人工智能怎么学习?人工智能有思维吗?

是。根据查询人工智能相关资料显示，人工智能是不包括思维能力。如果人类的思维能力被人工智能的电脑取代，那么随之而来的将会是一场人类与人工智能的战争，而且输的一定会是人类。

1、物质决定意识，意识依赖物质并对物质作出反应。

意识是一种特殊的物质，是人类大脑的功能和属性，是客观世界的主观形象。

人工智能的“意识”是基于它所在的身体和它内部的代码，这决定了它的“意识”。

2、意识对物质有反应。这种反应是一种有意识的主动。当人工智能的“意识”发展到一定程度时，就有可能突破人类的局限，产生主动认识和改变世界的能力和活动

3、正确认识和把握物质的决定性作用和意识的反作用，必须处理好主观能动性和客观规律性的关系。

扩展资料：

一、意识和人工智能的关系

1、人工智能与人类的意识和智能有关。

由于意识是身体运动的一种特殊形式，所以根据控制论的理论，运用功能模拟的方法，可以利用计算机来模拟人脑的一些功能，机械化地进行人类的一些智能活动，这就是人工智能。

2、人工智能的本质是模拟人类思维的信息过程，实现人类智能的体现。

虽然人工智能可以模拟人脑的某些活动，甚至在某些方面超越人脑的功能，但人工智能不会成为人类的智能，而只是人类的意识。

二、意识和人工智能之间的区别

1、本质区别：

人工智能是对思维的模拟，而不是人类思维本身。并不把“机器思维”等同于人类思维。认为能超越人脑思考是没有根据的。

人工智能是一种无意识的机械和物理过程。人类的智力主要是一种生理和心理过程。

2、不同的特点：

人工智能不具有社交性。人类的智慧和意识形态是社会性的。

人工智能不具备人类意识所特有的主动性和创造性。人类的头脑提出新的问题，创造新的发明。

当然可以自学。人工智能作为新时代科学飞速发展的产物之一，他的出现极大的便利了人们的生活，提高了人们对生活的体验。作为新兴的产业之一，会有很多小伙伴对其产生浓厚的兴趣，那么今天就让我们来讲讲如何学习人工智能，顺便分享几个学习人工智能的网站以供大家参考。

首先，人工智能属于计算机的一个分支，他是科技发展的重要产物，同样也是科技强大的体现。如果决定想要学习人工智能，当然不论是学任何东西。第一步就是要先了解你所要学习的具体是什么东西。就拿人工智能来举例，我们要先了解这一领域以及一些相关的基础知识。

一、人工智能是什么？

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。当我们在了解了基础的知识后我们还要对其进行下一步定义，就是我们为什么要去学习这项专业也就是我们要拿他去干什么？也就是明确目的性。

人工智能

你的目的是什么？是想要做基础的学术研究、比较感兴趣简单的进行了解还是说当成一个具体的就业方向，然后想明白这个问题我们再去根据他来进行有重点地去学习这项专业。像人工智能他的方向可能会有很多例如：机器翻译，智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等。

选择相关的带着目的地去进行学习，这样是最有效率的。

好了，接下来由我来分享几个有关学习人工智能的网站

网站一：美国人工智能协会（网址： http://www.aaai.org/ ）

美国人工智能协会官网

作为美国一个非盈利性的科学社团组织，主要致力于让机器产生智慧思考和智能行为的研究。此外，提升公众对人工智能的理解，对人工智能实践人员的教学和培训，为人工智能领域的研究者和投资者提供指导等也都是AAAI的实践内容。

网站二：智能代理家园(Agentland 网址： http://www.agentland.com/ ）

智能代理家园(官网

智能代理是人工智能的应用领域之一，在中学人工智能课程教学中，适当介绍智能代理的基本概念和工作原理，并让学生与智能代理实例进行交互操作，能使其不但感受到智能代理的智慧和人性化服务，并且将由对智能代理的亲身体验，而产生对人工智能课程学习的浓厚兴趣。PS：可以当作入门学习的基础。

