距離人工智能首次提出已經(jīng)過去數(shù)十年了，我們開始重新審視機器，并且研究如何呈現(xiàn)一些更加聰明的絕技。精確地識別不同面孔和口語也許是一個開端。在麻省理工學院舉行的技術(shù)峰會上，兩位人工智能專家具體闡釋了人工智能未來發(fā)展的前景。

Adam Cheyer是蘋果個人助理Siri的研發(fā)者之一，也是Viv Labs公司的創(chuàng)始人，這家公司正在嘗試建立一個功能更加齊全的個人助理，可以回答融合不同概念的復雜問題。例如，它可以將天氣和地理知識，與聯(lián)絡(luò)簿所獲取的信息相聯(lián)系，來回答類似這樣的詢問：“假如今天晚上下雨， 請為我找一家位于我女友住所附近的餐館。”

Cheyer說到，盡管目前在人工智能方面所取得的進步賦予了電腦許多非凡的技能，但它們應(yīng)用起來仍然非常狹窄。研發(fā)一臺可以解決綜合不同數(shù)據(jù)來源，或者不同概念問題的機器，要在沒有為這些連接設(shè)立代碼的前提下，找到連接當前不同信息來源的方法。

Cheyer認為實現(xiàn)這一目標意味著要讓一些基本的編程任務(wù)實現(xiàn)自動化。因此Viv Labs可能不僅代表了人們在人工智能方面所取得的進展，同時也是計算機與人類在新領(lǐng)域合作的一個重要例子。這并不只是關(guān)于機器研究的狹窄功能，它們將會幫助我們進行編程。

Cheyer認為，此舉所產(chǎn)生的效果將會遠遠超過單純的電腦編程。“其最終目的是如何實現(xiàn)人與人工智能技術(shù)規(guī)模化協(xié)同運作，在協(xié)同工作過程中，人類在做自己最擅長的事情時，機器也在盡力做好它們能做的事情，兩者各司其職。”

近期人工智能所取得的許多進步都與一個叫做深度學習的領(lǐng)域有關(guān)，深度學習是指通過訓練簡化的虛擬神經(jīng)元來使用大量數(shù)據(jù)識別模式。Quoc Le是Google Brain項目的一名研究科學家，他在深度學習上的最新研究表明，深度學習已經(jīng)能在時尚和金融等領(lǐng)域發(fā)揮作用了。

和Viv Labs一樣，Le最近的研究工作就是將不同的方法結(jié)合起來，創(chuàng)造出大于它們各部分之和的效果。這意味著要將不同的深度學習系統(tǒng)相連接，創(chuàng)造令人驚嘆的效果，例如一個系統(tǒng)可以回答圖像內(nèi)容的問題。“一旦我們理解了圖像，就可以理解人們的言語，然后理解文本，于是我們就可以將這些領(lǐng)域聯(lián)系在一起。”

然而，Le認為研發(fā)真正智能的計算機所面臨的最大障礙，是找到一種可以讓它們學習卻不需要借助標記的訓練數(shù)據(jù)的方法，這種方法叫做“無監(jiān)督學習”。

人工智能方面取得的新成就促使一部分人開始擔憂許多行業(yè)的就業(yè)前景，甚至認為超級智能的機器將會對他們造成一定的生存威脅。然而Cheyer和Le似乎并不十分贊同后者的觀點。“目前，還有許多人類可以完成而機器卻不能代替的事情，” Cheyer說到。“我確信將會有些變化，但是我認為我們不會靜坐旁觀，讓機器人主宰我們的生活。人類將會適應(yīng)這些改變。”