（文章來源：IT168）

既然我們已經(jīng)進入了人工智能革命(或者更確切地說是進化)，那么看看人工智能的概念是如何被吸收的、為什么會被吸收、以及它在未來意味著什么是很重要的。本文我們更深入地研究為什么人工智能甚至是它的一些被誤解的版本目前會受到如此高的關注。

在當前，人工智能或機器學習通常被描述為突然成熟的相對較新的技術，只是最近才從概念階段過渡到應用程序集成。人們普遍認為，獨立機器學習產(chǎn)品的誕生只是在最近幾年才開始的。事實上，人工智能的重要發(fā)展并不新鮮。今天的人工智能是過去幾十年取得的進步的延續(xù)。這種變化，也就是我們看到人工智能出現(xiàn)在如此多地方的原因，與其說是人工智能技術本身，不如說是圍繞它們的技術——即數(shù)據(jù)生成和處理能力的發(fā)展。

最后，人們可能只是想在相同的平臺上嘗試不同的技術，而不受某些軟件供應商的限制，也不受無法跟上該領域當前進展的限制。這就是開源平臺是這個市場的領導者的原因，它們允許從業(yè)者將當前最先進的技術與最新的前沿開發(fā)相結合。

隨著團隊在使用機器學習來實現(xiàn)目標和方法上變得一致，深度學習將成為每個數(shù)據(jù)科學家工具箱的一部分。對于許多任務來說，在其中添加深度學習方法將提供巨大的價值。我們能夠利用預先訓練的人工智能系統(tǒng)，我們能夠合并現(xiàn)有的語音或語音識別組件。但最終，我們會意識到，就像之前的經(jīng)典機器學習一樣，深度學習實際上只是另一種工具。

就像20年前一樣，人們在試圖理解人工智能系統(tǒng)學到了什么以及它們是如何做出預測的時候，會遇到極大的困難。在預測客戶是否喜歡某一特定產(chǎn)品時，這一點可能并不重要。但是，當解釋為什么一個與人類交互的系統(tǒng)會以一種意想不到的方式運行時，問題就出現(xiàn)了。人類愿意接受“人類的失敗”，但我們不會接受人工智能系統(tǒng)的失敗，尤其是如果我們不能解釋它失敗的原因(并糾正它)。

隨著我們對深度學習越來越熟悉，我們將意識到，就像20年前對機器學習所做的那樣，盡管系統(tǒng)很復雜，而且它所訓練的數(shù)據(jù)量很大。但是如果沒有該領域知識，理解起來很困難。人類的語音識別之所以如此有效，是因為我們通常可以通過上下文來填補理解不足的空缺。

當下的人工智能系統(tǒng)沒有那么深刻的理解，我們現(xiàn)在看到的是膚淺的智力，即模仿孤立的人類識別能力的能力，有時甚至在這些孤立的任務上表現(xiàn)得比人類更好，訓練擁有數(shù)十億個例子的系統(tǒng)僅僅需要擁有數(shù)據(jù)和獲得足夠的計算資源。