成熟的人工智能仍属于遥远的未来，我们所做的一切就是为了实现希望继续努力。
想象一下未来的生活：当你睁开眼睛的那一刻，就已经生活在一个人工智能充斥的环境中，你的家本身是一个综合性超级智能机器人，智能卫浴会为你调节洗浴水温，智能厨房会为你烹饪早点，出门上班时，无人驾驶汽车会自动来接你，走进办公室，智能桌子会立刻为你打开邮箱和一天的工作日程表……
这一切已经不再被认为是科幻小说，很可能不久就会成为现实。2015年12月，瑞典爱立信公司对40个国家的10万名消费者进行了调查，其中一半的人认为5年内智能手机即将成为历史，替代智能手机的将是人工智能，后者将使人们无需智能手机屏幕即可与物体互动。
在未来，人工智能会开启并连接一切。智能化技术让交通变成了智能交通，医疗变成了智能医疗，同时也推动智能农业、智能城市等等出现。安卓的创始人安迪·鲁宾曾说，下一个计算大浪潮将出现在人工智能领域，机器人和自动化技术将进入人们的生活。于是，我们看到互联网巨擘和资本大鳄纷纷进入这个领域。谷歌、IBM、亚马逊、百度、腾讯、阿里巴巴都已经注资抢占先机，随后苹果、特斯拉也来了。2015年10月初，苹果公司在4天时间里收购了两家人工智能公司Voca IIQ和Perceptio，前者有助于苹果改进虚拟语音助手Siri，有望进一步推进苹果的汽车项目，后者有助于开发智能手机端的智能图像分类系统。
2015年12月，SpaceX和特斯拉的创始人埃隆·马斯克（Elon Musk）创建了一家名为OpenAI的非营利人工智能初创机构，目标是推动数字智能的发展，造福整个人类。公司的豪华团队吸引了业界的注意，包括著名的创业公司孵化器YCombinator总裁山姆·奥特曼（Sam Altman）以及联合创始人杰西卡·利文斯顿（Jessica Livingston）、职业社交网站领英（Linked In）联合创始人里德·霍夫曼（Reid Hoffman）、著名风险投资家彼得·蒂尔（Peter Thiel）以及亚马逊等科技巨头的投资部门。这样一群大佬组团，以至于OpenAI还没正式开张便已经拿到了超过10亿美元的投资承诺。
除了互联网巨擘，小规模的创业团队甚至计算机领域之外的企业也开始争先恐后地制造一系列和人工智能沾边的产品。根据台湾拓墣产业研究所发布的报告显示，2015年以企业为主的人工智能系统市场价值接近2亿美元，到2020年将达20亿美元以上，5年之间成长倍数高达10倍。
从目前人工智能的热度来看，安迪·鲁宾一语中的。在专家眼中，人工智能将成为IT领域一场重要的技术革命，目前市场关心的IT和互联网领域的一些主题和热点，比如智能硬件、O2O、机器人、无人机、无人车、工业4.0等等，其发展突破的关键环节都是人工智能。人工智能有望成为未来10年乃至更长时间内IT产业发展的焦点。
人工智能是什么？
智能是人类的特征之一，然而对于什么是人类智能，学界至今没有给出令人满意的答案。既然人类智能无法被定义，人工智能也只好众说纷纭了。
有人认为人工智能是学会怎样编制计算机程序完成机智的行为，学习人类怎样做这些机智行为；有人认为人工智能一方面帮助人类思考，另一方面让计算机更有用。鉴于“人工智能之父”阿兰·图灵是用行为来判断机器是否具有智能的，麻省理工学院的计算机科学家帕特里克·亨利·温斯顿（Patrick Henry Winston）在所著的《人工智能》教科书里所下定义是：“人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作。”这种定义说明，人工智能研究的对象仍然是一种电脑系统，这种电脑能够表现出人类智力活动的特征，从而延伸和放大人类的智能。
