就大量關于“殺手級機器人”的炒作來說，2017年在人工智能方面取得了一些顯著的進步。阿爾法狗、冷撲大師等棋牌機器人能讓頂級玩家陷入絕望，在現(xiàn)實世界中，機器學習正被用于改善農(nóng)業(yè)，以及擴大醫(yī)療保健的覆蓋面。

但你最近和Siri或者Alexa對話過嗎?如果有，那么你就會知道，撇開這些炒作，以及躊躇滿志的億萬富翁們，還有很多事情人工智能仍然不能做也不能理解。以下是五個棘手的問題，專家們將在明年為它們絞盡腦汁。

1、語言真正的含義

在處理文本和語言方面，機器比以往任何時候都做的更好。 Facebook可以為視障人士讀出圖像描述。谷歌做了一個很不錯的軟件，能在回復電子郵件時給出簡短的建議。然而，軟件仍然不能真正理解我們的話語的含義，或我們想與它們分享的想法。波特蘭州立大學教授梅蘭妮·米切爾(Melanie Mitchell)表示：“人類能夠把我們學到的概念以不同的方式結(jié)合起來，并在新的情況下應用。AI和機器學習系統(tǒng)則不能。”

Mitchell將今天的軟件面臨的問題描述為數(shù)學家Gian Carlo-Rota所說的“意義障礙”。一些領先的AI研究團隊正試圖找出克服它的方法。

這項工作的一部分，旨在為機器提供關于常識和實體世界的認知基礎——它們奠定了我們的思維。例如，F(xiàn)acebook研究人員正通過觀看視頻來教軟件理解現(xiàn)實。還有人在模擬我們可以用關于世界的知識做些什么。谷歌一直在試圖打造能夠理解隱喻的軟件。米切爾實驗過一種系統(tǒng)，使用類比和概念存儲來解釋照片中發(fā)生的事情。

2、阻礙機器革命的“現(xiàn)實差距”

機器人硬件已經(jīng)發(fā)展的相當不錯了。花500美元，你就能購買攜帶高清攝像機的手掌大小的無人機。搬運箱子的機器人以及兩條腿走路的機器人也有所改進。那為什么我們還沒有被繁忙的機械助手所包圍?因為現(xiàn)在的機器人缺乏能夠匹配他們先進的肌肉的大腦。

讓機器人做任何事情都需要針對特定的任務進行特定的編程。它們可以通過重復的試驗(和錯誤)學習操作，如抓取物體。但是這個過程相對較慢。一個有希望的捷徑是讓機器人在虛擬的、模擬的世界中訓練，然后把那些來之不易的知識下載到實體機器人體內(nèi)。然而，這種方法被現(xiàn)實差距所困擾，具體來說，機器人在模擬過程中學到的技能，在轉(zhuǎn)移到實體世界中的機器時，并不總是有效。

這種現(xiàn)實差距正在縮小。十月，在虛擬和真實的機器人手臂拾取多種物品的實驗中——這些任務包括膠帶分配器，玩具和梳子等等——谷歌報告了可喜的結(jié)果。

對于自動駕駛汽車從業(yè)者來說，取得進一步的進步很重要。在機器駕駛競賽中，眾多公司在在虛擬街道上部署虛擬車輛，他們希望能減少在實際交通和道路條件下測試所花費的時間和金錢。自動駕駛創(chuàng)業(yè)公司Aurora首席執(zhí)行官Chris Urmson說，使虛擬測試更適用于真實車輛是團隊的優(yōu)先考慮之一。曾經(jīng)領導谷歌母公司Alphabet的自主汽車項目的Urmson說：“明年或以后，我們可以利用這種技術(shù)來加速學習。”

3、防范AI黑客攻擊

運行電網(wǎng)，安全攝像頭和手機的軟件時常受到安全漏洞的困擾。自動駕駛汽車和家用機器人的軟件想必也不會例外。事實上它們的情況可能更糟糕：有證據(jù)表明，機器學習軟件的復雜性引發(fā)了新的攻擊途徑。

研究人員今年表示，你可以在機器學習系統(tǒng)內(nèi)部隱藏一個秘密觸發(fā)器，讓它在一個特定的信號下轉(zhuǎn)為惡性模式。紐約大學的研究小組設計了一個街道識別系統(tǒng)，該系統(tǒng)看到黃色的便利貼就會停止正常工作。將一張便利貼貼在布魯克林的停車標志上，會導致系統(tǒng)將該標志報告為限速。 這些把戲的潛在可能性可能會給成自動駕駛汽車造成問題。

