愛國者姜鈞凱：人工智慧未來十年發展趨勢

06-04

日前在深圳會展中心舉行的首屆「未來生活體驗博覽會」中，愛國者集團常務副總裁姜鈞凱發表了《人工智慧未來十年發展趨勢》的主題演講，上萬名參觀者除了感受智能生活的現在，也對智能產品和服務點亮未來生活充滿了期待。

人工智慧（Artificial Intelligence），英文縮寫為AI ，是模擬、延展人類智慧的科學。它涉及到計算機科學、心理學、哲學和語言學等學科，可以說幾乎是自然科學和社會科學等所有學科體現。

人工智慧的發展經歷了三起三落：

20世紀50-70年代，人工智慧提出後，力圖模擬人類智慧，但是由於過分簡單的演算法、匱乏的難以應對不確定環境的理論，以及計算能力的限制，逐漸冷卻。

20世紀80年代，人工智慧的關鍵應用——專家系統得以發展，但是數據較少，難以捕捉專家的隱性知識，建造和維護大型系統的複雜性和成本也使得人工智慧漸漸不被主流計算機科學所重視。

進入20世紀90年代，神經網路、遺傳演算法等科技「進化」出許多解決問題的最佳方案，於是21世紀前10年，復興人工智慧研究進程的各種要素，例如摩爾定律、大數據、雲計算和新演算法等，推動人工智慧在20世界20年代進入快速增長時期。預計未來十年，會在一些難以逾越的困惑中迎來奇點時代的爆髮式增長。

愛國者副總裁姜鈞凱認為，人工智慧的三部曲正是它的魅力所在，人工智慧革命是從弱人工智慧，通過強人工智慧，最終到達超人工智慧的旅途。這段旅途之後，世界將變得完全不一樣。

弱人工智慧(TOP-DOWN AI)是單個方面的人工智慧。比如有能戰勝象棋世界冠軍的人工智慧，但是它只會下象棋。這個範圍內的智能機器看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。目前，主流科研集中在弱人工智慧上，並且一般認為這一研究領域已經取得可觀的成就。

強人工智慧(BOTTOM-UP AGI)是一個人類智慧的系統，有可能製造出真正能推理和解決問題的智能機器，並且，這樣的機器被認為是有知覺的，有自我意識的。強人工智慧可以有兩類：一個是類人的人工智慧，即機器的思考和推理就像人的思維一樣。在各方面都能和人類比肩的人工智慧.；另一個是非類人的人工智慧，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。

超人工智慧Artificial Superintelligence (ASI):是超越人類智慧並且將人類智慧延展的智能體系，可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍的。它在表象上，集中了弱人工智慧已有的成果，並因為強人工智慧的綜合性，都得以延展和綜合。超人工智慧需要擬人化的特性，如人工意識或人工大腦。這時的人工智慧，因為完整性的特點，為了解決其中一個問題，就必須解決全部的問題，因此更加絢麗多彩，層疊躍進。

姜鈞凱說道，綜合目前的研究成果和科學界的共識，人工智慧未來十年發展趨勢將在促進RT全息時代到來、新硬體、新語言、新演算法和人類認知突破等方面產生積極作用，並且使弱人工智慧趨於完美，使機器人和人的混合體有機融合，促使2026年，迎來強人工智慧的時代！

姜鈞凱預言，人工智慧未來十年的趨勢將在以下十點表現得淋漓盡致：

1、未來十年，人類對自身的認知科技取得突破。

在需要使用數學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助於人類最終認識自身智能的形成和演進。

機器可以打敗人類最偉大的棋手，類人機器人可以走路並且能和人類進行互動。儘管早就有宣言稱智能機器指目可待，但此方面的進展卻緩慢而艱難。意識和環境是困擾研究的兩大難題。

人們並未真正了解智能的內涵和人類大腦。

大腦是一個龐大的記憶系統，它儲存著在某種程度上反映世界真實結構的經驗，能夠記憶事件的前後順序及其相互關係，並依據記憶做出預測和創造。

感知和翻譯等大多數神經網路的架構正變得越來越複雜，遠非此前簡單的前饋神經網路或卷積神經網路所能比。特別需要注意的是，神經網路正與不同的技術（如LSTMs、卷積、自定義目標函數等）相混合。

神經網路是多數深度學習項目的根基。深度學習基於人腦結構，一層層互相連接的人工模擬神經元模仿大腦的行為，處理視覺和語言等複雜問題。這些人工神經網路可以收集信息，也可以對其做出反應。它們能對事物的外形和聲音做出解釋，還可以自行學習與工作。

