AI人工智能大数据匹配和模型挖掘，从理论模型到算力的提升变成了真正的价值技术

人工智能的当前科学理解是怎样的，因为当前的人工智能仍然停留在工具的阶段，知其然而不知其所以然，AI 4.0可能要在脑科学揭开人类如何形成概念的谜底之后才能爆发，而那时候才能说得上发展强人工智能、神经网络，而且每一项重要技术都很耐心地需要研究，可能狭义上的人工智能离真正意义上的通用人工智能还很遥远，而我们对后者的想象不仅依赖一些科幻作品，还有一些商业套路。

学界关于AI智能的思考和认识逐渐形成了两种，认为基于简单规则的计算可以涌现出复杂的行为和智能，从物理符号系统的逻辑智能到联结主义的计算智能，这一思想主导了人工智能至今的发展历史，是构建智能系统的主要理论和方法源泉，另一种认为根本没有构建智能的一般规律和方法，而且现有的一些规律和方法不应成为第一性的，只有动因和信念才是本质，接受现状继续演化是发展人工智能的唯一途径，至今并没有产生很大的影响，在理解智能的影响和意义方面，认识则非常重要，而且对智能科学的未来发展更具有指导性意义。深度学习在近年来的成功与其说是人工智能的新突破，不仅归功于互联网时代极易获得的海量数据和并行计算机硬件的快速处理能力，加上训练方法的改进，使得数百米的网络在短短几天内就 能完成在数百万张图像上的训练。