查紅彬更喜歡稱之為“奇點”，在他看來，一旦機器人掌握了自主學習，就有可能迎來智能發(fā)展的奇點——如果機器人真的能夠根據自身發(fā)展的需要，自動定義學習的目標，在環(huán)境中自主獲取學習所需要的數據，產生互動，通過身體能力完成行為學習，甚至建立社會網絡，實現知識的積累，那么從某種意義上來說，就是掌握了“自主學習”。
不過，這要以機器能夠熟練掌握“感知能力”為前提。但遺憾的是，這一部分恰恰是整個人工智能研究較為薄弱的地方。因為，一旦涉及感知，以及感知的原理，就回到了人類大腦的工作原理問題，而后者對于人類，至今仍是一個黑箱子一樣的“謎”。
大會上，中國工程院院士、香港中文大學（深圳）校長徐揚生向人們一一播放了爬樹機器人、書法機器人、救援機器人、服務機器人等機器人試驗視頻，無不令現場公眾感到震撼。不過，徐揚生卻表示，過去幾十年，科學家往往將更多的精力集中在機器人動作的研究上，以實現機器人能像人類一樣爬、抓、行、跳，等等，卻在真正的“智能”問題上鮮有建樹。
他打了一個比方，前50年，我們研究的多是機器人“穿衣服”這個動作，卻沒有讓機器人學會“要不要穿衣服”，即“今天起風了嗎”，以及“起風了要不要加衣服”這些動作以外的感知和認知能力。而這些在徐揚生看來，也是最難學到的——定義是不是你的，不是你的肉體，而是你的心腦，這對人類如此，對機器人亦然。
感知，在人工智能領域，往往用“模式識別”這樣的術語來代替。正如譚鐵牛所說，世上萬物，無論是物質的還是精神的，無論是看得見的還是看不見的，都是一種模式。模式識別就是試圖用數字化手段將世上萬物自動分類識別出來。
但目前人類在這方面的研究差強人意。宗成慶以圖像和視頻分析為例，這些分析作為模式識別最基礎性的問題，在邊界分割和模式匹配、檢索等方面取得了若干優(yōu)秀的成果，但是他問與會專家，這些成果在多大程度上體現了“智能”，離真正的“理解”還有多遠？
譚鐵牛也舉了一個例子，“張三吃食堂，李四吃面條，王五吃大碗”，這樣的句子，是目前機器翻譯不出來的。
人工智能概念是不是曇花一現
大會上，華為諾亞方舟實驗室主任李航打了一個有趣的比方，他說，如果把人工智能研究形容為登月，那么，如今有的手段是爬樹，有的是登山，但是毫無疑問，深度學習則可以稱為“造飛船”。他以神經網絡圖靈機的出現為例，這個可以模擬人類大腦的短期記憶的機器，外部網絡的讀寫通過外部存儲器完成，而在存儲記憶之后，通過檢索從而執(zhí)行一些有邏輯性的任務。這向外傳遞著一種樂觀的信號。
不過，從整個人工智能的發(fā)展歷史來看，這般樂觀的局面能否延續(xù)下去，還不得而知。
宗成慶就持有警惕的態(tài)度:“人工智能是個筐，什么東西都可以往里裝。當他‘受寵’的時候，做什么都屬于人工智能，當他‘失寵’的時候，人人唯恐避之不及。”
他說，上個世紀80年代中期到90年代中期的時候，人工智能曾一度“受寵若驚”，之后便“臭不可聞”。30多年后的今天，究竟緣何被人們再度熱捧——是人工智能有了新的內涵，還是“新瓶裝老酒”？
“如果說在過去的30多年里，計算機科學技術有了突破性進展，除了硬件性能的飛躍性提高，人工智能的貢獻到底多大，究竟什么是人工智能的核心內容呢，如果拋開自然語言理解、圖像視頻識別和理解、搜索算法、知識工程等，還有什么呢？”這些問題在宗成慶看來，都需要留給時間來回答。
更為重要的是，從人類的科技發(fā)展史來看，有些技術往往被過高地抬舉或炒作，有的只是虛擬的概念曇花一現，有的則是十幾年前被冷落的技術由于硬件性能的改變而被再度推向期望的波峰，甚至多次輪回。那么，這一次，人工智能是否依然如此，宗成慶說，不得而知。