人工智慧很久沒有突破進展，是要涼了嗎？

1樓：NN陳

熱度在下降，那就是在變涼呀。原因有二。

一是算力遇到了瓶頸，效能每18個月翻一倍的摩爾定律不靈了。

二是演算法遇到了瓶頸，資料和引數的增加並不能帶來理解和推理能力，只是訓練出了乙個好記性。深度學習擅長處理的是輸入是輸出。然而，要擺脫弱人工智慧的帽子，只有輸出是不夠的，我們迫切需要知道中間思維過程，並干預中間過程，把我們的常識和推理放進去。

哪怕輸出結果很搞笑，但只要你的邏輯是對的，我們就能接受（聽相聲就是這樣）。20年前的深度學習框架並沒有考慮常識和推理問題。這是演算法上的瓶頸。

這樣走下去會繼續變涼。

智慧型的核心是處理不確定問題的能力。下一步要突破的問題是把常識和推理寫進電腦裡。這一點無論是讓人來編寫還是讓電腦自學都很難很難。難在語言表達的模糊性，和底層思維的不確定性。

如果人工智慧不能給出個合理解釋，只有輸出，即便是95%以上的正確率，也很難正真落地。只能用於對結果不是那麼重要是場合。因為我們無法接受在關鍵時刻出低階錯誤。

不管是在去泡沫還是在冷靜思考，總之是在變涼。認知智慧型的崛起會讓人工智慧再次熱起來。

2樓：曼孚科技

人工智慧發展至今，經歷了三次比較大的浪潮。

第一次是圖靈測試，第二次是語音識別，第三次也就是目前經歷的深度學習與大資料。

每一次新概念、新技術的興起都會在短時間內帶起一波熱度，但是隨著相關理論與技術的成熟，熱度也會出現明顯的下降。

目前經歷的這波AI浪潮在前幾年達到高峰，各種理論與想法迸出。然而隨著相關理念與技術的逐漸成熟，行業逐漸回歸到理性的狀態中，AI行業內少了很多單純炒熱度的渾水摸魚者，相比之前確實「冷清」了許多。

但是，這並不代表著AI行業要「涼」，相反經歷了技術的沉澱，目前AI技術進入到了乙個快速的商業落地應用期。越來越多的AI技術開始應用到我們的日常生活中，小到手機裡的語音助手，大到火車站、飛機站的自動識別檢票，我們的生活已經越來越離不開AI的幫助。

可以說，AI有著廣闊的應用空間，未來的發展只會越來越好。

3樓：毛飛飛

確實沒有大的進展，但是沒有進展不等於涼。

建築行業多少年沒有進展，弄來弄去都是鋼筋水泥紅磚，他涼了嗎。賣豬肉多少年沒有進展，他涼了嗎。

人工智慧不會涼，他已經進入生產生活了，不像以前只是學術研究。

就算目前的人工智慧技術完全停滯發展，也夠社會使用很多年了，畢竟無人車開始落地了，人工智慧已經成為了很多軟體的核心功能，比如人臉支付，faceu，美圖魔鏡，語音助手。而且工業界的自動化很依賴人工智慧，就待落地了。

只要人工智慧能掙錢，就不會涼。

沒有進展是因為對人腦的研究不夠。人工智慧的第一階段目的是達到人腦的智力，然後才是超越人腦智慧型。那麼首先要把人腦研究透。

但是目前的神經網路已經脫離神經科學了，Hinton至今都在猶豫大腦到底是不是基於反向傳播的，最近弄出來目標傳播，但是效果並不好。只能說還在探索。

量子位：Hinton反思新作：我說反向傳播不好，但還是沒誰能顛覆它。

機器之心：用反向傳播演算法解釋大腦學習過程？Hinton 等人新研究登上 Nature 子刊

最重要的是大腦的額葉和海馬體的協作對於人的智力是很重要的，但是目前的人工智慧體系並沒有涉及。人的海馬體可以實現長期記憶，不僅僅可以記錄資料，而且可以記錄規則，比如乘法口訣（像馮諾依曼結構？資料和程式都存在硬碟裡）。

這些記憶之後可以被額葉提取，用來指導行動。目前的人工智慧演算法做不到這一點，而且也沒法解釋大腦是怎麼做到的。

現在連大腦最基礎的學習演算法都沒有建立，下一次突破應該還要等一段時間。

4樓：生化環材

我不清楚你說的「很久」有多久。

這種「突破進展」當然是需要時間的。一天乙個——或者一月乙個的進展不能叫突破性進展。

舉個例子，生成式對抗網路算是「突破性進展」嗎？但它不過是五年前提出的東西，近年飛速發展，也算不上很久之前吧。

個人認為，目前人工智慧還沒有遇到瓶頸，老黃農企提供的計算力遠未被有效利用。

而且，即使遇到了瓶頸，人工智慧也不會立馬涼掉。畢竟各種應用還能消化人工智慧技術很久。

5樓：

？？月月有突破人早衝出太陽系了。

人工智慧也有70年歷史了，每年指標提高乙個點，各種指標就早超過人類baseline了。

請對科技發展保持科學的態度看待。不要抱有「大躍進」似的的錯誤觀念

6樓：因特理臻

那要大家去努力啊，發現新的人工智慧技術才能獲得突破，有投入才有產出，技術突破需要大量投資，而不是耍嘴皮。華為5G領先和突破是鉅額投資的結果。AI投資要超過5G才可能有突破。