2018年即將來臨，人工智能的技術也將及進一步提升，但是對于人工智能五大難題必將成為專家們絞盡腦汁事情。如果現有的AI技術被廣泛采用，將會給社會帶來巨大的變化。

就大量關于“殺手級機器人”的炒作來說，2017年在人工智能方面取得了一些顯著的進步。阿爾法狗、冷撲大師等棋牌機器人能讓頂級玩家陷入絕望，在現實世界中，機器學習正被用于改善農業，以及擴大醫療保健的覆蓋面。

但你最近和Siri或者Alexa對話過嗎？如果有，那么你會知道，撇開這些炒作，以及躊躇滿志的億萬富翁們，還有很多事情人工智能仍然不能做也不能理解。以下是五個棘手的問題，專家們將在明年為它們絞盡腦汁。請看小編為您一一道來：

?

語言真正的含義

在處理文本和語言方面，機器比以往任何時候都做的更好。 Facebook可以為視障人士讀出圖像描述。谷歌做了一個很不錯的軟件，能在回復電子郵件時給出簡短的建議。然而，軟件仍然不能真正理解我們的話語的含義，或我們想與它們分享的想法。波特蘭州立大學教授梅蘭妮·米切爾（Melanie Mitchell）表示：“人類能夠把我們學到的概念以不同的方式結合起來，并在新的情況下應用。AI和機器學習系統則不能。”

Mitchell將今天的軟件面臨的問題描述為數學家Gian Carlo-Rota所說的“意義障礙”。一些領先的AI研究團隊正試圖找出克服它的方法。

這項工作的一部分，旨在為機器提供關于常識和實體世界的認知基礎——它們奠定了我們的思維。例如，Facebook研究人員正通過觀看視頻來教軟件理解現實。還有人在模擬我們可以用關于世界的知識做些什么。谷歌一直在試圖打造能夠理解隱喻的軟件。米切爾實驗過一種系統，使用類比和概念存儲來解釋照片中發生的事情。

阻礙機器革命的“現實差距”

機器人硬件已經發展的相當不錯了。花500美元，你就能購買攜帶高清攝像機的手掌大小的無人機。搬運箱子的機器人以及兩條腿走路的機器人也有所改進。那為什么我們還沒有被繁忙的機械助手所包圍？因為現在的機器人缺乏能夠匹配他們先進的肌肉的大腦。

讓機器人做任何事情都需要針對特定的任務進行特定的編程。它們可以通過重復的試驗（和錯誤）學習操作，如抓取物體。但是這個過程相對較慢。一個有希望的捷徑是讓機器人在虛擬的、模擬的世界中訓練，然后把那些來之不易的知識下載到實體機器人體內。然而，這種方法被現實差距所困擾，具體來說，機器人在模擬過程中學到的技能，在轉移到實體世界中的機器時，并不總是有效。

這種現實差距正在縮小。十月，在虛擬和真實的機器人手臂拾取多種物品的實驗中——這些任務包括膠帶分配器，玩具和梳子等等——谷歌報告了可喜的結果。

對于自動駕駛汽車從業者來說，取得進一步的進步很重要。在機器駕駛競賽中，眾多公司在在虛擬街道上部署虛擬車輛，他們希望能減少在實際交通和道路條件下測試所花費的時間和金錢。自動駕駛創業公司Aurora首席執行官Chris Urmson說，使虛擬測試更適用于真實車輛是團隊的優先考慮之一。曾經領導谷歌母公司Alphabet的自主汽車項目的Urmson說：“明年或以后，我們可以利用這種技術來加速學習。”