人工智能算力是瓶颈么

⑴ 人工智能开发的瓶颈是什么

新年刚过，各大猎头公司就在拼命的寻找人工智能方面的人才，可以看得出，2018年人工智能会更加的火爆。

不过人工智能火爆归火爆，但通往人工智能之路并不平坦。

当前我们处于弱人工智能时代，仍然有大量的技术问题亟待突破，更别提下一个阶段的发展了。

当然，有人说，一切待量子计算机出现后，将迎刃而解，不过，量子计算机何时才能出现呢？

⑵ 目前人工智能专家专家系统知识识别的瓶颈是什么

从用电子管制作的ENIAC， 直到用超大规模集成电路设计的微型电脑，都毫无例外遵循着40年代冯·诺依曼为它们确定的体系结构。这种体系必须不折不扣地执行人们预先编制、并且已经储存的程序， 不具备主动学习和自适应能力。所有的程序指令都必须调入CPU，一条接着一条地顺序执行。 人们把这种顺序执行（串行） 已储存程序的电脑类型统称为“诺依曼机”。

“诺依曼机”曾在电脑的发展历程中作出了不可磨灭的贡献，几乎“统治”着所有的电脑“领地”，但是，面对人工智能研究，它已经变成限制电脑进一步发展的障碍，成为制约电脑高速处理知识信息的“瓶颈”。新一代电脑必须能够大规模并行处理信息，采用新的储存器结构、新的程序设计语言和新的操作方式。渊一博和研究人员甚至不把他们研制的机器命名为计算机，而称作“知识信息处理系统”（KIPS）。

⑶ 中国的人工智能处于什么水平 世界的人工智能又处于什么水平

走近人工智能

人工智能(Artificial Intelligence，AI)一直都处于计算机技术的最前沿，经历了几起几落……

长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(MIT)、卡内基-梅隆大学(CMU)到IBM公司，再到日本的本田公司、SONY公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着AI技术的实验。不久前，著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(A.I.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。

在本期技术专题中，中国科学院计算技术研究所智能信息处理开放实验室的几位研究人员将引领我们走近人工智能这一充满挑战与机遇的领域。

计算机与人工智能

"智能"源于拉丁语LEGERE，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。INTELEGERE是从中进行选择，进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(Machines Who Thinks,1979)中所提出的: 在复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵(Turing)提出了"自动机"理论，把研究会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为"人工智能之父"。

人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(Artificial Intelligence，AI)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。

当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运行一些要求更高的AI软件，而且现在的AI具备了更多的现实应用的基础。90年代以来，人工智能研究又出现了新的高潮。

我们有幸采访了中国科学院计算技术研究所智能信息处理开放实验室史忠植研究员，请他和他的实验室成员引领我们走近人工智能这个让普通人感到深奥却又具有无穷魅力的领域。

问: 目前人工智能研究出现了新的高潮，那么现在有哪些新的研究热点和实际应用呢？

答: AI研究出现了新的高潮，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的3个热点是: 智能接口、数据挖掘、主体及多主体系统。

智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱: 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。

主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多主体系统试图用主体来模拟人的理性行为，主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。

问: 您在人工智能领域研究了几十年，参与了许多国家重点研究课题，非常清楚国内外目前人工智能领域的研究情况。您认为目前我国人工智能的研究情况如何？

答: 我国开始"863计划"时，正值全世界的人工智能热潮。"863-306"主题的名称是"智能计算机系统"，其任务就是在充分发掘现有计算机潜力的基础上，分析现有计算机在应用中的缺陷和"瓶颈"，用人工智能技术克服这些问题，建立起更为和谐的人-机环境。经过十几年来的努力，我们缩短了我国人工智能技术与世界先进水平的差距，也为未来的发展奠定了技术和人才基础。

但是也应该看到目前我国人工智能研究中还存在一些问题，其特点是: 课题比较分散，应用项目偏多、基础研究比例略少、理论研究与实际应用需求结合不够紧密。选题时，容易跟着国外的选题走; 立项论证时，惯于考虑国外怎么做; 落实项目时，又往往顾及面面俱到，大而全; 再加上受研究经费的限制，所以很多课题既没有取得理论上的突破，也没有太大的实际应用价值。

今后，基础研究的比例应该适当提高，同时人工智能研究一定要与应用需求相结合。科学研究讲创新，而创新必须接受应用和市场的检验。因此，我们不仅要善于找到解决问题的答案，更重要的是要发现最迫切需要解决的问题和最迫切需要满足的市场需求。

问: 请您预测一下人工智能将来会向哪些方面发展？

答: 技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感。

目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。

人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。

什么是人工智能？

人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。

AI理论的实用性

在一年一度AT&T实验室举行的机器人足球赛中，每支球队的"球员"都装备上了AI软件和许多感应器，它们都很清楚自己该踢什么位置，同时也明白有些情况下不能死守岗位。尽管现在的AI技术只能使它们大部分时间处于个人盘带的状态，但它们传接配合的能力正在以很快的速度改进。

