未来，人工智能将以何种方式发展？

但是尽管目前取得了很多突破性进展，但是目前普遍认为，自动驾驶还没有达到完全代替人的程度，只能被看做是辅助驾驶员的半自动驾驶。特别是面对天气、意外障碍、复杂城市交通等情况，自动驾驶的传感器和软件很容易出错，因此目前还无法离开人力操作。

自动驾驶

目前，很多人相信，基于车对车通讯(Vehicle-toVehicle，V2V)的车联网技术能够有效解决自动驾驶面临的关键问题。车对车的通讯可以把汽车的位置、速度、制动情况等车辆数据传输给百米范围内的车辆，使得自动驾驶汽车能够眼观六路、耳听八方，从而有效避免车辆发生碰撞。

在自动驾驶还不够成熟的情况下，用无线通信技术似乎能够有效减少道路交通意外。但是这种车辆通信涉及的通信技术要求比较高，而且因为信息安全和隐私保护问题，使得V2V还处于商业试用阶段，近几年的发展速度也远不如自动驾驶发展迅猛。

图像识别、语音识别

现在很多人出门都是不需要带钱包，拿着手机就可以随意在商场内进行支付。移动支付已经取代现金和银行卡，成为不少人的主要支付方式。

2015年，苹果支付被评为全球十大突破性技术。早期的苹果支付是结合NFC近场通讯和指纹识别(属于图像识别)，极大改善了移动支付的用户体验。苹果支付不同于Google钱包、微信、支付宝、Paypal，不需要进入应用程序、点击付款、输入金额或者扫二维码等。

当手机靠近收银端时，苹果支付就会自动激活，通过指纹验证即可完成支付。而且苹果支付在安全性上也是比较领先，与支付宝、微信支付不同，苹果支付的手机不保存真实的卡号，商家也不会看到，更不需要将卡号存储在数据库中。每次支付交易过程中生产一个唯一的代码，而且这代码也只能使用一次。

不仅仅如此，苹果凭借基于人工智能的精确图像识别技术，让刷脸支付成为可能。刷脸支付已经成为2017年最具突破性技术之一，但是最先有商业应用刷脸支付的是中国。2015年，阿里马云在德国汉诺威消费电子博览会的开幕式上，成功刷脸支付购买一枚1948年汉诺威工业博览会的纪念邮票。

马云的刷脸支付

从目前来看，刷脸支付还处于发展早期。刷脸支付会遭受用户对安全性的质疑，而且刷脸支付的便捷性也并不比原有的密码支付或者指纹支付提升很多。若想大范围推广刷脸支付，不仅仅要改善现有软硬件，还需要大力宣传使得用户接受刷脸支付。

语音识别也类似于图像识别，本质区别在于语音数据是一维数据，图像数据是二维数据。谷歌沟巴别鱼耳塞的出现，使得耳朵里的实时翻译成为现实，也因此被评为2018年全球突破性技术之一。但是市场对于这种耳塞的评价很一般，主要集中在不是真正的实时性翻译，加之需要手机、耳机、翻译软件，使得抱着“巴别鱼真人版”期望的用户多少有点失望。

但是这一切，背后都是都是基于人工智能技术的商业运用。同时，也正是因为这些商业运用，使得大众真正看到了人工智能技术的魅力。

未来，人工智能将以何种方式发展?

尽管，目前人工智能以及出现了这样多的进展，但是并不是所有人都认为深度学习是人工智能走向人类智慧的法宝。原因在于，深度学习就像是一个黑盒子，无处得知其中发生了什么，呈现出“经验过多、理论不足”的态势。

并且，由于深度学习过于依赖计算能力和大数据，使得深度学习更趋向于蛮力计算。如何在小样本数据下训练处良好的神经网络，也是目前研究的重要方向。

被誉为深度学习始祖的Hinton表示，我们需要将自己曾经提出的突破性模型都推翻才能彻底改变现有深度学习存在的问题。Hinton认为，我们研究机器视觉的方式是错误的。即使这种方式在目前看来很有用，但是并不意味这是使得人工智能具备像人一样思考的正确道路。

Hinton教授

2010年，Hinton发表关于“胶囊网络”(Capsule Networks)的研究成果。胶囊网络旨在弥补深度学习系统过于依赖数据的缺陷，从而提高对于新场景、新知识的泛化能力。例如，教计算机识别不同角度、不同颜色的猫，可能需要成千上万张不同角度的相片，但是小孩却能够通过少量对猫识别的训练，就能掌握认识其他没有见过的各种角度、各种品种的猫。

目前来看，胶囊网络并没有大量数据和案例来证明其优越性，但是这的确是人工智能领域又一次认知的革新。

今天，我们处于一个相信数据能够解决所有问题的时代，这种以数据为中心的思想的确给我们的日常生活带来很多全新体验。但是数据并不是万能的，数据可以告诉你服用药的病人比不服用药的病人康复得快，但是并不能告诉你原因。

人工智能系统中，无论是深度学习、强化学习还是对抗神经网络，都只能告诉你输入输出之间的相关性，也就是概率论里面的概率。目前没有一个人工智能系统能够百分之百告诉你这张图片中动物肯定是猫，只能告诉你这个动物有95%甚至100%的概率是猫。

人工智能系统识别为概率且不稳定，容易被干扰

人类认识事物的时候，一般都是通过数据进行因果推理和判断，才得出相应的解决方案。而目前的人工智能系统却并不能实现这种因果推导，进一步推断，似乎目前的人工智能系统离这种人类智能思考越来越远。

关于深度学习的未来，Hinton也承认，自己也不知道人工智能革命接下来会将我们带向何处。他说：“在这个领域，很难预测五年以后的事情，毕竟事情往往并不会像你期待的那样如期而至。”

（编辑：核心网）

【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!