尖端AI科技比“Siri”走得更远
专家解惑
你还在忙着每天跟自己的“Siri”对话吗？除了我们日常最为熟悉的智能语音助手之外，今时今日全球人工智能的发展，已经开始应用于解决世界上最棘手、最危险的问题。尖端AI技术和自动化技术的崛起，或许让我们的未来，再度充满了无数的“可能性”。
人工智能科技发展新趋势：着眼全球“最棘手”的问题生活中各种智能化电子应用，无不隐藏着人工智能的“智慧”。随着我们所使用的机器变得越来越智能，周围的世界无时无刻不在发生着变化，智能手表、智能温度调节器、智能照明……随着科技的日新月异，我们不得不承认，人工智能和自动化系统确实为人类带来了诸多潜在好处，而且这些好处并不仅限于提高我们的生活质量——
为了对抗蚊子为人类带来的疟疾，来自多米尼加共和国的计算机工程师雷尼尔·马洛尔，与来自马来西亚的医学博士达西·拉贾一起，针对登革热、黄热病、寨卡以及基孔肯雅热等病毒，开发出一套AI算法，能够预测疫情最有可能发生的地方；
为了解决持续不断的枪击和枪械犯罪问题，美国许多城市正试图通过科技寻找解决办法，例如开发和使用“ShotSpotter系统”。这种自动化系统可以用传感器阵列监听枪声，来精确定位枪声所在的位置，并在45秒内向相关机构发出警报；
为了解决木本灌木极易受到疾病和害虫侵害的问题，乌干达坎帕拉马凯雷大学研究人员与植物病专家，合作开发了一套旨在打击木薯疾病的自动化系统。当地农民只需要使用便宜的智能手机拍摄植物，系统内经过训练的计算机视觉，就能发现造成木薯作物损害的四种主要疾病的迹象。
人工智能应用领域，或许比人们想象中还要涉及得更深、更远。
尖端科技也有“软肋”：从认错“道路牌”到错操“手术刀”
随着“无人驾驶”概念的普及，无人驾驶汽车可以说是万众期待。这位聪明的轮式智能机器人，以探测器作为“精确的眼睛”、以深度学习为基础的人工智能作为“果断的大脑”，无需任何人工操作也能快速移动。然而不久前却有研究者发现，这种看似智能的汽车其实也有点“笨”——只需要将交通标示贴上任意贴纸，AI立马就会判断错误，因为它们所“看到”的标志”，与“记忆”中的图像不大一样。
虽然听起来令人匪夷所思，但就目前来说，尖端人工智能技术确实还存在着技术弱点。不久前，外媒报道了一则英国首例机器人手术失败案例，由于机械故障和人为不遵守规范操作等原因，最终导致了手术失败。消息一出，让不少人意识到依赖机器可能存在的风险。
“说到AI系统的弱点，‘专一性’是个问题。”华南理工大学软件工程教授、博士生导师黄翰教授说。此外，大量AI系统不存在自我学习的功能，并不能从这些失败的历史教训中，训练得到更好的解决方案。“就像AlphaGo的AI技术，依赖于设计人员对于问题的了解，当人类自己都面对没有办法解决的问题时，如何期盼设计出的AI算法能够解决问题呢？”
在马路上抑或手术台上，如果机器人不听从“命令”，就很容易造成恶果。若想要克服弱点，AI应该不仅仅只是计算机视觉技术。以无人驾驶车为例，AI相关的计算机视觉技术可以检测出交通标识的变化，但提示系统也可以参考其他信息来指导驾驶，例如获取GPS实时路况，来辅助系统决策。
“交叉学科”的成立有利于AI技术发展
人工智能如今随处可见，它已经扎根于我们的生活，触及我们生活的方方面面，从我们在网上决定购买什么书籍或机票，到保险申请是否成功，甚至罹患癌症后要接受何种治疗方法，都离不开它。
然而除了技术这个“硬件”之外，就目前而言，人工智能还需要面对其他问题。机器学习领域的先驱彼得·诺维格曾提出——人工智能面临的最大挑战不是技术，而是要想出新的办法，来监控或者审核人工智能目前正在发挥重大作用的众多领域。
人工智能应用技术发展的另外一个瓶颈，是交叉学科带来领域知识鸿沟，这一点在我们国内尤为明显。
简单来说，科学研究体系很多以单一学科进行划分，这样会造成交叉学科的应用技术研究进展困难。例如，当人工智能应用在金融或者医疗时，AI科学家需要研究金融与医疗领域知识的“数字化表示”，这必然需要相关领域专家比如说银行家、医生等支持。然而，目前这种“跨领域合作研究”的方式，还没有得到业界重视。所以部分人可能会误认为，AI的问题仅靠某个单一学科就可以解决，如此一来，便为AI技术产业化过程中的投资和运营带来了高风险。
所幸我国目前非常重视“交叉学科”的发展，不少知名高校和研究所都设立了交叉学科研究院，并且在科研经费资助上，也鼓励交叉学科的融合发展。
人工智能涉及领域未来将继续延伸
AI并非神人利器，也有软肋；AI也并非洪水猛兽，很多方面均有建树。虽然AI技术的崛起，将来可能会令一些人面临失业问题，但我们不得不承认，在某些方面，AI的能力甚至远远超过了人类。
即使如此，卡内基梅隆大学机器人教授金出武雄仍认为，我们不应该把AI视为与人类竞争的东西，而应该看作是可以增强我们自身能力的武器或工具，因为AI不仅能做好单调乏味的工作，还能够识别出模式。
相对于以往的固有模式来说，AI科技近年来有了不少新的突破，比如说神经网络技术、生物特征识别技术、对话式人工智能系统以及智能资源调配技术：
1.神经网络技术：尤其是深度学习技术通过GPU（图形处理器）并行，使得其在许多工业应用上出现了大量的应用，包括智能翻译系统、语音识别系统以及图像处理等多个领域；
2.生物特征识别技术：包括人脸识别、生物动作分析、轨迹追踪等多个方面的研究；
3.对话式人工智能系统：包括语音识别、人机交互、自然语言处理分析等多个方面的内容；
4.智能资源调配技术：主要应用于货物运输频繁行业，对于资源的调度运输有着严格的要求，根据现实交通运输和产品库存情况，实现产品的实时高效的调度。
以上提到的只是一些应用技术层面的概念，从科学本质上看，AI的研究进展主要是“知识表示”的研究进展。换句话说，当出现新的计算载体，例如量子计算、类脑计算和DNA计算等，AI的研究进展就会以不同的形式，在我们眼前闪亮登场。
在未来，人工智能可以涉及的领域，还将继续延伸。
（黄岚）
新闻推荐
新华社贝鲁特8月28日电（记者李良勇吕迎旭尚昊）黎巴嫩军方28日说，黎军当天在南部边境地区向3架侵入黎领空的以色列无人机射击...