1樓：生於史前
說起人工智慧，首先必須弄清楚人類大腦智力是如何構建和執行的。人類的智力是由複雜的條件反射之間通過全方位立體性的關聯來構建和執行的，本質上依然屬於條件反射的範疇，只是極為複雜而已。動物之所以沒有智力，是因為其能夠建立的條件反射數量非常有限，並且這些條件反射的建立主要以食物為中心，每個條件反射之間的關聯又是單向和孤立的，即使是相對聰明的社會化靈長類動物和海豚亦是如此。
與動物不同的是，人類大腦能夠建立和記憶的條件反射數量非常大，並且每乙個條件反射之間幾乎都能建立全方位立體化的關聯。也就是說，每個條件反射之間或一組條件反射與另乙個或另一組條件反射之間都能建立高效緊密的關聯。如果建立乙個數學模型來計算數量龐大的條件反射之間各種關聯的可能性數量，也就是各個條件反射之間立體化的排列組合數量，將是乙個巨大的天文數字。
比如乙個人一生能夠理解和記憶上萬個詞彙，並且這些詞彙之間關聯的可能性數量幾乎是無窮多，這才使得人類有能力使用詞彙來撰寫文章。要理解這種關聯數量，可以試著計算一下1-100的排列組合數量就能體會這種立體化關聯的數量有多麼龐大了。實際上，人類大腦所能建立起來的條件反射數量遠遠大於一萬個詞彙的數量，這些數量龐大的條件反射之間的排列組合更是乙個趨於無窮大的超天文數字，人類的智力正是這種從量變到質變的複雜條件反射的集合。
但也正因為人類的智力屬於複雜的條件反射，人類個體的智力開發會因後天的教育程度不同，也就是所建立的條件反射數量的不同，在智力水平上有相當大的可塑性。這也是為什麼早期現代智人大腦結構上更聰明，但實際的智力表現較低的內在原因。因為他們所處的時代能夠積累繼承的條件反射數量還太少，後天智力開發程度不足，所以表現出的智力水平較低。
人類個體的有些基礎性條件反射，比如心智模式一類的條件反射的建立，需要從出生開始建立，並且在很小的年齡就會固化。這些基礎性的條件反射將是其後期建立更多條件反射及其關聯能力的基礎，而這種心智模式的建立，主要依賴母親和家庭成員的行為影響，這就是家庭文化所具有的強繼承性和強封閉性的內在原因。
科學家們在研究人工智慧的過程中，大大低估了人類智力的這種複雜性。人類不可能通過計算機建立起如此複雜的條件反射和條件反射之間的立體關聯模型，即使能夠建立這種模型，也造不出能夠運算如此巨大運算量的計算機。所謂人工智慧能夠自我進化成為超人工智慧的殺人機器恐怕就更是一種「科學」臆想。
在人工智慧方面人類能做到的只是通過建立簡單的條件反射來模仿人的一些特定的行為，這種模擬依然屬於初級的機器級別，即使計算機與西洋棋大師的對壘能夠贏，也不代表其脫離了機器的範疇。另外，人工智慧與現實世界的銜接方式掌握在人類手中，人類也沒有能力將這種銜接方式完全生物化。
那個隔壁家老王的寫字機械人最後能夠進化到殺死全人類的事情是不可能發生的。人工智慧與人類大腦的智力活動機制還有本質的區別。在人工智慧的研究上，人類又一次過高地估了自己的能力。
2樓：虛空基岩
如果你指現在的弱人工智慧那很明顯不行
如果你指的是未來將會出現的某種人工智慧
那麼它將會在一切方面完全超越人類
任何人類有的能力它都能做到，並且做到邏輯上的極致任何人類沒有的能力，它都能做到，並且做到邏輯上的極致任何能力它都能做到，並且做到邏輯上的極致
3樓：豬鼻蛇
到底什麼是創造力？我覺得在大多數定義下，只要能進行NP類問題可行解的暴力搜尋就實質上具有創造力
從這個角度說，可程式設計計算器的創造力應該顯著高於人？
4樓：AI速遞
人工智慧，是人創造出來的，裡面所有的東西，幾乎都是人為的設定，所以一般來說，人工智慧不會超過人的創造力的。
但是隨著時代的發展，科技的進步，人工智慧在一定程度上，確實比人更加厲害，比如語言識別，影象識別，影象分割，影象分類等，人工智慧可以找出人找不到的東西。
人的眼睛，只能看見一定的可視範圍之內，人工智慧靠機器技術，可以觀察到人不能看見的東西。人的耳朵，可以在一定的頻率可以聽到聲音，但是人工智慧卻可以聽到識別出人聽不到的聲音。
