[科技界] 人工智能发展的5大障碍

2017年，人工智能领域取得了一些显著进展。例如，天平动机器人在扑克游戏中玩扑克。在现实世界中，机器学习正被用来改善农业和扩大医疗保健的覆盖面。

但是你最近和西里或者阿列克谢谈过吗？聊完之后你会发现，有很多事情，AI还是做不到，也理解不了。下面是五个棘手的问题，专家们明年会修正大脑。

机器比以往任何时候都更适合使用文本和语言。Facebook可以为视障人士阅读图片描述。干得还不错，谷歌可以建议一封简短的回复邮件。

然而，软件仍然不能真正理解我们语言的含义和我们与之共享的思想。波特兰州立大学的梅勒妮&米德多；米切尔教授说:我们可以将学到的概念应用到不同的方法中，并将它们应用到新的环境中。但是这些人工智能和机器学习系统做不到

米切尔描述今天的软件是数学家吉安卡洛-罗塔称之为意义错乱的软件。一些领先的人工智能研究团队正试图找出如何攀登它。

这项工作的目的之一是给机器常识和物质世界的基础来支持我们的思维。例如，脸谱网的研究人员试图通过观看视频来教软件理解现实。其他人试图模仿我们对世界的理解。谷歌一直在修补试图学习隐喻的软件。米切尔尝试了一些系统，通过类比和关于世界的概念来解释照片中发生的事情。

现实差距阻碍了机器人革命

机器人硬件已经很不错了。你可以花500美元买一架配有高清摄像头的手掌大小的无人机。拖箱子的机器和两条腿走路的机器也有所改进。为什么我们身边没有熙熙攘攘的机械帮手？今天的机器人缺乏与复杂肌肉相匹配的大脑。

让机器人做任何事情都需要特定的编程来完成特定的任务。他们可以通过试错来学习抓取物体等操作。但是这个过程比较慢。一个好的捷径就是让机器人在虚拟仿真世界中训练，然后把来之不易的知识下载到物理机器人的体内。但是这种方法在现实中受到gapa这个词的困扰，gapa这个词描述的是一个机器人在模拟过程中所学到的技能，在移植到物理世界的机器上并不总是有效的。

现实差距正在缩小。今年10月，谷歌报告了实验的重要结果。真正的机器人模拟手臂学会了选择不同的物品，包括胶带、玩具和梳子。

这个进步对于研究自动驾驶汽车的人来说非常重要。为了减少在真实交通和道路条件下测试的时间和金钱，在模拟街道上驾驶虚拟汽车的公司正在竞争在模拟街道上部署虚拟汽车。自动驾驶公司aurora的CEO克里斯&布尔；厄姆森说，让虚拟测试更适合真正的汽车是他的团队的首要任务之一。领导谷歌母公司alphabet自主汽车项目的厄姆森表示:明年，我们将清楚地看到如何利用这一优势来加速学习。

防止ai黑客

运行我们电网、安全摄像头和手机的软件被安全漏洞所困扰。我们不能指望自动驾驶汽车和家庭机器人的软件有什么不同。事实可能更糟糕:有证据表明，机器学习软件的复杂性引入了新的攻击方式。

今年研究人员发现，你可以在机器学习系统中隐藏一个秘密触发点，让它在特定信号的情况下进入邪恶模式。纽约大学的研究小组设计了一个街道标志识别系统，除非看到黄色的便签，否则功能正常。在布鲁克林的停车标志上贴一张纸条，导致系统将该标志报告为限速。这项技术的潜力可能会给自动驾驶汽车带来麻烦。

这种威胁被认为是非常严重的。本月初，世界上最著名的机器学习会议的研究人员举行了为期一天的研讨会，讨论机器欺骗的威胁。研究人员讨论了复杂的技术，例如如何生成对人类来说看起来正常的手写数字，但它们似乎不同于软件。以2为例，机器视觉系统可以看成3。研究人员还讨论了防御这种攻击的可能性，并担心人工智能可能被用来愚弄人类。