机器人学习，

神经网络，

和深度学习，是人工智能界的盛行语，比如让人工智能识别照片里的狗，或者实时翻译措辞或者其他的一些任务，工程师用大量数据不断的重复的办法，来教打算机这些事情，这和耍猴是一样的，做得好就鼓励，做的差就改进，终极人工智能会在脸部识别右或者任何你想要的方面，越来越完善。

但问题是虽然打算机能够识别照片中的狗，

但是每一次必须全部打算一遍，他必须扫描所有的像素，检讨照片中的每一个点，他不能预测你想要什么，他也不知道常日狗在照片的哪一个位置，总之，他们的事情事理不是那样的，

谷歌的人工智能团队，“深度学习”的工程师们打算授予打算机记住所有所做的事情的能力，也便是影象，他们想让打算机能够从这些事情的成功和失落败中学习，他们做的办法很有趣，它们玩游戏，然后揭橥他们的意见，***游戏是通过多次重复和失落败来学习新的技能，你必须依赖你所学到的技能，随着游戏的进行，技能的需求就逐渐繁芜了，玩家不得不将各种技巧组合起来，所有的这些都须要影象，都须要你对之前任务有所理解，但是人工智能仍旧须要学习大量重复劳作和数据，

故而，他们让电脑每个游戏晚上两千万次，正是由于他们让机器有了影象，机器人才能够学习打乒乓球钓鱼，以及武术，等生活中的游戏，

人工智能，很善于下棋，比如国际象棋，

在棋局中，他们司帐算出每一步的最优解，每次都是如此，想象一下，如果一台电脑办理一个新的问题时能够牢记于心，就像某些老师演习过的学生，总是能做出新颖的举动，普通的来讲，就像你每天总是沿着同样的路回家，

我们想让机器有学习的能力吗？能够预测行动，能够随着韶光的推移，用他们的办法行动，

史蒂芬霍金曾说过，人工智能对付人类来说，福祸相依，但是便是现在来说，人工智能还没有完备成熟，

随着韶光的推移，人工智能能够学习，然而它仅仅是学习，却不像其他的真实生命，有学习的驱动力，纵然他没有收到信息，他的程序也不会闭幕，他只是一个机器做着大略而单一的事情，

虽然现在人工智能有了影象，我们也不能过度的解读这件事情，

未来主义者，打算机学家，杰瑞卡普兰，

在MIT的科技综述中写到：机器人来了，却不是由于我们而来，由于它们并不存在，机器人不是人类，没有任何可信的证据表明机器人会有感情，你还在对人工智能感到担忧吗？