存食材（智能冰箱識別食物類型，新鮮度，過期提醒），協助我們家務勞動和整治環境（SLAM掃地機的地圖構建與路徑規劃、智能抽油煙機自動調整風力和位置高低、智能晾衣架改善體驗），享受新一代的家庭娛樂（智能音箱和電視等消費電子產品從傳統的信息傳播載體，搖身一變成為雙向的，具備的音樂、視頻、新聞、百科、遊戲等各種Skill大全的人機交互工具）；3）無處不在的安防攝像頭和後臺結構化的數據統計分析，約束我們在公開場合需要遵紀守法的同時，在協助偵破犯罪案件、取證和震懾不法分子等方面發揮重要作用；4）開車上路有智能交通、輔助加試和自動導航（自動駕駛還在進化中）；5）工作中的各個智能應用在信息和認知等維度的功能，大大提高我們工作效率，簡化機械重複勞動同時，賦能我們自身欠缺的開拓創新；6）其他還有很多，我能想到的，看到的，和隱藏在背後，沒有想到的許許多多場合，AI技術都在背後發揮著積極的正面的作用。
總之，如今的社會，無論中外，無論城市還是鄉村，無論男女老幼，大家都或多或少得在享受這AI，及其三要素——數據、算法和算力三者所集成後的部署應用，所帶來的快捷、便利、甚至前所未有的愉悅。
然而目前的技術水平確實還到不到科幻作品裡的成熟程度，往往只能在某個特定的場景下，特定的流程中去協助或替代人類做出分析，判斷和決策。有時一個原本還不錯的AI應用會讓人哭笑不得，我們抱著好奇而又期待的心情，換來的是無可奈何，甚至嗤之以鼻。比如智能音箱不著五六令人抓狂的回覆，視覺識別的誤判，推薦算法的匪夷所思，協助人類做決策時給出不太合理的結論等等。至於這些失誤是否夠得上“人工智障”，恐怕是因人而異，見仁見智了。更多關於智障的例子，見相關提問中頭條網友的回答。
然後，這個問題的不足在於備選答案過於片面，顆粒度太粗了
我們知道，兒童時期講對錯，成年人則講的是利弊，差別就在於一個是階躍性質的，另一個是連續性質的。同樣，對世上幾乎所有技術能力的判斷，用一個好或壞字就蓋棺定論是不合適的。既然不能用簡單的非0即1作答，人工智能也一樣，簡單用智能或智障兩個結果描述有些勉強，甚至難以劃清界限的。
那用什麼辦法來擴充智能智障這一簡單劃分呢？這裡有兩個意見：
1.成熟度
參考其他技術領域，通常我們採用多個層級的描述，譬如：可以採用“非常成熟，成熟，發展中，剛起步”等詞語來細化顆粒度；更嚴謹的，需要用一套相對客觀的、量化的標準體系來考量，例如自動駕駛技術成熟度的SAE Level1-5（0級無自動，1級駕駛員輔助，2級部分自動化，3級有條件自動駕駛，4級高級自動駕駛，5級完全自動駕駛）；或者IEC制訂的防塵防水等級的IPXX（第一個X代表防塵，第二個代表防水，分別有6個和8個等級）；類似的還有移動通信行業的3GPP技術規範。
科學合理的技術成熟度定義應該是社會，學術圈，垂直產業全員參與，由行業標準協會等機構主導完成，例如自動駕駛等級的定義是由美國高速公路安全管理局（簡稱NHTSA）和國際自動機工程師學會（簡稱SAE）提出的。IEC國際電工委員會。移動通信行業則是3GPP。
回到AI話題上來，出於人工智能仍然在快速發展中以及過於廣泛應用等原因，目前行業對AI的成熟度沒有明確統一的共識。某些夥伴組織整理過一些定義，如Gartner成熟度曲線，但它主要還是定性的，針對各個子領域的就緒度給出分析判斷，並指出未來的發展趨勢和創新方向。
2.量化的技術標準
任何含有人工智能技術的產品或服務，純學術研究除非，一般要落地在社會應用，無論B端還是C端，都要滿足各自所處的細分行業賽道的比賽規格——技術標準，產品規格或驗收準則。國家有國標，行業有行標，企業有企標，產品有規格書，學研單位有驗收標準等，每個公司的產品服務能達到什麼樣的性能和質量，相關品質部門通過對應的測試標準進行管控，達標者打上Pass印章，於是可以出廠入庫，準備發貨上市。否則，回爐另造，浴火重生。那麼，這些真正在最後把關的技術標準和測試報告，於我看來，是精確評價產品AI性能高低的依據。