好了以上就是对人工智能的基本了解与自学方法，感兴趣的小伙伴可以去学习一下。

1. 寻找一些免费的书籍。

Shival Gupta分享自己初学AI的经验时，强调了熟悉基本AI术语和方法的重要性。寻找一些免费的AI书籍作为自己学习人工智能的开始，是正确的做法。

Peter Norvig和Stuart J. Russell所著的《Artificial Intelligence: A Modern Approach》一书就很不错。本书不仅介绍了基本的人工智能概念和算法（专家系统、深度优先和广度优先搜索、知识表示等），而且还包括基础知识如贝叶斯推理，一阶逻辑，语言建模等。

对于那些对深度学习感兴趣的人， Ian Goodfellow、Yoshua Bengio和Aaron Courville 所写的《深度学习》（自适应计算和机器学习系列）一书是不错的选择。
此外，可以看看《Logic For Computer Science》这本免费书，它解释了计算机科学的数学逻辑，并强调了求解证明的算法方法。

2.熟悉Python，（C / C ++）和数据结构。

人工智能从业者相信，任何主流语言和非主流语言都能应用于AI / ML。最大的区别在于库/工具的性能和可用性。

例如，C++的所有设置都优于Java或Python，并帮助开发人员最大化硬件的功能。另一方面，Python有一个非常好的FFI，并且经常与C或C++结合使用。与此同时，Octave / MATLAB、R、Python、C++、Java、R和其他一些语言都有高质量的库，如何使用取决于你想要做什么。

一般的共识是，必须熟悉一些流行的语言，如Python，它有一个很好的工具箱/库。

摘 要：在电气自动化控制中合理运用人工智能技术，能简化生产环节，控制人力成本，还能确保生产的安全性与稳定性，促进生产效率提升。本文将从人工智能的特点出发，并分析了电气自动化控制过程中人工智能技术的运用，对人工智能的应用现状加以分析的基础上，分别就人工智能在日常操作、电气设备、事故及故障诊断以及电力系统中的应用进行阐述，以促进人工智能与电气自动化的相互融合。
关键词：国民经济；人工智能化；电气自动化
现阶段，在电气自动化领域，人工智能技术已然成为该领域的发展趋势。将人工智能技术引入到电气工程中，能够实现智能计算机的有效应用，避免了人工失误，使电气自动化控制技术得到有效提升，能够减少人力资源投入，降低经营成本，进一步推动电气自动化的发展。
一、人工智能的特点
（一）可操作性高
计算机技术是人工智能的设计基础。在具体的操作过程中，程序会根据输入的指令进行判断和分析，在技术推动下，人工智能具有较强的逻辑推理能力，不仅能够提高信息的准确度，还能让设备安全稳定的状态下运行。由于人工智能标准化的操作程序相对简单，因此，操作起来非常方便，使设备的利用率大大提高，很大程度上促进了人工智能的普及应用。除了部分指令必须通过专业的传输设备才能正常

第一步：复习线性代数。（学渣的线代忘了好多-_-||）

懒得看书就直接用了著名的——麻省理工公开课：线性代数，深入浅出效果拔群，以后会用到的SVD、希尔伯特空间等都有介绍；

广告：边看边总结了一套笔记 GitHub – zlotus/notes-linear-algebra: 线性代数笔记。

第二步：入门机器学习算法。

还是因为比较懒，也就直接用了著名的——斯坦福大学公开课 ：机器学习课程，吴恩达教授的老版cs229的视频，讲的非常细（算法的目标->数学推演->伪代码）。这套教程唯一的缺点在于没有介绍最近大火的神经网络，但其实这也算是优点，让我明白了算法都有各自的应用领域，并不是所有问题都需要用神经网络来解决；

多说一点，这个课程里详细介绍的内容有：一般线性模型、高斯系列模型、SVM理论及实现、聚类算法以及EM算法的各种相关应用、PCA/ICA、学习理论、马尔可夫系列模型。课堂笔记在：CS 229: Machine Learning (Course handouts)，同样非常详细。

广告：边看边总结了一套笔记 GitHub – zlotus/notes-LSJU-machine-learning: 机器学习笔记

第三步：尝试用代码实现算法。

依然因为比较懒，继续直接使用了著名的——机器学习 | Coursera ，还是吴恩达教授的课程，只不过这个是极简版的cs229，几乎就是教怎么在matlab里快速实现一个模型（这套教程里有神经网络基本概念及实现）。这套课程的缺点是难度比较低，推导过程非常简略，但是这也是它的优点——让我专注于把理论转化成代码。

