不可否認(rèn)的是近幾年我國(guó)的科技5G，人工智能，大數(shù)據(jù)等新興技術(shù)正在飛速的進(jìn)步和創(chuàng)新，賦能各產(chǎn)業(yè)突破傳統(tǒng)瓶頸，給予了智能化的變革。
 
2020年是非常特殊的一年，特殊到難以忘懷，年初新冠疫情的爆發(fā)，直接給全球帶來(lái)了無(wú)可估量的損失，科技抗疫過(guò)程中人工智能在其中發(fā)揮著不可替代的作用，不可置否，人工智能在這場(chǎng)戰(zhàn)疫中助力科技抗疫功勞不小，但目前我國(guó)人工智能水平僅僅處于發(fā)展階段，能做到的事情并不多，那么從瓶頸到突破，人工智能技術(shù)發(fā)展想要進(jìn)一步突破面臨哪些難關(guān)呢？
 
數(shù)據(jù)極限
 
人工智能離不開機(jī)器學(xué)習(xí)算法，這些算法或模型必須耗用大量的數(shù)據(jù)用來(lái)識(shí)別模式后進(jìn)而得到結(jié)論。而這些模型使用標(biāo)記數(shù)據(jù)加以練習(xí)，標(biāo)記數(shù)據(jù)則需要人工智能在實(shí)際過(guò)程中會(huì)遇到無(wú)數(shù)的不同場(chǎng)景。例如，醫(yī)療領(lǐng)域醫(yī)生必須標(biāo)記出每一張X光片哪些是否存在腫瘤，哪些是什么類型的腫瘤，只有標(biāo)記出成千上萬(wàn)張，甚至更多的X光片讓人工智能學(xué)習(xí)，人工智能才能正確的識(shí)別出來(lái)，而收集和標(biāo)記，再到人工智能學(xué)習(xí)和審查的這段過(guò)程，對(duì)于我們是很耗費(fèi)精力和時(shí)間。
 
也有一些特殊情況是我們?nèi)狈ψ銐虻臄?shù)據(jù)來(lái)支撐構(gòu)建模型，例如無(wú)人駕駛汽車，當(dāng)我們?cè)诖笥陜A盆的環(huán)境開車的時(shí)候，我們視覺受影響導(dǎo)致?lián)躏L(fēng)玻璃外的環(huán)境很難看的清楚，更不用說(shuō)道路標(biāo)線了，那人工智能能夠安全的應(yīng)付這種情況？訓(xùn)練人員需要記錄數(shù)十萬(wàn)英里，才會(huì)偶爾遇到所有這些棘手的使用場(chǎng)景，以了解算法如何做出反應(yīng)并相應(yīng)地進(jìn)行調(diào)整。
 
 黑盒子效應(yīng)
 
任何軟件程序的基礎(chǔ)都離不開邏輯，我們可以通過(guò)輸入代碼，查看它們是如何觸發(fā)，但對(duì)人工智能卻沒(méi)有那么透明，基于神經(jīng)網(wǎng)絡(luò)構(gòu)建的人工智能，最終結(jié)果可能無(wú)法解釋，我們稱這為黑盒子效應(yīng)，我們知道它可以工作，但無(wú)法告知它是如何進(jìn)行運(yùn)算的，可以想象如何我們無(wú)法解釋這種龐大的深度學(xué)習(xí)網(wǎng)絡(luò)過(guò)程是如何判定出來(lái)的，我們將面臨著無(wú)法預(yù)估的后果。
 
因此， 克服黑盒子效應(yīng)最好的辦法莫過(guò)于將算法分解了，簡(jiǎn)而言之，是人類解釋人工智能的行為，在這方面我們?nèi)赃€需要做更多的工作，才能使人工智能邁過(guò)這個(gè)巨大的障礙。
 
遙不可及通用系統(tǒng)
 
未來(lái)，人工智能進(jìn)化到一定地步將接管世界，任何顧慮這方面的人可以放心，這些不是人工智能太智能，而是人類想象力豐富，只存在科幻電影，即便人工智能在智能方面足夠出色，但也別指望它在更高水平的意識(shí)下起到作用。在國(guó)外有Steve Wozniak稱之為咖啡測(cè)試。意思是機(jī)器人可以進(jìn)入到任意的家庭里沖泡一杯咖啡嗎？要知道，這包括找到咖啡研磨器、找到杯子、識(shí)別咖啡機(jī)、添水并點(diǎn)擊正確的按鈕。
 
無(wú)論是人工智能和機(jī)器學(xué)習(xí)，還是其他技術(shù)都是需要不斷發(fā)展的過(guò)程，有難點(diǎn)有瓶頸并非壞事 ，我們只需要在不斷發(fā)展和創(chuàng)新過(guò)程中突破。