人工智慧算力是瓶頸么

⑴ 人工智慧開發的瓶頸是什麼

新年剛過，各大獵頭公司就在拚命的尋找人工智慧方面的人才，可以看得出，2018年人工智慧會更加的火爆。

不過人工智慧火爆歸火爆，但通往人工智慧之路並不平坦。

當前我們處於弱人工智慧時代，仍然有大量的技術問題亟待突破，更別提下一個階段的發展了。

當然，有人說，一切待量子計算機出現後，將迎刃而解，不過，量子計算機何時才能出現呢？

⑵ 目前人工智慧專家專家系統知識識別的瓶頸是什麼

從用電子管製作的ENIAC， 直到用超大規模集成電路設計的微型電腦，都毫無例外遵循著40年代馮·諾依曼為它們確定的體系結構。這種體系必須不折不扣地執行人們預先編制、並且已經儲存的程序， 不具備主動學習和自適應能力。所有的程序指令都必須調入CPU，一條接著一條地順序執行。 人們把這種順序執行（串列） 已儲存程序的電腦類型統稱為「諾依曼機」。

「諾依曼機」曾在電腦的發展歷程中作出了不可磨滅的貢獻，幾乎「統治」著所有的電腦「領地」，但是，面對人工智慧研究，它已經變成限制電腦進一步發展的障礙，成為制約電腦高速處理知識信息的「瓶頸」。新一代電腦必須能夠大規模並行處理信息，採用新的儲存器結構、新的程序設計語言和新的操作方式。淵一博和研究人員甚至不把他們研製的機器命名為計算機，而稱作「知識信息處理系統」（KIPS）。

⑶ 中國的人工智慧處於什麼水平 世界的人工智慧又處於什麼水平

走近人工智慧

人工智慧(Artificial Intelligence，AI)一直都處於計算機技術的最前沿，經歷了幾起幾落……

長久以來，人工智慧對於普通人來說是那樣的可望而不可及，然而它卻吸引了無數研究人員為之奉獻才智，從美國的麻省理工學院(MIT)、卡內基-梅隆大學(CMU)到IBM公司，再到日本的本田公司、SONY公司以及國內的清華大學、中科院等科研院所，全世界的實驗室都在進行著AI技術的實驗。不久前，著名導演斯蒂文·斯皮爾伯格還將這一主題搬上了銀幕，科幻片《人工智慧》(A.I.)對許多人的頭腦又一次產生了震動，引起了一些人士了解並探索人工智慧領域的興趣。

在本期技術專題中，中國科學院計算技術研究所智能信息處理開放實驗室的幾位研究人員將引領我們走近人工智慧這一充滿挑戰與機遇的領域。

計算機與人工智慧

"智能"源於拉丁語LEGERE，字面意思是採集(特別是果實)、收集、匯集，並由此進行選擇，形成一個東西。INTELEGERE是從中進行選擇，進而理解、領悟和認識。正如帕梅拉·麥考達克在《機器思維》(Machines Who Thinks,1979)中所提出的: 在復雜的機械裝置與智能之間存在長期的聯系。從幾個世紀前出現的神話般的巨鍾和機械自動機開始，人們已對機器操作的復雜性與自身的某些智能活動進行直觀聯系。經過幾個世紀之後，新技術已使我們所建立的機器的復雜性大為提高。1936年，24歲的英國數學家圖靈(Turing)提出了"自動機"理論，把研究會思維的機器和計算機的工作大大向前推進了一步，他也因此被稱為"人工智慧之父"。

人工智慧領域的研究是從1956年正式開始的，這一年在達特茅斯大學召開的會議上正式使用了"人工智慧"(Artificial Intelligence，AI)這個術語。隨後的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語言理解、博弈、自動程序設計、專家系統、學習以及機器人學等多個角度展開了研究，已經建立了一些具有不同程度人工智慧的計算機系統，例如能夠求解微分方程、設計分析集成電路、合成人類自然語言，而進行情報檢索，提供語音識別、手寫體識別的多模式介面，應用於疾病診斷的專家系統以及控制太空飛行器和水下機器人更加貼近我們的生活。我們熟知的IBM的"深藍"在棋盤上擊敗了國際象棋大師卡斯帕羅夫就是比較突出的例子。