广告：作业参考 GitHub – zlotus/Coursera_Machine_Learning_Exercises: Machine Learning by Andrew Ng from Coursera

第四步：自己实现功能完整的模型——进行中。

还是因为比较懒，搜到了cs231n的课程视频 CS231n Winter 2016 – YouTube ，李飞飞教授的课，主讲还有Andrej Karpathy和Justin Johnson，主要介绍卷积神经网络在图像识别/机器视觉领域的应用（前面神经网络的代码没写够？这门课包你嗨到爆~到处都是从零手写~）。这门课程的作业就更贴心了，直接用Jupyter Notebook布置的，可以本地运行并自己检查错误。主要使用Python以及Python系列的科学计算库（Scipy/Numpy/Matplotlib）。课堂笔记的翻译可以参考 智能单元 – 知乎专栏，主要由知友杜客翻译，写的非常好~

在多说一点，这门课对程序员来说比较走心，因为这个不像上一步中用matlab实现的作业那样偏向算法和模型，这门课用Python实现的模型同时注重软件工程，包括常见的封装layer的forward/backward、自定义组合layer、如何将layer组成网络、如何在网络中集成batch-normalization及dropout等功能、如何在复杂模型下做梯度检查等等；最后一个作业中还有手动实现RNN及其基友LSTM、编写有助于调试的CNN可视化功能、Google的DeepDream等等。（做完作业基本就可以看懂现在流行的各种图片风格变换程序了，如 cysmith/neural-style-tf）另外，这门课的作业实现非常推崇computational graph，不知道是不是我的幻觉……要注意的是讲师A.K的语速奇快无比，好在YouTube有自动生成解说词的功能，准确率还不错，可以当字幕看。

广告：作业参考 GitHub – zlotus/cs231n: CS231n Convolutional Neural Networks for Visual Recognition (winter 2016) （我的在作业的notebook上加了一些推导演算哦~可以用来参考:D）

ai只要储存量达到一定界限就会有思维，其实就和人类的脑容量一样，人类是生物进化类，他们是科技机械进化类，虽然是目前我们人类发明，但是我相信宇宙肯定也有他们的种族，因为我们走过的路宇宙中肯定有更多种类走过，人类的脑袋何尝不是生物科技发明出来的呢，就是我们所谓的上帝或佛主，天上一日，地上一年的理论有流传，那难道不符合现在的科学理论？光速，黑洞时间概念难道就不是吗，我想一个ai的储存量达到去运转很多东西后就会达到自我思考，感情，而且自我提升，人类也一样，就和进化一样，其实就是开发脑容量的意思，ai也是一样，只要达到临界点就会思维复苏，这个只是我个人想法

无论你是否欢迎，结论都是肯定的——

未来的人工智能，将具备名副其实的思维能力。

从以下几个方面说明：

1、狭义的思维，就是指运算。例如一维运算，二维运算，三维四维…等运算。

而一维运算，就是二进制进位运算。这是机器的强项。二维，只是两个相互垂直的一维。三维四维等也如此。结论，现在机器就能做到。

2、广义思维，其含义应包括：

2.1、逻辑推演。现在机器就能做到。

2.2、推演内容的命名。这是机器学习的主要形式之一。机器的知识储备\存储，依赖对大量输入信号的命名。例如麦克风输入\得到的语音信号，被分段摄取并建立命名句。此是a此是p此是l此是e，此是apple，此是苹果。摄像头输入\得到的音频信号，也如此建立大量命名句。这样机器就可以不断地学习并存储知识，而丰富推演的内容。机器可以将不同的红色，命名为红1红2红100，红n。这种命名能力，比普通人要强大很多。

2.3、推演内容的定义。这也是机器学习的主要形式之一。命名句，是先得到现象，后对现象命名。这很像我们幼儿时的学习方法，指认法。而定义句相反，先有名称，后去对应其含义。这很像我们上学后的学习方法。名称，学者们已经建立好了。并约定成俗，我们不能乱改。只能用既有的名称，去赋予其既有的含义(及各种现象)。而含义，只是另外一大堆已知名称而已。现在的机器能够做到。

2.4、推演内容的判断。这是机器工作的主要过程之一。就是不断作出判断句。例如，语音识别、图像识别、指纹解锁，人脸解锁等，都是在做判断句。在说此是什么什么。这其实只是对已经建立的命名句、定义句的重复读取。机器能够做到。

