如果人工智能超过人的智能后果是什么

　　如果人工智能超过人的智能后果是什么

　　“不远的将来，人工智能机器的智能将是人类的万亿个万亿倍，它们面对我们，并不像我们面对狗，而是如同我们面对蚊子、跳蚤甚至岩石，当它们消灭我们的时候，如同我们将蚊子拍死，将臭虫冲进下水道，谁会在消灭跳蚤的时候觉得这样太残忍了呢?

　　量子时代很快就会到来，量子并行运算的威力是巨大的。比如，分解一个有400个数字的合数是解码史上的一项壮举，即使用现存最快的超级计算机计算也需要几百万年的时间。但是用量子计算机完成这项任务可能只需要一年左右，因此使用量子计算机可以破解现在使用的最复杂的加密算法。人工智能一旦产生了，能力就会呈几何倍上涨。这些人工智能机器将使用分子和原子大小的组成部分，所以这些部分将受量子力学原理的支配。最近，随着理论物理学家和实验物理学家相互竞争来创造新的“量子计算”方法并且把这些想法实现于真正的硬件上，“量子计算”这个崭新的领域开始流行起来。在某种意义上来说，没有人真正理解量子理论。因为它看起来就像一堆数学处方然后给出问题的完美数字答案，但看起来在概念上却完全不直观。

　　原子以其奇特的方式运作，和人类所习惯的我们这个级别上的事物非常不同。量子力学是真正奇怪的和抽象的。它是这样的一堆数学物理，当原子级别系统和人类级别测量仪器相互作用时，它给出了特定的测量结果的随机性。在经典物理学中，物理系统的状态是清楚的，也就是说，它有特定的状态值，例如在某个时刻的速度是V，它的位置是X，它的动能是K，等等。在量子力学中，事物更抽象。

　　如果进行某种测量的话，量子系统的状态是由一些数字的抽象数学总和表示的，每一个数字都是和一个测量结果联系在一起的。这个总和与状态的线性加权被称为“重叠”，并且是量子力学的核心概念。

　　正是这个重叠才是量子计算的伟大特征。重叠随着时间发展，在某种意义上可以同时进行多次运算，而传统的计算机一次只能进行一次计算。

　　在经典计算中，寄存器(比特的存储链)的状态是有限的0或1的串(如0011011101001)。在一个量子计算机寄存器内，状态是大量可能的经典寄存器状态的重叠。举个例子，如果寄存器有N个比特，那么将有2N个可能不同的经典寄存器状态(也就是说，如果N=3，将有8个不同的经典状态，000，001，010，011，100，101，110，111)。如果N很大，那么2N将巨大。

　　量子计算的巨大优越性在于大量的经典状态可以被看作是一个(重叠)状态，一个量子系统可以处理的量子状态。为了进行传统的经典计算，有必要对所有的可能状态进行测试，每次测试一个经典的寄存器状态。这是一个非常缓慢的过程，并且当N增加后，测试的次数将以指数级增长(也就是像2，4，8，16，32，64…)。

　　然而对于量子计算，只需要作一个测试，因为在某种意义上，所有可能的传统状态都合在一起，称为一个量子寄存器状态。量子计算潜在上比传统的经典计算要更有效。因此，世界的很多物理学家现在都在相互竞争，看谁可以制造出下一个性能更加优越的量子计算机。

　　既然人工智能机器将以原子级别的组成部分制造出来，它就需要像量子计算机一样来运行。既然量子计算机比传统的经典计算机有效，那么这将是一件好事。人工智能机器将是一个量子计算机。

　　人工智能机器是一个量子计算机，这一结果意义深刻。试想一下量子计算机比经典计算机高2N倍的计算能力。一个小行星般大小的人工智能机器将拥有1040个原子或比特。这样的一个人工智能机器其潜在的计算能力，即使是一个经典类型的人工智能机器，比人类的计算能力也将大很多很多。

　　量子计算的人工智能机器将会是什么情况呢?如果N是1040，那么2N是多少呢?这个想法让很多人困惑。当人工智能机器可能拥有相当于人类智能万亿个万亿倍水平时，事实上，这个数字已经是小得令人惊讶了。如果往大数字方面想呢?想都不敢想!

　　人工智能专业前景如何?

　　极其好。如果说计算机专业是上个时代的老大，那么人工智能专业就是下个时代的龙头。因为：

　　1. 大数据、芯片计算能力、5G网络的发展使得AI人工智能得以高速发展。目前在自动驾驶、智能家居、工业制造等很多领域，人工智能都在快速突破。例如预计5-10年后，美国有50%的车辆将是无人驾驶。

　　2. 真正的人工智能公司发展潜力很大， 人才更容易脱颖而出。如人工智能芯片公司“深鉴科技”，由四名清华高手仅仅创立2年后被收购，收购价3-4亿美元。当然，该专业的工资也很高，真正的人工智能岗位年薪百万比较容易。

　　人工智能专业的要求高么?

　　很高。该专业的前景有多好，对应的专业要求就有多高。 人工智能是计算机+数学建模的结合，该专业要求有极其好的数学逻辑能力，能把该专业真正学明白的估计没多少人。 例如给你1万张手机自拍人脸照片，让你通过编程，建立一个数学模型识别出照片中哪些人脸是高兴的表情。你需要把照片转化为计算机可处理数据，例如不同格式不同尺寸的图片如何统一处理;你需要搭建模型来判断数据有什么规律是表示高兴，例如计算嘴角的弧度、眉头的皱纹等等，同时要考虑不同年龄不同人种的脸部特点;模型要经过大量训练来优化，这会需要大量的计算机处理能力(例如几十台服务器)，需要设计优秀的程序来保证训练过程尽量减少计算机的消耗以及减少计算时间(如并行计算)。

　　因此，基本是绝对的数学学霸可以真正搞定该专业。

http://m.99zihua.cn/a/3741.html 如果人工智能超过人的智能后果是什么 计算机专业