1樓：
瞎說兩句我一直覺得問題是我們到現在也沒辦法理解大腦到底為什麼可以做出這麼複雜的工作我覺得其實一定程度上受制於生物學的研究（？
另乙個就是有太多資訊很難轉化為資料（有的是受限於算力有的是我們根本沒有意識到）在實際應用中太多模型很難落地因為模型過於理想化現實情況千變萬化資料很難包括所有情況的所有必要資訊（甚至我們都不知道到底哪些是必要資訊） 很多看起來好的結果我覺得其實是過擬合了
人工智障加油( _)
2樓：Chen尚
先問是不是，再問為什麼。目前科學研究還遠沒到「人工智慧」的地步。因為在人工智慧之前，還有「生物智慧型」，「動物智慧型」，「靈長動物智慧型」等等。
人工智慧其實不能從「人的年齡」來評估智慧型化發展，因為前面其他智慧型研究工作並沒有做夯實。比如語言，生物之間如何交流，動物之間如何交流等等。
3樓：嚴駿
人工智慧的上限太低了，低到它只能在有限可認知範圍內進行暴力求解。
說直白點就是無創造性。
再厲害的人工智慧只要歸根結底是程式，那必然有限，哪怕它擁有的資料來源，訓練集，再廣，它也不是無限。
是不是期待可自我公升級，自迭代的程式了？
看不到，別說核聚變50年，自迭代的程式，100年都看不到。
4樓：待我封神
只會卡在兩個問題上，一旦集火攻擊兩個問題，則人工智慧也許會大爆發一，目標識別
二，智慧型演算法
這裡面不僅需要程式設計師幫助，更需要物理學家的鼎力支援，可是一想到我們自己的程式語言少得可憐，我就有不好的感覺。
兄弟們，得加油啦！人工智慧不能拿下一城，可能和工業革命差不多，會感覺彷彿錯過了乙個時代。
5樓：HClO
隨便bb兩句，畢竟我也不是專業的
我覺得會卡在比較早時挖下的坑
比如word2vec，skip-gram沒有解決的一詞多義問題bert似乎照樣沒解決
比如mp模型和正宗的神經元差了十萬八千里。就這麼說吧，前兩天刷生物題，碰到個材料，說有點神經元會出現「自突觸」現象，簡而言之就是自己的軸突搭自己的樹突上了。那麼這是乙個迴圈的系統，基於mp模型表示的話就是
y1=w*x1
y2=w*(x2+ReLU(y1))
y3=w*(x3+ReLU(y2))
y4=w*(x4+ReLU(y3))
覺得這像殘差神經網路？抱歉，看似相同，實則不同。
第一，以上的w為同乙個數
第二，以上所以過程在乙個神經元中完成
第三，y1 y2 y3 y4是四次不同的輸出結果，不是層層遞進的，x1 x2 x3 x4也是四個相互無關的輸入
第四，生物體在安靜時神經元的輸入是0，而不是讓神經元休息，這意味著所有輸入完畢後依然會有y'=ReLU(w*y)的while迴圈
所以說啊，神經網路在逐漸與神經無關，而轉變成了乙個萬能的數學模型
而與神經脫鉤的神經網路會發展成什麼模樣？沒有生物學基礎，沒人知道
以上是我的胡言亂語
6樓：劉世超
soft address,注意，不是全掃一邊算權重的attention，而是真的可學習的"切換/選擇"。
有了這個單次求值中的動態圖網路就能實現，計算就可以聚焦在少數有意義的資訊上(attention中那些低權重的部分還是照樣佔了記憶體和處理器)
7樓：
計算機問題其實歸根結底是數學問題
或者說，很多現實的問題是無法用數學來描述的或者數學無法反映我們現實中的複雜問題
所以，計算機科學家很多都是數學家
所以，還是數學問題
8樓：必達先森
所謂「人工智慧」，重點要體現在「人」字上面。
人是有感情的「高階生物」，平常生活中「多愁善感」、「喜怒哀樂」、「來來往往」等是重要表現形式。
現在的人工智慧不過是接觸了點皮毛，遠遠達不到「智慧型」級別。
像我們生活中用的小公尺手機，它裡面有乙個「小愛」，通過和它對話，可以幫助我們關閉或啟動軟體、家電，也可以幫我們回答問題，但這些都比較侷限。