温斯顿的理解依然没有跳出人工智能成立的初衷。1956年夏天，麻省理工学院的科学家约翰·麦卡锡（John McCarthy）在他当时任教的达特茅斯大学召开了一次会议，希望能够通过这个盛会将分布在全球各地的计算机智能研究者会聚到一起，让他们自如地交流研究想法和成果。这个会议在人工智能的历史上屡次被提及，被认为是人工智能研究的第一缕曙光，大多数参与者后来都成了这一领域的开创性人物。麦卡锡给这个令人兴奋的全新科技领域起了个名字，叫作“人工智能”。
正如伽利略发明的望远镜对于整个天文学研究的划时代意义那样，这些杰出的研究者会聚一堂，碰撞出的思想火花大大促进了人工智能领域中新技术和应用软件的产生。
麦卡锡在达特茅斯会议中提出的研究目标是“研制一种人工语言，人们可以使用它来编写计算机程序，去解决那些需要进行合理推测和自我参照的问题……如果真的能够发明这样一种语言，毫无疑问，人们也能够利用它来制造一台会玩游戏、会做许多其他事情的智能机器”。
1956年，他们甚至认为只要精挑细选一些科学家一起工作一个夏天，至少在一个或是更多的问题上就能有显著的进展。现在看来，这一切并不容易，可这群人为什么会有如此惊人的信心呢？
20世纪上半叶，科学的发展速度让人吃惊：放射性的发现让人们了解原子内部的构造，可控核反应堆有了很大进步，出现了核弹和氢弹。迅猛的科学进步也体现在科幻小说中，科幻巨头阿西莫夫描绘了和机器人共处的先进文明形态，这些机器人必须遵循阿西莫夫三定律，以避免伤害人类。达特茅斯会议这一年，阿西莫夫发表了短片科幻小说《最后的问题》，描绘了超级人工智能不断自我调整和改进，帮助人类文明向宇宙扩展，当宇宙最后一颗恒星毁灭时候已经抛弃肉体、进化成意识的人类把自己加载到人工智能里，一起获得某种神性，创造新的宇宙。
当时的科学家认为，机器智能就和原子一样，是有着巨大可能性的前沿事业。如果说大脑仅仅是“肉质机器”，那么没有任何理由证明它不能被复制或超越，就像喷气式飞机飞得比猎鹰快一样。即便是在达特茅斯会议之前，机器在某些专门领域里已经超过了人类，比如“二战”期间，图灵发明的密码破译机破解了德军的密码系统Enigma。
那时，科学家指出人工智能系统能够自己找到解决问题的答案。有一个算法还证明了在罗素的《数学原理》中，某个定理机器人写得比作者还要简单优雅。
即便大家对这些实验抱有很大期望，创造人工智能的挑战还是很严峻。一些实验室里不错的程序在日常生活中几乎没有用，比如说简单捡起一个球需要的计算工作就非常大。
起起伏伏
到了20世纪70年代中期，人工智能领域的很多问题无法解决。在意识到多数项目无法成功实现最初的设想之后，人工智能的研究迎来了第一个寒冬：项目被砍、资金缩水、怀疑论甚嚣尘上，人工智能备受冷落。
20年后，人工智能又经历了第二个冬天。批评家说：“人工智能研究发展到今天，呈现出来的状态往往是在特定领域取得了极其有限的成功之后，便立刻会在实现更加宏大目标的过程中遭遇挫折，而这种挫折往往都是被早期的成功所揭示的。”私人投资者们开始回避任何与人工智能相关的风险，甚至对于学术界人士以及学术资助的人来说，“人工智能”一词都让人感到厌烦。
达特茅斯会议召开40年之后，麦卡锡坦言：“那次会议中，我提出的许多研究计划都是非常不切实际的。”
他曾经认为，国际象棋非常复杂和奇妙，人工智能如果能战胜人类，是一件了不起的事情，为此一度努力编写国际象棋程序。1997年，IBM公司制造的著名的“深蓝”计算机在一场国际象棋比赛中击败了世界国际象棋冠军盖瑞·卡斯帕罗夫。当时麦卡锡70岁，在人工智能领域耕耘了很多年，得以亲眼见证一个领域的发展过程，体会那些原始设想成真的瞬间。胜利本该让他兴奋，但是他却说：“这就好比当遗传学终于在1910年培育出了可以进行飞行比赛的果蝇，在这之后他们就把研究重点转向怎样能够使这些果蝇在比赛中取得胜利一样。这种现象无疑是非常可笑的。”
