弱人工智能有壹個很突出的特點，擅長單點突破，可以深挖壹個領域。比如AlphaGo在圍棋領域所向披靡。而我們的智力有什麽特點？我們什麽都能做，但不壹定把什麽都做得那麽好。
另外，人工智能擅長知識積累，計算能力強，解決封閉問題的能力強。而我們人類的想象力，創造力，* * *情感，解決開放性問題的能力，是目前人工智能的短板。所以，我們需要把兩者結合起來。
有些重要的事情是人工智能做不到的。
以醫學為例。華盛頓布魯金斯學會(Brookings Institution)研究創新的政治學家達雷爾·韋斯特(Darrell West)表示，深度學習已經開發出可以像人類放射科醫生壹樣甚至更好地分析X射線的軟件。然而，我們不希望軟件告訴壹個人，“妳剛剛得到的診斷結果可能是癌癥。”我們仍然需要壹位放射科醫生來檢查人工智能，以確保它觀察到的是真實的。然後，如果結果不好，癌癥專家會告訴病人這個消息，並開始規劃治療過程。
同樣，在法律領域，人工智能可以為尋找可能與案件相關的判例提供很大的幫助，但在解釋判例或在法庭上處理案件時卻幫不上忙。
更普遍的是，基於深度學習的人工智能非常擅長識別特征，並專註於需要的地方。但在處理意外、整合各種來源的知識、運用常識這些人類非常擅長的事情上遠遠不夠。
我們也不能指望軟件真的明白它在處理什麽。我還沒有看到任何證據表明使用現在的人工智能可以讓我們實現完全的常識推理。這與許多人工智能研究人員的觀點相呼應。例如，2017年9月，深度學習的先驅、多倫多大學計算機科學家傑弗裏·辛頓(Geoffrey Hinton)表示，如果研究人員想要在人類層面實現人工智能，那麽這個領域需要壹些新的想法。
人工智能未來可能會取代壹些重復性、機械性的工作，但不會完全取代人類的工作。
首先，雖然人工智能可以處理海量的數據和信息，但人類在創新、判斷和邏輯思維方面還是有優勢的。比如壹些需要藝術、創意和情感表達的任務，比如寫作、繪畫、音樂創作，就需要人的創造力和想象力來完成。
其次，很多工作需要人際溝通、協調、管理和領導能力，比如教育、醫療、商業等領域。這些任務涉及到人與人之間的交流與合作，人工智能目前還不能完全取代人類的作用。
人工智能的發展和應用需要人類的專業知識和技能。人工智能的研究、開發和維護需要大量工程師、數據科學家和專業人士的參與。這些人才是人工智能系統發展的重要組成部分，是人工智能系統運行的關鍵。
正如艾薩克·阿西莫夫所說:“科學技術是人類文明的跑車，我們必須控制它的方向，否則它將導致無法忍受的生活。”因此，我們應該保持警惕，讓技術發展在受到控制和引導的情況下發揮其最大效益。在未來的人工智能領域，我們必須認真思考如何平衡其利弊，消除其隱患和負面影響。只有這樣，我們才能真正享受到人工智能帶來的便利，而不是被它控制。
就未來教育而言，我們需要培養什麽樣的人？我們要培養孩子的想象力、創造力、情感和解決開放性問題的能力，這是我們區別於人工智能的最大優勢。