这种AI机器人组队打比赛看似无聊，但是有很强的现实意义。因为通过这类活动可以加强机器之间的协作能力。我们知道，Internet是由无数台服务器和无数台路由器组成的，路由器的作用就是为各自的数据选择通道并加以传送，如果利用一些智能化的路由器很好地协作，就能分析出传输数据的最佳路径，从而可以大大减少网络堵塞。

我国也已经在大学中开展了机器人足球赛，有很多学校组队参加，引起了大学生对人工智能研究的兴趣。

未来的AI产品

安放于加州劳伦斯·利佛摩尔国家实验室的ASCI White电脑，是IBM制造的世界最快的超级电脑，但其智力能力也仅为人脑的千分之一。现在，IBM正在开发能力更为强大的新超级电脑--"蓝色牛仔"(Blue Jean)。据其研究主任保罗·霍恩称，预计于4年后诞生的"蓝色牛仔"的智力水平将大致与人脑相当。

麻省理工学院的AI实验室进行一个的代号为Cog的项目。Cog计划意图赋予机器人以人类的行为。该实验的一个项目是让机器人捕捉眼睛的移动和面部表情，另一个项目是让机器人抓住从它眼前经过的东西，还有一个项目则是让机器人学会聆听音乐的节奏并将其在鼓上演奏出来。

⑷ 电脑人工智能化的瓶颈是什么

lz很有思想嘛.................. 这些东西一言难尽 推荐你去看看AI方面的论文 里面叙述会清楚得多

⑸ 人工智能大势已来，未来发展会遇到什么难关

先看一组数字：

1. 2020年我国人工智能市场规模将达710亿元

我国人工智能产业虽然起步较晚，但以网络、阿里巴巴、腾讯、科大讯飞等为代表的企业已经开始大规模地投入和布局，产业投资和创业热情高涨，技术研究、行业应用等快速发展。根据中国信息通信研究院的统计数据显示，2017年我国人工智能市场规模达到216．9亿元，同比增长52．8％，预测2020年这一数值将增加到710亿元。

2. 人工智能辅助诊断全程不超过2分钟

在医疗行业，医学影像科是医院诊疗系统中患者流量最大的科室之一，临床诊断的70％依赖于影像。然而，放射科医生4．1％的年增长速度远远赶不上影像数据30％的年增长率，这为影像人工智能医疗产业升级提供了动力——数据显示，智能医学影像市场将以超过40％的增速发展。越来越多的医院对人工智能辅助诊断寄予厚望。在上海市第一人民医院影像科办公室内，放射科医生会使用冠心病人工智能辅助诊断系统，为患者诊断动脉狭窄的程度。与以往需要耗费大量时间处理书写诊断报告不同，人工智能辅助诊断系统可以快速三维建模、判断狭窄程度、输出结构化报告，全程不超过2分钟。这款软件由国内企业数坤科技自主研发，已经服务于全国百余家医院。

上面这组数字，已经明确展示了人工智能未来的大发展，在数字经济下，人工智能作为第四次产业变革的引擎，已逐渐渗透到各行业中，为人类社会和经济发展带来变革。

不过，人工智能与数据息息相关，受到数据约束。人工智能产品的落地和聚焦领域的细分化，都对数据采集和标注提出了更多挑战——这能回答楼主，未来人工智能发展所需要解决的一个难关，就是数据关。

云测数据认为，目前，AI只是处于“弱智能”阶段，且大多只聚焦于某一领域，通用型的AI尚处于研发阶段，而且高度智能的“强智能”阶段是否会到来、需要多久才能到来，一切尚都是未知数。人工智能短期内一定会代替部分重复性劳动。AI本身其实带有一种温情和关怀，因为它代替的是高危和重复性劳动，这会节省很多人类的时间，让人与人之间的交互模式产生很大改观。而当前人工智能亟待突破的一大瓶颈就是数据。数据量尤其是专用领域的数据数量和质量不够，硬件工程化成本相对较高，缺乏应对场景等。

云测数据认为，人工智能的背后有数据、算法和算力来支撑，这三要素之间其实是一种相互促进，并且也相互制约的关系。其中，数据是人工智能发展的基础，没有数据，再强的算法也不可能有好的模型。“人工智能产业化落地的关键就在于数据，算法模型做得再好，数据从源头上就错了，那就得不到正确的训练成果。”

现在很多AI产品都处于落地阶段，对于模型的精确程度要求非常高，对应的要求数据的精度也就非常高了。而且为了提高模型识别精度，AI公司用到的数据也从单一化向多模态转变。以自动驾驶为例，从最早基于摄像头做感知的方案，到引入激光雷达，到之后可能会引入更多其他感知设备来提升感知算法。未来多传感器的解决方案将会普遍应用到我们所使用的AI产品中，它的感知模式将不仅仅是基于单一的图像、声音或文字，将会引入更多模态的数据。

