文|赵国小王爷
Google的人工智能黑科技确实独步全球，像下面这种图像识别信手拈来。不仅能告诉你这是一列火车，而且能告诉你它是蓝的和黄的。据Google自己的统计数据，其谷歌语音助手的图像识别准确率已经达到了惊人的93.9%，接近人类的水平。机器翻译也整合了深度学习翻译系统，可以按照整句话进行翻译；文本语音转换则采用了更加符合地域文化和语言环境以及情感的方式。
这一切的进步不得不归功于深度学习（Deep Learning）这一强有力的工具。但是盛世隐忧，深度学习还有很多解决不了的问题，深度学习是不是也到了技术极限？
深度学习理论本质上，也是一种是基于统计学的分类方法。以图像识别为例，人工智能在通过深度学习理论进行训练的时候，需要事先人工标注参考图像。然后人工智能才能根据不同的深度学习模型进行图像分析，对分析样本进行分类。在面对陌生图像的识别时，人工智能又基于以往的分析结果，对新图像进行识别归类，从而得出结论。
深度学习可以说是一种非此即彼的方法论。这种方法论确实能够解决我们实际中的很多问题。但是我们人类在自身的发展进化过程中，会发现这个世界上还有很多问题，并不能简简单单的归类为非此即彼的问题。还是以图像识别为例，经过深度学习训练过的人工智能，分析过几百种狗类的图片，但是如果给它一张柯基犬和二哈混种的照片，它就不一定能够准确识别出来了，甚至在它看来这一新物种都不能算是犬类。因为在它的训练样本中，很可能并没有类似特征的杂种狗。这就类似于我国古代那个关于“白马非马”的哲学问题了。这就是目前各种人工智能理论的局限性。
这不仅仅牵涉到计算机科学，而且也是一个哲学问题。是我们人类关于我们现有知识和自然规律的认识局限性。Google图像识别那剩下的6.1%未能识别的图像，就是自然留给我们的待解之谜。
你认为人工智能还远吗 单选
0人 0%
太恐怖了，终结者估计快诞生了
0人 0%
就机器这智商，还早着呢
0人 0%
觉得自己笨笨哒，早被电脑超过了
