2016年1月24日，星期天，人工智能先驱马文·明斯基因脑溢血辞世，享年88岁。他是当年达特茅斯人工智能大会组织者中最后一位离世者，约翰·麦卡锡2011年去世，纳森内尔·罗彻斯特（Nathaniel Rochester）和克劳德·香农于2001年去世。报纸随后发表对明斯基所做工作的赞颂——“他证明了向计算机传授常识推理的可能性，为人工智能领域打下了基础”。《连线》杂志一改传统风格，决定发表由人工智能创业公司Automated Insights开发的人工智能编辑编写的讣告，效果非常好。
明斯基的去世具有象征意义，它宣告了第一代欣然认为自己从事的是人工智能工作的研究人员的终结。但是，当他的死讯传到博客和技术论坛后，人们认为他远不是过去年代一个落满灰尘的遗迹。自明斯基和他挑选的一群雄心勃勃的年轻计算机科学家聚集在新英格兰大学校园，整整一个夏季致力于解决机器智能问题的那一年到2016年，已经整整60年。今天，这种乐观主义在我们看来也许是非常天真的行为，但我们不能否认他付诸行动的动力。
我们可能还没有达到人工智能中产生强人工智能的临界点，但是我们不能忽视人工智能取得的成就。一些成就就是明证，不管是人工智能打败象棋世界冠军还是在《危险边缘》节目中打败人类大脑。然而，人工智能在很多其他方面也发挥了重要作用，比如发现新药、传播全球人类可获取的有用信息，使机器翻译越来越快和越来越容易，等等。明斯基可能在人们真正利用神经网络之前过早地摒弃了它，但他的其他想法仍然广为流传。20世纪80年代中期，他出版了《思维的社会》（The Society of Mind）一书，认为“智能不是任何单一机制的产品，而是源自各种资源丰富的实体的互动”。如我们在第三章所看到的内容，这种想法正推动着Jawbone和Nest Labs等智能设备制造者的工作：不仅专注于创造独立的智能小器械，还要使整个物联网能够共同工作从而实现目标。
技术公司如今成为人工智能研究的主要投资者，它们之间的竞争比以往更加激烈。马文·明斯基去世的那一周，Facebook的马克·扎克伯格在其拥有15.5亿用户的社交网站上发了一条新闻链接，该新闻称人工智能试图破解围棋（围棋是一种中国棋盘游戏，目的是比对手占据更多的地盘）。围棋的规则容易学习，但是棋盘上可落子的位置数目却非常惊人，比宇宙中原子的总数量还多。“20年来，科学家一直努力教计算机在围棋中获胜，”扎克伯格写道，“我们已经接近目标，过去6个月，我们已经制造了一个人工智能，它仅用0.1秒就可以落子，而且其性能和之前花费多年建立的系统一样好。”对于Facebook来说，这是值得炫耀的事，尽管这个纪录并没保持太久。仅10小时后，谷歌宣布DeepMind制造了一个人工智能，它不仅可以打败所有既有的围棋程序，还首次打败了人类职业级棋手。从那时起，一切都突飞猛进。直至2016年3月，世界一流围棋棋手李世石（Lee Sedol）在韩国一家酒店的房间迎战谷歌的阿尔法围棋（AlphaGo），全球6 000万人观看了这场比赛。在比赛的最后，阿尔法围棋以四比一击败李世石。
当然，并不是所有人工智能引起的变化都是美好的。未来几年，人工智能也将成为取代许多职业和摧毁人类谋生之道的“罪魁祸首”，尽管人工智能也将创造新的、以前人类劳动者不曾想到的工作机会。许多人也会对在战争中使用机器智能大加批评，不管是航空无人机还是陆地机器人战士。后者的典型代表是谷歌的“大狗”（Big Dog），“大狗”是四条腿的机器狗，能够运载约400磅的装备，但是因为它的汽油动力引擎噪声太大，美国海军陆战队当前推迟了“大狗”在战争中的使用。除了一些灾难性的风险，对于大多数人而言，最迫切的人工智能问题是其对隐私的攻击，这种攻击伴随着谷歌这样的实体公司的崛起而产生。由神经网络驱动的会思考的机器需要进行数据训练，每当我们使用如谷歌搜索、Siri或其他人工智能工具的服务时，我们都使这些机器变得更加智能。
1956年，人工智能以一门学科的形式出现，而今天的人工智能不再像当年那样轮廓清晰。即使是当年，研究人员也在竭尽全力控制人工智能的应用范围，努力基于诸多不同研究兴趣，创造出一个有机的整体。但是，在2016年这仍是完全不可能的。像谷歌这样的搜索巨头，其主要收入来源是以人工智能系统换取广告收益，而研究人员的目的是通过人工智能去理解人类的大脑，对这二者要如何进行协调？除了相关的技术外，什么能够将无人驾驶汽车与像搜索引擎巨头一样把我们进行分门别类的人脸识别安全系统结合在一起？
我在撰写本书结论部分时网上还流传着两个故事，它们证明了人工智能今天所呈现的分化。（我对谷歌快讯进行了设定，让其不断扫描互联网，从而获得人工智能的相关信息。就这样，我自然而然地发现了这两个故事。）第一个故事讲的是近期的一场辩论。在这个故事里，一群直言不讳、心怀忧虑的科学家和武器专家对机器人的风险提出了警告，这些机器人配备了人工智能，正在设法走向战场屠杀人类。
第二个故事从表面来看相对轻松些，讲述了居住在敦提的苏格兰计算机程序员安迪·赫德（Andy Herd）的工作，他进行了一个创新的人工智能实验，为20世纪90年代情景喜剧《老友记》（Friends）创作脚本。“我把《老友记》的每一集脚本都输入了一个循环神经网络，然后让计算机学习创作新的剧本。”赫德在推特中写道。这与我讲述的谷歌Deep Dream工程的创造性工作有些类似，结果有些奇怪。就像《野兽日报》（Daily Beast）一篇文章中指出的那样，赫德承认他的软件仍旧需要完善，从而使他的计算机不再创作出奇怪的剧本，比如计算机创作的一集剧本中，所有的演员都兴奋地挤在一张床上，而莫尼卡（Monica）不知道向谁大喊：“胆小鬼，鲍勃（Bob）!”
这两个故事之间的鸿沟，不仅凸显了我们对通用人工智能的日益高涨的痴迷，同时也表明了如今人工智能的广泛应用范围。半个多世纪以前，人工智能解决了下棋计算机的难题，成为我们如何在机器内部建立人工智能这个大问题的缩影。今天的目标更加模糊。
人工智能是关乎机器翻译、图像识别、自动驾驶汽车、能够管理我们生活的智能助手、能与你的智能电视进行对话的智能恒温器、用于设计美国国家航空航天局卫星的基因算法吗？人工智能是关乎未来就业、人类在21世纪中的角色，或者构建比我们自身更加智能事物的内在风险吗？我们在设法获得一些问题的答案吗？比如，智能等同于意识吗？或者人类大脑是否像计算机一样运行？最后，人工智能的本质是什么？是构建会思考的机器、构建使我们思考的机器，还是旨在构建使我们有更多时间去思考的智能机器？
唯一真正的答案是：是的，人工智能关乎以上一切内容。
还关乎更多内容。