5樓：PLANTMATE
人類對人工智慧文藝創作能力的抗拒和排斥，一方面基於主觀情感上的「一時難以接受」，因為在人工智慧時代，文學藝術可能會是人工智慧機械人留給人類的最後一片施展才華的樂園;另一方面，人工智慧在文藝方面的「造詣」，尚處在「低幼」階段，離人類的文藝創作水平還差很遠，並且在相當長一段時間內，仍然難以跟人類匹敵。
6樓：羲痊w丶p灬
人工智慧有創造力。
人工智慧的本意就是類人智慧型，通過已有的先驗經驗，來解決未遇到的問題。在解決問題過程中就需要有一定的創造力。目前人工智慧可以做到有規律的創造，基於人設定好的。
但是還沒有到人類的意識創造階段，這個還需要在發展，甚至是對腦科學的進一步研究。
人工智慧現在可以根據任何資訊，從中抽取出來規律，並將規律應用到實際中。這方面就類似人，通過大量工作，學習，抽取自己的方法，思維方式，在用這種思維方式，自己的方法，來提高做事效率。從這方面講，它可以有規律的創造，比如它知道三角形和方形可以組成類房子形狀，那麼他就會將所有這樣的形狀的物體組合到一起，如果合理有可能就創造出新的東西。
當然我就是舉乙個例子，實際比這個要複雜，包括驗證合理性等。
7樓：王銘康
出於人認知的有限的效率和傳遞知識的方式，人必須去學習前人積累的知識和經驗。
而一旦學習了前人積累的知識就必然會被過往的經驗和思維方式所影響。
因此，過往的經驗即是根基也是枷鎖。
在過去，如果天文學家發現了一顆星球的執行軌跡與計算結果總是有一些的偏差，天文學家會理所當然地認為是因為有乙個尚未發現的星球影響了它，或是模型還不夠細緻，然後在此基礎上進一步完善和修正。他們很難會去懷疑是不是牛頓力學出了問題，因為即使懷疑，這也超出了他們的效率範疇，即使真相正是如此。
同樣，在Alpha Zero 與 Alpha Go的對決中，只學了規則但從未學習過人類棋譜（經驗）的Zero完勝學習過人類棋譜的Go。當然，兩者比拼的並非題中的創造力，但足以窺見過往經驗是如何侷限人的。
而人工智慧突破了這個人類重要的侷限，即人類學習的效率和傳遞知識的方式。所以我認為人工智慧可以超過人的創造力。
8樓：百貨先生
個人拙見：這個問題得一分為二…的N次方來看，在有律組合、無序創造等涉及到受資訊量和運算能力差異因素影響的創造時，人工智慧或許可甩正常人乙個赤道的周長吧。
儘管如此，人工智慧的創造力與人類的創造力仍不可同日而語，也是無法同模擬較的。
看到朵一花一世界，你的腦海裡能想象到什麼？品嚐了世間百味，你的腦海裡會浮現出什麼？聞到了沁人心脾，聽到了高山流水，觸到了千差萬別呢？這些又會在你的腦海中閃現出怎樣的景象或畫面？
只有等到人工智慧擁有人類的感知方式和相同的大腦結構時，才有機會與人類的創造力相提並論。
再從邏輯與理性的角度看，個人拙見：人工智慧的「思維」基礎是資料，
它們的「思維」方式（訊號處理與反饋方式）類似於資料鏈，這種「思維」方式如同是一條條「線」構成的，是一種有限的狀態，此時會有很多人疑問說，有一天資料接近天量了（多到海量都不足以形容了），無論你怎麼天量，也無論你怎麼多線、交叉、串並的複雜組合形式，其依然是可數的，只是數起來多花點時間而已，即使趨向無窮多的「線」（資料鏈），人工智慧的「思維方式」（訊號處理與反饋機制）依然是可數+有限的「資料鏈」組成的「線狀思維」結構，「思維路徑」是有限制的，形象化比喻，人工智慧的思維方式就像是一團由N多絲線交錯在一起的絲狀物。
相比之下
人類的思維基礎是*****（此處有密碼，嘿嘿），相對於可數+有限的「線狀思維」結構，人腦的思維方式（訊號處理與反饋機制），已經達到了一種「相融相通」的「液態」結構，相比「線狀思維」，其是一種不可數的組成結構，即一種無限的狀態，「思維路徑」也是無限制的，形象化比喻，人類的思維方式就像是一團不可數的，無限鏈結在一起的液態結構。