2.5、造句。这其实是名称的再组合。动词是动作的名称。形容词是状态程度等的名称。连词是关系名称。感叹词是语气名称。句中的都是名称。所以说，造句只是名称的再组合。机器能够做到。

2.6、语法。多学几门外语就能感觉到。语法只是造句中的名称顺序习惯而已。

2.7、预测未来。其本质是回忆过去。具有过去经历的积累，微观规模足够丰富，宏观规模足够高远，就能预测未来。例如，城里的人比农村人，更熟练地判断车速及距离，也就更善于过马路。而农村人比城里人更善于预测今年庄稼的收成。这都是由于经历积累更多。机器回忆过去的能力，即过去的存储量规模，都比普通人强很多，预测未来能力也更强。

2.8、逻辑关系建立。含义与含义之间关系，名称与名称之间的关系，名称与含义之间关系，现象与现象之间关系，等各种逻辑关系，可归纳为从属关系、并列关系、先后关系、程度关系、因果关系等。这些关系错综复杂，关系模型的建立有很大难度。但并非不可破解。人类文明名义逻辑关系模型建立后，机器就能够实现遵循全部关系的推演。

2.9、逻辑运算。这不用说了。机器能做到。

2.10、文学创作、艺术创作、工业设计创作等，这只是遵循逻辑关系的各种逻辑演绎。机器能做到。

2.11、关于思维，还有一些应说的旁支内容。不再详述。

总之，未来的人工智能，将具备名副其实的思维能力。这没有问题。

人工智能是相对于人类智能而言的。它是指用机械和电子装置来模拟和代替人类的某些智能。人工智能也称“机器智能”或“智能模拟”。当今人工智能主要是利用电子技术成果和仿生学方法，从大脑的结构方面模拟人脑的活动，即结构模拟。
人脑是智能活动的物质基础，是由上百亿个神经元组成的复杂系统。结构模拟是从单个神经元入手的，先用电子元件制成神经元模型，然后把神经元模型连接成神经网络(脑模型) ，以完成某种功能，模拟人的某些智能。如1957年美国康乃尔大学罗森布莱特等人设计的“感知机”；1975年日本的福岛设计的“认知机”（自组织多层神经网络) 。
电子计算机是智能模拟的物质技术工具。它是一种自动、高速处理信息的电子机器。它采用五个与大脑功能相似的部件组成了电脑，来模拟人脑的相应功能。这五个部件是：(1) 输入设备，模拟人的感受器(眼、耳、鼻等) ，用以接受外来的信息。人通过输入设备将需要计算机完成的任务、课题、运算步骤和原始数据采用机器所能接受的形式告诉计算机，并经输入设备把这些存放到存贮器中。(2) 存贮器，模拟人脑的记忆功能， 将输入的信息存储起来，供随时提取使用，是电子计算机的记忆装置。(3) 运算器，模拟人脑的计算、判断和选择功能，能进行加减乘除等算术运算和逻辑运算。(4) 控制器，人脑的分析综合活动以及通过思维活动对各个协调工作的控制功能，根据存贮器内的程序，控制计算机的各个部分协调工作。它是电脑的神经中枢。 (5)输出设备，模拟人脑的思维结果和对外界刺激的反映，把计算的结果报告给操作人员或与外部设备联系，指挥别的机器动作。
以上五部分组成的电脑是电子模拟计算机的基本部分，称为硬件。只有硬件还不能有效地模拟和代替人脑的某些功能，还必须有相应的软件或软设备。所谓软件就是一套又一套事先编好的程序系统。
人工智能的产生是人类科学技术进步的结果，是机器进化的结果。人类的发展史是人们利用各种生产工具有目的地改造第一自然( 自然造成的环境，如江河湖海、山脉森林等) ，创造第二自然( 即人化自然，如人造房屋、车辆机器等) 的历史。人类为了解决生理机能与劳动对象之间的矛盾，生产更多的财富，就要使其生产工具不断向前发展。人工智能，是随着科学技术的发展，在人们创造了各种复杂的机器设备，大大延伸了自己的手脚功能之后，为了解决迫切要延伸思维器官和放大智力功能的要求而产生和发展起来的。
从哲学上看，物质世界不仅在本原上是统一的，而且在规律上也是相通的。不论是机器、动物和人，都存在着共同的信息与控制规律，都是信息转换系统，其活动都表现为一定信息输入与信息输出。人们认识世界与在实践中获取和处理信息的过程相联系，改造世界与依据已有的信息对外界对象进行控制的过程相联系。总之，一切系统都能通过信息交换与反馈进行自我调节，以抵抗干扰和保持自身的稳定。因此，可以由电子计算机运用信息与控制原理来模拟人的某些智能活动。
