首先说一下目前的人工智能，目前人工智能的依赖体（一些NB实验室里的除外）普遍为数据堆积，即通过对大量的信息存储的检索比对来做出人类世界的客观判断。这一点有点类似于搜索引擎，通过对输入信息的比对给出相应的内容。但搜索引擎只对第一关键词进行了一个比对，并没有对语言逻辑进行一个详尽的处理。比如你在百度或谷歌输入“人类的大脑容易是多少TB”，给出的链接大多都是百度知道里相同的提问信息，如下图：
但它并不能给出一个详尽的具体数字，或者对这一问题进行一个人类普遍客观认知的进一步考证。当然这是搜索引擎的局限性——我只告诉你有哪些网页提到你想要获取的知识。如果更先进一点对输入的语言逻辑进一步分析，可能会将“关于人类脑容量的科学考证”的相关链接给出来(我不认为那些行业巨头们没有想过这么去做)，也许这对于一个每天搜索量数以亿计的搜索引擎来说，这种对不同语言揣摩意思的AI的计算量将大大增加了服务器的整体负担。
虽然我知道国内已经有企业在进行类似的开发，比如360的电脑专家其本质是一个答问机器人，但是结果往往让人相当无语。
程序里对试图对“VB程序无法启动”进行语法分析，但可惜并没有可依赖的信息源，所以就近给出和“启动”相关的相近答案从而发生认知错误。而“你妹”应该早已记录在案，程序给出了符合人类常识的答案。
而实验室里，目前有许许多多的实验品正在酝酿着，但其本质也离不开信息的堆积——因为人类本身的智能也是建立在知识堆积的基础上的。而关于信息的使用方法、推导方法也是一种经验类信息。很简单的例子，课本上的数理公式就是一种经验类信息。不要问我说那些推导出公式的人的经验信息从何而来，其本质其实也是许多分散的信息元经过有机的整合推导而产生的。另外，牛顿、爱因斯坦的人工智能目前不在本文的论调范围内，我们目前需要实现的是先怎么创建一个智商为3岁左右可以接受再教育的学龄前AI。
因此用本人的观点来看，360乃至行业内同类型的答问机器人并不能称之为完整的AI，真正的AI应该不是由程序员编写好的条条框框，而是由一个婴儿程序自我学习而实现的。或者说，我们仅仅只需要赋予它先天基本学习能力的智能，剩下的都是后天的再教育。而这种再教育应当有别于条条框框的编写，不能试图去对程序枚举客户的每一种问法，那样岂不累死。它需要有自己的逻辑去在自己的信息库甚至互联网中找出正确的答案。
同时我们并不希望为此把它的编码复杂化，简单来说它可以是一个有自我学习的原型体，每接受一次教育它会进行一次信息的存储，现阶段可能就直接就信息存储了，但是如果往更高等一些去的话，信息会进行客观的比对以及删减、整理、抛弃，甚至对自我编码的重新改造。
所谓子不教父之过，就像一个儿童一样，他最先接受的知识往往来源于父母，后来进入学校，接触到各种各样的信息源，不断的学习学习，完善完善。而错误的教育、教唆可能也会毁掉一个孩子，但人类本身也具有错误信息的识别观念，善恶观念，这些是后天父母及学校给予的源信息。试问如果一个孩子生下来就以一名恐怖分子的方式进行培养，那么对于他来说，恶即是善。所以我们可以肯定，人类很大一部分的智能来源于后天学习。所以试图在程序编码时期就给予N多智能源信息的程序员就范了一个相当吃力不讨好的错误，从生物学上来说，难道你要将1+1=2写进DNA里么？
所以一个好的AI开发者，除了是一名优秀的软件工程师之外（其实这并不是最重要的），还是一名优秀的生物学家，一名优秀的教育心理学家。我不认为开发者有义务要去一直教导他们的孩子（AI机器人），这不是真实世界父母有教育义务。开发者仅需要给出优秀的AI元胚，然后由专业人员给于良好的基本教育。剩下的就让它们自己去通过教材去学习吧。
最后再补充一点，对于声音图像信息的智能判别，如果采用信息堆积的方式将会变成一场存储噩梦，难得要存储数以亿计的声音图像源来用于比对么。这显然是不可能的，人类对于声音图像的存储也仅是对其特征的一种记忆，当然其复杂程度并不是我们能想象的。甚至有可能和文字的记忆方式完全不同，因为人类擅长图像声音的记忆，却容易忘记一段文字。关于这类的人工智能我们另外开篇。
以上内容仅代表个人观点，欢迎相关研究者交流讨论。
BeiTown
2012.12.15
关于AI，我觉得目前阶段来说是不可能的，程序不能做出的是“创造“，只能执行，（个人比较倾向”中文房间“理论）
对的~中文房间