人工智能似乎正在取得巨大进步。它已成为自动驾驶汽车、自动翻译系统、语音和文本分析、图像处理以及各种诊断和识别系统背后的关键技术。在很多情况下，人工智能甚至可以在特定任务上超越人类的最佳表现。我们正在见证一个新的商业行业的出现，非常活跃，投资巨大，潜力无限。似乎没有人工智能不能改进的领域，没有不能自动化的任务，没有人工智能不能解决的问题。但事实真的如此吗？计算的理论研究表明，有些事情是无法计算的。数学家和密码破译者艾伦图灵证明，有些计算永远不可能完成，而另一些则可能需要数年甚至数百年的时间。例如，我们可以很容易地预先计算出一盘棋的前几步棋，但要计算一局80步的棋局从头到尾的所有棋步是完全不现实的。即使是世界上最快的超级计算机，每秒可以进行10亿次计算，计算一小部分也需要一年多的时间。这也称为放大问题。早期的人工智能研究在涉及小数的问题上取得了可喜的成果，例如西洋双陆棋游戏等模拟问题。但是在象棋这样数字比较大的问题，也就是真正的问题中，效果不好。幸运的是，现代人工智能技术已经开发出解决此类问题的其他方法。人工智能打败世界上最好的棋手，不是靠计算所有的走法，而是靠逼近算法、概率估计、大规模神经网络等机器学习技术，比人脑想得更远。但这些其实属于计算机科学领域，不属于人工智能。人工智能如何智能运作有任何基本限制吗？当我们考虑人机交互时，一个严肃的问题变得清晰起来。人们普遍预测，未来人工智能系统将能够与人类进行友好、充分的互动和社交，并协助人类进行交流和协助。心智理论当然，这种人工智能系统已经有了初级版本。但语音命令系统、呼叫中心和文本处理并不是真正的人机对话。我们需要的是适当的社交和长时间的自由对话，而AI系统可以记住与之交谈的人，并记住过去与此人的对话。人工智能系统还必须能够理解人们所说的目的和含义。这就需要一个心理学概念：心智理论。心理理论是这样一种理解，即与我们交流的人以与我们大致相似的方式思考和看待世界。因此，当其他人与我们谈论他们的经历时，我们可以识别并理解他们所描述的内容以及它如何与我们产生共鸣。我们还可以从人们的手势和信号中推断出他们的意图和偏好。所以当Sally说“IthinkJohnlikesZoebuthethinksZoemightfindhimnotappropriate”时，我们知道Sally的话第一层是她自己的想法，第二层是John的想法，第三层是John的意见Zoe的想法.我们需要类似的经历才能理解这一点。从物理学习中可以清楚地看出，所有这些社交互动只有在相关各方具有“自我意识”并且能够同样保持对方的自我意识时才有意义。要想了解别人，首先要了解自己。人工智能的“自我模型”应该包括对其身体运作方式的主观看法（例如，它的视野取决于眼睛的物理位置）、其自身空间的详细地图，以及一系列众所周知的技能和动作。这意味着需要一个物理实体来在具体的数据和经验中建立自我意识。当一个代理人的行为被另一个代理人观察时，他们可以通过共享的部分经验相互理解。这意味着社交AI需要在物理机器人中实现。一个软件盒子怎么可能对人类居住的物理世界有主观看法？为此，我们的对话系统不仅要嵌入这个实体，还要体现它。设计者无法有效地为机器人建立软件自我意识。如果一开始就设计一个主观的观点，那是设计者自己的观点，但机器人也需要学习和处理设计者不知道的经验。所以我们需要设计的是一个支持学习的框架。幸运的是，这些困难都可以解决。人类世界面临着完全相同的问题，但我们不会一下子解决所有问题。婴儿期的最初几年显示出令人难以置信的发展和进步，在此期间我们学习如何控制我们的身体以及如何感知和体验物体、其他人和环境。我们还学习如何行动以及我们的行动和互动的后果。发展机器人学新领域的研究正在探索如何让机器人从头开始学习新事物，比如婴儿。第一阶段涉及发现被动物体的特性和机器人世界的“物理学”。之后，机器人会开始模仿与人类的互动，然后逐渐构建出更复杂的自我。因此，虽然没有实体的AI系统存在基本限制，但未来对机器实体的研究可能会在机器之间实现持久的、有同理心的社交互动。
