人工智慧可自動編程，自主學習

專家告訴CNBC，通過大量的數據解析來學習新的概念和規則是人工智慧發展的關鍵領域。

這個概念被稱為機器學習，並且它一直是人工智慧學科的長期目標：這個術語是1959年由AI先驅亞瑟塞繆爾創造的，他把它定義為計算機的學習能力，而不是明確編程。

為此，專家說，數學模型被建立起來，然後被大量的數據所補充。演算法學會從這些數據集中識別出模式和假設，然後應用這些數據集來處理新信息。

「我們希望能夠利用機器自身的能力從複雜的數據中學習，」微軟亞洲研究院高級總監Eric Chang告訴CNBC。

正在研究的機器學習的一個領域是圖像識別。傳統上，一個程序需要具體講述一下，看看每一張照片的面部特徵 - 如鼻子。通過機器學習，該程序從數百萬個示例中了解到一個特徵的廣泛類別 - 「鼻子」 - 看起來像，因此它可以識別未來照片中的新特徵。

為數百個功能複製該過程，並獲得強大的工具。專家表示，企業很快就可以投入使用。

亞馬遜網路服務公司技術和開發人員傳播全球負責人Ian Massingham表示，在機場休息室，機器學習技術可用於識別每一位乘客的面孔。他解釋說，這將允許服務人員提前獲取每位乘客的現有信息並了解他們的偏好。

Massingham告訴CNBC：「這些服務最終在決策支持或服務支持中發揮作用。他補充說，這樣的設施可以讓服務人員專註於他們最擅長的事情 - 個性化互動。

「一台機器不能走到你身邊，熱烈地打招呼，很高興認識你並微笑，所以人類會擁有這些東西，但他們會更好地了解情況，因為他們將使用人工智慧和機器學習作為客戶服務工作流程「。

語音識別和自然語言處理也是今天正在研究的機器學習的關鍵領域。語音識別如何工作的一個常見例子是智能手機用戶在設備上與像Siri或Google智能助理這樣的虛擬助手交談。手機採用一系列複雜的演算法將音頻轉換為文本，然後應用自然語言處理來理解用戶的意思。

谷歌研究人員，例如，已經找到一種方法來開發一種演算法，可以在擁擠的空間中挑出單個揚聲器的聲音，根據報道。另一方面，微軟的研究人員正在研究多語種語言，以培訓虛擬助理來處理用戶在兩種語言之間來回切換的互動。

「驚人的步伐」

據微軟公司的Chang稱，由於幾個原因，今天機器學習是可能的。首先，由於每天都會產生大量的數據，其次，由於雲計算，可用的計算能力更多。最後，他說，正在創建更新，更複雜的演算法。

根據專業服務公司德勤的技術，媒體和電信預測2018年報告，機器學習的發展今年將以「驚人的速度發展」 。但該公司指出，機器學習的進步速度將非常快，50年後，今天的發展將被視為「嬰兒步驟」。

德勤預測，今年大中型企業將採用更多的機器學習技術。它補充說，使用該技術的項目數量將比2017年翻一番。同時，高端智能手機將安裝機器學習晶元，但「這些晶元還沒有得到充分利用」，該公司指出。它補充說，新的晶元還可以「通過使應用程序使用更少的功率並且仍然具有響應性和靈活性」來顯著增加「機器學習的使用。

根據Chang的說法，實施人工授精的領域包括醫療保健，金融服務，運輸和製造。

圍繞人工智慧的快速發展還存在一些懷疑。

首先，人們長期以來一直擔心機器最終會取代人力。去年，麥肯錫公司的一份報告預測，到2030年，全球有多達8億的工人可以被機器人工作取而代之。但業界許多人提出的反駁說，人工智慧將創造更新類型的工作。

戴爾EMC在亞太和日本的商業業務總裁Amit Midha表示，到2030年，超過80％的職位尚未發明。「這既令人興奮又具有挑戰性，」他告訴CNBC。「令人興奮的是，這些工作很可能是不存在苦差事的高質量工作......同時，我們必須培訓人們從事這些類型的工作。」

另一方面，根據微軟的Chang說，人工智慧的快速發展可能會導致一些投資者在需要大量長期投資的領域取得快速的成果。 「我總是告訴人們這是一場馬拉松，而不是一次衝刺，」他補充說，人工智慧研究人員面臨的另一個挑戰是使機器學習的複雜性對於更廣泛的人群更加透明。

一般情報

儘管迄今為止取得了一些進展，但一些專家認為，在實現所謂的人工智慧之前，人工智慧還有很長的路要走，那就是機器能夠思考和行動的方式，以至於他們會被誤認為是人類。

根據麻省理工學院心腦與機器研究中心主任Tomaso Poggio的說法，人類可以做各種各樣的事情。他在今年早些時候接受CNBC採訪時說，這包括談論科學，技術，天氣，體育，描述物體，分享回憶，生活經歷，動機等。

「我們不知道如何製造一台能做到這一點的機器，我想我們會到達那裡，但我不認為，儘管最近取得了進展，但我不認為我們知道或者有任何暗示現在就做到這一點，我們會到達那裡，但目前還沒有到來，「他說。

戴爾EMC的Midha表示，將逐步取得進展，並將重點放在利用人工智慧解決社會問題上。

「我們創造未來，」他說。「我們必須引領這一趨勢，如果我們提供更多的數據，如果我們擁有更多的計算資源，並且如果我們一直專註於解決難以解決的問題，那麼我們絕對會取得進展。」