美国文化学者约翰.布罗克曼编写《AI25种可能》一书，是世界顶级思想家对于人工智能未来的想象。

25位专家通过讨论诺伯特.维纳1950年出版的《人有人的用处》为主要出发点——维纳思想的核心是从信息角度来理解这个世界，复杂系统如生物体、大脑和人类社会是由互锁反馈回路组成的。把信息看成掌控复杂系统行为的核心。维纳的控制论理论在大脑和计算机感知领域的应用，是当今基于神经网络的深度学习和人工智能的前身、雏形。维纳不会认为机器智能是威胁，而会把它当作一种独立的现象，这种智能不同于我们人类的智能，而且会与人类智能共同进化。

艾伦.图灵对如何让机器变得智能感兴趣。冯.诺依曼的兴趣是如何让机器能自我复制。克劳德.香农想了解如何排除噪音的干扰，让机器可靠地通信。维纳想知道的是机器需要多长时间能掌握控制权。

自然进化的大脑只是最常见的系统，它通过信息计算和控制来实现智能，而人为设计的系统可以实现智能，这就证实了信息处理足以解释智能。

由此人工智能始终沿着两条路径进行研究。

一条是名为感知器学习设备，通过类似人类脑神经网络对事物线性区分，制造出像大脑一样的神经网络，它发现了大脑模型并可以计算神经网络。

另一条是基于对世界运作符号性理解，加上统计和概率，出现了专家系统发展趋势，其想法是让机器学习专家使用规则。

两条人工智能的设计路线都必须建立一个像大脑一样的装置，然后给它提供知识，就像人类在标准教育中学习一样，我们能够把科学和数据收集方面积累的知识分装成一种可以用来计算机通信的语言，训练数据和人类婴儿在生命最初几年中看到的图像数量大致相同，这种人工神经元的工作方式与大脑神经元的工作方式好像有着关联。

致使智能和简单计算之间没有一条明确的界限。信息如何被编码成电子和化学信号？如何背物理过程转换，已经如何被用来控制行为？来理解大脑是如何工作的。我们能够复制或准确谋利发生在大脑中的物理过程，并将其输入输出结果连接到感觉器官和肌肉，在物理人工智能身上再现我们观察到的自然智能的行为。人类的心智是从我们能够理解并可以人工再现的物理过程中涌现出来的。

当前的学习机器是通过优化从环境中接收到的感觉输入流的参数来提高其性能。当前的机器学习系统几乎完全在统计模式下运行，因此不能作为强人工智能的基础。强人工智能是模拟人类推理的能力的人工智能，为了达到人类智能水平，学习机器需要现实蓝图的指导。人工智能领域已经纳入概率理论来处理不确定性，纳入效用理论来定义目标，纳入统计学习已是机器适应新的环境。

人工智能目前表现为依附人类的智力。它完全不分青红皂白地吞噬着人类创造者所创造出来的一切，并从中提取模式，包括我们一些最有害的习惯。智能的本质是学习，大脑的神经网络加强了这种联系。

智能手机和互联网正将人类增强自身的能力，带入到一个全新领域，这是我们有了一个巨大的集体意识和集体记忆。现代人工信息处理的核心，可以比大脑运行中的扩散和化学变化过程快得多，电子处理的速度比人脑快近十亿倍。通过识别影响人类认知的预设概念的数量和性质，我们能够为使计算机更接近人类性能奠定基础。

意识，也称为心智，是物质的一种涌现。意识是宇宙的觉醒，它把我们的宇宙从一个没有自我意识的机械的僵尸转变为一个包含自我反省、美丽？希望、意义和目标的有生命的生态系统。宇宙不是为我们而生的，相反，我们需要进化以适应非常狭窄的环境参数。如果我们的星球很快会消失，而维持文明长远运转的几乎所有资源，也就是原子和自由能量，都处于宇宙深空之中。

当然对于人工智能的安全性人们还是存有质疑。如埃隆.马斯克、史蒂芬.霍金等人他们代表着，我们应该慎重创造超人类水平甚至人类水平的智能，也就是通用人工智能。这里边存在着潜在的危险：这些智能的程序目的可能未必与人类设计的目的一致。人类赋予其器固定的目标，这并不意味着它会自动认识到那些不属于目标的事物对人类来说也是重要的。随着时间的推移，机器可能会对人类的喜好越来越了解，但它永远不会完全确定。如何让机器人了解人类行为的潜在偏好，只有借助于更好的人类认知模型，机器人才能从非理性人类行为中学习。

21世纪最引人注目的技术，如机器人技术？基因工程和纳米技术等，对人类造成的威胁不同以前科技带给人类的。机器对社会的危害不是来自机器本身，而是来自人类如何使用它。

好的人工智能是个神话，我们与真正的人工智能之间的关系将永远是一个信仰问题，而不是一个证据问题。计算机的下一个革命将以模拟系统兴起，数字程序对模拟系统不再有控制权为标志。机器的交流能力能为我们提供一种全新的、无人性的指挥和控制方式，几十年内计算系统会变得像生物系统。