目前，人工智能正在大力促進產業升級、提高產品質量和核心能力。但人工智能要實現真正的“無處不在”，它就需要能夠在電力和熱能有限的終端設備上運行。

[[270718]]

科技分析師、J. Gold聯合咨詢公司創始人兼總裁杰克•戈德(Jack Gold)表示：

“人工智能已經開始發展，但還遠未達到穩定狀態，離頂峰還很遠。”

事實上，就目前來說，人工智能帶來的東西雖然有用，但其實只是冰山一角。從某種意義上來說，它只能實現定制的功能，仍然有很多優化的空間，離覆蓋人們真正想要做的事情還有很長的路。

我們看到，不同行業對AI使用需求的案例越來越多，在設備及其核心能力方面提高用戶體驗的需求也在不斷增加，盡管如此，“人工智能創造的未來”還需要一段時間才能實現。

三個關鍵性的研究問題

戈德說：

“人工智能領域正在發生的事情很多，比如自然語言處理(NLP)和計算機視覺，但我認為實現這一切的關鍵在于：我們如何讓它成為一個成本效益高、易于定義并能夠部署到最終用戶的解決方案。”

他表示，人工智能未來幾年的發展模式和方向取決于三個關鍵的研究內容。

***，開發最適合構建人工智能系統的平臺或框架

從谷歌到亞馬遜，再到微軟，所有公司都在做一些不同的事情，而一個緊迫的問題依然存在：如何將這一切整合起來?

例如：

怎樣使Windows和Linux等值等效，從而使我們不必為14個不同的應用領域構建系統?如何回答這個問題，將是決定人工智能在未來5年的發展模式和方向的主要因素之一。

第二，如何優化硬件系統以降低成本?

例如，在訓練系統中，很多系統都建立在非常高端、非常昂貴、非常耗電的圖形處理器(GPU)上。但是什么樣的硬件平臺能讓人工智能更有效、更經濟、更容易運行呢?

框架和硬件是密不可分的，因為在框架上所做的操作和在硬件上所做的操作是相互影響的。

第三，構建半自動化工具

這是最關鍵的一點，如今構建人工智能系統大多都需要相當大的數據研究投資，需要一些重量級的數據科學家和工程師來構建系統，并將其部署到企業應用中。

戈德解釋說：“如果你想將人工智能擴展到更廣泛的用戶群體，我們需要一些半自動工具，而且需要時間——這不會在一夜之間發生。這相當于一個文字處理器或Powerpoint，它可以把數據降低到用戶的水平，而不必去花錢聘請5 000位數據分析師，這顯然是不可能的。”

人工智能研究的障礙

大部分人工智能都是圍繞著人類的思維以及人類與信息和世界的互動模式建模的。那么，我們能夠在多大程度上把它模擬出來?神經網絡是基于你的大腦，在過去的70年里，我們對人類大腦的工作模式有了更多的了解，從而促進了人工智能技術的發展。

所以，主要的障礙是，真正理解人體和神經系統是如何相互作用的，然后理解如何在電腦中建模。

戈德說：

“這是一個長期挑戰，如何構建最合適的算法，然后為各種硬件系統和軟件系統優化這些算法。很多人都在研究這個問題，但它不是短期能解決的。”

戈德表示，所有主要的芯片廠商都在他們的芯片上添加了神經網絡處理器(NNP)，接下來致力于研究如何優化。

關于這一點也有很多爭論，一些公司專注于訓練方面，另一些公司專注于推理方面，這是優化體系結構的兩種方法。戈德表示，最終兩者都是需要的。

他補充說，三到五年后，每部手機都將配備人工智能芯片。

如果你有一臺個人電腦，無論是CPU中的芯片還是輔助芯片，都會有人工智能。

戈德說：“在不遠的將來，幾乎所有東西都將擁有某種形式的人工智能。曾經有CPU之戰，GPU之戰，內存之戰，接下來就是NNP之戰!”