他还不无惋惜地说：“这种机器被造出来之后，人们就不称其为人工智能了。”他说的没错，从某种角度来说，这种胜利毫无意义，因为“深蓝”取胜并不是因为比人聪明，而是它的运算速度是人脑的几百万倍。而人类象棋大师能够纵观棋局，立刻判断出哪个区域有利，哪个区域危险，而电脑对于重要的事情没有直觉感应，它必须尝试更多的选择。它就像一台计算器，能算算术但毫不理解什么是数学。
事实上，人工智能和软件的分界线并不是特别明显。很多人工智能事后被认为是一般的软件应用而非特殊的人工智能应用。对此，麦卡锡曾说：“如果硬要做出明确区分，对于人工智能系统而言，不管人们是否叫它人工智能，它的特点就是在有限的范围或领域内具备认知能力，而软件系统的主要特征则是具备普遍的问题解决能力。”
在任何情况下，无论多成功的人工智能程序也只善于那些经过专门设计的领域，它们不会归纳总结，缺乏灵活性，不如一个3岁的小孩。至今为止，很多人想象中的人工智能依然尚未出现，比如机器人秘书、机器人士兵、机器人翻译、机器人保姆等等。
人工智能领域有一个悖论，叫作莫拉维克悖论。
美国卡内基·梅隆大学移动机器人实验室主任汉斯·莫拉维克（Hans Moravec）曾观察到：“如果让计算机展示成人水平的智力测验或者玩跳棋，是一件相对容易的事情；但当涉及知觉和机动性时，即使让计算机完成1岁幼儿的某些技能也是非常困难或者不可能的。”
这种情形所描绘的就是莫拉维克悖论。对人工智能而言，高层次的推理几乎不需要计算，但低层次的感觉运动技能则需要大量的计算。这就导致一些对于人类来说非常困难的任务，例如精密点焊机等，对于机器人来说非常简单；而很多对于人类来说非常简单的任务，例如清理餐桌等，对于机器人来说却非常困难。主要原因是由于摩擦力学、碰撞力学和接触力学固有的复杂性决定的。与推动桌面上的咖啡杯相比，对机器人来说计算彗星的精确轨迹更加容易。
这应了图灵奖得主、计算机科学家唐纳德·克努特（Donald Knuth）的话：“目前，人工智能在所有需要‘思考’的领域中成功了，但是却在人和动物‘不思考’的领域中失败了，‘不思考’比‘思考’在某种程度上更难。”克努特还说，当新一代智能设备出现的时候，股票分析师、石油工程师和假释委员会成员的工作机会将最有可能被机器代替；但园艺师、接待员以及厨师在未来的几十年里，丝毫不用为自己的工作机会操心。
希望和泡沫
最近10年，人工智能又火起来。在计算机和互联网巨头的推动下，进入了新的发展热潮，深度学习、人工神经网络等新名词进入人们的视野。人工智能和互联网相结合的新方法意味着，现在可以去创建一个基于计算机视觉和语音识别的新服务，并通过互联网以及亿万智能手机用户迅速普及给全球受众。
如今，诸多互联网服务的背后依靠的是人工智能技术的应用。邮件监控软件审视着全球通信状况，尽管垃圾邮件不停地升级以避开软件监视，但垃圾邮件过滤器依旧能够将大多数垃圾邮件拦截在外。融合了人工智能的软件会自动核准或者拒绝信用卡交易，并时时刻刻监督账户动态，密切注视可能出现的欺诈交易信号。信息检索系统也被广泛地应用到机器学习中，谷歌搜索引擎就是目前已经搭建起来的最宏大的人工智能系统。
随着“无处不在的计算”时代的到来，我们已经进入一个崭新的智能时代。在未来若干年，人工智能和机器人给世界带来的影响将远远超过个人计算机和互联网在过去30年已经对世界造成的改变。
