人工智能可自动编程，自主学习

专家告诉CNBC，通过大量的数据解析来学习新的概念和规则是人工智能发展的关键领域。

这个概念被称为机器学习，并且它一直是人工智能学科的长期目标：这个术语是1959年由AI先驱亚瑟塞缪尔创造的，他把它定义为计算机的学习能力，而不是明确编程。

为此，专家说，数学模型被建立起来，然后被大量的数据所补充。算法学会从这些数据集中识别出模式和假设，然后应用这些数据集来处理新信息。

“我们希望能够利用机器自身的能力从复杂的数据中学习，”微软亚洲研究院高级总监Eric Chang告诉CNBC。

正在研究的机器学习的一个领域是图像识别。传统上，一个程序需要具体讲述一下，看看每一张照片的面部特征 - 如鼻子。通过机器学习，该程序从数百万个示例中了解到一个特征的广泛类别 - “鼻子” - 看起来像，因此它可以识别未来照片中的新特征。

为数百个功能复制该过程，并获得强大的工具。专家表示，企业很快就可以投入使用。

亚马逊网络服务公司技术和开发人员传播全球负责人Ian Massingham表示，在机场休息室，机器学习技术可用于识别每一位乘客的面孔。他解释说，这将允许服务人员提前获取每位乘客的现有信息并了解他们的偏好。

Massingham告诉CNBC：“这些服务最终在决策支持或服务支持中发挥作用。他补充说，这样的设施可以让服务人员专注于他们最擅长的事情 - 个性化互动。

“一台机器不能走到你身边，热烈地打招呼，很高兴认识你并微笑，所以人类会拥有这些东西，但他们会更好地了解情况，因为他们将使用人工智能和机器学习作为客户服务工作流程“。

语音识别和自然语言处理也是今天正在研究的机器学习的关键领域。语音识别如何工作的一个常见例子是智能手机用户在设备上与像Siri或Google智能助理这样的虚拟助手交谈。手机采用一系列复杂的算法将音频转换为文本，然后应用自然语言处理来理解用户的意思。

谷歌研究人员，例如，已经找到一种方法来开发一种算法，可以在拥挤的空间中挑出单个扬声器的声音，根据报道。另一方面，微软的研究人员正在研究多语种语言，以培训虚拟助理来处理用户在两种语言之间来回切换的互动。

“惊人的步伐”

据微软公司的Chang称，由于几个原因，今天机器学习是可能的。首先，由于每天都会产生大量的数据，其次，由于云计算，可用的计算能力更多。最后，他说，正在创建更新，更复杂的算法。

根据专业服务公司德勤的技术，媒体和电信预测2018年报告，机器学习的发展今年将以“惊人的速度发展” 。但该公司指出，机器学习的进步速度将非常快，50年后，今天的发展将被视为“婴儿步骤”。

德勤预测，今年大中型企业将采用更多的机器学习技术。它补充说，使用该技术的项目数量将比2017年翻一番。同时，高端智能手机将安装机器学习芯片，但“这些芯片还没有得到充分利用”，该公司指出。它补充说，新的芯片还可以“通过使应用程序使用更少的功率并且仍然具有响应性和灵活性”来显着增加“机器学习的使用。

根据Chang的说法，实施人工授精的领域包括医疗保健，金融服务，运输和制造。

围绕人工智能的快速发展还存在一些怀疑。

首先，人们长期以来一直担心机器最终会取代人力。去年，麦肯锡公司的一份报告预测，到2030年，全球有多达8亿的工人可以被机器人工作取而代之。但业界许多人提出的反驳说，人工智能将创造更新类型的工作。

戴尔EMC在亚太和日本的商业业务总裁Amit Midha表示，到2030年，超过80％的职位尚未发明。“这既令人兴奋又具有挑战性，”他告诉CNBC。“令人兴奋的是，这些工作很可能是不存在苦差事的高质量工作......同时，我们必须培训人们从事这些类型的工作。”

另一方面，根据微软的Chang说，人工智能的快速发展可能会导致一些投资者在需要大量长期投资的领域取得快速的成果。 “我总是告诉人们这是一场马拉松，而不是一次冲刺，”他补充说，人工智能研究人员面临的另一个挑战是使机器学习的复杂性对于更广泛的人群更加透明。

一般情报

尽管迄今为止取得了一些进展，但一些专家认为，在实现所谓的人工智能之前，人工智能还有很长的路要走，那就是机器能够思考和行动的方式，以至于他们会被误认为是人类。

根据麻省理工学院心脑与机器研究中心主任Tomaso Poggio的说法，人类可以做各种各样的事情。他在今年早些时候接受CNBC采访时说，这包括谈论科学，技术，天气，体育，描述物体，分享回忆，生活经历，动机等。

“我们不知道如何制造一台能做到这一点的机器，我想我们会到达那里，但我不认为，尽管最近取得了进展，但我不认为我们知道或者有任何暗示现在就做到这一点，我们会到达那里，但目前还没有到来，“他说。

戴尔EMC的Midha表示，将逐步取得进展，并将重点放在利用人工智能解决社会问题上。

“我们创造未来，”他说。“我们必须引领这一趋势，如果我们提供更多的数据，如果我们拥有更多的计算资源，并且如果我们一直专注于解决难以解决的问题，那么我们绝对会取得进展。”