AI的挑战：技术视角

算法化难题

机器能否模拟人的思维？

人脑看图识别猫

就像小朋友们只看过一张猫的图片，就能识别出猫这个动物，而且还能把猫抽象出来

机器训练识别猫

机器需要几万张图像去训练，才能相对准确地识别出哪些图像是猫。

组合爆炸问题

举例：

一张纸折叠50次的厚度是多少？

结论：通过经典数理逻辑的方法实现不了真正的人工智能，科学家需要找到其他办法来解决所遇到的难题。

人脑和计算机的差异

人类的大脑的复杂程度远远地超出人们的想象。虽然计算机是模仿人脑发展起来的，以代替人脑的部分功能为目标，在结构和运行机制方面都有很多与人脑看起来相似的地方，但是一个有理智的人决不会把两者看成是同一种东西。

人脑中有大约860亿个神经元以及将这些神经元连接在一起的100万亿个互连物，每个神经元的连接点上都拥有1000多个蛋白质。精确的大脑生物模型必须包括细胞类型，神经递质，神经调节剂，轴突分支和树突棘之间的大约225,000,000,000,000,000次的相互作用。

我们日常所使用的计算机，实际上只是我们用于处理信息的机器，信息被编码成计算机可以识别的格式，录入原始数据，在计算机内部进行运算。

目前，尽管机器学习和深度学习在语音、图像、文本识别上有了长足的进步，例如智能手机已经能够识别人脸或者语言，然而，当需要实现更加复杂的应用时，仍然会受到计算机的限制。

思考与讨论：

• 人工智能现在“智力”如何？
• 有什么能做，有什么不能做？

信息处理难题

将机器人带入真实世界会发生什么？

挑战1：对不同规模的机器人群体最有效的控制方式

将成群的简单机器人组装成不同的结构，用于替代大型的执行特定任务的机器人，可能是一种更便宜、更灵活的方案。

挑战2：创建能够适应、学习和从导航失败中恢复的系统

机器人的一个关键用途是探索人类无法到达的地方，比如深海、太空或灾难区。

这意味着它们需要擅长于探索和导航那些没有地图且通常极为混乱和危机四伏的环境。

主要的挑战包括创建能够适应、学习和从导航失败中恢复的系统，并且能够识别新的发现。

挑战3：医学领域高风险的环境中提高这些系统的自主性

自动化机器人助手需要能够在各种场景中识别人体构造，并能够使用态势感知和语音指令来理解不同场景下的需求。

在外科手术中，自动化机器人可以执行手术流程中的常规步骤，让外科医生为病情更复杂的病人服务。

实践任务

使用讯飞输入法体会极速语音输入、“随声译”、手写输入、智能拼音输入、个性扩展等功能。

自学习

自学习：人工智能让人生畏的地方