该领域的一些专家担心未来可能又会形成新的泡沫。2013年10月，Facebook当时新成立的人工智能实验室负责人燕乐存（Yann Le Cun）警告说：“因为炒作，人工智能50年内‘死’了四次：人们夸下海口（通常是为了打动潜在的投资者或者投资机构），却无法拿出成果。”同样，纽约大学认知科学家加里·马库斯（Gary Marcus）称，深度学习、人工神经网络领域最近的突破，以及IBM超级计算机沃森的部分能力，已经明显被过度炒作。
尽管如此，人工智能研究的步伐在新一轮热潮中势不可挡，特别是像谷歌、Facebook、亚马逊等企业的崛起带来了巨大的进步。以前从未有如此财大气粗的企业将人工智能放在业务模式的绝对核心地位，也从未有过人工智能研究在如此强大的企业之间几乎定位成了竞争的焦点。类似的竞争也在国家之间展开，人工智能在军队、情报机构和安全机构中也变得不可或缺。
或许，人工智能仍会经历一个长达十几年甚至几十年的寒冬。如今的科学家对人工智能的发展前景也莫衷一是，对于人工智能未来发展前景的预期，唯一能确定的就是未来的不确定性。
人工智能会对人类产生威胁吗？
人工智能领域目前最热门的话题之一就是人工智能威胁论。
《机器人时代》一书的作者马丁·福特（Martin Ford）提到，在2009年，还没有多少人公开谈论人工智能技术对各种职业造成的威胁，提到它就得冒着被称为“卢德分子”的风险。所谓卢德分子，指的是1811～1812年，以卢德为首的英国工人破坏纺织机械，抗议纺织行业机器化，后来泛指反对新技术的人。而如今，美国和欧洲的媒体已经充斥着机器人威胁论，埃隆·马斯克、斯蒂芬·霍金、比尔·盖茨以及苹果联合创始人史蒂夫·沃兹尼亚克等业界大咖都发表过关于人工智能威胁的言论，无数文章援引了他们的担忧。2015年底，一家位于华盛顿的智库机构“信息技术与创新基金会”提名马斯克为年度“卢德奖”候选人，霍金、比尔·盖茨等人也“光荣”上榜。
马丁·福特写道：“一场由人工智能全面支持的军备竞赛很可能在不久的将来酝酿。真正的问题不在于人工智能领域会否面临寒冬的危险，而在于进步是局限于弱人工智能领域，还是最终扩展到强人工智能领域。”
在这个领域内，人类水平的人工智能被称为强人工智能，我们目前能看到的人工智能被称为弱人工智能，主流科研集中在弱人工智能上。如果人工智能研究者最终设法跨越实现了强人工智能，那结果应该不是一台仅能匹敌人类智力水平的计算机。强人工智能最终会被用来引导自己的智力发展，它会专注于提高自己的设计，重新改写自身软件，使用进化技术来创建、测试和优化改进其设计，这将带来迭代过程，每次修改后系统都将变得更聪明能干。随着循环不断加快，最终的结果将产生智能爆炸，很可能最终产生一台比任何人类都聪明十万甚至上百万倍的机器。像霍金等人说的，这将是人类历史上最大的事件。
用未来学家和发明家雷·库兹韦尔的话说，它会“撕裂历史的结构”，迎来一个被称为“奇点”的事件或者时代。奇点说在硅谷大行其道了若干年，有很多拥护者，也有很多反对者。持不同意见的人认为，超级智能的发明是不可能实现的，或者只能在非常遥远的未来才有可能。美国麻省理工学院研究认知科学60多年的艾弗拉姆·乔姆斯基（Avram Chomsky）说，我们离建立人类水平的机器智能还“遥不可及”，奇点是“科幻小说”。哈佛大学心理学家史蒂芬·平克（Steven Pinker）对此表示赞同，他说：“没有丝毫的理由相信奇点会在未来实现。你可以想象出一个未来，并不能证明它就有可能发生。”
《我们最后的发明》一书的作者詹姆斯·巴拉特（James Barrat）曾对200名研究员做了一次非正式调查。他让计算机科学家在强人工智能何时能实现的四个预测时间中做出选择，结果42%的人认为能思考的机器人将在2030年前创造出来，25%的人选择在2050年前，20%的人认为是在2100年之前会发生，只有2%的人认为永远不会发生。值得注意的是，一些受访者在对他们的调查写评论时表示，巴拉特应该加进一个更早的选项——或许是2020年。