個人拙見，人工智慧的綜合創造力相比人腦的創造力，即使資料量已接近於無窮大了，也是像數學中的反比例函式影象一樣，無限接近，而不能超越。
PS:以上言論只是同城百貨平台（http://
tcbaihuo.com
）的某人觀點，並不能代表同城百貨平台（http://
tcbaihuo.com
）觀點。
9樓：
可能。人的想象力是有規律的，人不可能想象出完全不曾見過的概念。所用到的無非是組合，逆向，派生等幾種有限的方法。這些人工智慧可以實現。
其次，人的想象力沒那麼強大，甚至人的思維邏輯，學習有邏輯本身就是困難的，而機器本身就是有數理邏輯的。
10樓：王泓硯
對人類的創造力，很多人存在誤解，認為創造力只是一種邏輯上的隨機組合的操作，這是一種機械式的認知方法，其結果是瘋言瘋語的狂魔，或者是大力出奇蹟的呆瓜。
實際上，人類的創造力還是有約束的，它必須依託於既有的經驗知識及其認知正規化（經驗知識抽象出來的一些基本準則），要麼是在大框架下的區域性創新，要麼是跨領域的經驗遷移，無論如何都不會脫離既定的認知正規化。
創新力與理解力非常相似，都結合了抽象能力和遷移能力，只不過是，理解力是面對的是舊問題，是在大框架下的區域性創新，而創造力面對的是新問題，其目標是利用遷移能力對新問題的本質實施假設與驗證，這種創新能力正是強人工智慧的基礎。試想一下，乙個系統無論遇到什麼新問題，都能快速抓住問題的本質，將是怎樣的系統呢？
細細思考，抽象能力又是什麼，它需要怎樣的操作？遷移能力又是什麼，它需要怎樣的操作？這些操作目前計算機是否具備？
當前的計算機系統是建立在人類認知正規化之上的，比如各種概念的定義、各種規則的預設、各種特徵的標註，計算機只是在一絲不苟的遍歷和嚴絲合縫的組合，這是邏輯自洽的系統，需要人工輸入一套經驗知識（蘊含認知正規化），它從未自發地從中抽象出認知正規化，並演繹出新的經驗知識，比如在系統裡自發增加一條「人類可信賴」的概念、規則、特徵。
也許有人會說，深度學習已經看到「自學」的希望，但細細分析也會發現，深度學習學出的模型，無論怎麼疊床架屋，不過是在建與任務相關的資料表徵，其本質上還是對分布特徵的高維度表示，遠遠談不上對任務性質的分解和抽離，也就是說，系統並不知道特徵的意義，無法解釋各部分的聯絡，自然不會總結認知正規化，這樣的系統缺乏遷移能力和學習能力。
系統具備創造力，至少還需要兩個更為基礎的準備：一是通過示教學習一些基本的世界正規化，為高階認知解釋奠定基礎。這些正規化或許很難用語言描述，但可以通過示例的比較來傳授。
二是基於構式實現與理解活動有關的心理過程，為機器與人類搭建良好的交流介面。機器無論如何創新，最終都必須不能脫離人類的認知正規化，需要人類長期的教育干預。
人工智慧是否可以擁有思想 情感或創造力？
曼孚科技 可以的，畢竟機器擁有人類思考的能力是人工智慧的終極發展目標。按照人工智慧技術的強弱，可以將人工智慧分為弱人工智慧與強人工智慧。目前應用的人工智慧技術全部為弱人工智慧，即機器並不具備人類一樣思考的能力。但是以後隨著相關技術的進步，機器擁有思想 情感或創造力將是人工智慧領域追求的不懈目標。 想...
人工智慧要有自主意識有創造力，才能全面超越人類，這個時候人工智慧才可怕，這話對嗎？
現實與關係 其實自主意識和創造力並沒有我們想得那麼神化，終有一天人類會失去對人工智慧的控制，地球的控制權會移交給機械人。人類在機器面前可能像今天我們看螞蟻一樣，人類只有兩條路要麼移民其他星球，要麼人類成為人工智慧，但有乙個哲學問題，成為人工智慧之後是人在控制AI還是AI在控制人呢？就像我們現在的手機...
人工智慧可以創造價值嗎？
CSOFT華也國際 IBM公司研究出了能運用深度模型篩選可以對抗真菌和細菌病原體的化合物的人工智慧，經過48天的分析篩選，生成了20個化合物，其中有兩個已經有效應用到抗生素耐藥細菌菌株的研究中。2.麻省理工學院的研究團隊成功地應用模型解開了病毒中的基因序列，就像解開乙個複雜的句子一樣，人工智慧能夠評...