從涉及人體科學的各種科學的進展和AI發展的需求看，10年內，人對自身的理解將出現飛躍。

2、未來十年，新的硬體系統將誕生

對於人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，製造出「類人腦」的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。

現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。人腦結構模擬將造就新的硬體系統，與如今計算機不再相同，人們又多了一種改變生活的設備體系，那將是真正的開源的硬體門戶。這種大腦硬體系統，相當於目前計算機的晶元。

大家知道，計算處理及信息儲存的晶元巨頭，像英特爾、NVIDIA等公司，它們處於這一領域的最上游，為中下游產業鏈提供計算處理能力及相關解決方案，他們決定了人工智慧發展的深度。今年5月，谷歌新型晶元支持人工智慧。7月日本軟銀高溢價收購英國晶元設計公司ARM,8月17日，英特爾表示將開發人工智慧技術的專用晶元。IBM正在設計基於大腦結構的晶元TrueNorth。而開源的大腦硬體系統，將如同360顛覆殺毒軟體行業一樣，顛覆晶元甚至整個產業鏈。

其實，目前人工智慧進入了一個瓶頸期，就是即使多個指標都達到了類似人腦的軟實力，依然無法達到和逾越人工智慧的奇點。

強人工智慧，要滿足電腦硬體的運算能力。如果一個人工智慧要像人腦一般聰明，它至少要能達到人腦的運算能力。

用來描述運算能力的單位叫作cps（calculations per second，每秒計算次數），要計算人腦的cps只要了解人腦中所有結構的最高cps，然後加起來就行了。Kurzweil得出人腦的cps=10^16 cps，也就是1億億次計算每秒。現在最快的超級計算機，中國的天河二號，其實已經超過這個運算力了，天河每秒能進行3.4億億。當然，天河二號佔地720平方米，耗電2400萬瓦，耗費了3.9億美元建造。十年以內，當1000美元能買到人腦級別的1億億運算能力的時候，強人工智慧可能就是生活的一部分了。至少在硬體上，我們似乎已經能夠強人工智慧了（中國的天河二號），但是運算能力並不能讓電腦達成人類水平的智能。是不是硬體本身的問題？比如把一個人的智慧加到一隻螞蟻上，又能怎樣？

再比如速度。腦神經元的運算速度最多是200赫茲，今天的微處理器就能以2G赫茲（也就是神經元1000萬倍）的速度運行。大腦的內部信息傳播速度是每秒120米，電腦的信息傳播速度是光速，差了好幾個數量級。但是為什麼人類智慧還是機器無法比擬的？

我們的科學家從多方面探索智慧的科學，力圖解決目前的瓶頸。

科學界正在努力逆向工程人腦，樂觀的估計是我們在2026年完成這個任務。一旦這個成就達成，我們就能知道為什麼人腦能夠如此高效、快速的運行，並且能從中獲得靈感來進行創新。

那麼，我們離整腦模擬還有多遠呢？至今為止，我們剛剛能夠模擬1毫米長的扁蟲的大腦，這個大腦含有302個神經元。人類的大腦有1000億個神經元，聽起來還差很遠。但是科學技術較以往已經以指數增長，他的威力很大——我們已經能模擬小蟲子的大腦了，螞蟻的大腦也不遠了，接著就是老鼠的大腦，到那時模擬人類大腦就是很水到渠成的事情了。

一個電腦架構模擬人腦的例子就是人工神經網路。它是一個由晶體管作為「神經」組成的網路，晶體管和其它晶體管互相連接，有自己的輸入、輸出系統，而且什麼都不知道——就像一個嬰兒的大腦。接著它會通過做任務來自我學習。當年「谷歌大腦」團隊最開始嘗試「無監督學習」時，就動用了1.6萬多台微處理器，創建了一個有數十億連接的神經網路。

我國「科技創新2030-重大項目」，腦科學與類腦研究榜上有名，明確指出「以腦認知原理為主體，以類腦計算與腦機智能、腦重大疾病診治為兩翼，搭建關鍵技術平台，搶佔腦科學前沿研究制高點」。