为了算法的提升，AI企业不仅需要定制化的数据采集来获得长尾场景的数据；同时对于标注数据的精度也需要进一步提升。随着应用场景的不断挖掘，整个人工智能行业未来会出现聚焦领域越来越细分化的趋势。

目前AI在领域聚焦、细化、垂直化大趋势下，对数据的要求也更高，云测数据通过打造场景实验室等方式，为AI企业提供定制化、高效、安全的数据采集标注服务。

⑹ 目前，国内外人工智能差距有多大深度学习的快速发展是否会短期遇到瓶颈

国内和国外的人工智能技术差距还是有的，但具体没有表现在市场应用领域上，具体表现在学术水平及氛围上。拿图像处理与识别这一领域而言，国内涌现出了一批高科技公司（SenseTime、Face++）在和Google/Facebook这样的大牛竞争中也不落下风，技术很棒市场也很广阔。但是人工智能的核心人才（国内）？很多都是国外培育出来的，而且其实也只有国外才能培育出这个领域的大牛。论文数量、权威国际会议、大牛教授都是国外居上风，其实也像搜狗CEO王小川说的，人工智能领域，国内与国外的差异在高校上，它需要深耕，需要一个足够良好的环境来吸引potential man。略显浮躁的社会终究还是会导致差距继续拉大。
深度学习技术目前而言还有许多需要深挖的，远远没到饱和期。所谓的瓶颈以前倒是存在硬件的瓶颈，随着NVDIA和一些硬件厂商不断的升级计算工具，硬件的瓶颈基本上消失了。其实关键还是要看其他学科，期待神经科学的发展能够为Machine learning带来一些新的东西，不然也就是论文中不断提出网络模型调整、换这个技术的应用领域......

⑺ 你觉得将来的人工智能可能会遇到哪些瓶颈

我觉得最大的瓶颈问题可能是有些事情人工智能并没有办法去把它做出来就只能我们人工去做。还有的话就是人工智能并不能非常完美的去完成一件事情，而且他们并没有人性化。他们只是会比较机械的去按照你给他们设定的动方向处理，并不像我们人类一样具有人情味儿。

⑻ 现在人工智能发展到什么程度了

人工智能发展过去、现在和未来的总览。一起了解谷歌技术总监、人工智能专家Kurzweil、机器学习专家Jeremy Howard和Wait But Why博客Tim Urban等人的观点，我们在人工智能的发展路线图中处于什么阶段？什么时候会出现像人类一样厉害的人工智能，还有超过人类智能总和的超人工智能？

我们所说的人工智能（AI），是一个广义定义。虽然众说纷纭，大部分专家认为，人工智能发展有三个水准：

超人工智能（ASI）

第三类智能水准：超过所有人类智能总和的AI——用Tim Urban的话说，“从比人聪明一点点……到聪明一千万倍。”

那我们现在在哪个阶段呢？我们现在达到了第一个水准——弱人工智能——在很多方面，它已经进入了我们的生活中：

l 汽车里到处都是ANI，从可以在紧急情况下刹车的电脑，到可以调配汽车加油参数的系统。

l 谷歌搜索是一个很大的ANI，有很多非常复杂的方法将网页排序，知道给你显示什么。同样的，Facebook Newsfeed也是

l 电子邮件垃圾邮箱过滤器，知道什么是垃圾邮件、什么不是，并且学会按照你的偏好来过滤邮件。

l 你的电话就是一个小型ANI工厂……你用地图APP导航，收到定制化的音乐推荐，和Siri聊天等等。

例子不胜枚举。弱人工智能系统不怎么惊悚。失控的ANI会带来危害，但通常是独立事件。虽然ANI不会造成人类的生存性恐慌，相对人畜无害ANI应被视为一个先兆。每一次弱人工智能的创新进步，都在往强人工智能和超人工智能更近一步

⑼ 人工智能的发展，对人类是利大于弊还是弊大于利

人工智能的发展，对人类是利大于弊的。这是人类在AI道路发展的奠基，也是人类在这个领域勇敢迈出的第一步！一门科学技术的发展必须包括理论与应用。1956年AI概念的提出，随即学者们在思维模型、数理逻辑与启发式程序上取得了突破性进展，并使人工智能具备初步的自学习自适应能力，具体表现为塞缪尔于1956年发明的跳棋程序在1959年击败了他本人，并于1962年击败了美国一个州跳棋冠军。1958年，麦卡锡研制出处理程序设计语言LISP，成为人工智能语言程序研究的里程碑。总之，在各领域专家学者及程序设计师的共同努力下，人工智能取得了飞跃性发展。

AI的前景是无比巨大的！目前AI已经在汽车行业、手机行业、数码相机行业及各高新领域大展身手。尤其是互联网＋的大潮涌来，更让AI有了更多的用武之地。在医学领域的应用，能够使医疗服务提高到一个新的层次。中国也明确提出了“中国制造2025”其中就AI也投入巨大重视！也就是说，AI在今后更多的领域将展现更独特的价值，在人类今后遇到的许多难题中，人工智能更是我们强有力的工具！