1、而这一次人工智能革命，却是机器主动来学习和适应人类，“机器学习”的本质之一，就在于从人类大量行为数据中找出规律，根据不同人的不同特点、兴趣提供不同的服务。—《智能革命》序
2、现在我们认为拥有人工智能的那些系统，比如，进化算法和深度学习等，都有一个共同特点：它们都或多或少地表现出了黑箱的特点，虽然从理论上，他们内部的运算步骤仍然可以追溯，但由于计算量的巨大，是这种追踪实际上很困难甚至不可能。于是，我们真的感觉它们有智能了。
3、从纵向发展来说，业界通常把人工智能分为三个阶段：第一阶段，弱人工智能；第二阶段，强人工智能；第三阶段，超人工智能。实际上，目前所有的人工智能技术，不管多先进，都属于弱人工智能，只能在某一个领域做得跟人差不多，而不能超越人类。
人工智能恐惧论者担心，有一天超人工智能到来，人类会不会被机器所控制？对此，我可能比大多数人都更保守一些。在我看来，人工智能永远不会到那一步，很可能连强人工智能都到不了。未来，机器可以无限接近人的能力，但是永远无法超越人的能力。
4、人工智能的一个重要热点：一个具有智能特性的人造系统，它产生、输出的内部的运算过程是人类智能所无法解析的。换句话说，只有我们不知道机器在想什么、怎么想时，才认为它有智能。
是否人工智能的本质中，就隐含着它们最终失控的可能性？
理智地考察目前人工智能领域的状况，我们就能发现智利远超人类的“强人工智能”仍然属于科幻的范畴。作为科幻作家却只能说，科幻小说中的预言真正变为现实的是少数，大部分预言要变为现实仍然遥遥无期。人们的潜意识中都认为，只要在理论上有可能突破的技术障碍，在未来就一定能够被突破，但事实并非如此。在人工智能方面，“强人工智能”的现实面对着许多巨大的技术障碍，如非冯·诺伊曼体系的新结构计算机、对人类思维机制的深刻认识等，现在都无法确知最终能否取得突破。另外一些看似有希望的技术，如量子计算等，距实用还相去甚远。
所以，我们更需要关注即将面对的“近未来”。人工智能近年来发展的趋势是进入人类生活，这样我们就面对着一个即将到来的挑战：人工智能不会夺走我们的自由和生命，但会夺走我们的饭碗，这不需要人工智能的失控，它们可以在资本家的完全控制下做成这件事。—刘慈欣《三体》作者
5、这两年促使人工智能再度技惊世人的技术，则是机器学习技术的升华版—基于多层计算机芯片神经网络的“深度学习”方法。通过多层芯片联结，模仿人脑大量神经元的网状联结方式，辅以精妙的奖惩算法设计和大数据，可以训练计算机自己从数据中高效地寻找模型和规律，从而开启了一个机器智能的新时代。
6、机器翻译就是典型案例。SMT（统计机器翻译）的基本思想是通过对大量的平行语料进行统计分析，找出常见的词汇组合规则，尽量避免奇怪的短语组合。SMT已经具有机器学习的基本功能，有训练及解码两个阶段：训练阶段就是通过数据统计让计算机构建统计翻译模型，进而使用此模型进行翻译；解码阶段就是利用所估计的参数和给定的优化目标，获取待翻译语句的最佳翻译结果。
7、人类只要输入一种语言，就会输出另一种语言，不用考虑中间经历过了怎样的处理，这种叫做端到端的翻译。这种方法听起来很神奇，其实概率论里的贝叶斯方法、隐马尔科夫模型等都可以用来解决这个问题。
以资讯分发中的贝叶斯方法为例，可以构建一个用概率来描述的人格特征模型。比如男性读者模型的特征之一是在阅读新闻时点击军事新闻的概率是40%，而女性读者模型是4%。一旦一个读者点击了军事新闻，根据P（A/B）=P（B/A）*P（A）/P（B）贝叶斯公式就可以逆推这个读者的性别概率，加上这个读者的其他行为数据，综合计算，就能比较准确的判断读者的性别以及其他特征。
