人工智能的最大挑战：人工智能系统实例
人工智能系统能够完成诸如阅读，理解和学习等困难任务，几十年来一直是人工智能面临的最大挑战之一。
阅读，理解和学习一直是人工智能系统必须克服的最大挑战。毫不奇怪，当阿里巴巴开发的人工智能模型在上个月的阅读理解测试中超过人类时，一些媒体将此事件视为人工智能领域的一项激进成就。
然而，正如AI专家指出的那样，现实情况有所不同。测试本身无法与人类的阅读方式进行比较。首先，在测试过程中给出的答案不是从理解文本中产生的，而是从机器学习中产生的，侧重于识别短文中的模式。其次，测试仅在遵循结构化且大致统一格式的维基百科文章中进行。人们写的书籍，新闻和文章的格式通常不同;正确阅读和理解需要认知能力。这与当今人工智能系统用于发现和识别文本模式的能力不同。
AI技术已经发展，但仍有很长的路要走（纯机器学习不是解决方案）
根据Gartner 2018年十大战略技术趋势，智能产品的发展是十大战略趋势之一，具有广泛的行业影响和巨大的破坏潜力。在他们的最高趋势“人工智能基础”中，他们预测“使用人工智能来加强决策，重塑商业模式和生态系统，重塑客户体验的能力将推动到2025年数字计划的回报。”
我们只能同意。然而，正如我们在文章中指出的人工智能预测（人工智能在2018年），正确理解人工智能是什么以及它不是什么也是很重要的。首先，AI不是机器学习。即使机器学习对某些任务有用，自动学习也不是真的。
让我们看一个例子。虽然图像识别等感知任务更适用于基于机器学习的智能系统，但如果我们考虑阅读和理解等认知任务，情况就会不同。这种认知任务需要的不仅仅是纯机器学习方法，因为理解语言必须克服更大的模糊性。需要更复杂的功能来解决可能在上下文中表达不同含义的单词的歧义。
人工智能系统可以神奇地执行人类可以执行的任何认知任务的人工智能世界的想法充其量只是推测。基于人工智能核心方面的真实人工智能系统之路，如文本语义分析，理解词语和句子的深层含义，是漫长的;人类智慧仍将是这种系统的核心。
商业人工智能系统的好处
然而，即使人类智能已经并将永远是真正的人工智能系统的核心，有几个人工智能系统的例子可以解决很多任务。通过优先考虑利用不同AI技术的解决方案实现的业务成果，例如语义技术，自然语言处理和机器学习的结合，组织应该关注这一点。
想要了解更多关于结合语义技术和机器学习的优势吗？访问我们的页面，重点关注我们的Cogito认知技术。