這只是我們生活中乙個小小的例子，像「日本機械人女友」、「家務機械人」之類的，都只是硬邦邦的鐵片，沒有情感，也不會變通，「人工智慧」還遠遠不夠，這是乙個「檻」，如果將來沒法解決，也就談不上「人工智慧」了。
加油吧，明天是美好的。
9樓：木火佛紋
我認為人工智慧卡點會是最基礎的問題，也是最核心的問題，就是演算法與算力。從腦科學、心理學、影象識別處理等都是多模態資訊處理，它們的關鍵點離不開演算法與算力。
因為演算法維度依賴於AI模型，算力緯度依賴於AI晶元。高效能的AI模型並不能單單或閉合地研究乙個模型環境，它需要面對是時空下不斷變化無常的環境，同時對於未知的環境它是否能進行智慧型推理，且它的智慧型推理是否正確、符合當前人類社會的規則與習俗？
此外，AI晶元能否高效地支撐AI模型或場景的應用，且它是否能協痛內部各類應用，同時它是否具備多維度的算力，而不是單緯度處理？
以上是人工智慧未來發展的乙個卡點。
10樓：Roy
政策和人為干預吧。
可能發展到後面，利益集團會發現，自己的存在和權威會收到挑戰。大概率會通過政策法規畫個圈做監管和限制。舉個例子：
人工智慧醫療診斷和大資料收集，短期內會在醫院內部有推行阻力，即便在院內有願意配合的角色，但考慮到背後的醫保制度、醫生實際狀況，還是挺艱難的。
11樓：易哥
卡在生物技術上吧
目前人工智慧做的最好的技術是神經網路。神經網路是基於生物的神經系統仿生出來的。
可是，生物的神經系統如何產生意識、記憶等等，生物領域現在也沒能搞清楚。
反映在人工神經網路上，就是其「不可解釋性」。人工神經網路的節點、連線權重都是不可解釋的，或者說難以解發布實際意義的。這樣人工神經網路的優化只能聚焦於計算能力、訓練方法上，無法深入網路內部。
什麼時候，能將生物的神經系統搞清楚，那人工神經網路也便能獲得仿生的新基礎，應該會產生巨大的飛躍。
所以，炙手可熱的人工智慧的發展，受限在相對冷門的生物技術上。
最後，我是一名高階軟體架構師。
12樓：老傢伙
人工智慧現在是不是寒冬我不知道，但是下乙個寒冬會卡在什麼問題上，我認為三個，乙個是基礎材料的提公升，第二是基礎理論的飛躍，第三是社會倫理及人文道德問題的界定即文化衝突。
第乙個基礎材料，我們都知道，想法很好，實踐困難，為什麼，簡單材料無法達到，這個不是錢能解決的，隨著智慧型要求提公升，完成智慧型所需要的材料要求越來越高，對於我們在基礎工業積累還有差距的國家，材料限制我們進步可能是個坎；
第二個是基礎理論，我們大學的方向是就業，在基礎理論研究方面還是沿用歐洲學科學習方式，由於主要方向是就業，學科研究程度主要點在市場，無法進行積累或螺旋上公升的前進方式；
第三個是社會倫理及人文道德問題的界定即文化衝突，每個國家都有自己的文化屬性，文化沒有對和錯，這樣文化會有衝突，對於人工智慧的道德底線就會隨著地球村地域界限模糊而更加突出，畢竟文化載體不同，容限範圍不同。
以上就是我提出的矛盾問題點，有可能太片面了。屬於個人觀點。
13樓：鄒曉川
從alexnet，resnet到alphago，bert。每隔幾年總會有重新整理認知的新模型出現，試問現在哪個領域還能比ai更讓人期待？現在看衰未免早了點。
14樓：
卡在如何做出有價值的推理和決策上，真正的AI是要能思考的，這是乙個系統問題，不是演算法問題，演算法只是單方面。現在工業界的AI換個詞就是高階資料分析，降一降溫挺好的，準備下一波浪潮
15樓：kzx
我認為會是卡在安全上。
2023年，我看到過一則新聞：將身份證上的人臉列印，就可以以40%（我忘記是什麼概率了，這個40%是猜的）的概率登入支付寶等需人臉認證的敏感服務。（不知道這個bug修復好了沒有）
感覺這種情況會重新發生。
16樓：
直白點就是，錢提前燒完了，專案還沒能穩步賺錢實現收支平衡。
不直白的就是，人工智慧想通過砸搶別人現有的行業飯碗，沒能成功，力竭而死。
17樓：嘉慧Lincoln
