挑战仍在
尽管人工智能赢得了企业、公众甚至政府层的高度关注，但这个行业仍面临诸多挑战。
本次人工智能热潮肇始于2006年，在那一年，深度学习--这一神经网络算法——被重新提出，此后开始在人工智能行业刮起强劲飓风，备受瞩目的AlphaGo、Master正是得益于此。
“这项技术目前已成为行业内最具价值且临近爆发期的技术点，各大公司纷纷跑马圈地，距离未来预期全面部署约7年时间。”向阳向21世纪经济报道记者直言，“就未来而言，云计算和开源化仍将成为主流，也是更能推动技术进步的模式，因此基于云平台的深度学习的投资价值不言而喻。”
然而，从另一方面而言，当前各方面的情绪也可能过于心切。“不可否认的是，人工智能行业经历了寒冬，突然迎来了温暖的春天，但行业甚至公众对当前人工智能技术的发展程度可能仍存在误解。”北京航空航天大学计算机学院副院长王蕴红指出。
事实上，据王蕴红介绍，人工智能的应用才刚刚开始，也面临巨大的挑战。“现在学术竞赛中所获得的超高识别率，还很难真正解决实际中的问题。例如，当前实验室里的人脸识别率可高达99.9%，然而在监控中的人脸识别率依然不佳，”王蕴红直言，“深度学习所引领的人工智能在某些领域已经取得了成功，但在其他方面，还需要经历一个发展的过程。”
这个过程不仅包括更大的样本及数据平台，还有许多算法及理论方面的问题需要解决。“关于人工智能的国家工程实验室的成立，对于推动人工智能的研究而言是个很好的平台，能够真正实现产学研结合。” 王蕴红指出。
此外，百度深度学习研究院杰出科学家徐伟近日亦指出，此轮人工智能浪潮中，深度学习发挥效果最好的领域体现在人脸识别、语音识别等领域，但对于其他类型的任务而言，很难通过标准数据让机器习得。
“比如，想要机器学习人类说话，通过对话样本是很难学会的，因为相同问题背后可能对应着无数种回答。”徐伟称，“如何让机器不需要过分依赖标准数据去学习，这是当前人工智能极为重要的方向，由此才可能将深度学习的应用范围，从现在比较成功的模式识别，拓展到诸如对话、推理这样的更高级的智能领域。”
这也意味着，人工智能行业无论从资金、人才还是资源上，都需要有更多支持以促进技术创新，而将人工智能提升至国家战略层面，毫无疑问将有助于相关技术的突破。（编辑：张伟贤，如有意见建议请联系：zhangwx@21jingji.com）
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！