从自动驾驶汽车到超级碗广告中的跳舞机器人，人工智能 (AI) 无处不在。然而，所有这些 AI 示例的问题在于它们并不是真正的智能。相反，它们代表了狭义的人工智能——一种可以使用人工智能技术解决特定问题的应用程序。这与你我所拥有的非常不同。

人类(希望)显示出一般智力。我们能够解决广泛的问题，并学会解决我们以前没有遇到过的问题。我们有能力学习新情况和新事物。我们了解物理对象存在于三维环境中，并受制于各种物理属性，包括时间的流逝。人工复制人类水平的思维能力或通用人工智能 (AGI) 的能力在我们今天所认为的人工智能中根本不存在。

这并不是要从 AI 迄今为止所取得的压倒性成功中拿走任何东西。谷歌搜索是大多数人经常使用的人工智能的一个杰出例子。谷歌能够以令人难以置信的速度搜索大量信息，以提供(通常)用户想要的靠近列表顶部的结果。

同样，谷歌语音搜索允许用户说出搜索请求。用户可以说出一些听起来模棱两可的内容，并得到一个拼写正确、大写、标点符号正确的结果，最重要的是，通常是用户的意思。

它怎么运作得这么好?谷歌拥有数万亿次搜索的历史数据，以及用户选择的结果。由此，它可以预测哪些搜索是可能的，哪些结果将使系统有用。但不期望系统了解它正在做什么或它呈现的任何结果。

这凸显了对大量历史数据的需求。这在搜索中非常有效，因为每个用户交互都可以创建一个训练集数据项。但如果训练数据需要手动标记，这是一项艰巨的任务。此外，训练集中的任何偏差都将直接流向结果。例如，如果开发了一个系统来预测行为，并且使用包含种族偏见的历史数据对其进行训练，那么生成的应用程序也将具有种族偏见。

像 Alexa 或 Siri 这样的个人助理会遵循带有许多变量的脚本，因此能够给人一种比实际更有能力的印象。但正如所有用户都知道的那样，您所说的任何不在脚本中的内容都会产生不可预知的结果。