Toby Walsh是澳大利亚新南威尔士大学（CSIRO）教授、Data61（CSIRO）研究组组长、人工智能专家。
沃尔什教授在悉尼CIO峰会上发表主题演讲时表示：CIO（首席信息官）不需要担心人工智能将对未来构成的威胁。
我们距离生产出与人脑高度匹配的机器人还有很长的路要走。
距离。
沃尔什教授认为，虽然我们迄今为止建造的机器人能够执行比人类更高水平的任务，但它们只会按照我们的要求执行任务，只能被视为无意识的书写工具。
如果我们想要制造出与人类具有同样能力的机器人，可能需要很长的时间，也许是50年，也许是几年，甚至永远。
尽管如此，沃尔什教授很高兴人工智能威胁的话题已成为首席信息官的关注焦点，并出现在战略业务计划中。
沃尔什教授说：“人工智能是当今人们最喜欢的科目之一，也是我小时候最喜欢的科目。
我们读了很多科幻小说，梦想着一个充满智能计算机和机器人的未来。
未来“我们或许想问这样一个问题：是什么因素让人工智能能够取得今天如此快速的发展？沃尔什教授用四个指数趋势总结了答案。
第一个指数趋势是摩尔定律，该定律因物理量子限制等技术问题而失效。
英特尔宣布晶体管数量不再每两年翻一番。
沃尔什教授表示，“尽管如此，我并不担心这一领域的发展会受到限制。
”过去20年，芯片开发商一直处于一种非常懒惰的状态。
他们只是减少了数据结构，并没有在芯片的设计上进行太多创新。
但我们看到了 DPU（分布式处理单元）的价值，并且在硬件中看到了更多有趣的东西，比如机器学习。
这将使我们能够使用相同数量的晶体管执行更多的计算。
虽然摩尔定律在技术上已经死亡，但仍然有很大的创新空间，将会给计算机的发展带来更大的推动力。
第二个指标是数据量的不断增加。
在企业家心目中，运营数据和客户数据永远是第一位的。
沃尔什教授表示，今天的数据量比过去增加了一倍，这对人工智能来说是一个巨大的机会。
我们现在所做的很多事情，尤其是机器学习，都是数据训练。
沃尔什教授补充说，当前人工智能的缺点之一是机器学习速度太慢。
虽然机器学习模仿人类思维来学习，但与人类不同的是，机器学习模拟从例子中学习。
最先进的机器学习仍然需要从数十万甚至数百万个示例中学习。
但唯一的好处就是可以采集海量的数据，我们可以从大量的数据中快速得到我们想要的信息。
第三个指数趋势是算法的突破性进展。
Walsh教授表示，过去几年，随着深度学习的发展，算法的性能呈指数级增长。
第四个指数趋势是流入该领域的资金量。
沃尔什教授表示，通过这种方式你可以衡量该领域的风险投资金额，可以估算AI领域的参与者数量和初创公司数量，而这些数字每两年翻一番。
“将这四种趋势结合在一起是人工智能取得重大进展的秘诀。
”不过，沃尔什教授强调，虽然人工智能前景广阔，但如果我们想要生产出能够实现人类执行能力的机器人，未来仍需要面临许多棘手的挑战。
。
考虑到技术的局限性，沃尔什教授认为，当今的人工智能可以完成一些实时且高度重复的任务，例如即时人脸识别。
说到这里，我们通常会让机器人帮我们做哪些任务呢？一般分为这四类：肮脏、无聊、困难、危险，我们称之为4D。
从这个意义上说，机器人确实是有趣的存在。
如今，随着科学技术的发展，人们对技术的要求越来越高。
实际应用需要更复杂的自动化和人工智能。
聊天机器人是人工智能实际应用的一个很好的例子。