说起来，林灰觉得他似乎该找个得力下属了。

有下属的话弄服务器这种事情随便交代一下就完事了。

事事躬亲属实有点累。

不过现在事情多多少少有点麻烦。

最关键的是林灰并不知道将来他要何去何从。

是去麻省理工呢？

还是在国内随便读个水木将就一下？

要是以后去美国的话，在国内找个跟班短时间看没啥大用。

黄静倒是个不错的人选。

不过距离黄静示好也不过才半天不到。

黄静要真正加入林灰的麾下怕是要好久。

在大公司入职不容易，离职也是一件麻烦事。

涉及到工作交接神马属实烦人。

即便黄静真的有志于过来投奔林灰。

能在一个月之内处理完交接手续就很不错了。

更何况黄静和林灰还没有私下接触过。

黄静怕是还没有真正做出决断。

……

说起未来，林灰只是学业上暂时没明确做出选择罢了。

涉及到未来事业上的发展，林灰很清楚他将去往何方。

林灰的未来绝不是开发一款又一款软件。

尽管看起来林灰现在只是在跟各种软件打交道。

但看问题不能只看表象。

林灰此时的目光早已放在了别的地方——人工智能！

人工智能，也被称作AI。

对人工智能的研究由来已久。

约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程”。

安德烈亚斯·卡普兰（Andreas Kaplan）和迈克尔·海恩来因（Milein）将人工智能定义为“系统正确解释外部数据，从这些数据中学习，并利用这些知识通过灵活适应实现特定目标和任务的能力”。

和现在重视基于控制论和神经网络的方法不同。

当年人们一直致力于将人工智能符号化。

后来人工智能真的成符号了。

烂大街意义上的符号。

人工智能往后几年基本是烂大街的词汇。

不过在2014年来看，人工智能代表着未来的一种可能。

人工智能其实是一个很宽泛的课题！

也正因为人工智能的宽泛，林灰才将这个方向作为入局的首选。

以人工智能为切入点，将来可以很容易延申到别的方向。

林灰相信人工智能在未来10~15年的潜力。

当然，也仅仅是10~15年的潜力。

至于再久远的事情，林灰并不是很看好。

事实上以前世2021年的人工智能情况来看。

已经给人一种日薄西山的感觉。

人工智能已经沦为一门很俗很俗的学问。

远没有人工智能概念刚火起来那会，给人一种点石成金的感觉。

林灰不看好人工智能15年后的潜力并不完全是心理层面的原因。

很大程度上也是因为人工智能本身的原因。

以前世人工智能的发展状况来说。

前世大概2010年之后，人工智能这方面的热度就在不断发酵。

在2016年，人工智能这方面的热度被彻底引爆。

之后的几年时间，基本上各个大厂科研机构一窝蜂地涌入人工智能领域。

在这段时间里，看似科技成果疯狂涌现。

但林灰觉得这些科技成果的疯狂涌现只是量变的积累罢了。

并没有产生质变。

为什么这样说呢？

前世人工智能方面的研究进展看似取得很多成果。

但这些研究成果大部分都属于弱人工智能。

最为典型的就是弱人工智能就是Siri。

你与它的对话，实际上就是程序设计者在背后设计出一套相对应的流程。

然后在语音识别的基础上加了一套应对，使得大家都以为它能够听得懂你在说什么。

其实Siri不过是走了一遍流程而已。

有弱人工智能，自然就有强人工智能！

“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对电脑和其它信息处理机器创造的，其定义为：

“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”

强人工智能和弱人工智能最大的区别在于能不能具有不依赖于人的思维能力。

不止于此，还涉及到一些理念上的区别。

比如说弱人工智能观点认为不可能制造出能“真正”地推理和解决问题的智能机器。

从前世人工智能的发展情况来看，弱人工智能一派似乎是胜利了。

强人工智能一派一败涂地。

前世在很多人眼中人工智能进展早已突飞勐进，但实则不然。

诸如图像识别、影像识别、语言分析、棋类游戏等。

这些看似很高端大气上档次的人工智能实际上都处于非常原始的弱人工智能阶段。

这些机器只不过“看起来”像是智能的，但是并不真正拥有智能，也不会有自主意识。

之所以说这些东西原始，是因为这些人工智能的一举一动都是程序设计者在预测会出现的情况。

或许有人会说，人工智能一举一动都处在程序设计者预测的情况不才是正确的吗？

如果人工智能产生了什么设计者预测不到的情况岂不是意味着人工智能的失控吗？

这样说确实有道理。

但是换个角度想想，人们设计人工智能的初衷是什么呢？

人们是想要人工智能在诸如语言分析、棋类游戏上做的更游戏吗？

哪怕人工智能在这些方面做的再优秀也只能说明这些人工智能更适应规则而已。

而人类所期待的是人工智能可以打破规则。

只有人工智能打破规则才有可能在基础科学上有所助力。

听起来有点扯。

但事实如此，强人工智能的研究一向有志于此。

如2009年康乃尔大学教授Hod Lipson 和其博士研究生Michael Schmidt 研发出的 Eureqa计算机程序，只要给予一些资料，这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式。

这等于只用几十个小时就自己重新发现牛顿力学公式。

但这种研究也仅仅到牛顿公式而已。

研究人员致力于此也是可以理解的。

基础科学才是决定人类科技真正上限的东西。

人工智能如果无助于基础科学的研究。

那现在多多少少都有点资源浪费的意味。

大概类似于换皮赛博朋克？

就算把概念炒出花来，本质上也只是虚假繁荣而已。

当所有领域都被弱人工智能铺开一遍。

那人工智能估计也就走到尽头了。

有的时候，林灰甚至会觉得涉及到人工智能很像是科技树点歪的结果。

深度学习的到来开启了人工智能的大门。

但开启了这扇大门之后，带来的直接后果是：

机器越来越聪明，人的作用在下降。

一些算法工程师甚至直接沦为机器的保姆。

一言难尽。