瓶頸到突破 人工智能技術發(fā)展面臨哪些難關！
2024/4/15 14:18:07點擊：
不可否認的是近幾年我國的科技5G，人工智能，大數(shù)據(jù)等新興技術正在飛速的進步和創(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)，直接給全球帶來了無可估量的損失，科技抗疫過程中人工智能在其中發(fā)揮著不可替代的作用，不可置否，人工智能在這場戰(zhàn)疫中助力科技抗疫功勞不小，但目前我國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，人工智能技術發(fā)展想要進一步突破面臨哪些難關呢？
數(shù)據(jù)極限
人工智能離不開機器學習算法，這些算法或模型必須耗用大量的數(shù)據(jù)用來識別模式后進而得到結論。而這些模型使用標記數(shù)據(jù)加以練習，標記數(shù)據(jù)則需要人工智能在實際過程中會遇到無數(shù)的不同場景。例如，醫(yī)療領域醫(yī)生必須標記出每一張X光片哪些是否存在腫瘤，哪些是什么類型的腫瘤，只有標記出成千上萬張，甚至更多的X光片讓人工智能學習，人工智能才能正確的識別出來，而收集和標記，再到人工智能學習和審查的這段過程，對于我們是很耗費精力和時間。
也有一些特殊情況是我們?nèi)狈ψ銐虻臄?shù)據(jù)來支撐構建模型，例如無人駕駛汽車，當我們在大雨傾盆的環(huán)境開車的時候，我們視覺受影響導致?lián)躏L玻璃外的環(huán)境很難看的清楚，更不用說道路標線了，那人工智能能夠安全的應付這種情況？訓練人員需要記錄數(shù)十萬英里，才會偶爾遇到所有這些棘手的使用場景，以了解算法如何做出反應并相應地進行調(diào)整。
黑盒子效應
任何軟件程序的基礎都離不開邏輯，我們可以通過輸入代碼，查看它們是如何觸發(fā)，但對人工智能卻沒有那么透明，基于神經(jīng)網(wǎng)絡構建的人工智能，最終結果可能無法解釋，我們稱這為黑盒子效應，我們知道它可以工作，但無法告知它是如何進行運算的，可以想象如何我們無法解釋這種龐大的深度學習網(wǎng)絡過程是如何判定出來的，我們將面臨著無法預估的后果。
因此， 克服黑盒子效應最好的辦法莫過于將算法分解了，簡而言之，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這個巨大的障礙。
遙不可及通用系統(tǒng)
未來，人工智能進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下起到作用。在國外有Steve Wozniak稱之為咖啡測試。意思是機器人可以進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、識別咖啡機、添水并點擊正確的按鈕。
無論是人工智能和機器學習，還是其他技術都是需要不斷發(fā)展的過程，有難點有瓶頸并非壞事 ，我們只需要在不斷發(fā)展和創(chuàng)新過程中突破。
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)，直接給全球帶來了無可估量的損失，科技抗疫過程中人工智能在其中發(fā)揮著不可替代的作用，不可置否，人工智能在這場戰(zhàn)疫中助力科技抗疫功勞不小，但目前我國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，人工智能技術發(fā)展想要進一步突破面臨哪些難關呢？
數(shù)據(jù)極限
人工智能離不開機器學習算法，這些算法或模型必須耗用大量的數(shù)據(jù)用來識別模式后進而得到結論。而這些模型使用標記數(shù)據(jù)加以練習，標記數(shù)據(jù)則需要人工智能在實際過程中會遇到無數(shù)的不同場景。例如，醫(yī)療領域醫(yī)生必須標記出每一張X光片哪些是否存在腫瘤，哪些是什么類型的腫瘤，只有標記出成千上萬張，甚至更多的X光片讓人工智能學習，人工智能才能正確的識別出來，而收集和標記，再到人工智能學習和審查的這段過程，對于我們是很耗費精力和時間。
也有一些特殊情況是我們?nèi)狈ψ銐虻臄?shù)據(jù)來支撐構建模型，例如無人駕駛汽車，當我們在大雨傾盆的環(huán)境開車的時候，我們視覺受影響導致?lián)躏L玻璃外的環(huán)境很難看的清楚，更不用說道路標線了，那人工智能能夠安全的應付這種情況？訓練人員需要記錄數(shù)十萬英里，才會偶爾遇到所有這些棘手的使用場景，以了解算法如何做出反應并相應地進行調(diào)整。
黑盒子效應
任何軟件程序的基礎都離不開邏輯，我們可以通過輸入代碼，查看它們是如何觸發(fā)，但對人工智能卻沒有那么透明，基于神經(jīng)網(wǎng)絡構建的人工智能，最終結果可能無法解釋，我們稱這為黑盒子效應，我們知道它可以工作，但無法告知它是如何進行運算的，可以想象如何我們無法解釋這種龐大的深度學習網(wǎng)絡過程是如何判定出來的，我們將面臨著無法預估的后果。
因此， 克服黑盒子效應最好的辦法莫過于將算法分解了，簡而言之，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這個巨大的障礙。
遙不可及通用系統(tǒng)
未來，人工智能進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下起到作用。在國外有Steve Wozniak稱之為咖啡測試。意思是機器人可以進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、識別咖啡機、添水并點擊正確的按鈕。
無論是人工智能和機器學習，還是其他技術都是需要不斷發(fā)展的過程，有難點有瓶頸并非壞事 ，我們只需要在不斷發(fā)展和創(chuàng)新過程中突破。
- 上一篇：規(guī)范倍加信人 臉 識 別技術的安全和隱私政策下月將出臺了？ 2024/4/15
- 下一篇：5G與人工智能的融合 賦能各產(chǎn)業(yè)創(chuàng)新 延伸更多可能 2024/4/15
粵公網(wǎng)安備 44030602004070號