牛津大学人类未来研究院院长尼克·博斯特罗姆（Nick Bostrom）在分析了各种数据后认为，与人类智能水平并驾齐驱的机器智能有相当大的可能会在21世纪中叶出现，可能会更早，也可能会更晚；但是只要这种机器智能出现，就会很快出现超越人类智能水平的超级智能；这会对人类生存产生极其重大的影响，或是产生极好的影响，或是造成人类灭绝。不管怎样，都说明人类需要认真研究人工智能这个课题。于是，他写了《超级智能》这本书，分析了当机器智能超越了人类智能时会发生什么，会拯救人类还是毁灭人类。
他在书里写道，预言家喜欢用20年这个时间跨度来预测强人工智能会否出现。这个跨度既抓眼球，又足够长，长到可以让一个目前看起来还是模糊现象的突破成为现实。为什么不是更短的时间跨度呢？“因为大多数未来5～10年可能对世界产生重大影响的技术目前已经在小范围内被应用了，而全新的技术在不到15年内就能让世界焕然一新。另外，还有可能是因为一个预言家的职业生命大概就是这么长，这样一来他在做出大胆假设时也不用承担名声受损的风险。”
《智能简史》一书的作者雨果·德·加里斯（Hugode Garis）甚至预测，人类将分裂为两大主要政治集团，并且会随着人工智能机器逐渐变为现实而使得他们之间的争斗更加激烈。支持制造人工智能机器的集团被称为“宇宙主义者”（Cosmist），基于“宇宙”（cosmos）一词。
也有不少科学家认为这是个伪命题，不值得浪费时间，因为目前人类要达到这个水平还远得很。人工智能还需要跨越一个几年甚至几十年的寒冬。百度首席科学家、斯坦福大学教授吴恩达做了个比喻，担心人工智能的威胁就像担心火星上人满为患一样。
2015年12月人工智能界最重要的盛会“神经信息处理系统会议”在加拿大蒙特利尔召开，大多数与会者并不担心人工智能的安全性问题，不过他们都承认，提前考虑这些问题确实没有坏处，最大的分歧在于该何时展开人工智能安全性研究。
对人工智能一直心存芥蒂的马斯克坦言，特斯拉从人工智能的发展中汲取了很多养料，正在研究的无人驾驶汽车亦是如此。他一直在想，有没有某种方式能够确保，或者是增加人工智能往有利的方向发展的可能性？反复探讨之后OpenAI诞生了，所做的一切是为了防止恐惧成真，尝试开发一种“仁慈”的人工智能，并且让全世界都能免费拥有这些技术。
在人工智能和机器人技术之间，未来既可能是乌托邦，也可能是地狱，还有可能是介于两者之间的某种世界。如果能消除人工智能对人类的威胁，那就最好不过了，没有人想看到《终结者》的故事在现实中上演。
“无聊”的无人车
一些美国记者体验了无人车后，最大的感受是无聊。《纽约时报》记者约翰·马尔科夫（John Markoff）乘坐谷歌无人车之后感叹：“坐在上面太无聊了。”
《连线》杂志的记者亚历克斯·戴维斯（Alex Davies）在体验了谷歌无人车之后吐槽更多，比如无人车像个扫地机器人，声音也像，20公里的时速像是在爬行，整个旅程十分无聊……
《连线》还有一位记者体验了奥迪无人车之后写文章说，整个驾驶过程近乎无聊，行程中最大的亮点是路上一位乘坐SUV的女孩微笑着朝他挥手致意，他也挥舞起两只手，把那女孩吓坏了，让他赶快把手放下。
事实上，记者们的体验让谷歌和奥迪公司高兴得要死。无聊就说明什么事情都没有发生，车的安全性能很好。从2009年到现在，谷歌汽车共历经16起碰撞事故，大多数是无人车被追尾，部分是在高速公路上，部分在红绿灯处。谷歌公司称，这些事故的责任都不在无人车，公司承认对撞车事故负责的例子只有一次。那是2011年8月，一辆无人车撞上了一辆正在行驶的汽车，当时的汽车正被一位员工控制，也就是说是那位员工的错。
