雖然有關(guān)殺手機器人的炒作從未停止過，但2017年人工智能領(lǐng)域（AI）的確取得了許多顯著進(jìn)步。例如，名為“Libratus”的機器人在撲克游戲中大殺四方。而在現(xiàn)實世界中，機器學(xué)習(xí)正被用于改善農(nóng)業(yè)和醫(yī)療行業(yè)。但是，你最近同蘋果智能助理Siri或者亞馬遜的人工智能助理Alexa聊過嗎？然后你就會知道，盡管有許多關(guān)于AI的大肆宣傳，億萬富翁們對此感到十分擔(dān)憂，但有很多東西仍然是AI無法做到或能理解的。這里有五個比較棘手的問題，專家們將在明年重點關(guān)注它們。

1.人類話語意義

與以往任何時候相比，機器現(xiàn)在似乎可以更好地使用文本和語言。Facebook的AI可以為視障人士閱讀圖片上的描述，谷歌的AI可為回復(fù)郵件提供簡短建議。然而，軟件仍然不能真正理解我們話語中的意義，以及我們與之分享的想法。波特蘭州立大學(xué)的梅勒妮·米切爾教授（Melanie Mitchell）說：“我們能夠以不同的方式運用將所學(xué)到的概念，并將它們應(yīng)用到新的環(huán)境中。而這些AI和機器學(xué)習(xí)系統(tǒng)還沒有這樣的能力。”

米切爾認(rèn)為，今天的軟件存在數(shù)學(xué)家吉安-卡洛·羅塔（Gian-Carlo Rota）所謂的“意義障礙”。許多領(lǐng)先的AI研究團隊正試圖弄清楚如何克服它。其中一項工作的目的是賦予機器以常識和物質(zhì)世界的基礎(chǔ)，這些基礎(chǔ)同樣支撐著我們的思維。例如，F(xiàn)acebook的研究人員正試圖通過觀看視頻來教軟件理解現(xiàn)實。其他團隊正在努力模仿我們對這個世界的認(rèn)識。谷歌一直在研究試圖學(xué)會理解隱喻的軟件。米切爾已經(jīng)嘗試了一些系統(tǒng)，用類比和關(guān)于世界的概念來解釋照片中發(fā)生的事情。

2.現(xiàn)實差距阻礙了機器人革命

機器人硬件已經(jīng)準(zhǔn)備就緒，你可以花500美元買到裝有高清攝像頭、手掌大小的無人機。那些拖著箱子、使用兩條腿行走的機器也有了很大改進(jìn)。那么，為什么我們還沒有被熙熙攘攘的機械幫手所包圍？今天的機器人缺乏與其復(fù)雜肌肉相匹配的大腦。

讓機器人從事需要特定編程來完成的特定任務(wù)時，它們可以通過反復(fù)試驗（和錯誤）來學(xué)習(xí)諸如抓取物體之類的操作，但這個過程相對較慢。一個很有希望的捷徑是讓機器人在虛擬的模擬世界中訓(xùn)練，然后把那些來之不易的知識下載到物理機器人的身體里。然而，這種方法卻被“現(xiàn)實差距”一詞所困擾，這個短語描述了機器人在模擬過程中學(xué)習(xí)到了技能，但在被移植到物理世界的機器上時卻并非總是有效。

“現(xiàn)實差距”正在縮小，今年10月份，谷歌在實驗中報告了十分樂觀的結(jié)果，模擬和真正的機器人手臂學(xué)會了挑選不同的物體，包括膠帶、玩具以及梳子。然而，對于那些研究無人駕駛汽車的人來說，還需要更大的進(jìn)步。為了減少在真實交通和道路條件下測試的時間和資金，在模擬街道上駕駛虛擬汽車的公司競相在模擬街道上部署虛擬汽車。

無人駕駛汽車初創(chuàng)企業(yè)Aurora的首席執(zhí)行官克里斯·厄姆森（Chris Urmson）表示，讓虛擬測試更適用于真正的汽車是他的團隊的首要任務(wù)之一。厄姆森之前負(fù)責(zé)領(lǐng)導(dǎo)谷歌母公司Alphabet旗下的無人駕駛汽車項目，他說：“明年我們將會很清楚地看到，我們?nèi)绾卫眠@一優(yōu)勢加速學(xué)習(xí)。”

3.防范AI黑客

運行我們的電網(wǎng)、安全攝像頭以及手機的軟件總是被安全漏洞所困擾，我們不應(yīng)該指望無人駕駛汽車和家用機器人的軟件會有什么不同。事實可能更糟糕：有證據(jù)表明，機器學(xué)習(xí)軟件的復(fù)雜性為黑客引入了新的攻擊途徑。研究人員今年發(fā)現(xiàn)，你可以在機器學(xué)習(xí)系統(tǒng)中隱藏一個秘密的觸發(fā)點，使其在特定信號觸發(fā)的情況下進(jìn)入邪惡模式。紐約大學(xué)的研究小組設(shè)計了一個街頭標(biāo)志識別系統(tǒng)，它的功能十分正常，除了在看到黃色便利貼的情況下。在布魯克林一個停車標(biāo)志上貼上黃色便簽，該系統(tǒng)將標(biāo)牌報告為限速標(biāo)志。這種黑客技術(shù)的潛力可能會給無人駕駛汽車帶來許多麻煩。