国产三级在线观看免费-亚洲av最新在线网址-五月天亚洲图片婷婷-国产在线国偷精品产拍

　 不可否認的是近幾年我國的科技5G，人工智能，大數據等新興技術正在飛速的進步和創新，賦能各產業突破傳統瓶頸，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，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揮著不可替代的作用，不可置否，人工智能在這場戰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，人工智能技術發展想要進一步突破面臨哪些難關呢？


 
數據極限
 
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據用來識別模式后進而得到結論。而這些模型使用標記數據加以練習，標記數據則需要人工智能在實際過程中會遇到無數的不同場景。例如，醫療領域醫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缺乏足夠的數據來支撐構建模型，例如無人駕駛汽車，當我們在大雨傾盆的環境開車的時候，我們視覺受影響導致擋風玻璃外的環境很難看的清楚，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，但對人工智能卻沒有那么透明，基于神經網絡構建的人工智能，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，在這方面我們仍還需要做更多的工作，才能使人工智能邁過這個巨大的障礙。
 
遙不可及通用系統
 
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展的過程，有難點有瓶頸并非壞事 ，我們只需要在不斷發展和創新過程中突破。