日本人工智能学什么？
这个学不了，也不应该学。 人类是感性认知世界，AI是人通过计算来感知世界。 人有直觉和灵感，AI没有，所以人比AI快无数倍。 人有想象力，AI没有，所以人比AI能想象无数个可能的世界。 人拥有自我意识，AI没有，所以人可以控制自己的决策过程避免局部最优化。 你想研究AI，你可以去读计算机科学或者电气工程，但是如果你想弄出个人形机器人，还是歇歇吧。 也许几百年后有可能实现（如果真有人做这种白日梦想的话），但这肯定不是现在AI的研究方向。 现在所有的研究AI的人不会以一个人形机器人为目标（至少我没听说过）。
我虽然没读过日本的AI课程，但以我对AI的理解，它们应该也是学怎样让电脑或程序更“智能”一点，比如让电脑拥有更好的学习能力（神经网络、进化算法等），或是让电脑拥有更高水平的逻辑能力（机器学习、统计计算等）。 如果真是这样，那么跟中国、美国等学AI的没有什么本质区别——我们学怎么让电脑“更聪明”，他们也在学怎么让电脑“更聪明”。 AI是不是这么发展的呢？不是。 我刚才说了，人是感性认知世界，而AI是通过计算感知世界。 但人是有直觉的，AI没有。 所以当你看到一朵云像一只兔子的时候，你会在脑子里经过一系列的联想和反射做出判断——“这朵云像一个骆驼”；而当AI看到这一朵云时，它只能一步步倒推——“首先这是云，然后云是这样这样的，因此它是那样那样的”——最后得到的结果跟你脑补的结果天差地别。
人类的灵感也是AI所不能理解的。 例如音乐作曲，AI可以帮你筛选大量曲子找出“相似度最高”的那首，却无法理解这首相似的歌曲为什么能被作曲家写出来——这似乎超出了计算的能力。 再如设计，AI可以帮你设计出一套符合标准的图形用户界面（类似Windows经典界面的那种），却不能凭空设计出一个iPhone应用程序。 因为人是感性的，所以有时甚至不需要那么多的数据，一个灵感就能让你超越对手。
最后说到知识表示，确实所有学过AI的人都知道知识表示的重要性。 但是如何表示知识的真正意义却很少有人讨论。 举个例子说，我知道“鱼”的知识，这意味着我能够知道鱼的各个部分的名字，能够认识各种鱼，并且知道怎么描述一条鱼（比如说用JDK的api来描述java中的类）……但这不是知识的本质，知识的本质是我能够把这条鱼和其他的所有鱼区分开来（从数据库中区分两条记录之类的）。或者说，知识对我来说不仅仅是具体的某条信息，而且是多条信息的集合，并且这些信息能够被更新、添加或删除。
简而言之，对于知识而言最重要的是它的结构，而不是其中一条条具体的信息。然而目前的所有AI课程都没有讲到如何构建知识（如何表示知识的关系），只讲了如何去填充知识（如何获取知识的具体信息）。这也是我认为的最不合理的地方。