最近有一份报告发现，到2030年，人工智能可能为全球经济增加多达15.7万亿美元，大约相当于我国和印度的总产量。

每个人都相信，ai人工智能是一项能够改变世界的技术，从太空探索到反恐乃至创造艺术，它的潜力正变得越来越明显。然而，它仍然面临着巨大的障碍，必须克服这些挑战，才能实现这一潜力。许多人认为，应对这些挑战是目前科技行业最优先的任务。

人工智能在商业和社会中面临的最大挑战是什么呢?

缺乏计算能力

让我们先从一个简单的问题开始，这个问题可能会随着时间的推移而得到解决，但在此之前，不应想当然地认为它会解决这个问题。特别是最有希望的机器学习和深度学习技术，需要非常快地进行大量的计算，这意味着他们使用了大量的处理能力。

Terata的首席技术官斯蒂芬·布罗布斯特(Stephen Brobst)告诉我，“直到大约两年前，还存在着一堵砖墙，人工智能在理论上已经存在很长时间了，但一直处于这种人工智能的冬天，因为每个人都有好的想法，但它们都是理论，没有足够的计算能力来实现它们，所以谁在乎呢?”

云计算和大规模并行处理系统在短期内提供了答案。但是，随着数据量的持续增长，深度学习推动了越来越复杂的算法的自动创建，瓶颈将继续减缓进展。答案很可能在于下一代计算基础设施的发展，例如量子计算。量子计算利用像纠缠这样的亚原子现象，以远比今天的计算机更快的速度对数据进行操作。

“实际上，我们至少还需要5年，更有可能是10年，”Brobst告诉我。“我们必须找出编程模型，因为量程编程模型与我们现在使用的完全不同-必须进行改造，这需要时间。”

缺乏人的力量

直到最近，人工智能一直是科幻小说作者谈论的话题，并在大学IT研究实验室深入研究。换句话说，如果没有大众市场的使用案例，就不会有大量的资金投入(除非你是在拍摄有关机器人占领地球的好莱坞电影)。这意味着愿意投入资金发展这些技能的组织相对较少，而且这一主题在以行业为中心的教育和培训课程中也没有得到很好的体现。

随着过去几年兴趣的激增，这一切都发生了变化。数据科学课程侧重于人工智能发展所需的核心技能-数学、计算机科学和统计学-已变得流行起来，而且普遍被超额订购。但是，仍然没有足够的人使每一个企业或组织能够在世界上实现他们的机器驱动的进步的愿景。就像在其他科学和技术领域一样，存在着技能短缺，根本就没有足够的人知道如何操作能够自己思考和学习的机器。

有几种力量正在发挥作用，只要有时间，就应该采取行动纠正这种情况。其中之一是通常被称为“公民数据科学家”的出现。有些专业人员虽然没有受过正式培训，也没有主要作为数据专家受聘，但他们在处理数据和分析方面发展了实际能力，通常是为了推进他们在自己专业领域的工作。

另一个举措是向提供平台和工具的方向发展，这些平台和工具使人工智能驱动的工作成为“作为服务”的工作。企业不再需要从头开始构建一切，而是越来越能够采用现成的解决方案，只需插入自己的数据获取结果，而忽略了“幕后”正在进行的技术操作。

建立信任

预测到2020年，将有10%的人反抗人工智能控制了我们的生活。问题在于，人工智能是一个黑盒子，当人们不理解这个决定是如何作出的时，他们会感到不自在。例如，银行使用的算法主要是线性数学，很容易解释从输入到输出的路径。有了多层神经网络，一般人都无法理解，所以现在我们根据人们不理解的东西做出预测，这会让人们感到不舒服。尽管这种反抗更有可能采取社交媒体宣传和抵制的形式，而不是捣毁机器和烧毁装配厂，但这是一个障碍，可能会阻碍推动进步的努力。解决办法是让人们看到这种技术是可行的，现实情况是，通过更准确的预测和处方，我们有很好的机会让事情变得更好。

我们必须让人类理解并接受这些建议，但这并不意味着我们永远不应该挑战机器，因为我们可能仍然知道一些他们不知道的事情。到目前为止，立法一直未能跟上技术进步的速度，但它很可能在这方面发挥一定作用。越来越多的消费者意识到，越来越多的决策是由使用我们自己的个人数据的机器做出的，这促使立法者从我们(消费者)的角度来解决这个问题。

一步到位

值得考虑的最后一个挑战是：目前使用的绝大多数AI实现都是高度专业化的。专门的人工智能，通常被称为“应用人工智能”，是为了执行一个特定的任务，并学习变得越来越好。它通过模拟给定每个输入值的组合会发生什么，并测量结果，直到实现最有效的输出。

广义人工智能-比如，像“星际迷航”(Star Trek)数据这样的机器人，能够像人类一样把手转向任何任务，在一段时间内仍将是科幻小说的梦想。正如谷歌(Google)人工智能研究科学家拉贾·哈德塞尔(Raja Hadsell)所言，“世界上没有神经网络，目前也没有一种方法可以用来识别物体和图像、播放太空入侵者和听音乐。”

这里的问题是，像人类这样的“自然”智能有机体能够考虑到我们目前正在从事的任务以外的其他任务的学习和数据。为了解决问题，这种利用非直接显而易见的资源的能力被“开箱即用”或“蓝天”之类的陈词滥调所熟知，是人类解决问题和独创性的一种要素，今天的专注、专一和经常痴迷于此的机构不太可能在不久的将来效仿。

这意味着认可机构必须接受教育，以确保他们的解决方案不会在其设计考虑范围以外的领域引起其他问题，甚至是进一步的问题。这包括学习不要踩到其他认可机构的脚趾。例如，在一个智能城市，很容易想象一个人工智能系统的效果，比如说管理安全照明与另一个系统发生冲突，比如调节电力使用。

人工智能在不久的将来必须克服的这四个关键挑战，但是，在人工智能发挥其无可置疑的巨大潜力之前，必须先实施解决方案。然而，其他人则需要人也需要思考，制定可行的原则和行为准则，这一过程可能需要更多的时间。