人工智能解决了这些问题，大白就不再是梦了

人工智能是目前科学界被炒的最热的一个话题，不论被捧的多高抑或被批的多狠，我们都应该理性地看待。

我们应该看到，现阶段的人工智能其实还只是一个初生的婴儿，她要看懂这个世界还需要很长的时间去成长，而在她成长的过程中，总有一些困难是需要克服的，也有一些瓶颈是需要突破的。本文仅就人工智能目前的发展遇到的一些瓶颈发表了一些个人的看法，欢迎大家留言讨论。

人工智能目前遇到的问题很多，说到瓶颈，大致有如下几项：

计算机视觉

之所以把计算机视觉放在第一位，是因为它实在是太重要了。如果你都看不见这个世界，你要怎么去理解这个世界，怎么做出自主的判断呢？

传统的计算机视觉研究都是基于二维相机捕捉的图片信号，对于计算机视觉系统来说，这是非常困难且不科学的。我们人类是如此聪明的生物，既然我们都需要用双眼去看懂这个三维的世界，计算机难道能利用二维的图片就看懂这个世界吗？这显然是不可能的，因为在这个过程中，我们丢失了很重要的一维信息，三维变二维，深度信息被直接舍弃了，这种方法有严重的缺陷。

所以为了能够理解精确的尺度概念，包括对尺寸、速度、距离等概念的把握，三维深度视觉是一条我们必须选择的道路。利用三维深度视觉，对于提高计算机的视觉感知技术，尤其是实时的、对精度要求很高的技术，至关重要。

运算成本

虽然计算机CPU的处理速度已经很快，但是对于计算机视觉系统来说，仍然显得远远不够。在很多应用领域，因为对实时性的要求特别高，所以对计算机的计算速度有着非常严苛的要求。比如无人驾驶汽车，汽车制动系统的响应速度在很大程度上决定了它的安全性，而制动系统的响应速度又是受自动控制系统的反应速度决定的，理论上而言，计算速度越快，系统的反应速度也越快。

目前炒的很热的云计算是解决这个问题的一种很好的方法。但是，利用云计算解决系统的运算问题需要极大的的带宽、功耗和计算成本，而且远程运算也会给系统带来风险。

所以我们目前看好两种方案：CPU+GPU和神经网络芯片。

与CPU不同，GPU采用了基于SIMD架构的并行运算架构，这种架构可以在有限的芯片空间里容纳大量的并行运算单元，可以大大提高运算速度。CPU+GPU的解决方案，可以在保证很高的计算速度的同时，兼顾计算能力和算法精度。这种高性能异构方案也是Nvidia和AMD目前正在重点研发的方向。

神经网络芯片放弃了传统的基于数值运算的架构，直接去模仿人脑，仿真神经元和神经突触组成的网络。譬如IBM公司发明的SyNAPSE系列芯片，最新的SyNAPSE芯片已经包含了一百万个神经元，每个神经元通过多达256个神经突触和其他神经元组成网络。虽然这些数字距离人脑的神经元数目相差很大（大约5个数量级），但是集成电路的工作速度比人脑中的神经元要快大约一千万倍。因此，我们有机会基于这样的芯片，利用运算速度的优势弥补神经元数量上的差距，开发出非常有效的深度学习算法。

算法

机器学习已经发展了几十年了，一路走来并不是一帆风顺，虽然不像量子力学的发展史那般波澜壮阔，但也是起起伏伏命途多舛。近几年因为深度学习在某些方面取得了一些喜人的进展，这个领域才又开始火了起来。借助于深度学习算法，人们似乎终于找到了如何解决“抽象概念”这个横亘在机器学习领域多年的难题的方法。

深度学习能够得到更好地表示数据的feature，同时由于模型的层次深、参数多、容量足够大，因此对于图像、语音这种特征不明显的问题，能够取得更好的效果。

在今年的两会上，李彦宏在提案中提到了“中国大脑”计划，希望国家能将人工智能的发展上升到国家战略层面，被很多人称赞其有前瞻性。我们先不论他的出发点是否有私心，单看这个计划其实是有重大意义的。2012年，“谷歌大脑”项目被曝光，接着百度挖来吴恩达深耕深度学习，包括IBM、Facebook、微软在内的科技巨擘都在大力研发深度学习技术。

机器学习是一门研究计算机怎样模拟或者实现人类的行为并不断改善自身性能的学科，虽然已经发展了很多年了，但是还是有很多问题没有被很好地解决，比如图像识别、语音识别、自然语言理解等。

“深度神经网络”这个机器学习模型的出现，让迷雾中的研究者们好像又看到了一条光明的大道，它已经在很多领域被证明是很好用的。不过我们目前并不了解它的内部机理，也无法对其进行精确控制，所以这条路通向哪儿，是否有尽头，这一切都还只是未知数。但是科学总是需要探索，也需要先驱，即使一不小心成了先烈，那也是光宗耀祖的。

大数据

“深度神经网络”模型的训练需要海量的数据，前面提到的Google、百度、IBM、Facebook等大的互联网公司无一不拥有大量的数据 ，这些数据能够帮助更好地训练他们的系统，使其变得更加智能，因此他们才会竞相投入大量的资源进行深度学习技术的研发。

但是对于深度学习来说，真正需要的大数据，其实比这些公司所拥有的数据还要海量，而且实时性非常强的大数据就更加缺乏了。就目前而言，可以这么说，没有大数据，就没有好的深度学习模型，进而就没有非常智能的系统。

对人脑的研究

近些年来，生物学和认知神经科学的发展，让我们对人类这颗神秘的大脑有了更深入地认识。机器学习的初衷就是要学习并模仿人类，实现这个的前提就是我们要弄清楚人脑到底是怎么工作的。虽然已经有了一些进展，但是到目前为止我们对人脑的了解还非常浅显，并不能完全理解它的工作原理。所以对人脑的认知，也是限制人工智能发展的一个重要的瓶颈。

人工智能是一个复杂而又难解的谜题，她就像一个神秘的美少女，我们天天与她见面，却还是无法参透她的内心世界。人工智能的发展注定是一页一页时而激动人心时而悲观至极的篇章，我们需要做的就是在狂风暴雨和熊熊烈焰的洗礼中一步一步揭开她神秘的面纱。

(格灵深瞳微信公众号：shentongzhineng)

来源：格灵深瞳