本文主要介绍人工智能目前主要面对的三个挑战，这也是人工智能学者、机器学习专家需要去研究的技术问题。第一个挑战是机器学习模型的可解释性。深度学习模型在很多问题上做得非常好，可是有时候会发现模型做得好，但并不知道它为什么做得好。或者我们的模型犯错了，但我们并不知道它为什么犯错，这就是可解释性的问题。我们的机器学习还需要研究更多模型和方法，让它能够对自己的行为做一些预测、分析和解释，当它做得不好的时候，它知道自己为什么做得不好，就像人一样，能够分析自己的错误。第二个挑战是机器学习的推理能力。机器学习应该更多与周围环境中的物体交互以实现推理，而我们的机器学习目前离推理的目标有点远，机器学习还只能做非常简单的判别，如判断类别。实现更复杂的推理是比较难的，我们还需要在这方面做更多突破。第三个挑战是机器学习带来的资源和能源的消耗。目前，机器学习的研究更多关注模型、性能和准确率，但是并没有注意到研发超过人类智能的围棋机器人所使用的算法需要消耗大量计算资源和能源。未来更好的算法应该实现在最少能耗情况下达到更高智能的效果。 <<