人工智能技术的崛起，对于人类应该做什么准备？人工智能是现代科学技术的最新发展阶段，是对传统的科技发展的重大挑战，是人类历史上最具颠覆性和最具挑战性的科技领域之一。我们现在所处的时代，已经成为一个信息爆炸、连接爆炸性增长的时代。

如果我们回顾一下这一段时间，人们对于人工智能和机器能做什么这个问题的思考，可能会有一个比较清晰地认识。从20世纪60年代以来，人工智能领域中发展最快、应用最广泛和最有影响的三个方面就是机器学习（ML）、深度学习（DL）和智能系统（IS）。

机器学习和深度学习是两个交叉学科。在机器学习领域中，数据被视为一个“基本资源”，并通过对其进行分析、处理来学习。在深度学习领域中，对数据的分析和处理也主要集中在深度神经网络上——使用大量数据进行学习和训练。

从20世纪80年代开始，计算机科学家们就非常关注机器学习问题。到了20世纪90年代，他们研究的重点就从最初的神经网络转向了更高级的深度学习上——使用更高级算法对数据进行挖掘并使之产生结果。

20世纪90年代末出现了很多机器学习方法学上新发展和突破——如图1所示，其中一些是基于统计学习方法（Statistical Learning）——通过观察数据来训练模型；另一些则是基于经验模式分析（Principal model analysis）——通过观察经验模式来训练模型。

20世纪90年代末至21世纪初发生了很多机器学习方法学上重要变革：比如深度学习技术——基于神经网络理论、神经网络、认知心理学等；再比如卷积神经网络（Convolutional NeuralNetworks）——通过卷积操作来处理大量原始输入；还有迁移学习、循环单元网络（Repetition Unit Network）、图生成树（Graph Generation Tree）等；另外还有强化学习、无监督学习方法学上进展等。

可以说这些重要变革，为机器学习方法学提供了坚实基础，使其成为机器学习发展最快和最有影响最热门的领域之一。

目前在国际上出现了许多研究机构并进行了大量研发工作：微软、 IBM、谷歌等都在积极推进机器学习技术的研究和应用；中国科学家吴建平提出了“强化学习”这一概念；美国斯坦福大学张首晟教授和他的学生开发了一种基于神经网络推理机制的深度学习算法——神经网络推理框架；北京大学张钹教授提出了一种基于循环单元网络学习模型来构建深度学习模型的方法——图生成树（Graph Generation Tree）技术。最近，谷歌研究人员还开发出一种新方法来训练一个能够模仿人类大脑机制的超级机器模型——神经生成网络（NeuralGeneration Network）模型。

可以说，人工智能和机器学习这两个学科之间在近十年中有着明显的交叉和融合过程。而中国也在这一趋势下进行了非常多、非常深入地研究。

下面我们从两个方面来看一下人工智能技术正在对人类产生什么样的影响：

第一个方面是对人类思维方式会产生哪些影响？

1.会导致人们失去许多重要而有价值的信息和数据，从而导致人类思维方式发生巨大改变。

2.人类思维模式会从以自我为中心逐步向以他人为中心转变，在此过程中人类将面临更多冲突和竞争，这必将对我们生活产生重要影响。

3.我们将不再像过去那样能通过思考解决问题，而是开始更多地依赖机器解决问题——比如处理复杂数据、优化生产流程等。

4.人与人之间将开始在思维模式上出现差异——人们不再愿意为了沟通交流而去花费大量时间和精力——这必然会对社会生活造成巨大影响。