這個威脅很嚴重，本月早些時候，世界頂級機器學習會議的研究人員召開了一個關于“機器騙術(shù)的威脅”的研討會。研究人員討論了一些惡魔般的騙術(shù)，比如生成一些在人類看來很正常、但是對軟件來說意味卻截然不同的手寫數(shù)字。例如，你所看到的是一個2，而機器視覺系統(tǒng)看到的是一個3。研究人員還討論了這種攻擊的可能防御方法，并且擔心人工智能被用來愚弄人類。

組織研討會的Tim Hwang預測，隨著機器學習變得更容易部署，功能更強大，使用該技術(shù)操縱人是不可避免的。他說：“你不再需要一房間的博士才能研究機器學習。”黃指出，在2016年總統(tǒng)選舉期間，俄羅斯的虛假宣傳運動是潛在的AI加持的信息戰(zhàn)的先行者。他說：“為什么從機器學習的領域看看這些活動中涉及到的科技呢?” Hwang預測，其中一個格外有效的騙術(shù)可能是使用機器學習制造虛假的視頻和音頻。

4、超越桌游

Alphabet的國際象棋冠軍阿爾法狗軟件在2017年迅速崛起。五月份，一個更強大的版本擊敗了中國的圍棋冠軍柯潔。它的創(chuàng)造者，研究機構(gòu)DeepMind，隨后構(gòu)建了一個新的版本，AlphaGo Zero，不通過研究人類棋術(shù)而直接學習圍棋。十二月， AlphaZero又一次升級，它可以學習下圍棋和日本棋類游戲Shogi(雖然不是在同時)。

這種滾雪球般的捷報令人印象深刻，但同時也提醒人們AI軟件的局限性。國際象棋，shogi和圍棋都很復雜，但規(guī)則相對簡單，且對手的玩法清晰可見。它們與計算機能迅速掌握的許多未來職位的能力非常匹配。但是生活中的大多數(shù)情況和問題，并不是這樣結(jié)構(gòu)整齊。

因此在2017年，DeepMind和Facebook都開始在多人游戲“星際爭霸”上下功夫。現(xiàn)在兩者的進展都不大。目前最好的機器人是業(yè)余愛好者所建立的——即使是與中等技能的玩家相比，它們也無法匹敵。 今年早些時候，DeepMind研究員Oriol Vinyals曾表示，需要缺乏規(guī)劃和記憶能力才能精心組裝和指揮一支軍隊，同時期預測并對對手的動作做出反應，而他的軟件缺乏這種能力。無獨有偶，這些技能對于軟件更好地幫助實際工作也至關重要，如辦公室工作或真正的軍事行動。 2018年“星際爭霸”或類似游戲的巨大進步可能預示著人工智能的一些強大的新應用。

5、教AI辨別是非

即使沒有在上述領域取得新的進展，如果現(xiàn)有的AI技術(shù)被廣泛采用，經(jīng)濟和社會的許多方面也會發(fā)生很大的變化。企業(yè)和政府正急于這樣做，與此同時，有人對人工智能和機器學習可能造成的意外和故意傷害表示擔憂。

在本月的NIPS機器學習大會上，一個重要的討論話題是，如何使技術(shù)保持在安全和道德的范圍內(nèi)。研究人員發(fā)現(xiàn)，我們的世界本身遠不完美，機器學習系統(tǒng)從中獲得訓練數(shù)據(jù)，因而可能學會令人不愉快或者我們不期望的行為，如延續(xù)性別偏見和刻板印象。現(xiàn)在有人正在研究技術(shù)，用于審核人工智能系統(tǒng)內(nèi)部運作，確保他們在投入金融或醫(yī)療保健等行業(yè)工作時作出公平的決策。

明年我們應該會看到科技公司提出相關理念，關于如何讓人工智能站在人性光明面。谷歌，F(xiàn)acebook，微軟和其他人已經(jīng)開始討論這個問題，以及一個新的名叫“Partnership on AI”的非營利組織的成員，該組織將研究和嘗試塑造人工智能的社會影響。更多的獨立組織也感受到了壓力。一個名為“人工智能倫理與治理基金會”的慈善項目正在支持麻省理工學院、哈佛大學等研究人工智能和公共利益。紐約大學的一個新研究機構(gòu)AI Now也有類似的任務。在最近的一份報告中，它呼吁各國政府發(fā)誓放棄在刑事司法或福利等領域使用沒有公開檢查的“黑匣子”算法。