现阶段的人工智能是真正的人工智能吗

（文章来源：IT168）

既然我们已经进入了人工智能革命(或者更确切地说是进化)，那么看看人工智能的概念是如何被吸收的、为什么会被吸收、以及它在未来意味着什么是很重要的。本文我们更深入地研究为什么人工智能甚至是它的一些被误解的版本目前会受到如此高的关注。

在当前，人工智能或机器学习通常被描述为突然成熟的相对较新的技术，只是最近才从概念阶段过渡到应用程序集成。人们普遍认为，独立机器学习产品的诞生只是在最近几年才开始的。事实上，人工智能的重要发展并不新鲜。今天的人工智能是过去几十年取得的进步的延续。这种变化，也就是我们看到人工智能出现在如此多地方的原因，与其说是人工智能技术本身，不如说是围绕它们的技术——即数据生成和处理能力的发展。

最后，人们可能只是想在相同的平台上尝试不同的技术，而不受某些软件供应商的限制，也不受无法跟上该领域当前进展的限制。这就是开源平台是这个市场的领导者的原因，它们允许从业者将当前最先进的技术与最新的前沿开发相结合。

随着团队在使用机器学习来实现目标和方法上变得一致，深度学习将成为每个数据科学家工具箱的一部分。对于许多任务来说，在其中添加深度学习方法将提供巨大的价值。我们能够利用预先训练的人工智能系统，我们能够合并现有的语音或语音识别组件。但最终，我们会意识到，就像之前的经典机器学习一样，深度学习实际上只是另一种工具。

就像20年前一样，人们在试图理解人工智能系统学到了什么以及它们是如何做出预测的时候，会遇到极大的困难。在预测客户是否喜欢某一特定产品时，这一点可能并不重要。但是，当解释为什么一个与人类交互的系统会以一种意想不到的方式运行时，问题就出现了。人类愿意接受“人类的失败”，但我们不会接受人工智能系统的失败，尤其是如果我们不能解释它失败的原因(并纠正它)。

随着我们对深度学习越来越熟悉，我们将意识到，就像20年前对机器学习所做的那样，尽管系统很复杂，而且它所训练的数据量很大。但是如果没有该领域知识，理解起来很困难。人类的语音识别之所以如此有效，是因为我们通常可以通过上下文来填补理解不足的空缺。

当下的人工智能系统没有那么深刻的理解，我们现在看到的是肤浅的智力，即模仿孤立的人类识别能力的能力，有时甚至在这些孤立的任务上表现得比人类更好，训练拥有数十亿个例子的系统仅仅需要拥有数据和获得足够的计算资源。