越来越多的人开始谈论人工智能，越来越多的名人让人们警惕人工智能，人工智能是否真的离我们很近且已经渗透到我们的生活中，我们离强人工智能、超人工智能到底还有哪些无法逾越的鸿沟，我们是否会被ai所统治甚至奴役。我作为一个技术小白，我无法从科学伦理的角度分析ai是否会统治人类，这样的ai设计出来是否有悖于我们现阶段的伦理道德，是否扰乱了我们对真假的判断，但是就我们现在身边无处不在的弱人工智能来看，ai可能会是以后发展的趋势。
现阶段的弱人工智能
我们先来看看现阶段，我们身边有哪些弱人工智能产品。我们现在的位置——充满了弱人工智能的世界。
弱人工智能是在特定领域等同或者超过人类智能/效率的机器智能，一些常见的例子：
汽车上有很多的弱人工智能系统，从控制防抱死系统的电脑，到控制汽油注入参数的电脑。谷歌正在测试的无人驾驶车，就包括了很多弱人工智能，这些弱人工智能能够感知周围环境并作出反应。
你的手机也充满了弱人工智能系统。当你用地图软件导航，接受音乐电台推荐，查询明天的天气，和siri聊天，以及其它很多很多应用，其实都是弱人工智能。
垃圾邮件过滤器是一种经典的弱人工智能——它一开始就加载了很多识别垃圾邮件的智能，并且它会学习并且根据你的使用而获得经验。智能室温调节也是一样，它能根据你的日常习惯来智能调节。
你在上网时候出现的各种其它电商网站的产品推荐，还有社交网站的好友推荐，这些都是弱人工智能的组成的，弱人工智能联网互相沟通，利用你的信息来进行推荐。网购时出现的“买这个商品的人还购买了”推荐，其实就是收集数百万用户行为然后产生信息来卖东西给你的弱人工智能。
谷歌翻译也是一种经典的人工智能——非常擅长单个领域。声音识别也是一种。很多软件利用这两种智能的合作，使得你能对着手机说中文，手机直接给你翻译成英文。
当飞机着陆时候，不是一个人类决定飞机该去那个登机口接驳。就好像你在网上买票时票据不是一个人类决定的。
世界最强的跳棋、象棋、拼字棋、双陆棋和黑白棋选手都是弱人工智能。它的系统仅限于跳棋、象棋、拼字棋、双陆棋和黑白棋，不能用于其他游戏。对于新的游戏，你需要重新开始编程。
谷歌搜索是一个巨大的弱人工智能，背后是非常复杂的排序方法和内容检索。社交网络的新鲜事同样是这样。
这些还只是消费级产品的例子。军事、制造、金融（高频算法交易占到了美国股票交易的一半）等领域广泛运用各种复杂的弱人工智能。专业系统也有，比如帮助医生诊断疾病的系统，还有著名的ibm的华生，储存了大量事实数据，还能理解主持人的提问，在竞猜节目中能够战胜最厉害的参赛者。
现在的弱人工智能系统并不吓人。最糟糕的情况，无非是代码没写好，程序出故障，造成了单独的灾难，比如造成停电、核电站故障、金融市场崩盘等等。
虽然现在的弱人工智能没有威胁我们生存的能力，我们还是要怀着警惕的观点看待正在变得更加庞大和复杂的弱人工智能的生态。每一个弱人工智能的创新，都在给通往强人工智能和超人工智能的旅途添砖加瓦。用aaronsaenz的观点，现在的弱人工智能，就是地球早期软泥中的氨基酸——没有动静的物质，突然之间就组成了生命。
总的来说，弱人工智能仍不够完美，他不是完全的人工智能，他缺少普适性和学习性。
电影《黑客帝国》
现阶段弱人工智能产品应用了哪些技术？
从智能家居、智能穿戴、智能医疗、便捷交通、虚拟现实等等方方面面这其中的人机交互用到的技术都是嵌入式技术，也可以说物联网是现阶段人工智能发展的大趋势。
当然可能你会说，这个阶段的人机交互还是以来交互界面，即还是需要手机app、需要图形界面，需要输入指令，需要发号施令等等。这是不是还不够智能？
这显然还不是人机交互的终极方式，真正意义上的人机交互方式是：人将摆脱任何形式的交互界面，输入信息的方式变得越来越简单、随意、任性，借助于人工智能与大数据的融合，能够非常直观、直接、全面地捕捉到人的需求，并且协助我们处理。换句话而言，就是智能设备将懂得我们的潜在的意图，并按照我们的意图进行执行以及反馈。它们就像最了解我们的亲密家人或者朋友一样，成为我们生活中不可或缺的一部分。因此弱人工智能不管是从自主学习性、还是友好性方面都没有真正意义上达到我们对人工智能的期待。
阿尔法狗之父杰米斯哈萨比斯（demishassabis）之前在母校剑桥大学做了一场题为“超越人类认知的极限”的演讲，其中提出了，我们可以通过“增强学习”来解决弱人工智能产品存在的缺乏普适性和学习性的难题。
首先，想像一下有一个主体，在ai领域我们称我们的人工智能系统为主体，它需要了解自己所处的环境，并尽力找出自己要达到的目的。这里的环境可以指真实事件，可以是机器人，也可以是虚拟世界，比如游戏环境；主体通过两种方式与周围环境接触；它先通过观察熟悉环境，我们起初通过视觉，也可以通过听觉、触觉等，我们也在发展多感觉的系统。
第二个任务，就是在此基础上，建模并找出最佳选择。这可能涉及到对未来的预期，想像，以及假设检验。这个主体经常处在真实环境中，当时间节点到了的时候，系统需要输出当前找到的最佳方案。这个方案可能或多或少会改变所处环境，从而进一步驱动观察的结果，并反馈给主体。
简单来说，这就是增强学习的原则，示意图虽然简单，但是其中却涉及了极其复杂的算法和原理。如果我们能够解决大部分问题，我们就能够搭建普适人工智能。这是因为两个主要原因：首先，从数学角度来讲，我的合伙人，一名博士，他搭建了一个系统叫‘ai-xi’，用这个模型，他证明了在计算机硬件条件和时间无限的情况下，搭建一个普适人工智能，需要的信息。另外，从生物角度来讲，动物和人类等，人类的大脑是多巴胺控制的，它在执行增强学习的行为。因此，不论是从数学的角度，还是生物的角度，增强学习是一个有效的解决人工智能问题的工具。
由此可见，强人工智能理论上是可以实现的。从数据算法逻辑梳理到模型搭建再反推到搭载的平台、操作系统、最终回归到每一条编程语言。
作为人工智能领域的乐观主义者，哈萨比斯已不再讨论“人工智能是否会超越人类”这样浅显的命题，而是阐述人工智能为什么可以远远超越人类。机器人特有的战略性、创新性都要优于人类个体，是人工智能超越人类的根本所在。哈萨比斯不是悲观主义者，他认为人类在程式化的学习中，“他们的很多思维已经固化，机器人的创新想法能为其带来意想不到的灵感。我真的相信如果人类和机器人结合在一起，能创造出许多不可思议的事情，我们的天性和潜力会被真正释放出来。”这是我们这些在人工智能领域中的人应有的科学态度。
北京嵌入式发展前景
嵌入式已经融入到生活的方方面面，嵌入式发展前景是有目共睹的，我们能做的是如何更好的驾驭技术让产品更智能更好的服务于生活。很多人问：人工智能来了，会不会消灭人类。
我想说的是，他会取代我们做一些工作，所以不想被取代的话，就赶快想办法驾驭它，驾驭这门技术吧。