当前，人工智能正在大力推动产业升级，提升产品品质和核心能力。但要让AI真正无处不在，它需要能够在功率和热能有限的终端设备上运行。“人工智能已经开始发展，但它远未达到稳定状态，离顶峰还有很长的路要走，”技术分析师、J.GoldAssociates的创始人兼总裁JackGold说。确实，就目前而言，人工智能带来的虽然有用，但实际上只是冰山一角。从某种意义上说，它只能实现定制化的功能，还有很大的优化空间，距离覆盖人们真正想做的事情还有很长的路要走。我们看到越来越多的不同行业对人工智能使用的需求案例，以及在设备和核心能力方面提升用户体验的需求，尽管如此，“人工智能创造的未来”还需要一段时间才能实现。物化。三个关键研究问题：“人工智能领域正在发生很多事情，例如自然语言处理(NLP)和计算机视觉，但我认为实现这一切的关键是：我们如何使其成为具有成本效益的解决方案高，易于定义，并且可以部署到最终用户。”他表示，未来几年人工智能的发展模式和方向取决于三个重点研究内容。***，开发最适合构建人工智能系统的平台或框架从谷歌到亚马逊再到微软，所有公司都在做不同的事情，一个紧迫的问题仍然存在：它们如何组合在一起？例如：如何使Windows和Linux等效，这样我们就不必为14个不同的应用领域构建系统？如何回答这个问题，将是决定未来5年人工智能发展模式和方向的主要因素之一。二、如何优化硬件系统降低成本？例如，在训练系统中，许多系统都建立在非常高端、非常昂贵且非常耗电的图形处理单元(GPU)上。但什么样的硬件平台才能让人工智能更高效、更经济、更轻松地运行呢？框架和硬件是密不可分的，因为对框架的操作和对硬件的操作是相互影响的。第三，构建半自动化工具。这是最关键的一点。今天的大多数人工智能系统都需要在数据研究方面进行大量投资。需要一些重量级的数据科学家和工程师来构建系统并将其部署到企业应用程序中。.Gold解释说：“如果你想将AI扩展到更广泛的用户群，我们需要一些半自动化工具，这需要时间——这不会在一夜之间发生。它相当于一个文字处理器或Powerpoint，它可以将数据下到用户层面，而无需支付5,000名数据分析师的费用，这显然是不可能的。”人工智能研究的障碍许多人工智能都围绕着人类思维以及人类如何与之交互。世界信息和交互模式的建模。那么，我们能模拟到什么程度呢？神经网络以你的大脑为基础，在过去的70年里，我们对人脑的工作原理有了更多的了解，从而推动了人工智能技术的进步。所以，主要障碍是真正了解人体和神经系统如何相互作用，然后了解如何在计算机中对其进行建模。“这是一个长期的挑战，如何构建最合适的算法，然后针对各种硬件系统和软件系统优化这些算法。很多人都在研究这个问题，但这不是一个短期的解决方案，”Gold说.所有主要的芯片制造商都在他们的芯片中添加了神经网络处理器（NNP），下一步是研究如何优化它们。关于这一点也有很多争论，一些公司专注于训练方面，而另一些公司则专注于推理方面，这是优化架构的两种方式。最终，Gold说，两者都是需要的。他补充说，三到五年后，每部手机都将配备人工智能芯片。如果你有一台个人电脑，无论是CPU中的芯片还是配套芯片，都会有人工智能。“在不久的将来，几乎所有事物都会有某种形式的人工智能，”Gold说。“有CPU战争，有GPU战争，有内存战争，然后是NNP战争！”