谷歌无人车的最高时速只有40公里/小时，续航约120公里，备有可拆卸方向盘、油门踏板和制动踏板，以备需要时由人工接管。无人车的数据来自谷歌街景，并用汽车装备的相机、激光雷达以及雷达来确定其在地图上的位置。谷歌街景绘制了无人车将要走过的每条道路的地图，它不是老式地图，也不是内容丰富的消费者版谷歌地图。它刻画了超精密数字化物理世界，精确到一些很小的细节，比如交通信号灯到地面的高度、每个路牙的高度和宽度等等。在谷歌创造的虚拟世界中，每条街道都是工程师行驶过的，无人汽车出发之前，他们就已经把路线数据载入汽车的存储器，汽车开动后，软件会知道下一步怎么走。
在无人驾驶这个领域，谷歌的眼光可谓敏锐。
21世纪初，美国军方开始设计自动驾驶汽车，没有取得什么进展。后来，美国国防部先进研究项目局（DARPA）决定展开一场高调的较量，旨在说服黑客、大学教授以及那些希望以此一战成名的企业加入此领域的研究。为此，2004年他们举办了第一届DARPA无人车挑战赛，结果无一辆车到达终点。
到了2007年第三届挑战赛时，无人车已经从沙漠开到城市。美国卡耐基·梅隆大学的TartanRacing车队以4小时10分钟的成绩走完全程，功臣是一辆名叫“Boss”的蓝色雪佛兰Tahoe。
2008年，谷歌启动了自己的自动驾驶汽车项目，会聚了一批DARPA赛事中的优秀工程师。经过两年的努力，制造出一款改良的丰田普锐斯，配置了精良的设备，包括摄像机、10个独立的雷达系统以及一个价值8万美元的激光测距仪。
约翰·马尔科夫曾写道：“DARPA大赛是两个世界的分界线，在一个世界中，机器人被视作玩具或研究人员的玩物。而在另一个世界中，人们开始接受机器人能够在世界上自由移动的事实。”
在谷歌的设想里，未来的无人车不是个人的座驾，很可能成为共享资源。在未来任何需要用车的时候，你只需简单地用智能手机或者其他设备联络一辆无人车，它就会来到你的面前，其中一扇门的灯亮起，上车就带你去你想要的地方。
在这场谷歌掀起的浪潮里，汽车制造商很快意识到自己面临危险。没有人愿意看到发生在个人电脑硬件制造商身上的教训再度重演，当微软Windows系统逐渐成为行业标准的时候，硬件厂商发现他们的产品变成了低利润商品，越来越多的资金流向微软。于是汽车行业紧跟其上，纷纷推出了自己的无人车业务。奥迪、日产、沃尔沃、奔驰、丰田等汽车巨头均表示预计2020年推出一款自动驾驶汽车。
但事实上，很多热爱驾驶的人都不希望无人车真的是全自动的。对很多人，尤其是男性而言，汽车就是一个大玩具，不能亲自把玩就被剥夺了大半乐趣，不亲自掌控汽车就会产生严重的无力感。很多司机有“路怒症”的一部分原因就在于，个人无法控制路况，从而激发了愤怒情绪。为此，大多数企业研发的无人技术可以让司机选择何时自己驾驶、何时让汽车接管，还可以选择自己驾驶时哪部分任务交给汽车。比如，你可以选择长途驾驶中手握方向盘，却不必再操作油门和刹车，给人类司机更多的驾驶权。
此领域中最激进的要属特斯拉公司。特斯拉的创始人兼CEO马斯克日前表示，特斯拉两年内将推全自动的无人驾驶汽车，研发无人驾驶汽车的大部分必需元素都已经具备，但公司需要根据多种环境进行调试，因此可能将只需要两年时间就可以生产无人驾驶汽车。马斯克承认，由于更多法律层面的问题，解除监管的步伐缓慢，无人驾驶汽车可能还需要1～5年的时间才能真正上路。
在这场汽车革命中，中国也不甘落后。百度公司的无人驾驶汽车在2015年12月10日路测成功，并于16日参加了乌镇举办的第二届世界互联网大会，吸引了习近平主席驻足参观。百度给出无人车时间表是3年投入商用，5年实现量产。
