当前人工智能现状

现在的人工你智能跟大数据密切相关的。为什么需要大量的数据，因为有一个叫“深度学习”的神级网络模型，它需要大量的输入（训练）、提取特征因子、大概率逼近和输出。理论上来说，输入越多，识别的概率就会越高。可能中间会进行一些人工标识，这样会提高训练的效率。
但是这样海量数据的训练会存在很多问题，首先是数据无限大，并且“组合爆炸”；其次，给出的数据会有一定的局限性，致使训练的结果在实际应用中差强人意。

人类是如何识别新事物

我对各种模型和数据公式，非常头痛，能不能有其他的方法去模拟人类的智能呢？这个问题一直纠缠着我。
我觉得，人类识别新事物很多并不是靠大量的计算。我一直细心地观察我孩子的认知变化。目前她上小学3年级，开始学习数学的一些基本运算。我发现她学习数学时，逻辑抽象还不行，简单就是举一反三。对于应用题，观察不仔细，经常理解错题目的意思。其次，容易健忘，需要不断地提醒。但是对于英语，她的记性很好，经常带着她读过一篇文章后，她基本就可以自己读了，并且有些生单词，她有时也能顺利读出来，虽然她没有学过完整的音标。
并且，小孩的学习效率相比机器的学习，要高很多，他们之间学习的机制肯定是不一样的。

人类的学习，不应该仅仅是计算；但是计算机最大且唯一的能力就是计算

因为计算机的能力只有计算，所以我们就开发各种算法，让机器具有“智能计算”，但是这能够达到人类具有的智力水平吗？我很怀疑。
当我们碰到陌生的单词时，会格外注意，要查询一下它的意思，理解大概意思后，再碰到相同的单词时，我们会尝试根据之前的记忆进行理解、类推、比较。如果还不能理解，再次查询相关资料，进行理解，如此往复。当对这个单词非常熟悉后，读到这个单词，脑海中就会有清晰的认知，并且连成一句理解，也非常快。
而目前的计算机也是模拟这样的思路，但是我觉得在抽象、类推、比较等方面还是差很多，这就造成其学习效率低下的主要原因。

怎样提高机器的学习效率

我目前也没有确切的答案：）虽然机器现在通过概率进行类推和比较，可以达到一定的学习能力。但是这是单向被动的，人类的学习其实是双向互动的。当老师在课堂上讲授学问时，老师会根据学生的表现提出问题，同时学生在有问题时，会主动向老师提问。这种一问一答的形式，是机器不具备的。
我觉得标志机器能够自主学习的阶段，应该是它能够自主提出问题，并进行自主研究并和人类探讨，这才是超级人工智能的开始。