「有多少人工就有多少智能」可能是对当下人工智能领域最恰如其分的调侃，当前主流的监督式学习任务往往过度依赖于人工标注，人类明明靠有限的小样本数据就能学习知识，而号称“模仿人类”的人工智能却只能在大数据的基础上才能进行学习，这是真正的人工智能吗？同时，在人工智能的上半场，人们已经在狭小的领域内探索太久了，人们的工作模式往往是为某一特定的问题获取大量的数据，继而人们会一直沿用相同的解决方案，让AI 变成“呆板机器人”， 这是我们期待的人工智能吗？

理想中的人工智能应该是一个更像人类的机器人，利用小样本就可以进行学习，并且学习效率、知识广度远超人类。同时，拥有属于自己的机器思维，可以根据实际情况变化，运用已学知识与新学习的知识来解决问题，像人类那样反应、计划和推理，更富有创造性。

首先，在机器学习方面。大规模标注数据集的出现是监督式学习的关键因素之一，而数据集的收集和人工标注需耗费大量的人力成本，这也将极大的限制监督式学习的发展。而自学习有效地解决了这一难题，系统可从无标记的训练数据中推断结论，通过给定的小样本数据，寻找隐藏的范围。利用这种AI算法，即使不清楚输出值是多少，也能最后算出它的趋势范围。比如，当系统学习认识猫，只需少量几张不同角度的图片就能学会，而深度学习则需要上万张图片才能达到一个稍微好的效果。甚至，自学习还能达到举一反三的效果，比如当系统学习了加法算式后，之后无论是面临数学题或物理题中涉及的加法都能轻松解答，无需重复建模。

那么，当AI的学习效率和广度均超过人类之后，能否就能成为摆脱“呆板机器人”的标签呢？答案是：并没有，因为还缺少机器思维，并且是可持续学习的机器思维。当拥有可持续学习能力后，机械思维将得到质的飞升，包括：判断、推理、记忆、计算等方面将展现令人欣喜的提升。

举个例子，你是否曾经拨打售后热线，却只听到录制声音反复迫使你在令人沮丧的一系列自动菜单中“请按2或者请返回上级菜单”，最后什么事也没解决？因为在售后语音机器人出厂时，语音机器人的智能水平就已经固定，只能按照预设程序进行回应与行动，显然僵硬死板机器经常达不到我们的预期。而当它出厂后依然可以持续学习，不断的学习新解决办法，能通过你说的语句推理出你的情绪、理解你的目标，并积极帮助你去实现。它们不会机械地运行一套固定的指令，而会根据情况变化进行调整，这才是一位合格的语音机器人。

当我们无法设计出能在复杂路况下安全行驶的无人汽车，在复杂家庭场景中使用的智能管家时，我们就该发现，人工智能已经迈入了的下半场，我们需要扩充自学习与机器思维，才有可能建立起接近并且远超人类水平的人工智能。自学习降低学习成本，使得AI的所学知识范畴将大大超过人类，即使是人类最伟大的科学家在知识水平上也望尘莫及；可持续学习的机器思维将赋予AI创造力，使得它可以高速而灵活地针对实际情况提出有效方案，解决能力呈指数化上升，大幅提升应用价值。可以预见，自学习与机器思维将引领我们走向之前未曾探索过的领域！