姜鈞凱斷言，未來十年，人腦模擬將取得實質進展，從而產生新的硬體門戶體系。

人工模擬神經元試圖模仿大腦行為| 圖片來源：Frontiers

這個硬體門戶體系十分豐富，除了智能家居、智慧城市和智慧地球等硬體支撐，還有機器人、全息顯示設備等。庫克認為：「未來，你和手機的聯繫將更密切。智能手機的性能將出現爆髮式提升。」而代替目前手機、電腦和電視的全息設備十年內將出現。

一旦一樣東西用人工智慧實現了，人們就不再叫它人工智慧了。科幻片已經讓當代人對於科技進步不是很振奮，似乎科幻片就是現實，這是因為幾乎每一部科幻片，都是科學顧問和其他主創人員的科學與藝術的結晶，而科學實現的每一步都是嚴謹而艱難的，好在目前人工智慧發展正在以指數的量級在推進。

3、未來十來，新的計算機語言將誕生。

硬體的快速發展和軟體的創新是同時發生的，軟體的發展可能看起來很緩慢，但是一次頓悟，就是一種新的軟體或語言的產生，就能永遠改變人工智慧的速度。

傳統計算架構無法支撐深度學習等大規模並行計算需求。除了硬體優化，就是計算機語言的革命。

例如，多個團隊以不同方法大幅壓縮了訓練一個良好模型所需的素材體量，這些方法包括二值化、固定浮點數、迭代修剪和精細調優步驟等。這些技術潛在的應用前景廣闊，可能將會適應在移動設備上進行複雜模型的訓練。例如，不需要延遲就可以得到語音識別結果。此外，如果運算所需要的空間和時間極大降低，我們就可以極高幀率（如30 FPS）查詢一個模型，這樣，在移動設備上也可以運用複雜神經網路模型，從而近乎實時地完成計算機視覺任務。計算機視覺與自然語言處理NLP的交匯仍然擁有無限前景。想像一下程序為美劇自動嵌入中文字幕的場景，一個小的應用其實早就是一種難得的的進步。

這種新的計算機語言，可能是一種編程，也可能是一種新的結構性變化，比如三進位。計算機基礎語言的革命，被認為是最具奇點價值的革命。

4、未來十年，隨著機器學習取得突破，人機語言、視覺、情感、腦力波交互或稱心靈感應都將沒有障礙，加上新的演算法得到普及，計算能力取得飛躍。

機器學習指的是計算機系統無需遵照顯式的程序指令而只是依靠暴露在數據中來提升自身性能的能力。

機器學習分為兩類：

第一類是「連續型學習」。「機器學習」的數學基礎是「統計學」、「資訊理論」和「控制論」，還包括其他非數學學科。這類「機器學習」對「經驗」的依賴性很強。計算機需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題並積累新的經驗，就像普通人一樣。我們可以將這樣的學習方式稱之為「連續型學習」。其核心在於，機器學習是從數據中自動發現模式，模式一旦被發現便可用於做預測。比如，給予機器學習系統一個關於交易時間、商家、地點、價格及交易是否正當等信用卡交易信息的資料庫，系統就會學習到可用來預測信用卡欺詐的模式。處理的交易數據越多，預測就會越好。再比如計算機視覺，它能在海量圖像中，通過不斷訓練和改進視覺模型來提高其識別對象的能力。IBM正在利用機器學習演算法訓練機器人更好地將合適的姿勢、音調與語句結合。

姜鈞凱認為，未來十年，機器學習能力增強到更加令人擔心的程度，藉助計算機視覺，語意分析、情感計算與學習，讓人感覺很多機器如同孩子一樣吸收世界和身體的各種知識。這種發展，將依賴於運營商級別的大數據支撐。

大數據產業鏈中的原始數據獲取方，包括運營商、BAT、微軟、谷歌等把持互聯網入口的公司，它們掌握著機器學習必須的數據資源，決定了人工智慧發展的廣度。主動開放數據或計算能力逾越防火牆，可以讓所有聯網的計算機設備都能獲得海量數據。目前，谷歌開源了它的開源機器學習框架Tensorflow， Facebook也開源了AI演算法運行的計算機伺服器BigSur的設計，IBM通過Watson的開放，從硬體企業轉型為認知解決方案雲平台。

第二類是「跳躍型學習」，即人類除了會從經驗中學習之外，還會創造。這在某些情形下被稱為「靈感」或「頓悟」。一直以來，計算機最難學會的就是「頓悟」。或者再嚴格一些來說，計算機在學習和「實踐」方面難以學會「不依賴於量變的質變」，很難從一種「質」直接到另一種「質」，或者從一個「概念」直接到另一個「概念」。正因為如此，這裡的「實踐」並非同人類一樣的實踐。人類的實踐過程同時包括經驗和創造。

