所以，我不相信所谓的“超级人类AI”，也不相信AI会比人更聪明。
人们觉得AlphaGo很厉害，是因为觉得一般玩围棋的人就很聪明了，那能打败玩围棋的人肯定更聪明。
这是有误解的。人知道怎么还贷款，上什么学校，怎么和同伴做智慧交流，这些事都是AlphaGo做不到的。
其实，AlphaGo只是通过无数对棋盘的模拟，非常机械地、不断重复地复盘，十几亿、几百亿次地进行学习。这背后没有什么创造力，只是无数次的重复工作。
所谓的“智能”，是我们根据参数汇集起来的数据算法，它们只能复制、模仿、模拟人类的行动，而不是真正的智能。说到底，相比我们真实的世界，围棋的复杂程度要低很多，因为真实的世界充满不确定性。
我觉得，有生之年不会出现这个奇点了。
传统的机器人算法不能适应未来
本节要点
传统单一机器人的算法并不能应用于未来的智能城市构建；
甚至在今天，传统的机器人问题也没有得到很好的解决；
相比过去的工业革命，人工智能带来的事业浪潮将会比过去进程快三倍；
那么，什么是值得大家担心的呢？
我前面讲到，所谓的超人类智能系统，我们是不应该担心的。而正好相反的是，看似智能，实则不够智能的这些系统，却是值得我们警惕的。
很多媒体提到AI的时候，讲到的是视觉、语音的方面。但我们未来涉及到城市规划、推荐系统、医学诊断等，都不再是传统单一机器人的问题。
这是完全不同类型的问题。
一个机器人的某一错误我们是可以控制的。比如，机器人走到舞台边缘，探测到下面将有一个高度落差，它会知道停下来。
但如果是一系列问题呢？又或者，是很多机器人一起呢？
如果大楼发生火灾，这个机器人就不会知道该怎样逃出去。因为，这是一系列的决策，涉及到你从哪里转移到哪里，还需要和其他人的合作。
比如，大家都从同一个逃生通道出逃，就会出现堵塞，那么，就要选择换其他的道路。在这种情况下，机器人是做不到的，这样的算法是非常难的。
如果你用过去传统的机器人研发算法去应用到城市规划建设等领域，就会出现很多无法解决的重大问题：
NO.1：大规模多重相关决策的错误控制
搜索引擎给你一个错误的推荐建议，如果没有人因此死亡，就不会出现什么大错漏。顶多你会觉得这个搜索引擎不好用，再换一个就完了。
但假设这个推荐是医疗诊断意见呢？如果这个意见出现错误，那真的是会出人命的。而且，我们已经看到这件事情的发生了。
即便是在金融服务领域，一旦出现错误，也可能会引发市场的大动荡。交通也是如此，如果连公交走向都出现问题，就极有可能发生车辆碰撞，整个城市的交通陷入瘫痪。
因此，一旦扩大到这些领域，我们就不能再以传统应用到单一机器人的算法去做这种大规模的事情，必须要有新算法。
但事实上，在这一点上，我们远未达到。目前，我们所沿用的思路都是比较传统或通用的，并没有意识到在这个层级上还需要做很多事情。
NO.2：如何在竞争环境中共享数据
很多公司手握数据，却不愿与人分享。
假如，有一个黑客找出了新的办法来骗钱，他针对了某一家公司A。那么，A公司就会从这次欺诈当中学到新东西，可以未来避免同样的情况。
但因为当初的攻击只针对了A公司，其他的公司并不知道，因此也就不知道如何改进自己的系统了。
表面上看，A公司只把这个技术掌握在自己手里，让其他人学不到，这好像有点自私。因为，他没有从整个行业的角度去考虑问题。如果这家公司把这个数据分享给所有人，整个行业就可以一起改善这个算法。
但现在大家都不愿分享，其实一方面是技术原因，一方面也是法律的原因。
NO.3：大规模的云端互动
大家都在谈云计算，所有的东西都在云上，让人们感觉到非常便利。
但这些智能设备，并不是云设备，而是端设备。
事实上，我们未来将要接触的设备，都会是所谓的端设备，它们没有时间将数据上传到云中。如果你和机器人的每一次对话都要上传到云，就会导致速度跟不上。
比如，汽车做智能，“我在这里到底要不要转弯”这样的问题，是不可能每一次都实时和云进行交互的。