當然，人工智慧的發展也並不是一帆風順的，也曾因計算機計算能力的限制無法模仿人腦的思考以及與實際需求的差距過遠而走入低谷，但是隨著硬體和軟體的發展，計算機的運算能力在以指數級增長，同時網路技術蓬勃興起，確保計算機已經具備了足夠的條件來運行一些要求更高的AI軟體，而且現在的AI具備了更多的現實應用的基礎。90年代以來，人工智慧研究又出現了新的高潮。

我們有幸采訪了中國科學院計算技術研究所智能信息處理開放實驗室史忠植研究員，請他和他的實驗室成員引領我們走近人工智慧這個讓普通人感到深奧卻又具有無窮魅力的領域。

問: 目前人工智慧研究出現了新的高潮，那麼現在有哪些新的研究熱點和實際應用呢？

答: AI研究出現了新的高潮，這一方面是因為在人工智慧理論方面有了新的進展，另一方面也是因為計算機硬體突飛猛進的發展。隨著計算機速度的不斷提高、存儲容量的不斷擴大、價格的不斷降低以及網路技術的不斷發展，許多原來無法完成的工作現在已經能夠實現。目前人工智慧研究的3個熱點是: 智能介面、數據挖掘、主體及多主體系統。

智能介面技術是研究如何使人們能夠方便自然地與計算機交流。為了實現這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的翻譯，而這些功能的實現又依賴於知識表示方法的研究。因此，智能介面技術的研究既有巨大的應用價值，又有基礎的理論意義。目前，智能介面技術已經取得了顯著成果，文字識別、語音識別、語音合成、圖像識別、機器翻譯以及自然語言理解等技術已經開始實用化。

數據挖掘就是從大量的、不完全的、有雜訊的、模糊的、隨機的實際應用數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘和知識發現的研究目前已經形成了三根強大的技術支柱: 資料庫、人工智慧和數理統計。主要研究內容包括基礎理論、發現演算法、數據倉庫、可視化技術、定性定量互換模型、知識表示方法、發現知識的維護和再利用、半結構化和非結構化數據中的知識發現以及網上數據挖掘等。

主體是具有信念、願望、意圖、能力、選擇、承諾等心智狀態的實體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨立地完成任務，而且可以和環境交互，與其他主體通信，通過規劃達到目標。多主體系統主要研究在邏輯上或物理上分離的多個主體之間進行協調智能行為，最終實現問題求解。多主體系統試圖用主體來模擬人的理性行為，主要應用在對現實世界和社會的模擬、機器人以及智能機械等領域。目前對主體和多主體系統的研究主要集中在主體和多主體理論、主體的體系結構和組織、主體語言、主體之間的協作和協調、通信和交互技術、多主體學習以及多主體系統應用等方面。

問: 您在人工智慧領域研究了幾十年，參與了許多國家重點研究課題，非常清楚國內外目前人工智慧領域的研究情況。您認為目前我國人工智慧的研究情況如何？

答: 我國開始"863計劃"時，正值全世界的人工智慧熱潮。"863-306"主題的名稱是"智能計算機系統"，其任務就是在充分發掘現有計算機潛力的基礎上，分析現有計算機在應用中的缺陷和"瓶頸"，用人工智慧技術克服這些問題，建立起更為和諧的人-機環境。經過十幾年來的努力，我們縮短了我國人工智慧技術與世界先進水平的差距，也為未來的發展奠定了技術和人才基礎。

但是也應該看到目前我國人工智慧研究中還存在一些問題，其特點是: 課題比較分散，應用項目偏多、基礎研究比例略少、理論研究與實際應用需求結合不夠緊密。選題時，容易跟著國外的選題走; 立項論證時，慣於考慮國外怎麼做; 落實項目時，又往往顧及面面俱到，大而全; 再加上受研究經費的限制，所以很多課題既沒有取得理論上的突破，也沒有太大的實際應用價值。

