能耗瓶颈可以简单的理解为人工智能在应用等过程中所消耗能源大于它实际所产生的效益 ， 即能耗成本过高 。而在优化人工智能能耗问题的过程中 ， 首当其冲的就是对算法的优化 。就像人体的大脑大概只占体重的2% ， 但是却能占据人体总能耗的20%一样 ， 算法对于人工智能能耗的影响也非常的大 。随着智能算法的发展 ， 人工智能在能耗瓶颈上也有所进步 。例如奥地利科技学院、维也纳工业大学和麻省理工学院的研究者就成功训练了一种能够控制自动驾驶汽车的低能耗智能算法 ， 这一算法仅仅使用了75000个参数与19个神经元 ， 比之前减少了数万倍 。
语义鸿沟瓶颈是指人工智能缺乏真正的语言理解能力 ， 无法根据上下文或常识理解一些容易产生歧义的语言 ， 即听不懂“人话” 。目前 ， 人工智能在这一点上仍然没有显著的突破 。
可解释性瓶颈是指人工智能过于依赖模型中已有的数据 ， 缺乏深层学习能力的缺陷 。人工智能很容易学习一个东西是什么 ， 但是很难明白一个东西究竟为什么会这样 。如果人工智能不能理解知识或行为之间的深层逻辑 ， 那么它在用已有模型去应对未知变量时 ， 就很容易引起模型崩塌 ， 类似于“死机” 。目前 ， 已有学者提出可以使用对抗网络与最优传输技术找到模型坍塌的原因 ， 并提出改进模型 ， 从几何映射的角度上尝试去突破人工智能的可解释问题 ， 在理论上取得了一些进步 。

文章图片

我们都遇到过电脑死机 ， 这在一定程度上反映着可靠性｜public domain
可靠性瓶颈是指人工智能在系统可靠性上的不足 。粗略来讲 ， 可靠性主要包含设计可靠性、耐久性和可维修性三个方面 。人工智能的设计可靠性可以简单的理解为它的算法是否可靠 ， 它是否能在规定的条件下 ， 完成预定的功能 。例如自动汽车在行驶过程中 ， 是否能够正确识别道路情况 ， 并作出合理反应 ， 很大程度上都要依靠自动驾驶系统的设计可靠性 。耐久性和可维修性很简单 ， 即能不能长久使用与能不能、方便不方便维修 ， 维修的成本如何 。
现阶段的人工智能仍然存在很大的局限性 ， 市面上应用的人工智能绝大多数为弱人工智能 ， 而强人工智能的发展仍然存在很多的难题 。但是不管人工智能在未来有多少难关需要克服 ， 可以肯定的是 ， 科技的发展会不断推动人工智能的发展 ， 让人工智能可以帮助更多产业、更多市场主体中实现新的赋能与转型 ， 最终完成为数字经济集约化发展提供不竭动力的光荣使命 ， 为我们的美好未来添砖加瓦 。
参考文献
[1] Editor S H I A . The Blue Screen of Death and other deadly bugs - ScienceDirect[J]. Computers & Security, 2002, 21( 6):491-496.
[2] Chowdhury M , Sadek A . Advantages and Limitations of Artificial Intelligence[M]. 2012.
[3] A B D A , B S C , B M V , et al. A survey of robot learning from demonstration[J]. Robotics and Autonomous Systems, 2009, 57( 5):469-483.
[4] 谭民, 王硕. 机器人技术研究进展[J]. 自动化学报, 2013, 39(7):10.
[5]胡德文, 王正志, 周宗谭. 神经网络算法在机器人眼手系统中的应用[J]. 机器人, 1991(S1):5.