姜鈞凱預測，未來十年，自然語言處理達到新的高度，人機語言交互幾乎沒有障礙。

語音識別技術主要是關注自動且準確的轉錄人類的語音。在不同口音的處理、背景噪音、區分同音異形異義詞(「你玩我」和「你玩我」聽起來是一樣的)方面存在一些困難，同時還需要具有跟上正常語速的工作速度。

語音識別系統使用一些與自然語言處理系統相同的技術，將各種有助於實現目標的多種技術進行了融合，建立語言模型來預測語言表達的概率分布。比如描述聲音和其出現在特定序列和語言中概率的聲學模型等。運用視覺和經驗調整等。語音搜索是人與機器人交互的典型場景。現在，每個月互聯網上都會有數以百萬次的語音搜索。

機器翻譯將成為一種普及的人工智慧，準確率可以戰勝頂級翻譯大師。目前已經實現語音實時同步翻譯各國語言，翻譯軟體通過分析用戶的反饋以及使用者的無償貢獻來提高它自動翻譯的質量。

16K語音平均識別率達到99%這一平均水平可能十年。不僅是語音識別，OCR、人臉識別、語義理解、機器翻譯等人工智慧技術在實際應用中都會面臨識別率、準確率的挑戰。

姜鈞凱預測，未來十年，人機視覺交流幾乎沒有障礙。

計算機視覺是指計算機從圖像中識別出物體、場景和活動的能力。計算機視覺技術，運用由圖像處理操作及其他技術所組成的序列，來將圖像分析任務分解為便於管理的小塊任務。比如，一些技術能夠從圖像中檢測到物體的邊緣及紋理。分類技術可被用作確定識別到的特徵是否能夠代表系統已知的一類物體。

計算機視覺是一個正在進行中的研究，而機器視覺則是「已經解決的問題」，是系統工程方面的課題而非研究層面的課題。機器視覺在工業自動化領域的視覺應用里，在高度受限的工廠環境里識別諸如生產零件一類的物體，因此相對於尋求在非受限環境里操作的計算機視覺來說目標更為簡單。計算機視覺預計十年會達到不受特定環境局限的高度。

姜鈞凱預測，未來十年，人機情感交流將十分順暢。

情感計算是一門新興的科學，通過語音語調和表情姿態等參數來計算人類情感，反過來指導計算機的情感表達。姜鈞凱作為這項研究的參與者，已經發現了幾乎所有影響元素及其參數變化規律。人機情感交流的順暢，是達到強人工智慧的一個關鍵。

姜鈞凱預測，未來十年，人機腦力波交互或稱心靈感應也將得以實現。

計算機作為輸入輸出的特定設備，符合腦力波和心靈感應的「堅信」法則，某個人的不特定性會被某台機器人逐步學習掌握，然後將其規律同步到其他機器人，如同區塊鏈那樣，讓這個人的思考也被機器捕捉，從而實現無縫交互。作為情感計算的延伸，心靈感應將帶來相濡以沫的人機關係新境界。

目前，演算法能力方面的技術壁壘，被看做某個人工智慧團隊的優勢。從商業性來看，這無可厚非。我們也開看到，機器學習演算法目前被開源使用，這種情形將促成更大進步，因為在開源環境下開發人員可以補足和增強彼此的工作。情感計算和識別等被很多人視為機器人必備的能力，但是目前沒有開源，因為每一步都走得很艱難、很難得；但是只要達到一定階段，就不得不藉助更多科技工作者來共同研究和推進。與此同時，不久的將來，更適合人工智慧研究人員使用的計算類型必然產生，新演算法的發展極大提高了機器學習的能力。各方面智能會突飛猛進，就如同如今的微處理器的性能是1971年第一代單片機的400萬倍那樣，摩爾定律的魅力會逐步在人工智慧上得以體現。

5、世界經濟增長引擎在2020年由IT進入RT時代。

相互學習與共享知識雲機器人技術將獲得重大突破，小型家庭輔助機器人大幅度降低生產成本，機器人從工業普及到生活各個領域，將在2020年之前形成至少累計416億美元的新興市場。世界經濟增長引擎即將由IT進入RT時代（Roboticstechnology）。

