人工智能发展到哪一步了

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

在最近几年，人工智能的迅速发展引起了人们的注意。其在机器视觉、博弈和语音识别与图片理解等多个领域发展尤其迅速，可以说是惊为天人。那么人工智能发展到何种地步了?以后，机器人会取代人类吗?

深度学习

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

在过去的很多年里，机器学习被应用的地方一般是"计算机视觉"。你可以对某个目标进行识别、跟踪和测量，并进一步做图形处理。但是,解决具体计算机视觉任务的方法通常都仅适用于一群狭隘的目标（如：脸孔、指纹、文字等），因而无法被广泛地应用于不同场合。

深度学习是一个通过大量的训练数据(上万，上百万)去完善自身的模型。模型中包含巨大数量的神经元和多层神经网络，训练过程中，模型不断调整各个神经元的参数，直至所有的训练数据都得到正确的结果。举个栗子，利用深度学习识别麻雀。这个模型一开始可能会将鸡或老鹰识别成麻雀，那么发现自己的识别结果是错误的时候，它会调整自己的诸多参数去拟合，以防止再次将鸡、老鹰识别成麻雀。而如果没有将两只正在打闹的麻雀识别出来，它就会去调整自己以达到可以识别出来的效果。在经过上百万张图片训练之后，它就可以极高精度地识别出麻雀了。

有了深度学习之后，语音识别技术取得了重要的进展。微软研究人员与hinton合作，将RBM和DBN引入到语音识别升学训练模型中，并且在大词汇量语音识别系统中获得巨大成功，使得语音识别的错误率降低了30%。而在2016年由微软美国研究院发布的一个语音识别的最新结果里，语音识别错误率只有5.9%。

同样的，基于深度学习的机器翻译也取得了重大的紧张。目前，Google翻译为32个语言提供翻译，为103中语言提供文本翻译，而这些翻译都是基于深度学习。

深度学习被应用的领域越来越广泛，除了图片处理，语音识别，机器翻译和搜索等我们日常接触到的领域，还包括自动驾驶、医疗以及节能等多个领域。聊天机器人，只是它的一个小分支而已。

瓶颈

当AlphaGo崛起时，人类一度担心会未来世界会被机器所支配。

阿尔法狗（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。

2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。--摘自百度百科

AlphaGo击败柯洁，真真切切地让人类领悟到人工智能的威力。我在知乎上看到过一个回答，大意是我们大部分人要失业了，工作都有机器人去做，世界也会被机器人统治。我相信，那一天很有可能会到来，但是，那一天或许会很久很久才到来。

电脑擅长的领域和人类不一样。电脑可以很轻松地完成微积分、翻译、大数运算，但是，视觉、移动、动态对电脑来说很难。自动驾驶现在能达到的只是有条件的自动驾驶，要达到高自动驾驶和完全自动驾驶还很难。汽车行驶会遇到各种复杂情况，需要及时做出正确反应，这对人类来说就很容易。

深度学习稳定性不够。如果出现一只和以往的麻雀有很大差异的麻雀，计算机就可能不能识别出来了。自动驾驶过程中，如果出现一个在训练过程中从未出现的情况，就有可能出现交通事故。

摩尔定律失效。摩尔定律可以说是整个计算机行业最重要的定律：每两年微处理器的晶体管数量都将加倍——意味着芯片的处理能力也加倍。但现在，这种发展轨迹要告一段落了。同样小的空间里集成越来越多的硅电路，产生的热量也越来越大。如今顶级的芯片制造商的电路精度已经达到14纳米，比大多数病毒还要小。