人工不智能。如今是人工智能瓶颈期，向前一步已然十分的困难。需要更多大胆的科学应用，也需要一批先驱者。
人工智能发展伊始，我们说其遵循的就是机器的深度学习，为了推动人工智能的迅速扩散，如谷歌这样的大公司开放了算法，致使算法不再成为人工智能的主要障碍，彼时，人工智能方面的企业只要获得数据，大致上就算切入了人工智能领域。而实际上，很多人发现人工智能的商用就是原来大数据的延伸。只是原来我们通过大数据得到一些真相，比如搜索引擎根据人们搜索的内容来发现部分地区的疫情。而后来人们通过数据训练一个系统，使得机器能够遵照历史经验做出人类一样的应答。
但是理想丰满，现实骨感，实际上我们人类的大脑远远比我们想象的复杂的多。我们的脑回路会在合适的情况下走捷径，我们的思维也有直觉的短反射弧度，和理性的长反射弧度。有时候我们总能恰到好处的处理各种危机。我们都不知道自己是如何办到的。而人工智能是不可以的。所以在经历了前期资本狂欢和大量的想象之后，人工智能将在未来趋于冷静。天马行空的做法会少一点，落地有限智能才是根本。
比如无人驾驶领域，如今大多数的无人驾驶，最优秀的如谷歌Waymo，勉强L4，特斯拉其实算L2.5，传统车企如奥迪去年大约到L3，Delphi和MobileEye宣称今年进入L4阶段，所有的车企都避免提及L5。
我们来重新认识无人驾驶的六个级别：
L0：无自动驾驶。
L1：驾驶辅助，如ABS。
L2：减轻驾驶员操作负担，如定速巡航。
L3：有自动驾驶，但是系统在遇到不能识别的情况，会主动召唤驾驶员接手。
L4：一般不必介入，属于有方向盘的无人驾驶。
L5：完全无人驾驶，淘汰驾驶员。
大多数，如今无人驾驶囤积于L3，部分达到L4如谷歌Waymo,实际上还是要在限定区域内，良好天气情况下使用。人类的道路本身不完美，高速公路比城市高架好开，城市高架比居民区街道好开，而大多数无人驾驶并没有很好的突发识别功能。
如今谷歌Waymo的方式是传感器加上环境参数设定，在有限的城市有限的区域，通过数据采集来完善无人驾驶系统，按照他们的做法，就是建立一个区域性的出租车车队。然而现阶段，这些无人驾驶出租车依然需要配备工程师或者驾驶员。而特斯拉则完全依赖视觉系统，进行物体识别。如你所见，特斯拉无人驾驶的事故还是比较多的。但即使有事故，如今Waymo和特斯拉成功的概率依然是一半一半。
我们看到，技术有时候并非线性进发，不是说设定了技术目标，就一定能够达到，也许未来实现L5，还不如实现空中轨道自动交通来得实际。科技属于高风险，投入未必有回报。当然无人驾驶技术也推进了地图导航技术的进步，比如如今很多导航都能够实时更新路况。但是就人工智能这一块，很多领域已经遭遇了巨大的瓶颈。
另说国内无人驾驶，实际上国内这方面落后了很多，有很多原因。个人认为，需要发展一下区域性，比如城域的无人驾驶出租车业务。而这方面，可能小城市更加好实现，大城市路况太复杂。
有人可能不太同意人工智能遇到瓶颈的看法，大致上，如今的人工智能比较成熟的依然是在语音，然而就这个方面，你可以尝试和智能音箱对话，看看他是否能解决很多实际问题，还是只算一个消遣工具。
