未来几年，人工智能研究绕不过去的3个关键问题

目前，人工智能正在大力促进产业升级、提高产品质量和核心能力。但人工智能要实现真正的“无处不在”，它就需要能够在电力和热能有限的终端设备上运行。

科技分析师、J. Gold联合咨询公司创始人兼总裁杰克•戈德(Jack Gold)表示：

“人工智能已经开始发展，但还远未达到稳定状态，离顶峰还很远。”

事实上，就目前来说，人工智能带来的东西虽然有用，但其实只是冰山一角。从某种意义上来说，它只能实现定制的功能，仍然有很多优化的空间，离覆盖人们真正想要做的事情还有很长的路。

我们看到，不同行业对AI使用需求的案例越来越多，在设备及其核心能力方面提高用户体验的需求也在不断增加，尽管如此，“人工智能创造的未来”还需要一段时间才能实现。

三个关键性的研究问题

戈德说：

“人工智能领域正在发生的事情很多，比如自然语言处理(NLP)和计算机视觉，但我认为实现这一切的关键在于：我们如何让它成为一个成本效益高、易于定义并能够部署到最终用户的解决方案。”

他表示，人工智能未来几年的发展模式和方向取决于三个关键的研究内容。

第一，开发最适合构建人工智能系统的平台或框架

从谷歌到亚马逊，再到微软，所有公司都在做一些不同的事情，而一个紧迫的问题依然存在：如何将这一切整合起来?

例如：

怎样使Windows和Linux等值等效，从而使我们不必为14个不同的应用领域构建系统?如何回答这个问题，将是决定人工智能在未来5年的发展模式和方向的主要因素之一。

第二，如何优化硬件系统以降低成本?

例如，在训练系统中，很多系统都建立在非常高端、非常昂贵、非常耗电的图形处理器(GPU)上。但是什么样的硬件平台能让人工智能更有效、更经济、更容易运行呢?

框架和硬件是密不可分的，因为在框架上所做的操作和在硬件上所做的操作是相互影响的。

第三，构建半自动化工具

这是最关键的一点，如今构建人工智能系统大多都需要相当大的数据研究投资，需要一些重量级的数据科学家和工程师来构建系统，并将其部署到企业应用中。

戈德解释说：“如果你想将人工智能扩展到更广泛的用户群体，我们需要一些半自动工具，而且需要时间——这不会在一夜之间发生。这相当于一个文字处理器或Powerpoint，它可以把数据降低到用户的水平，而不必去花钱聘请5 000位数据分析师，这显然是不可能的。”

人工智能研究的障碍

大部分人工智能都是围绕着人类的思维以及人类与信息和世界的互动模式建模的。那么，我们能够在多大程度上把它模拟出来?神经网络是基于你的大脑，在过去的70年里，我们对人类大脑的工作模式有了更多的了解，从而促进了人工智能技术的发展。

所以，主要的障碍是，真正理解人体和神经系统是如何相互作用的，然后理解如何在电脑中建模。

戈德说：

“这是一个长期挑战，如何构建最合适的算法，然后为各种硬件系统和软件系统优化这些算法。很多人都在研究这个问题，但它不是短期能解决的。”

戈德表示，所有主要的芯片厂商都在他们的芯片上添加了神经网络处理器(NNP)，接下来致力于研究如何优化。

关于这一点也有很多争论，一些公司专注于训练方面，另一些公司专注于推理方面，这是优化体系结构的两种方法。戈德表示，最终两者都是需要的。

他补充说，三到五年后，每部手机都将配备人工智能芯片。

如果你有一台个人电脑，无论是CPU中的芯片还是辅助芯片，都会有人工智能。

戈德说：“在不远的将来，几乎所有东西都将拥有某种形式的人工智能。曾经有CPU之战，GPU之战，内存之战，接下来就是NNP之战!”

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!