6、未來十年，專家系統普及到各種行業。許多商業模式被顛覆，被取代的行業更加明晰，新的工作機會強勢呈現。

專家系統目前已開始採用大型多專家協作系統、多種知識表示、綜合知識庫、自組織解題機制、多學科協同解題與並行推理、專家系統工具與環境、人工神經網路知識獲取及學習機制等最新人工智慧技術來實現具有多知識庫、多主體的第四代專家系統。

姜鈞凱認為，未來十年，專家系統基於大數據，更加強大，信息檢索智能化和自動化顯著增強，自動完成對複雜決策或者在資源有限的前提下做出最佳權衡。而且問題求解能力，幾乎無所不能，許多困擾人們的哲學問題也會迎刃而解。

在這種決策系統的支持下，去中間化成為時代的主流，許多商業模式被顛覆。

人工智慧會同時影響人們消費信息的方式(人機交互)以及信息的處理方式。

我們通過輸入各種參數來過濾信息的這種方式實際上屬於滑鼠、觸屏和低智能，但不屬於語音和人工智慧。高智能的交互下肯定不需要從開始菜單開始的那一系列選項。

一旦語音、視覺和腦電波真的成為主流交互方式，隨著收集到的數據的增加，整個進程就會加快。而在這種趨勢下，我們現在很多依賴於成為唯一中介而存活的公司，最終會像過去的代理商那樣被優化掉。例如Domino』s Pizza早已推出了一個允許用戶通過語音下單的移動APP。有人預測：如果我們認同人工智慧會產生進一步去中介化的趨勢，並相信這會在10年內發生，那淘寶就活不過10年，其他現在的很多平台本質上都是去掉中間環節的時候自己成為唯一的中介，那這些平台在這波新的浪潮里都面臨被淘汰的危險。而這趨勢很可能會催生新的巨頭。

在此基礎上，被取代的行業明晰呈現，新的工作機會也強勢呈現。

因人工智慧被取代的行業可能有客服、專職司機、醫生、護士、數據分析師、解說員等語言類、文員等文字類、會計、人力資源、程序員、編輯、礦工、快遞員、保姆、倉庫管理員、銀行職員、收銀員、清潔工…………

當然，無論什麼技術革命，都不會帶來就業崗位的減少，因為新的崗位必然誕生。因人工智慧新的工作機會：比如科技教練、人體硬體維修師……

7、人們的生活更加美好:遊戲更加炫酷、電聲音樂豐富多維視聽，甚至性愛也將隨心所欲。

自動規劃等認知技術整合至極小卻高性能的感測器、致動器、以及設計巧妙的硬體中，新的模式識別等應用更加廣泛。

未來的遊戲更加炫酷，現有的遊戲將逐步發展為更高智能的全息等互動式文化娛樂手段，今天，遊戲中的人工智慧應用已經深入到各大遊戲製造商的開發中。傳統計算機和手機都是初級VR,現今，沉浸體驗式VR、模擬互聯網、混合顯示MR等，將擴展到人與環境、人與萬物，虛擬環境邊界在不斷擴大。戰鬥甚至都是一場遊戲。海灣戰爭後，美國總統在一次發言中形容道：傷亡幾乎為零，如同打了一場電子遊戲。

我們能獲得的新體驗是無窮的。人類的性愛，使得人們不但能生育，還能從中享樂。未來十年，人工智慧可能帶來隨心所欲的性愛感受。模擬機器人的最大賣點一直是性。同時，結合醫療的突破，人工智慧會輔助男人控制節奏，營造理想環境，達到與配偶最完美的時間和高潮體驗。

8、人類將不再有疾病

人工智慧已經在輔助快速診斷、制定康復計劃、對醫學影像解讀等方面發力，未來，人類對自身的了解和科技進步逐步加深，不再有疾病也值得期待。

9、機器人和人的混合體出現

我國《「十三五」國家科技創新規劃》明確設立了人工智慧與智能交互專項，要求「突破以人為中心的人機物融合理論方法和關鍵技術，研製相關設備、工具和平台」。

外骨骼機器人已經被有效利用。

人與晶元的對接，因為可以實現疾病的防控和能量的轉換，甚至可以控制人的思維，時常讓人想起《聖經啟示錄》中對於獸印的描述。

雖然人體晶元很可能被作為強迫獸印的一種手段使用（也就是說，極端組織很可能要通過這種手段來控制人們的經濟和生活），但是人體晶元本身並不是獸印，值得大力發展。《聖經》也預言世界將最終戰勝假人工智慧的獸印，邁進新時代。

