1985年9月26日，诺贝尔物理学奖获得者、著名物理学奖理查德费曼在一次讲座上被问及了这样一道关于人工智能的问题。对于计算机科学领域的从业者来说，这是一个老生常谈的问题，相信你也已经在许多地方读到过，但费曼的阐述仍非常值得一读。作为世界上最著名的科学家之一，除了理论物理学方面的工作外，费曼也是量子计算领域的先驱，对于未来智能机器的发展同样颇有兴趣。本文便梳理了费曼在当时对通用人工智能的看法及思考。
虽然这场问答发生于35年前，但其中的许多内容，哪怕是在神经网络深度学习技术取得重大进展、突飞猛进的今天，也同样经得住细品。
费曼认为，人类的发明并不全依据自然造物。他举例说，如果需要制造一个能在地面跑得很快的机器，我们一般会首选用轮子作为机器与地面接触的中介，而不是做一个长得像或者原理上与猎豹一样的机器。再比如，如果想要造一台能在空中长时间远距离飞行的机器，虽然我们知道鸟是靠煽动翅膀进行飞行，但现实生活中的飞机并不会拍打机翼。因此，他认为，机器有可能以后能在计算上比人类更厉害，但它们的计算的方法应该会与人类不同。
事实上，这段对话发生的时候，也就是1985年，人类国际象棋大师的实力仍在电脑之上。之后便是我们所熟知的，在1996至1997年间，世界国际象棋冠军GM Garry Kasparov在与IBM的超级计算机Deep Blue进行的六次比赛中落败，正式宣告了计算机在下国际象棋上正式超过人类。费曼也曾表示，人类已经有有大量尝试开发更智能机器的探索，其中一部分工作正是人工智能，但他并不喜欢这个名字。
他认为，也许不智能的机器可以比智能的机器做得更好。
对于通用人工智能问题的回答还未结束。费曼描述了他所设想的，在某些特定方面能做的比人更强、但并不会像人一样思考的机器。他举例说，电脑能比任何人算得都快，虽然本质上都是对数字进行运算，但没人会想着让计算机按人类算数的方式去算数，这样对计算机来说只会拖后腿。
费曼回答的上一部分内容，便提到了从大数据中学习识别特定pattern的机器智能。
既然存在这种类型的机器智能，他又尝试探讨了“训练集的方差和偏差如何折中”的问题。他说，难点在于，在实际情况中，我们能提供给计算机的潜在信息是多种多样的，比如在刚才的那个“从远处辨别熟人”的例子中，计算机需要处理的信息可能有灯光条件、距离条件和目标的一些条件，比如辨识目标的倾斜程度，电脑必须能知道如何使用这些信息才行，甚至我们其实目前也讲不清楚，究竟人是怎么通过分析这么多信息并最终得出结论的。
最后，就着“指纹问题”，费曼对当时人工智能的现状进行了评价。他说，指纹问题可能听上去并不是很难，比如现在有两个指纹，然后我们需要比对这两个指纹上的血迹是否一样，但问题远没有它看上去那么简单。
指纹是不是被污染过，取样时手指的朝向和压力是多少，比对两个基准完全一致的图片是简单的，但如果采样的时候前一个比后一个朝向偏了一点，或者压力重了一点，或者表面被污染了一点，这些对我们来说可能‘是可被解决的’，但对于计算机来说却几乎是不可能的解决的问题，即使真有算法能通过排除各种因素解决问题，其在效率上也将是不切实际的。