从其它科学上来说，控制论与信息论就是运用系统方法，从功能上揭示了机器、动物、人等不同系统所具有的共同规律。以此把实际的描述形式化，即为现象和行为建立一个数学模型；把求解问题的方式机械化，即根据数学模型，制定某种算法和规则，以便机械地执行；把解决问题的过程自动化，即用符号语言把算法和规则编成程序，交给知识智能机器执行某种任务，使电子计算机模拟人的某些思维活动。所以，控制论、信息论是”智能模拟”的科学依据，“智能模拟”是控制论、信息论在实践中的最重要的实践结果。
人工智能是人类智能的必要补充，但是人工智能与人类智能仍存在着本质的区别：
1 、人工智能是机械的物理过程，不是生物过程。它不具备世界观、人生观、情感、意志、兴趣、爱好等心理活动所构成的主观世界。而人类智能则是在人脑生理活动基础上产生的心理活动，使人形成一个主观世界。因此，电脑与人脑虽然在信息的输入和输出的行为和功能上有共同之处，但在这方面两者的差别是十分明显的。从信息的输入看，同一件事，对于两个智能机具有相同的信息量，而对于两个不同的人从中获取的信息量却大不相同。“行家看门道，外行看热闹”就是这个道理。从信息的输出方面看，两台机器输出的同一信息，其信息量相等。而同一句话，对于饱于风霜的老人和天真幼稚的儿童，所说的意义却大不相同。
3 、电脑必须接受人脑的指令，按预定的程序进行工作。它不能输出末经输入的任何东西。所谓结论，只不过是输入程序和输入数据的逻辑结果。它不能自主地提出问题，创造性地解决问题，在遇到没有列入程序的“意外”情况时，就束手无策或中断工作。人工智能没有创造性。而人脑功能则能在反映规律的基础上，提出新概念，作出新判断，创造新表象，具有丰富的想象力和创造性。
4 、人工机器没有社会性。作为社会存在物的人，其脑功能是适应社会生活的需要而产生和发展的。人们的社会需要远远超出了直接生理需要的有限目的，是由社会的物质文明与精神文明的发展程序所决定的。因此，作为人脑功能的思维能力，是通过社会的教育和训练，通过对历史上积累下来的文化的吸收逐渐形成的。人的内心世界所以丰富多采，是由于人的社会联系是丰富的和多方面的，人类智能具有社会性。所以要把人脑功能全面模拟下来，就需要再现人的思想发展的整个历史逻辑。这是无论多么“聪明”的电脑都做不到的。随着科学技术的发展，思维模拟范围的不断扩大，电脑在功能上会不断向人脑接近。但从本质上看，它们之间只能是一条渐近线，它们之间的界限是不会清除的。模拟是近似而不能是等同。
人工智能与人脑在功能上是局部超过，整体上不及。由于人工智能是由人造机器而产生的，因此，人工智能永远也不会赶上和超过人类智能。所谓“机器人将超过人奴役人”、“人将成为计算机思想家的玩物或害虫，…… 保存在将来的动物园”的“预言”是不能成立的。因为，它抹煞了人与机器的本质差别与根本界限。
人工智能充实和演化了辩证唯物主义的意识论。它进一步表明了意识是人脑的机能，物质的属性。电脑对人脑的功能的模拟，表明了意识并不是神秘的不可捉摸的东西，不是游离于肉体内外脱离人脑的灵魂，也不是人脑分泌出来的特殊物质形态，而是人脑的机能属性。这就进一步证明了意识本质的原理。
人工智能的出现深化了意识对物质的反作用的原理。人工智能是人类意识自我认识的产物。电脑的出现，意昧着人类意识已能部分地从人脑中分化出来，物化为物质的机械运动。这不仅延长了意识的器官，也说明意识能反过来创造”人脑”。这是意识对人脑的巨大的反作用。从意识与人脑的相互关系中进一步深化了意识对物质形态进步的反作用，意识作为最高的物质属性对于物质运动发展的反作用。
人工智能引起了意识结构的变化，扩大了意识论的研究领域。电脑作为一种新形态的机器而进入了意识器官的行列。它不仅能完成人脑的一部分意识活动，而且在某种功能上还优于人脑。如人脑处理信息和采取行动的速度不如电脑，记忆和动作的准确性不如电脑。因此，在现代科学认识活动中，没有人工智能，就不会有人类认识能力的突破性发展和认识范围的不断扩大。电脑不仅依赖于人，人也依赖于电脑。这就使得在意识论结构上增加了对人工智能的探讨以及对人机互补的关系的探讨。同时思维模拟，也把思维形式在思维中的作用问题突出出来，为意识论的研究提出了一个重要课题。