其實，隨著人工智慧的發展，每個人可能又多了一個「靈魂」。比如虛擬個人助手或陪伴機器人。

中投顧問《2016-2020年中國人工智慧行業深度調研及投資前景預測報》認為，具有自我學習、互相學習並與人密切協作的智能機器人到2025年將成為服務機器人的主要形式，也在工業機器人中佔25%的市場份額。

10、2026年，強人工智慧將得以實現。

姜鈞凱認為，2026年，強人工智慧時代就會來臨。

多次調研顯示，強人工智慧已經很近。2013年，Bostrom向百位人工智慧專家做的問卷調查，內容是「你預測人類級別的強人工智慧什麼時候會實現」，得出了下面的結果：

樂觀估計中位年（強人工智慧有10%的可能在這一年達成）：2022年

正常估計中位年（強人工智慧有50%的可能在這一年達成）：2040年

悲觀估計中位年（強人工智慧有90%的可能在這一年達成）：2075年

另外一個獨立的調查，由作家James Barrat在Ben Goertzel的強人工智慧年會上進行，他直接問了參與者認為強人工智慧哪一年會實現，選項有2030年，2050年，2100年，和永遠不會實現。結果是：

2030年：42%的回答者認為強人工智慧會實現

2050年：25%的回答者

2100年：20%

2100年以後：10%

永遠不會實現：2%

除了調研，還有科學預言家也支持了姜鈞凱的觀點。Kurzweil在80年代末的時候預測到2000年後網際網路會成為全球級的現象。他被比爾蓋茨稱為「我認識的對人工智慧預測最厲害的人。」2012年谷歌創始人Larry Page曾邀請他擔任谷歌的工程總監，2011年他參與創立了奇點大學（Singularity University），現在大學由美國太空總署運營，由谷歌贊助。Kurzweil相信電腦會在2029年達成強人工智慧，而到了2045年，我們不但會有超人工智慧，還會有一個完全不同的世界——奇點時代。Kurzweil的奇點時代是三個技術領域的共同革命造成的——生物技術、納米技術和最重要的人工智慧技術。

從智能的大局來看，人和人的智能的差別，比如從最愚笨的人到愛因斯坦的差距，其實是不大的。所以當人工智慧達到了腦殘級別的智能後，它會很快變得比愛因斯坦更加聰明。我們把130的智商叫作聰明，把85的智商叫作笨，但是我們不知道怎麼形容13085的智商。

強人工智慧的智能水平會越長越快，直到它達到了超人工智慧的水平——這就是智能爆炸，也是加速回報定律的終極表現。

通過自我改進來達成強人工智慧的人工智慧，會把「人類水平的智能」當作一個重要的里程碑。它不會停留在這個裡程碑上，人工智慧只會在「人類水平」這個節點做短暫的停留，然後就會開始大踏步向超人類級別的智能走去。

清華大學智能技術與系統國家重點實驗室主任朱小燕教授認為：機器肯定在某一個領域裡戰勝人類，這個絕對是不可質疑的。但機器還不懂得對各類知識和信息的綜合凝練，很難在綜合能力上超過人。如果機器能夠自動地去凝練，然後去傳承，它才能夠戰勝人類。

防止人類衰老，治療各種不治之症，解決世界饑荒，甚至讓人類永生，這一切都將變得可能。同樣可能的是地球上所有生命的終結。當一個超人工智慧出生的時候，對我們來說就像一個全能的上帝降臨地球一般。但是，十年內甚至永遠，靈魂都無法複製，於是，人類終結的可能性不大，而人間地堂時代的到來已經為期不遠。

姜鈞凱堅信：互聯網經濟已經進入新常態，萬物互聯即將開啟，下一個時代是以機器人為引擎的人工智慧時代。

我國《互聯網人工智慧三年行動實施方案》提出，到2018年實現核心技術的突破，形成千億級的人工智慧市場應用規模。而據BBC預測，2020年，全球人工智慧市場規模有望超千億美元達到1190億美元。

姜鈞凱認為：2026年或不久的將來，人工智慧將超越人類智能，人智能之外的魅力更加凸顯，「奇點」到來，世界將開啟一個新的文明時代！

姜鈞凱是中國第一代移動互聯網「產品經理」，中國電視互聯網創始人之一、智能電視標準主導制定者，工信部網路電視業務推進工作組副組長。物聯網專家，中國國際消費電子LEADER創新獎評委。曾任長虹、掌上靈通等上市公司高管，現任愛國者集團常務副總裁。