AI產品服務五花八門，千變萬化，但目前基本上圍繞語音、NLP、視覺、數據科學等方向，至於關鍵的量化指標，一般包括語音方向——喚醒率，識別率，麥克風陣列數量，響應時間等；視覺：準確率，精準率，召回率，響應時間等；數據科學的評估更加靈活多樣，但最根本的還是準確度和效率。
最後，總結一下
人工智能目前還是在某些領域、場合、流程中，部分地替代人類去思考、分析、決策，減輕人所不願或不能承擔的工作或任務。
智能或智障這樣泛化的說法定義有些模糊，AI性能的精確判斷要依據某垂直行業或領域的研究機構或團隊，經過實驗，收集、整理、歸納數據、嚴格論證後所公佈的標準作為依據，通過量化考核定義其所在層次或級別，僅僅靠智能或智障這樣泛化的說法是值得商榷的。
以上信息供參考，歡迎朋友們回覆探討，謝謝！
人類文明索引
我說科技，打造靜心科技。我是靜心科技運營者，專注於人工智能。
人工智能目前存在的問題。
人工智能目前存在很多問題。首先第一個模糊點就是智能，何為智能？我們以前一直把圖靈測試作為機器智能的一個重要標誌，但是圖靈測試將智力限制為一種和人類進行語言遊戲的解決方案。這就會導致很多不會說話的生物無法通過圖靈測試。其次就是目前機器學習，特別是深度學習和人大腦智能產生的工作原理差距很大，其主要原因是目前我們還沒有弄明白人的智能是如何產生。最後還有就是目前人工智能系統存在很大的不穩定性，也就是抗干擾能力比較差。這樣的系統會額外產生很多現實問題。
人工智能有哪些突破口？
人工智能有哪些突破口？
第一點，現如今人工智能大部分集中在一個強大的中心控制平臺，這樣的處理方式雖然能夠有效管控人工智能系統，但是大型數據規模的人工智能系統必然會造成很多現實存儲、加密、維護等等難點問題。也許分佈式人工智能會是一個新的突破口。
第二點，人工智能算法思維需要調整，我們目前很多時候都是針對一個問題提出一種新的模型，而且模型與模型之間的差異還比較大，這似乎距離通用人工智能越來越遠。目前急需一種新的算法框架來兼容這種多問題、多任務處理的場景。
第三點，現行算法需要進一步優化。比如現在我們的深度學習基本都是基於大樣本、強算力的基礎上，未來的突破口應該是基於小樣本、小算力、強算法的人工智能。
如何正確看待人工智能？
如何正確看待人工智能，其實在我看來。我們不應該把人工智能當成是一種模仿人的智能，而應該是利用機器解決人能夠實現的價值，比如看、說、聽、讀等等。人工智能絕對不是應該長得像人，而應該是能夠按照人的思維解決問題的一種工具。
歡迎大家關注我，每天為你提供科技資訊和科技熱點。如果您對本文還有其他好的想法，歡迎在下方留言，一起交流，共同成長進步。
靜心科技熊老大
現在的AI技術還並不能真正的稱之為人工智能，因為現在的AI技術並不能讓計算機進行主動的思維，還是處於一個被動的狀態下。
被動的學習是什麼意思呢？
也就是說，現在的AI是基於場景的應用，我們會預先設置好應用的場景，讓機器去學習這個場景中的知識，根據學習到的知識，進行一個反饋。
脫離了場景，其實AI就沒有作用了，也就是說，機器能夠學會什麼，能夠反饋什麼，其實都是人先給出了這樣的一個範圍，機器並不能主動的去為自己劃分出自己需要學習的範圍。
而且，深度學習是需要時間的
一個剛剛問世的AI工具，是需要大量的學習素材和時間的，這就好像我們人一樣，剛剛出生的孩子，什麼都不會。
因此，AI也是需要時間來成長的，而他學習的知識很多是來源於網絡，可能還有一些是來源於我們自己積累下來的數據。雖然他們學習比人類快，但是，在商業時代，很少會有商家回去等待一個機器人長大，他們需要的是馬上可以使用。
所以，通常在AI工具還不成熟的時候就已經投入到了商業運用中，也就造成了用戶在體驗過程中覺得這個AI很傻的情況。
AI只能適用於通用情況
AI的學習過程中，會接收到大量的素材，而這些學習素材都共性也有差異。因此，AI在學習的時候，會更注重這些共性的部分，差異的部分可能不會過於關注。
但是人的需求是多樣的，很多時候，不同的人可能有不同的定製化的需求，這也就造成了AI不能很準確的給出每個人他想要的結果。
因此，對於普通的用戶來說，AI是能夠解決問題的，並且也好用的，但是一些特殊用戶或者一些需要深度服務的用戶，AI就無法滿足了。
