艾倫人工智能研究所相關(guān)人員就曾表示，教電腦閱讀并回答相關(guān)問題現(xiàn)在都還是個不可能完成的任務(wù)。舉例來說，在閱讀了八年級的科學課本后，電腦只能回答對60%的相關(guān)問題。教電腦理解一個句子甚至比讓它在圍棋上戰(zhàn)勝世界冠軍都難，電腦在解決模棱兩可問題的能力上還有著較大的缺陷，它們太死板了。邏輯決策層需要大量的數(shù)據(jù)和算法來支撐，但是在人工智能領(lǐng)域，98%的算法是開源的，大家主要是在拼數(shù)據(jù)。

 

　　然而，對于人工智能的定義也是相對模糊的。制造一臺機器，通過數(shù)據(jù)整合和分析產(chǎn)生預(yù)測，以幫助人們實現(xiàn)精準決策可以稱之為人工智能。制造一臺機器，然后去代替人也可以稱之為人工智能。早在20世紀60年代就有科學家開始進行人工智能的研發(fā)，并發(fā)明了可以做數(shù)學應(yīng)用題的機器人、能夠人機對話的機器人。到80年代，日本又出現(xiàn)了專家級系統(tǒng)計算機，幫助企業(yè)和政府進行決策。進入21世紀，又出現(xiàn)了下圍棋的數(shù)字機器人。人工智能的目標和技術(shù)隨著時代的發(fā)展在不斷地變化，人工智能到底是用來干什么的？

 

　　人工智能作為一項新的工具，是可以幫我們解決很多問題的，其適用面也較廣。利用人工智能可以有效地代替人類做一些煩瑣的、重復(fù)性的工作，也可以成為人類娛樂的一種方式。

 

　　歐美、日本的人工智能發(fā)展較為迅速，與之相比，國內(nèi)的技術(shù)水平還停留在一個任務(wù)型的水平，即你讓機器人訂票、打電話沒有問題，但是要跟機器人聊天，體驗則很差。

　　與此同時，對于進行人工智能開發(fā)的公司來說，盈利才是他們能夠繼續(xù)推進人工智能開發(fā)的動力。但是，目前來看自動駕駛、計算機視覺、智慧城市以及智慧醫(yī)療等等人工智能尚沒有帶來直接的商業(yè)價值。這其中，一方面是因為現(xiàn)有人工智能的設(shè)計方案都較為笨重、單一、昂貴。例如，谷歌推出的圖片識別系統(tǒng)“谷歌大腦”，是由上千臺計算機組成的，需要數(shù)十個研發(fā)人員操作，投入和產(chǎn)出不成比例。去年十分出名的AlphaGo，設(shè)備也十分昂貴，難以形成規(guī)模化生產(chǎn)。另一方面，人工智能的技術(shù)需要長時間在實驗室進行研發(fā)，但在這個追求“短平快”的年代，人才培養(yǎng)也出現(xiàn)了斷檔，很多人很難掌握人工智能技術(shù)，這也間接阻礙了人工智能的發(fā)展前景。

 

　　人工智能的未來還有很長的路要走，這是一個不爭的事實。而在這個過程中，如何將人工智能細化成內(nèi)容、數(shù)據(jù)、硬件、算法等各個小的領(lǐng)域，然后集中精力各個突破，將是決定人工智能發(fā)展速度與發(fā)展規(guī)模的重中之重。不用擔心，未來幾十年你的工作還不會被機器人搶走，而科幻片中的一些恐怖場景也不會立刻發(fā)生。