人工智能在理论上的瓶颈问题

谭铁牛院士曾表示现阶段的人工智能依然存在很大的局限性，用四句话概括便是：有智能没智慧，有智商没情商，会计算不会“算计”，有专才无通才。

 

具体解释一下在理论上局限的瓶颈问题主要包括：

　　

(1) 数据瓶颈：深度学习需要大量的数据；

(2) 泛化瓶颈：这是模式识别、计算机视觉、人工智能方法面临的一个共同的问题，现有方法在一些实际问题中仍无法取得理想的泛化性能，或者训练好的模型用在变化的环境或领域其泛化性能明显下降；

(3) 能耗瓶颈：人的大脑尽管是一个通用的人工智能系统但是能耗很低(只有20瓦)，但现有计算机上实现的人工智能系统能耗很高；

(4) 语义鸿沟瓶颈：目前语言服务大多为简单查询，不涉及语义推理问题，缺乏真正的语言理解能力，比如一些有歧义的自然语言句子，人很容易根据上下文或常识理解其真正含义，计算机却很难理解；

(5) 可解释性瓶颈：现有人工智能系统都是知其然而不知其所以然，其过于依赖训练数据，缺乏深层次数据语义挖掘。因此，可解释性非常重要，人工智能不仅要知其然还要知其所以然，知其然只是浅层智能，知其所以然才叫深层智能；

(6) 可靠性瓶颈：现有人工智能系统可靠性较差，有些错误识别结果会带来致命后果，尤其在自动驾驶这样的领域。