人工智慧發展最大的瓶頸是什麼？
人工智慧發展最大的瓶頸是什麼？
自欺欺人，把智力問題歸結為算力問題和數學問題。引出一大堆帶跑偏的言論：
- 人腦千億個神經元，晶體管規模達不到？改用軟體模擬，數量還是問題嗎？
- gpt3模型跑一遍需要幾百萬美元，出了bug都不敢再調試。這種用記憶代替思考，基於大數據的學習演算法算是智能嗎？
- 走路像人的波士頓機器人，皮膚以假亂真的日本美女機器人，揚言消滅人類的索菲亞機器人。這些玩意兒有多少人關注過他們的智力？
- 圖靈測試早已通過？機器人作詩，寫文章，畫畫以假亂真。這算是圖靈測試嗎？圖靈測試的精髓應該的語言互動：能解釋，能推理，能假設。這種只有結果沒有中間思維過程，不能問為什麼的測試也算圖靈測試？
- 背後人工的假機器人。銀行，圖書館那種能流利對話的機器人，被人人為小兒科。有人說上傳一些相關數據就能實現這樣的對話。殊不知，這才是人工智慧正真的難題，卻被人忽略。亞馬遜重金求能聊20分鐘的比賽才是正確的發展方向。
理解語言，有邏輯的對話才是人工智慧最大的瓶頸，解決這個問題之後，一切智能問題將迎刃而解。人類知識很複雜，目前人工智慧還停留在知識圖譜這樣極弱的意思表達層面。複雜的意思還不知道怎麼去表示和存儲。所以，按這個路子走路還很遠。必須去解析人腦理解語言的機制。這是演算法問題，絕不是算力問題。畢竟人腦功耗才20瓦。深度學習的功耗？不知道多少，反正一般的電腦跑不起來。
最大的瓶頸是門檻太高了。通讀百科才算是基礎，融會貫通後才算是入門，能做到知行合一算是學子。至於出師嘛，基本上可以說能夠創造出新的生命，這是在搶上帝的飯碗。
一般的企業無力承擔人工智慧演算法以及核心處理器的成本，而大企業又想快速盈利，不肯投入大量資本研發
人工智慧最大的瓶頸還是需求與成本的平衡，這個事是不是值得砸錢去干。公司常常是勒緊褲腰帶過日子，一個攻關技術小組也不能長時間燒錢虧損。大公司都不去踩這個坑，小公司有苗頭要攻克了，大公司收購就可以了。
外界過度的無腦捧和無腦黑
個人感覺沒什麼瓶頸呀，或許你得定義一下，達到什麼程度的智能，可能更聚焦？
人工的智能，首先是局部的智能，做一個裝置，實現某種智能活動。比如算數是一種智能活動，那麼計算器就能算是一種人工智慧，開車是一種智能活動，自動駕駛就算是一種人工智慧。
通用型的智能，瓶頸就多了，基本是個試管，沒有不是瓶頸的部分。局部智能，一事一議吧，反正計算器和國際象棋什麼的，我是沒看到瓶頸。
智能體並不能意識到自己是存在的。
再這麼內卷下去，怕是跟生化環材一樣，以努力的研究者為例，大多傾盡全力後，只能為了生活，開始演繹層出不窮的所答非所問。
?♂?
認知系統與人機交互
推薦閱讀：