今後，基礎研究的比例應該適當提高，同時人工智慧研究一定要與應用需求相結合。科學研究講創新，而創新必須接受應用和市場的檢驗。因此，我們不僅要善於找到解決問題的答案，更重要的是要發現最迫切需要解決的問題和最迫切需要滿足的市場需求。

問: 請您預測一下人工智慧將來會向哪些方面發展？

答: 技術的發展總是超乎人們的想像，要准確地預測人工智慧的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智慧可能會向以下幾個方面發展: 模糊處理、並行化、神經網路和機器情感。

目前，人工智慧的推理功能已獲突破，學習及聯想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的並行化處理功能。人工神經網路是未來人工智慧應用的新領域，未來智能計算機的構成，可能就是作為主機的馮·諾依曼型機與作為智能外圍的人工神經網路的結合。研究表明: 情感是智能的一部分，而不是與智能相分離的，因此人工智慧領域的下一個突破可能在於賦予計算機情感能力。情感能力對於計算機與人的自然交往至關重要。

人工智慧一直處於計算機技術的前沿，人工智慧研究的理論和發現在很大程度上將決定計算機技術的發展方向。今天，已經有很多人工智慧研究的成果進入人們的日常生活。將來，人工智慧技術的發展將會給人們的生活、工作和教育等帶來更大的影響。

什麼是人工智慧？

人工智慧也稱機器智能，它是計算機科學、控制論、資訊理論、神經生理學、心理學、語言學等多種學科互相滲透而發展起來的一門綜合性學科。從計算機應用系統的角度出發，人工智慧是研究如何製造出人造的智能機器或智能系統，來模擬人類智能活動的能力，以延伸人們智能的科學。

AI理論的實用性

在一年一度AT&T實驗室舉行的機器人足球賽中，每支球隊的"球員"都裝備上了AI軟體和許多感應器，它們都很清楚自己該踢什麼位置，同時也明白有些情況下不能死守崗位。盡管現在的AI技術只能使它們大部分時間處於個人盤帶的狀態，但它們傳接配合的能力正在以很快的速度改進。

這種AI機器人組隊打比賽看似無聊，但是有很強的現實意義。因為通過這類活動可以加強機器之間的協作能力。我們知道，Internet是由無數台伺服器和無數台路由器組成的，路由器的作用就是為各自的數據選擇通道並加以傳送，如果利用一些智能化的路由器很好地協作，就能分析出傳輸數據的最佳路徑，從而可以大大減少網路堵塞。

我國也已經在大學中開展了機器人足球賽，有很多學校組隊參加，引起了大學生對人工智慧研究的興趣。

未來的AI產品

安放於加州勞倫斯·利佛摩爾國家實驗室的ASCI White電腦，是IBM製造的世界最快的超級電腦，但其智力能力也僅為人腦的千分之一。現在，IBM正在開發能力更為強大的新超級電腦--"藍色牛仔"(Blue Jean)。據其研究主任保羅·霍恩稱，預計於4年後誕生的"藍色牛仔"的智力水平將大致與人腦相當。

麻省理工學院的AI實驗室進行一個的代號為Cog的項目。Cog計劃意圖賦予機器人以人類的行為。該實驗的一個項目是讓機器人捕捉眼睛的移動和面部表情，另一個項目是讓機器人抓住從它眼前經過的東西，還有一個項目則是讓機器人學會聆聽音樂的節奏並將其在鼓上演奏出來。

⑷ 電腦人工智慧化的瓶頸是什麼

lz很有思想嘛.................. 這些東西一言難盡 推薦你去看看AI方面的論文 裡面敘述會清楚得多

⑸ 人工智慧大勢已來，未來發展會遇到什麼難關

先看一組數字：

1. 2020年我國人工智慧市場規模將達710億元

我國人工智慧產業雖然起步較晚，但以網路、阿里巴巴、騰訊、科大訊飛等為代表的企業已經開始大規模地投入和布局，產業投資和創業熱情高漲，技術研究、行業應用等快速發展。根據中國信息通信研究院的統計數據顯示，2017年我國人工智慧市場規模達到216．9億元，同比增長52．8％，預測2020年這一數值將增加到710億元。