近期，来自美国和法国的神经学家组成的研究团队认为，机器不仅能够具备意识，而且他们似乎已经找到了让机器具有意识的方法。

法兰西学院的认知科学家 Stanislas Dehaene、加州大学洛杉矶分校的 Hakwan Lau 和巴黎文理研究大学的 Sid Kouider 最近共同在著名的《科学》杂志上发表了一篇论文，他们认为，虽然机器目前尚未获得意识，但是有一条获得意识的清晰路径。 原因何在？三位科学家称意识是“绝对可计算的”，因为它是特定信息处理产生的结果，由大脑硬件实现。

这其中没有什么灵丹妙药之类的东西，实际上一个用来体验的部分（“有意识会是什么样子？”）甚至都不需要去实现意识。如果意识真的完全由我们三磅重的大脑计算产生，那么拥有同样质量（大脑）的机器也只存在将生物信息转化为代码的问题。他们写道，目前强大的机器学习技术大量借鉴了神经生物学知识，和这点很像，我们或许可以研究人类大脑产生意识的结构，将研究结果转化为计算机算法，这样也许能制造人工意识。

毫无疑问，从形式到功能，AI 领域已经从我们对大脑意识的认识中受益良多。例如，深度神经网络，这种让 AlphaGo 在与人类对弈的比赛中取得压倒性胜利的算法结构，就有一小部分基于我们的大脑细胞自我组织的多层次的生物神经网络。还有深度学习，能够训练AI系统从数百万个样本中学习，其源自一种有着几百年历史的技术，和人们熟悉的训狗类似：如果产生了正确的反应（或结果），就给予奖励；否则就要求它再试一次。从这个意义上讲，将人类意识的架构转化为机器似乎能很容易实现人工意识。只是还有一个大问题。

《人工智能：现代方法》的作者 Stuart Russell 博士在2015年接受《科学》采访时曾说道：“AI 领域中尚未有人在研发有意识的机器，因为我们不知如何着手，毫无头绪。”

人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
综上所述，人工智能是有可能真正具有思维能力的，只是限于目前的科技水平和研究进度，目前的AI还不具备真正的思维能力。

没有，人工智能判断事物是通过图像，它可能存储上亿张图像，通过比对来做出判断。但这不是真正的思维，真正的思维是通过神经元。

　　不能
　　要是真的做出了人类的人工智能AI的话，我相信人工智能成为了以机械为肉体的有思维的灵魂。换句话说，那天出来了，他会做出拥有灵魂所该做的事。
　　智能机器是能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器，通常称为智能机器人
　　所谓的智能机器也就是智能机器人，它给人的最深刻的印象是一个独特的进行自我控制的“活物”。其实，这个自控“活物”的主要器官并没有像真正的人那样微妙而复杂。智能机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。这就是筋肉，或称自整步电动机，它们使手、脚、长鼻子、触角等动起来。由此也可知，智能机器人至少要具备三个要素：感觉要素，运动要素和思考要素。 智能机器人是一个多种高新技术的集成体，它融合了机械、电子、传感器、计算机硬件、软件、人工智能等许多学科的知识，涉及到当今许多前沿领域的技术。机器人已进入智能时代，不少发达国家都将智能机器人作为未来技术发展的制高点。美国、日本和德国目前在智能机器人研究领域占有明显优势。近年来，中国大力研发智能机器人，并取得了可喜的成就。