这些网络的结构决定了它们善于识别图片中的物体、将声音组合起来构成单词，以及在射击类游戏中判断接下来要怎么玩。但我们不能期望它们精于其他任务，它们自己也不会有这样的期望。当今最先进的人工智能能够看到事物并立即做出反应，但它无法理解自己看到的是什么，也无法制订计划。
我不是唯一一个注意到《吃豆人女士》的人。微软的研究员哈尔姆·范·赛恩（Harm van Seijen）告诉我，在阅读了谷歌的论文后，这个游戏引起了他的注意。神经网络在这个游戏面前束手无策，这让他很惊讶，他想知道《吃豆人女士》与《太空入侵者》有什么不同。
赛恩和他的同事开发了另一种方法。他们发现，最容易克服这个难关的办法是把“吃豆人”的问题分解成更小的部分。他们将游戏的所有组成部分能量丸、水果和妖怪，都建模成争夺吃豆人注意力的代理，然后训练神经网络来判断这些位于迷宫不同位置的代理对她的牵制程度，这种方法产生了一个非常谨小慎微的吃豆人女士：她过每一关时都需要花费比以前更多的时间，但她从未被妖怪吃掉。他们的算法获得了能够取得的最高分999900分，这个分数意味着吃豆人女士已经通关了。
开发神经网络的研究人员敏锐地意识到了“人对算法干涉过多”的问题。强人工智能项目的长远目标是用尽可能少的人工输入来训练网络。如果我们想让算法展现出动物或人类的智慧的特质，那么这些网络就必须会自学，而不是需要我们告诉它们应该做什么或应该注意什么。
另一方面，这些研究人员热衷于证明其算法可以玩更复杂、更现代的电脑游戏，他们的终极挑战是《星际争霸》(StarCraft)。这是一款复杂的即时战略游戏，也是一项具有激烈对抗性的电子竞技项目。谷歌的
第三部分 人工智越能的未来人类了吗？
211