在知乎上看到一个问题《如何看待2014年计算机视觉创业潮》。王乃岩大神说，现在是一个深度学习引发深刻变革的时代。不仅创业公司借上了这股东风，人工智能似乎也有了突破的希望。真正的人工智能离我们有多远？答主给了个比较谨慎的估计：至少还需要两三个这样的变革。

我对这个问题的回答则更悲观一些。就目前来说，我怀疑沿着机器学习这条路走下去，可能连人工智能的边儿都摸不着。（当然，这是一个无知者的见解）

要理解能做什么，请首先理解什么是学习。从人类的角度看，学习的目的是帮我们建立已存在的概念之间的联系。通过学习物理学，我知道了苹果的掉落轨迹和星星的运行轨迹间的联系；通过学习几何学，我知道了点、线、平面这些概念之间的联系；通过，我知道了中文和英文之间的联系。或许我们最早的学习经历是学说话，它帮助婴儿建立起眼睛看到的物体和语言之间的联系。人类的语言是比喻性的而不是解释性的。请看汉语词典对以下几个词的释义：

红色：红的颜色

平面：平静的水面、光滑的镜面等形象的数学抽象

物质：对一切可感知物的共同属性的概括

由此可见，自然语言依赖于抽象概念和人类所感知的概念之间的对应关系。语言的灵活性来自人类所感知的概念的丰富性。那么，人类所感知的概念又从何而来？人类是如何把光和空气波动转换为脑海中的具体形象的？

婴儿不需接受任何即能建立起关于现实世界的基本概念，这是令人敬畏的能力。按照柏拉图的观点，我们所感觉到的现实世界是某个更高层次的理想世界的。例如：我们所品尝到的食物的甜美只不过是“甜美”的理想形式的投影，而我们所见到的光辉四射的太阳也只不过是“光明”本身形式的投影。柏拉图甚至认为抽象知识也并非通过教育获得，而是来自与生俱来的理性。例如，通过一系列提问，他引导奴隶的儿子发现了一个正确的几何学结论，从而论证教育的作用只是帮助人发现已存在于脑海中的知识。换句话说，学习只是产生智力的微不足道的最后一步。

计算机智力的诞生至少应包含两个步骤。首先创造一系列机器可感知的基本概念，然后建立这些概念之间的联系。不幸的是，人类拥有的一切语言形式都只能描述第二步的知识。而对信息的获取是基于语言的。不论互联网上有多少大数据，它们对第一步无能为力。

把人脑中的概念转移给电脑的途径之一是概念的形式化。这需要创造一种严格的解释性语言来描述现实世界的一切。它的特点是，即使把表中的一切词汇替换为毫无意义的A、B、C、D，语言所传达的信息也并无损失。形式语言的范本是学公理体系。在几何学中，把点、线、面称为萝卜、白菜、对推演没有任何影响，即理论本身不依赖于对现实世界中几何物体的理解。继几何学之后，整个数学的形式化是19世纪和20世纪数学研究的趋势。但哥德尔在著名的不完备性定理中证明了形式语言的局限性，即形式语言不可能推演一切真命题。而这仅仅是数学研究的范畴。将其推广到描述现实世界几乎是神的工作。

另一方面，我们可能低估了生命的复杂性。最简单的生命形式朊病毒由3万个颗粒组成并能进行自我复制。如果宇宙中所有蛋白质去做随机试验，试到宇宙末日也不可能把它试出来。我们不知道生命诞生的瞬间发生了什么，也不知道物种演化的突变是怎样发生的，但几乎可以肯定不是靠随机组合试出来的。在自然科学搞清楚生命的本质之前，计算机能成功吗？