在世界最复杂的棋类游戏中，“阿尔法围棋”4：1战胜人类职业围棋高手，人工智能取得了令人瞩目的进展，这是否意味着机器即将获得类人智能了呢？得到这样的结论还为时过早。本期聚焦于人工智能，特别是深度学习及其应用，其中AlphaGo专题的三篇论文还分别从技术层面分析了“阿尔法围棋”系统的实现及可能的弱点。“无处不在”的人工智能把我们带到一个新时代的起点，并使我们隐约地看到未来—实现人类水平的人工智能。面对这一艰巨的科学目标，我们需要应对以下挑战：
1、让机器在没有人类教师的帮助下学习
人类有很多学习经历是一个隐性学习过程，即根据以前学到的知识进行逻辑推理，以掌握新的知识。然而，目前的计算机并没有这种能力。“监督学习”是迄今为止最成功的机器学习方式，它需要人类在很大程度上参与机器的学习。
机器需要具备在没有人类太多监督和指令的情况下进行学习的能力，或在先验知识和少量样本的基础上进行学习。也就是说，机器无需在每次输入新数据或者测试算法时都从头开始训练模型。这是一个很值得深入研究的问题。目前，围绕这一问题的研究热点有：监督与非监督学习的一致性、不变量特性的非监督学习、深度学习与结构化预测的组合、分布式联想记忆与计算的融合、从表象和特征的机器学习到综合的机器推理等。
2、让机器像人类一样感知和理解世界
在对自然界的丰富表征和理解方面，人类无疑是所有生物中的“佼佼者”。如果做不到这一点，人类便无法生存和发展下去。因此，感知能力是智能最重要的组成部分。提高机器的感知能力依赖于器件和新型传感技术的进步。
让机器像人类一样感知和理解世界，能够解决人工智能研究领域长期以来所面临的不完整信息下的复杂任务规划和推理方面的问题。当前，我们已经拥有强大的计算和出色的数据收集能力，利用数据进行推理这一问题已不是开发先进人工智能道路上的障碍，但这种推理能力是建立在数据的基础之上。
如果能让机器进一步感知真实世界，它们的表现会更出色。相比之下，机器学习系统只是按照人设计的程序去处理和分析输入的信息。要实现具有人类水平的人工智能，需要机器具备对自然界的丰富表征和理解的能力，实现健壮的人工智能，这是一个大问题。如围棋很复杂，让计算机在棋盘上识别出最有利的落子位置也很难，但描述围棋对弈的状态与精确表征自然界相比，依然过于简单。
3、使机器具有自我意识、情感以及反思自身处境与行为的能力
这是实现类人智能最艰难的挑战。人类具有自我意识以及反思自身处境与行为的能力，这种能力才使人类区别于世间万物。另外，人类大脑的脑皮层的能力是有限的，将智能机器设备与其相连接，人类的能力就会扩大，机器也由此产生“灵感”。使机器有一天能具有自我意识、情感和反思能力，无论对科学和哲学来说，这都是一个引人入胜的探索领域。
到本世纪下半叶，机器的智力有可能接近人类水平，这有助于人类应对气候变化问题、环境生态问题、治疗疾病、老龄化社会等人类社会发展与生存所面临的重大挑战。
但人工智能技术是一把双刃剑。如同遗传学的发展，人工智能的发展也会带来深刻的伦理道德问题，人类必须谨慎从事。我们需要的是“帮助人类而不是代替人类”的人工智能，人工智能的目的不是把机器变成人，而是要拓展人类的知识和能力，解决人类社会未来发展面临的重大问题，这就是科学界、各国政府和人类社会应该认真对待人工智能发展的意义所在。
