自人工智能開始興起時(shí)，關(guān)于“人工智能是否能取代人類”這個(gè)話題，就引起了強(qiáng)烈的談?wù)摗Ｊ裁词侨斯ぶ悄埽咳斯ぶ悄苁怯?jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。人工智能從誕生以來(lái)，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì)是人類智慧的“容器”。

軟件工程師兼哲學(xué)家WilliamJ.LittlefieldII在最近的一篇文章中指出，推理分為三種類型。其中兩個(gè)，我們大概都在學(xué)校里學(xué)過(guò)：演繹推理和歸納推理。計(jì)算機(jī)可以很好地完成這兩項(xiàng)工作。

Littlefield說(shuō)，早期的計(jì)算機(jī)通常使用演繹推理（他認(rèn)為這是“自上而下”的推理）。它使功能強(qiáng)大的計(jì)算機(jī)能夠通過(guò)一次計(jì)算比人類可以進(jìn)行的邏輯動(dòng)作更多的速度在象棋和圍棋之類的游戲中擊敗人類。

相反，歸納推理是從一系列相關(guān)事實(shí)到結(jié)論的“自下而上”推理，例如：俱樂(lè)部舉行了60次游泳比賽，以下各場(chǎng)舉行20次：當(dāng)俱樂(lè)部在桑迪角舉行游泳聚會(huì)時(shí)，我們平均獲得80%的批準(zhǔn)。

當(dāng)俱樂(lè)部在石點(diǎn)舉行游泳聚會(huì)時(shí)，我們平均獲得60%的批準(zhǔn)。當(dāng)俱樂(lè)部在RockyPoint舉行游泳聚會(huì)時(shí)，我們平均得40%的批準(zhǔn)。

結(jié)論：俱樂(lè)部會(huì)員比其他人更喜歡沙灘。他又說(shuō)，神經(jīng)網(wǎng)絡(luò)等新方法的出現(xiàn)使功能強(qiáng)大的計(jì)算機(jī)能夠組裝大量信息，從而實(shí)現(xiàn)歸納推理（大數(shù)據(jù)）。

但是，沃森在醫(yī)學(xué)上的失敗表明，在不像國(guó)際象棋那樣沒(méi)有真正的“規(guī)則”的情況下，機(jī)器在確定哪些數(shù)據(jù)真正是信息方面面臨相當(dāng)大的困難。也許甚至更大的數(shù)據(jù)也可以解決該問(wèn)題。我們將會(huì)看到。

但是，根據(jù)利特爾菲德（Littlefield）的觀點(diǎn)，第三種推理，即歸納推理，則有所不同：

與歸納法或演繹法不同，我們從案例開始對(duì)規(guī)則做出結(jié)論，反之亦然，而在綁架過(guò)程中，我們生成了一個(gè)假設(shè)來(lái)解釋案例與規(guī)則之間的關(guān)系。簡(jiǎn)而言之，在歸納推理中，我們進(jìn)行有根據(jù)的猜測(cè)。

現(xiàn)在，為什么計(jì)算機(jī)不能做到這一點(diǎn)？利特爾菲爾德說(shuō)，他們將陷入無(wú)休止的循環(huán)：使綁架具有挑戰(zhàn)性的部分原因是，我們必須從一組真正無(wú)限的解釋中推斷出一些可能的假設(shè)……

之所以如此重要，是因?yàn)楫?dāng)我們面對(duì)復(fù)雜的問(wèn)題時(shí)，解決問(wèn)題的部分方法就是修補(bǔ)。我們嘗試各種方法，在尋找潛在解決方案時(shí)保持自己的價(jià)值體系暢通。具體來(lái)說(shuō)，我們產(chǎn)生假設(shè)。在計(jì)算機(jī)可能陷入無(wú)盡循環(huán)，遍歷無(wú)限解釋的情況下，我們使用價(jià)值系統(tǒng)快速推斷出哪些解釋既有效又可能。皮爾斯（Peirce）知道，歸納推理對(duì)我們解決新問(wèn)題至關(guān)重要。特別是，他認(rèn)為這是科學(xué)家發(fā)現(xiàn)事物的方式。他們觀察到意想不到的現(xiàn)象并產(chǎn)生了可以解釋為什么會(huì)發(fā)生的假設(shè)。

人工智能究竟能“消滅”多少工作崗位的問(wèn)題，一直是街談巷議的熱點(diǎn)話題。然而，與不少技術(shù)樂(lè)觀派不同，有的人不認(rèn)為人工智能取代人類的一天已經(jīng)迫在眉睫了。而這一判斷本身又是建立在如下觀點(diǎn)之上的：現(xiàn)有的人工智能并不具備靈活運(yùn)用各個(gè)領(lǐng)域的知識(shí)進(jìn)行綜合判斷的能力，而幾乎我們能夠想到的大多數(shù)人類所執(zhí)行的工作任務(wù)，都需要執(zhí)行者以相對(duì)靈活的方式來(lái)調(diào)配各個(gè)領(lǐng)域內(nèi)的知識(shí)。