【51CTO快译】关于AI驱动型未来的表述很多但内容往往不够严谨，恐怕在很长一段时间里我们仍然需要运用自己的头脑处理问题。
人工智能——包括个人助理、机器人、自动驾驶汽车以及机器学习等等具体形式——近来火爆异常，甚至全面占据了硅谷座谈、技术报道以及供应商展会。
AI属于那种每隔一段时间就会再度被提及的技术方向，但其对现实世界的渗透却相当缓慢。我还记得早在上世纪八十年代就有不少AI方案出现，Jaron Lanier等技术支持者甚至还借此频繁登上《Omni》杂志封面。
AI可谓众多成熟技术的结合成果，但其实现方式仍然很不成熟。当然，我们不能将其单纯描述为“皇帝的新衣”，更确切地讲其应该属于“皇帝的内衣”——仍有很多工作需要进行。
不过，众多睿智的开发者与技术企业也在奋力推动其发展，希望能让AI从科幻世界逐步过渡至现实领域。
机器人与AI分属独立学科
多年以来，通俗小说往往将机器人与人工智能混为一谈——从《地球停转之日》到《太空堡垒卡拉狄加》再到阿西莫夫著名的机器人三定律。然而，机器人与人工智能并不是一码事——前者其实属于按照人类指令处理任务的机械，其更可靠、速度更快且不会要求任何报酬或者福利。
机器人在制造业更为常见，目前也开始出现在医院及药房中，但却很少涉及日常办公及生活。
也许我们终有一天将见证机器人与人工智能的合并，但就目前来讲这一目标还非常遥远，其间AI只能在一定程度上帮助机器人更好地工作——而非像艺术作品中那样让其拥有所谓“自我意识”。
模式匹配得到高度关注，但复杂程度仍然很低
Amazon的产品推荐、Facebook内容共享、苹果Siri的语音识别以及谷歌地图的行驶建议等都只能算是模式匹配，即AI范畴中最为基础的层面。
凭借着强大的数据存储与计算能力，如今各类系统可以存储多种模式并借此做出判断以采取行动。但必须承认，此类方案尚处于发展初期，特别是大家所熟悉的导航系统。其大多数情况下运作良好，但有时候还是会把用户引导到雪地、停机坪、小道甚至是湖泊当中。
当然，它们已经能够起到一定作用。众多用户的反馈与使用使其工作效果越来越好，例如Siri现在就已经能够自动纠正语法错误、数量指定不明以及错别字等干扰因素。
此类方案目前缺少的是上下文结合能力，例如通过用户已经购买或者拒绝的条目发布更有针对性的推荐。作为下一步发展方向，谷歌地图应该了解大家的饮食偏好，从而在出门之后直接结合用餐模式与口味给出出行建议。
自动更正也属于此类情况下的实例。首先，有人应当告知Siri如何区别“its”与“it’s”，同时解释正确的语法变化。另外，其需要在规则基础之上允许用户根据个人习惯做出表达调整。
模式识别正乘机器学习的浪潮快速崛起
模式匹配还远远不够，因为其要求各模式以预定义方式构建。因此，模式识别方案开始出现，意味着软件能够自行发现新模式或者根据用户行为变更现有模式。
当然，这绝非易事。模式识别要解决的问题极为复杂，特别现实世界中存在的众多“意外状况”，例如天气与交通情况、设备故障乃至自动驾驶技术中极为重要的威胁因素判断等等。
由于机器学习极难实现——特别是在高度定义化的工程技术领域之外——很明显其发展速度将相当缓慢。
语音识别正是其中一个很好的例子——初代系统往往效果极差，但现在我们已经拥有了Siri、Google Now以及Cortana等具备可用性的方案。它们有时候还是要犯错，特别是在复杂的句式以及特殊的语言环境之下，但只要拥有足够的背景提示，它们已经能够发挥作用。
不过状况越是混乱，机器学习就越难起效，因为其很难将所有真实条件都纳入考量。自动驾驶汽车就是其中一例——车辆能够学习行驶模式与信号识别，但天气、行人及非机动车等外部因素***混淆性，因此目前业界普遍认为短时间内自动驾驶仍然不可能走向成熟。
预测分析——机器学习的下一阶段
多年以来，IT行业一直在强调预测分析这一概念——或者强调商务智能等与之同源的其它表现形式。这是一项伟大的概念，但仍然需要模式匹配、机器学习与洞察能力的全面配合。而洞察能力真正使其迈入了新的发展阶段。
对于预测分析，其目前的水平只能接受现成的思路，但却在努力理解并接受其它非常规模式及结果。但作为“智能”，这种定位本身就存在一定矛盾——人们希望其提供最适用的模式与路径，而非自作主张地进行其它判断，毕竟其仅仅作为工具而非决策者存在。
大多数辅助系统都会利用现有条件引导一条可行的途径。预测系统会利用概率算法对结论进行排序，但真正的问题是如果其结论与大家的直观认知相去过远，那么用户往往会拒绝根据其提示采取行动。
可以看到，我们还有很多任务需要完成，所以新的时代恐怕还会如滴水穿石般缓慢来临。是的，人工智能必将崛起，但其具体过程则是渐进而难以察觉的。
【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】