所以這個會議還有另外乙個名字：《人工智慧夏季研討會》(Summer Research Project on Artificial Intelligence)。。
由此開始，政界、學界和軍界爆發了第一波AI投資熱潮，直到2023年代中期，因為當時技術條件有限，AI的功能始終達不到期望值，各種撤資浪潮襲來，AI的第乙個寒冬降臨，這個冬天持續了十年。
2023年代中期，隨著專家系統的發展，人們對AI的研究與投資的重新爆發，隨後因為儲存系統過於昂貴導致訓練資料稀少，專家系統可用性太差，各種撤資浪潮襲來，AI的第二個寒冬降臨，這個冬天又持續了十年。
轉眼到了2023年，下乙個寒冬，AI會卡在什麼問題上？
算力可以通過分布式系統解決，訓練資料可以人工製造，人工智慧當前最大的挑戰是演算法。
簡單來說，想要讓AI實現複雜的操作，如何設計出一種「高效的學習方法」是核心。
要使機器真正智慧型化，我們還有很長的路要走。
多說一點，最近十年，為了營銷效果，「AI」這個詞被各種公司用在各種產品和各種專案申請書上，導致人們現在一看到AI就聯想到忽悠。
「AI」這個詞已經被玩壞了。
下乙個被玩壞的詞應該是「量子」？或者是「區塊鏈」？
18樓：Marvin
感覺是卡在架構上和計算能力上，目前的深度學習神經網路的數量遠不及人腦，甚至不及貓和狗，要想取得突破必須在網路架構上下很大的功夫，網路既要新也要大，同時這也需要計算機有更大的計算能力。
19樓：
個人認為應該是晶元工藝限制導致的算力與能耗不平衡問題。畢竟當前實現人工智慧很大程度還是需要依賴算力與大資料對模型進行訓練。
20樓：
我認為會卡在倫理這個問題上。先了解下電車悖論。
「電車悖論」是倫理學領域最為知名的思想實驗之一，其內容大致是：乙個瘋子把五個無辜的人綁在電車軌道上。一輛失控的電車朝他們駛來，並且片刻後就要碾壓到他們。
幸運的是，你可以拉乙個拉桿，讓電車開到另一條軌道上。但是還有乙個問題，那個瘋子在那另一條軌道上也綁了乙個人。考慮以上狀況，你應該拉拉桿嗎？
人工智慧實現前必須面對這個倫理問題。
假如，自動駕駛已經完全實現了，面對同樣的問題，這輛車，該如何走？
雖然有些人工智慧在技術方面已經成熟，但，倫理的問題不解決，很難應用到實際。
舉個例子，轉殖技術。
能不能先轉殖乙個我，冷凍儲存，然後，等真正的我衰老時，可以移植轉殖體上的器官，以此達到健康長壽？
更進一步說，能不能先轉殖很多個我，然後使真正的我達到長生不老？
倫理的問題，歸根結底是人類社會關係的問題。當新事物的出現，會打破現有的穩定的社會關係的時候，社會會扼殺它。
否則，必定會引起社會動盪。
人工智慧會是下乙個天坑專業嗎？
愉研 真理永遠掌握在少數人手裡，擬人智慧型一旦有人破解了，並且形成了行業壁壘的，其它的未能在先行者之後的短時間 十年內 內破解的人，只能吃灰，一文不值。除非有人把這些核心技術公之於世，這些後來者可能還有機會，但是如果核心技術都公之於世了，那麼智慧型技術還值錢嗎？假設現在已經有人 國內的人，外國的不算...
人工智慧下乙個發展方向是什麼？
王懿衡 從斯坦福2019年度的全球AI指數報告，可以得出。總的來看，人們對AI期望值隨著對AI認知加深，已經到達乙個比較高的期望值階段。然而人工智慧發展和應用中，高發頻率出現各種令人失望的不盡人意，潛在的壁壘問題和風險浮現。2019年這種AI遇冷的趨勢顯得更加明顯，市場更加疲軟，儘管資本市場和一些企...
雲計算 大資料 人工智慧，誰將開啟下乙個時代？
冰洋 共同開啟，三者你中有我，我中有你。曾經之前寫過乙個搭架子搬東西的故事 1,先有雲,相當於先有了架子.2,再有大資料,相當於在架子上放了東西.3,演算法 就是找到往架子上放不同東西的規律，好以後可以按著這個規律來放。4,深度學習,曾經是大資料裡的乙個分支,相當於每次在架子上放東西,知道了什麼時間...