人工智能专家、中国工程院院士李德毅表示，“自动驾驶已经成为全球一流汽车业新的技术标杆，希望中国汽车行业不再错失机遇”，“以无人驾驶车为代表的轮式机器人，将成为中国智能制造2025年的首张名片”。
无人车目前还存在很多问题，除了大家都知道的安全问题和法律问题之外，还面临如何融入人类社会的问题。人类的交通规则繁多，变通也多，有时让无人车手足无措。2009年的一次试驾中，一辆谷歌无人车怎么也通不过一个十字路口，因为传感器要等到其他人类司机完全停稳后才会过路口，而人类司机则一直想要钻空子，一点点地往前挪。再比如，无人车会自动保持车距在一个安全范围内，但很有可能给别的车提供了加塞的可乘之机，人类可是不会放过这种机会的。谷歌的安全驾驶员评价，无人车对法律遵守太严格，它让坐进车里的人类司机不禁感叹：“这车到底是在干什么呢？”
记者们也体会过谷歌无人车“过于谨慎”的性格。一次马路测试中，无人车正接近红灯，车速平稳，正在这时，车顶的激光系统感应到从另一个方向飞驰来一辆汽车，速度远超安全速度的范围。为了避免碰撞，无人车立刻紧急刹车。最后发现，迎面而来的汽车只是做着人类司机经常做的事情：虽然没有闯红灯，但接近红灯时并没有慢慢减速。
对此，无人车研究人员表示，这些车需要变得适当激进些，而到底应该多激进为好，则取决于当地的文化。
制造机器人为什么那么难？
我们熟悉的机器人几乎都是从电影和小说中得来的。它们是外形像人的机器人，有的可爱有的邪恶，它们与人类交流感情、思想、讨论问题，在科幻小说中扮演不可或缺的角色。上百年来，科幻小说让人们相信，机器人或者类人机器人是我们未来生活不可避免的一部分，我们万分期待它们的出现。
机器人并不都是有形的。电影《2001：太空漫游》中的机器人哈尔就没有躯体，但也非常像人，它被设计成人类漫长太空旅途中的同伴，同时还是由程序控制的副驾驶员。《她》是人工智能领域研究者非常喜欢的一部电影，他们在众多场合提到它，或者用它来做幻灯片，片中操作系统萨曼莎也没有肉体，同样虏获了男主角的心。
既然机器人有很多种，那么什么是机器人？是什么使它们成为机器人？即便对于世界级的机器人专家来说，想要得出一个关于机器人的完整定义实际上也很困难。机器人的组合要素、职能和用途都存在着明显的不同。
现实中有哪些机器人呢？你能在商场和超市买到的似乎只有儿童玩具和扫地机器人（也不过是一个升级版的自动吸尘器），而不是可以换尿布、做发型或者烹饪的全能型帮手。再想一想，在你与之互动的事情中，有多少过去是由人类做的，现在是由机器人完成的？这样想来，就能明白机器人已经存在于很多地方。除了扫地机器人之外，ATM机、机械臂、无人车、自动深海探测器、火星探测器等等都可以被算作是机器人。
正是因为我们对机器人长什么样有了先入为主的想法，致使我们对周围已经发生的事情熟视无睹。10年前，当iRobot机器人公司的扫地机器人Romba刚推出时，执行总裁柯林·恩格尔问大家：“这是机器人吗？”得到的回答一边倒：“不是。”他回忆当时的情况说：“那时有个很强的观念，机器人必须看起来像人。除了外包装上公司的名字iRobot以外，Romba没有使用‘机器人’这个词，是媒体把它称为机器人。”
事实上，人形机器人想要取得进展难度很大，多年来一直扮演着真正机器人角色的是工业机器人。几乎每一个制造业部门，从汽车到半导体它们都变得不可或缺。特斯拉公司在加利福尼亚州弗里蒙特有个新计划，要使用160个具有高度灵活度的工业机器人每星期组装约400辆汽车。每当一个新的汽车底盘到了流水线的下一个位置，会有多个机器人围上来协同操作。