2. 人工智慧輔助診斷全程不超過2分鍾

在醫療行業，醫學影像科是醫院診療系統中患者流量最大的科室之一，臨床診斷的70％依賴於影像。然而，放射科醫生4．1％的年增長速度遠遠趕不上影像數據30％的年增長率，這為影像人工智慧醫療產業升級提供了動力——數據顯示，智能醫學影像市場將以超過40％的增速發展。越來越多的醫院對人工智慧輔助診斷寄予厚望。在上海市第一人民醫院影像科辦公室內，放射科醫生會使用冠心病人工智慧輔助診斷系統，為患者診斷動脈狹窄的程度。與以往需要耗費大量時間處理書寫診斷報告不同，人工智慧輔助診斷系統可以快速三維建模、判斷狹窄程度、輸出結構化報告，全程不超過2分鍾。這款軟體由國內企業數坤科技自主研發，已經服務於全國百餘家醫院。

上面這組數字，已經明確展示了人工智慧未來的大發展，在數字經濟下，人工智慧作為第四次產業變革的引擎，已逐漸滲透到各行業中，為人類社會和經濟發展帶來變革。

不過，人工智慧與數據息息相關，受到數據約束。人工智慧產品的落地和聚焦領域的細分化，都對數據採集和標注提出了更多挑戰——這能回答樓主，未來人工智慧發展所需要解決的一個難關，就是數據關。

雲測數據認為，目前，AI只是處於「弱智能」階段，且大多隻聚焦於某一領域，通用型的AI尚處於研發階段，而且高度智能的「強智能」階段是否會到來、需要多久才能到來，一切尚都是未知數。人工智慧短期內一定會代替部分重復性勞動。AI本身其實帶有一種溫情和關懷，因為它代替的是高危和重復性勞動，這會節省很多人類的時間，讓人與人之間的交互模式產生很大改觀。而當前人工智慧亟待突破的一大瓶頸就是數據。數據量尤其是專用領域的數據數量和質量不夠，硬體工程化成本相對較高，缺乏應對場景等。

雲測數據認為，人工智慧的背後有數據、演算法和算力來支撐，這三要素之間其實是一種相互促進，並且也相互制約的關系。其中，數據是人工智慧發展的基礎，沒有數據，再強的演算法也不可能有好的模型。「人工智慧產業化落地的關鍵就在於數據，演算法模型做得再好，數據從源頭上就錯了，那就得不到正確的訓練成果。」

現在很多AI產品都處於落地階段，對於模型的精確程度要求非常高，對應的要求數據的精度也就非常高了。而且為了提高模型識別精度，AI公司用到的數據也從單一化向多模態轉變。以自動駕駛為例，從最早基於攝像頭做感知的方案，到引入激光雷達，到之後可能會引入更多其他感知設備來提升感知演算法。未來多感測器的解決方案將會普遍應用到我們所使用的AI產品中，它的感知模式將不僅僅是基於單一的圖像、聲音或文字，將會引入更多模態的數據。

為了演算法的提升，AI企業不僅需要定製化的數據採集來獲得長尾場景的數據；同時對於標注數據的精度也需要進一步提升。隨著應用場景的不斷挖掘，整個人工智慧行業未來會出現聚焦領域越來越細分化的趨勢。

目前AI在領域聚焦、細化、垂直化大趨勢下，對數據的要求也更高，雲測數據通過打造場景實驗室等方式，為AI企業提供定製化、高效、安全的數據採集標注服務。

⑹ 目前，國內外人工智慧差距有多大深度學習的快速發展是否會短期遇到瓶頸

國內和國外的人工智慧技術差距還是有的，但具體沒有表現在市場應用領域上，具體表現在學術水平及氛圍上。拿圖像處理與識別這一領域而言，國內涌現出了一批高科技公司（SenseTime、Face++）在和Google/Facebook這樣的大牛競爭中也不落下風，技術很棒市場也很廣闊。但是人工智慧的核心人才（國內）？很多都是國外培育出來的，而且其實也只有國外才能培育出這個領域的大牛。論文數量、權威國際會議、大牛教授都是國外居上風，其實也像搜狗CEO王小川說的，人工智慧領域，國內與國外的差異在高校上，它需要深耕，需要一個足夠良好的環境來吸引potential man。略顯浮躁的社會終究還是會導致差距繼續拉大。
深度學習技術目前而言還有許多需要深挖的，遠遠沒到飽和期。所謂的瓶頸以前倒是存在硬體的瓶頸，隨著NVDIA和一些硬體廠商不斷的升級計算工具，硬體的瓶頸基本上消失了。其實關鍵還是要看其他學科，期待神經科學的發展能夠為Machine learning帶來一些新的東西，不然也就是論文中不斷提出網路模型調整、換這個技術的應用領域......

