我喜欢技术炒作周期的Gartner公司的概念。它假定新技术的预期迅速上升到一个充气高峰，落入幻灭的低谷，然后逐渐上升启蒙的斜坡，直到他们高原。当然，并不是所有的技术完成在各阶段的周期或过渡以同样的速度。
人工智能（AI）也无疑在低谷60年。我想到的是库布里克的HAL和·罗登贝瑞的“计算机”自然与人类互动的。这是一个漫长的低谷期，尽管流行的观点，到底是遥遥无期。
+也在网络世界:足球竞猜app软件用人工智能教电脑看东西+
有这么多令人兴奋的和专门的研究正在进行，人工智能已经分裂成几个阵营，比如用于玩游戏的启发式编程，用于会话型人工智能的自然语言处理，以及用于统计问题的机器学习。炒作又开始了，几乎每一家大型科技公司和无数初创公司都在奔向另一个膨胀的高峰和随后的低谷。
什么跟AI改变？
之所以期望如此之高是因为在三个大类突破：计算，数据和算法。计算创新指一般云服务和具体的改进在处理阵列和图形处理单元（GPU）。
巨大的数据集的可用性也一直是机器学习的重要。大标记和注释的数据集已经启用了计算机视觉，自然语言和语音识别的进展。有很多可用的公共数据集，再加上许多大公司也都使用自己的私人数据。
第三成分是先进的算法，与计算能力和数据提供响应或预测。例如，使用算法来推荐电影看，个股交易和更新包括一个时间表。这个概念是一样古老计算本身，而是突然大幅提高。
或者是吗?21年前，一台电脑打败了人类象棋冠军，但直到两个月前，另一台电脑才出现在击败围棋人冠军。这是一个令人印象深刻的里程碑危害在2011年而最近一吃豆人女士有了突破。
AI肯定会改变世界，但就是不屏住呼吸，至少不是关于通用AI。专业AI，如自动驾驶汽车，进展迅速。一般AI的东西几乎是无用的。
对于人工智能设备来说，回答问题容易，理解问题难
我还没有找到任何通用的人工智能解决方案是有帮助的。例如，谷歌往往助理提出要我去机场的最佳时机。它总是错误的。这主要是立足于我目前的地理位置和交通条件的建议。我个人的算法来确定要离开机场的最佳时机涉及比较大的数据。我考虑的变量，如我打算如何到达那里（汽车，巴士或班车）。如果开车，然后在我打算在那里我因数停车。此外，还有门和大堂的信息;我是否有PRE我的登机牌;是否我打算在出发前在机场吃。
通常情况下，我乘坐大巴到机场和查询谷歌有关的公交站牌。著名的谷歌助手无法识别的模式。告诉我什么时候离开赶上机场巴士可能会更有帮助。
但是谷歌没有数据来回答这个问题。困难在于理解这个问题。谷歌欧洲研究所的负责人Emmanuel Mogenet最近用一个类似的例子强调了自然语言处理的局限性。谷歌助理不能回答"我到家的时候天会黑吗?“让我把它放在背景中。谷歌无法回答这个问题，即使它知道用户在哪里，用户居住在哪里，以及太阳何时落在那个位置。
这不是一个谷歌可以查到答案的问题。它需要将所有这些信息整合在一起，而这样做需要真正理解问题和数据之间的关系。这是个很难解决的难题。现在考虑谷歌助手是六倍更有可能正确回答问题比亚马逊的Alexa的。
Alexa现在拥有超过15000项“技能”。这些技能在很大程度上都是简单的网络查询。人工智能部分使用语音而不是键盘。
对情报的搜寻仍在继续
AI有很长的路要走，但是这甚至不是问题的全部。正如上面我机场的例子，AI效果最好时，它可以访问上下文数据。这通常意味着个人和机密数据暴露给服务，这与关切和负债成风的做法。这并不是因为如果安全漏洞是罕见的。
还有一个小问题是人工智能很难测试。开发自动驾驶汽车需要驾驶汽车行驶数百万英里。这是无法扩展的，所以我们不断发现每个新应用程序之间的差距。甚至自动驾驶汽车的行为也可能令人惊讶。沃尔沃(Volvo)最近发现，这对沃尔沃来说是个挑战自动驾驶汽车无法识别袋鼠。哎呀。
我认为重新设定对人工智能的期望是很重要的。有些人觉得Siri、谷歌Assistant和Alexa有时候很有用，这太棒了。我们应该简短地庆祝一下厨房定时器技术的巨大进步，然后回去工作。