今天，有超过130万个工业机器人在包括汽车、电子、橡胶、塑料、化妆品、制药、食品和饮料在内的各行各业发挥作用，市值达到95亿美元。据国际机器人联合会最新预测，2014到2018年之间，全球工业机器人销售数量将几乎增加一倍至40万；到2018年，全球销售额年均增幅将达15%。
随着技术的进步，服务机器人也登上了舞台，比如医疗机器人。现在大多数大医院都已配备大型多臂设备，帮助医生实施更精确的微创手术。医疗机器人协助大型手术的好处毋庸置疑，它能代替人进行简单的重复劳动，代替人在危险的环境下进行劳动强度极大的工作，它们能看清人眼看不清的、人手到达不了的地方。比如前列腺癌手术，即使是最熟练的医生，在对尿道前列腺处进行缝合时也会束手无策，需要缝合的地方实在是太小、太敏感。而对机器人来说，这没什么难的，手术过程也很安全，病人术后恢复好，代价是要支付更高的医疗费。计算机辅助疾病诊断也是一项飞速发展的技术，新技术将颠覆病理学家及放射科医师对许多疾病的筛查方式，目前已经用于检测结肠、胸部、冠状动脉影像的异常，还可能会协助医生分析前列腺和乳腺活检结果。最著名的诊断机器人当属2007年IBM研发的机器人沃森，沃森可以运用大量的临床病例，在短时间内分析出可能的结果，并协助医生做出治疗建议，大大减少医生出错的机会。目前，沃森已经在癌症、老年痴呆症、慢性病领域取得了进展，并延伸到孕妇营养咨询领域。
另外值得一提的是中国的大疆无人机，也属于机器人领域的明星产品。无人机的核心竞争力在于飞控技术，目前大疆旗下的航拍无人机已经占据了全球70%的市场份额，年销售额约30亿元。除此之外，电影中可见的酷炫机器人也见雏形。机器人公司中的耀眼明星美国波士顿公司动力研制的“大狗”机器人震撼了无数观众，“大狗”不仅可以在各种路面健步如飞，即便被重重踹上一脚也不会摔倒。这种机器可谓现代的“木牛流马”，将在物流运输、战地救援等方面大显身手。2015年8月波士顿动力公司发布了一段视频，视频中新开发的人形机器人阿特拉斯（Atlas，希腊神话中的大力神）在马萨诸塞州的一处森林内行走，看起来像科幻片里的机械士兵。但是它屈膝行动，步态怪异，貌似僵尸，远未达到机械士兵灵活自如的程度。
为什么制造机器人这么难呢？纽约大学认知科学家加里·马库斯（Gary Marcus）曾在《纽约客》杂志撰文解释这个问题。他认为，制造用于一般用途的机器人面临两大挑战：硬件与软件。任何一个挑战都难以解决，每一个挑战的困难程度都超过人们想象。在硬件方面，目前有很多机器人都可以做到很酷的事。比如，一个机器人跑得比人类最高速度还快，另一个可以跳《江南Style》，一个名为PR2的机器人可以叠衣服以及供应啤酒。但目前，每一个机器人都是为了证明概念而做的。那些速度快、物理构造强大的四足机器大狗、不可思议的机器人战士阿特拉斯，仍然依赖由强大的泵和汽油发动机供能的液压促动器。它们在实验室检测环境下工作得很好，但你不能指望它们在家里出入自如。比如，让PR2给你拿啤酒这件事就可能需要5分钟。
另一方面，计算机处理器变得越来越快，根据摩尔定律预测，几乎每18个月就提高一倍，记忆存储器也变得越来越便宜。但用于使机器人移动的马达和促动器并没有以此速度改进，电池科技变化速度也赶不上摩尔速度。所以，目前驱动机器人四肢的电子马达太大、太重、太慢，最先进的类人机器人依然由笨重的金属部件组成，应用在人的周围并不安全。
无论机器人长得像什么，它的聪明程度只取决于其里面的软件。而人工智能大部分依然无法反映人类意识的全部灵活性，将人类的常识赋予机器人则更是难上加难。一个机器人可以轻松地学会怎样分辨人和篮球，但是对于学习人在传球时路径的意义就困难得多了。让机器人在空房间里叠衣服是一回事，让它在拥挤的公寓里，面对诸多无法分析的干扰成功叠衣服又是另一回事。
记者 曹玲