⑺ 你覺得將來的人工智慧可能會遇到哪些瓶頸

我覺得最大的瓶頸問題可能是有些事情人工智慧並沒有辦法去把它做出來就只能我們人工去做。還有的話就是人工智慧並不能非常完美的去完成一件事情，而且他們並沒有人性化。他們只是會比較機械的去按照你給他們設定的動方向處理，並不像我們人類一樣具有人情味兒。

⑻ 現在人工智慧發展到什麼程度了

人工智慧發展過去、現在和未來的總覽。一起了解谷歌技術總監、人工智慧專家Kurzweil、機器學習專家Jeremy Howard和Wait But Why博客Tim Urban等人的觀點，我們在人工智慧的發展路線圖中處於什麼階段？什麼時候會出現像人類一樣厲害的人工智慧，還有超過人類智能總和的超人工智慧？

我們所說的人工智慧（AI），是一個廣義定義。雖然眾說紛紜，大部分專家認為，人工智慧發展有三個水準：

超人工智慧（ASI）

第三類智能水準：超過所有人類智能總和的AI——用Tim Urban的話說，「從比人聰明一點點……到聰明一千萬倍。」

那我們現在在哪個階段呢？我們現在達到了第一個水準——弱人工智慧——在很多方面，它已經進入了我們的生活中：

l 汽車里到處都是ANI，從可以在緊急情況下剎車的電腦，到可以調配汽車加油參數的系統。

l 谷歌搜索是一個很大的ANI，有很多非常復雜的方法將網頁排序，知道給你顯示什麼。同樣的，Facebook Newsfeed也是

l 電子郵件垃圾郵箱過濾器，知道什麼是垃圾郵件、什麼不是，並且學會按照你的偏好來過濾郵件。

l 你的電話就是一個小型ANI工廠……你用地圖APP導航，收到定製化的音樂推薦，和Siri聊天等等。

例子不勝枚舉。弱人工智慧系統不怎麼驚悚。失控的ANI會帶來危害，但通常是獨立事件。雖然ANI不會造成人類的生存性恐慌，相對人畜無害ANI應被視為一個先兆。每一次弱人工智慧的創新進步，都在往強人工智慧和超人工智慧更近一步

⑼ 人工智慧的發展，對人類是利大於弊還是弊大於利

人工智慧的發展，對人類是利大於弊的。這是人類在AI道路發展的奠基，也是人類在這個領域勇敢邁出的第一步！一門科學技術的發展必須包括理論與應用。1956年AI概念的提出，隨即學者們在思維模型、數理邏輯與啟發式程序上取得了突破性進展，並使人工智慧具備初步的自學習自適應能力，具體表現為塞繆爾於1956年發明的跳棋程序在1959年擊敗了他本人，並於1962年擊敗了美國一個州跳棋冠軍。1958年，麥卡錫研製出處理程序設計語言LISP，成為人工智慧語言程序研究的里程碑。總之，在各領域專家學者及程序設計師的共同努力下，人工智慧取得了飛躍性發展。

AI的前景是無比巨大的！目前AI已經在汽車行業、手機行業、數碼相機行業及各高新領域大展身手。尤其是互聯網＋的大潮湧來，更讓AI有了更多的用武之地。在醫學領域的應用，能夠使醫療服務提高到一個新的層次。中國也明確提出了「中國製造2025」其中就AI也投入巨大重視！也就是說，AI在今後更多的領域將展現更獨特的價值，在人類今後遇到的許多難題中，人工智慧更是我們強有力的工具！