本文的作者Arend Hintze是密歇根州立大学生物医学工程系的助理教授。在下面的文章中，它对人工智能的发展现状以及未来展望，将人工智能进行了4种类型的分类，分别是：单一反应型、有限记忆型、具有心智型、自我意识型。
第一类AI
单一反应型（Reactive machines）
最基本的AI系统是纯反应型的，它既不能储存记忆也不能利用过去的经验来做决定。深蓝（Deep Blue）是IBM公司开发的国际象棋超级计算机，是这种类型机器的典型示例。它在90年代末曾击败了国际象棋大师Garry Kasparov。
Deep Blue可以识别棋盘上的每一个棋子，并知道每个棋子在如何移动。它还可以预测对手下一步会怎么走，并从可能性中选择自己最优的移动。
但是它对于过去毫无概念，对于过去的事情没有任何记忆。Deep Blue会忽略一切之前的时刻，它所做的就是关注当下棋盘上的棋子，并从目前来看可能的下一步动作中作出选择。
这种类型的智能需要电脑感知世界，并对它所见的东西作出相应的反应，它并不依赖内部固有的对世界的概念。在一篇开创性的文章中，AI专家Rodney Brooks表示我们应该只开发这样的机器。他给出的主要原因是，人们不太擅长开发准确的“模拟世界”让计算机使用，即AI学界所称的现实世界的“表示（representation）”。
目前令我们眼前一亮的智能机器，要不就完全没有世界的概念，要不就是只有一个非常有限和专门的，与它特定功能相关的概念。Deep Blue的设计创新点不是要拓展计算机的认知范围，相反，开发者研发了一种方法来将范围缩小，根据机器评估每一步棋的可能效果，直接去除一些不必要的选项。如果没有这项特殊能力，Deep Blue则会需要一个更强大的电脑，来打败真正的人类棋手。
同样，Google的AlphaGo也不会将所有可能的方法考虑在内，它的分析方式比Deep Blue的更为复杂巧妙，利用了神经网络来分析棋局的走势。
这些方法确实提升了AI系统，使之更好地具备了进行各类游戏的能力，但是它们不能轻易地改变功能，或被应用于其他情况。这些计算机化的想象力并没有广泛的世界概念，这也意味着他们的作用并不能超越其被设定的具体任务。
他们不能互动地参与到人类世界中，虽然我们设想的AI系统有一天可以做到这一点。相反，这些机器将在每次遇到相同情况时，会给出完全一致的反应，这可以确保AI系统的可信赖性。 但是，如果我们想要让机器真正地与世界接触，并对其作对应的不同反应，这是很难的。
第二类AI
有限记忆型（Limited memory）
这类AI中包含了那些可以追寻过去的机器，目前自动驾驶汽车就已经实现了这一点。比如说，它们会观察并学习车速和地图导航，这些并不是瞬间性的东西，而是需要机器在一段时间内记住具体的事物，并进行持续的观察。
每一次的具体观察都会被添加到自动驾驶车辆的程序中，其中包括了路标、交通指示灯以及弯道位置等重要元素。它们可以帮助汽车决定什么时候该换道，什么时候该避让其他车辆等。
但是这些信息碎片也都只是短期记忆，他们并不会保存到汽车的长期记忆库里，不像人类那样，能把多年驾驶的经历作为可以一直参考的经验。
那么，我们该如何开发AI系统，才能让它们能形成完整的对世界的认知，记住他们的经验，并学习如何处理新的情况？Brooks是对的，我们目前很难做到这一点。
第三类型AI
具有心智型 (Theory of mind)
这一点是我们现有的机器和我们将来发明的机器之间重要的分水岭。然而，最好是更具体地讨论下机器需要形成的“表示（representation）”类型，以及他们最需要变成什么。
机器在下一个阶段将会变得更先进，不仅会形成对于世界的整体认知，而且也会形成对于世界上的具体事物和个体的认知。在心理学中，这被称为“心智理论”，即通过理解世界上的人，生物和其它物体，来影响他们自己的行为思想和情绪。
这在人类社会中很关键，因为，这样的特殊心理结构让我们能在社会中产生互动。若是没有理解对方的动机和意图，或者没有考虑到别人对自己或环境的了解，人与人之间要一起相处、一起工作是很困难的，可以说是几乎不可能的。
如果AI系统有一天真的能成为人类社会中的一员，那么它们必须要学会了解我们的思想、感受和内心的期待，并且它们需要根据不同的情况相应地调整自己的行为。
第四类AI
自我意识 （Self-awareness）
AI发展的终极阶段，就是开发出能形成自我意识的系统。最终，我们这些AI研究者们就需要让AI拥有自己的意识。
这其实在一定程度上是第三类 AI的深度拓展。有意识的存在能对自己有认知，知道自己的内心状态，并能够感受他人的感觉。我们可以感受到，在马路上被堵在我们车后的人是愤怒的或不耐烦的，因为这是我们从别人身上接收到的信号作出的推论。没有心智理论中的心理结构，我们就无法作出这样的推论。
虽然我们现在离开发出拥有自我意识的机器还很遥远，我们还是应该把努力的重心放在开发理解记忆、主动学习和根据过去经验做选择的能力上。这对于机器来说，是自主理解人类智能的关键一步。如果我们想要把机器变得特别善于识别所见的事物的话，这些因素也至关重要。
-END-
本文来源于"中国人工智能学会",原文发表时间" "
