10月25日至27日，在以“智能科学的开展与运用”为主题的第二届智能科学国际会议上，被称为AI界开山祖师的迈克尔·乔丹亲临现场，为正在风口上的“人工智能”泼了一盆冷水。

　　“在未来十年之内，人工智能体系的‘智能’还十分有限，你并不会觉得它能和人类一样智能了。我以为未来十年这些AI体系还不能像人类这样有这么高的灵活性和创造性。”乔丹说。

　　乔丹与深度学习开山祖师Geoffrey Hinton一起，被以为是人工智能范畴两位“根目录级”人物，他的学生有深度学习范畴威望Yoshua Bengio，贝叶斯学习范畴威望Zoubin Ghahramani，以及前百度首席科学家吴恩达等等。其自己现执教于加州大学伯克利分校，任电气工程与核算机科学系和核算系出色教授。他仍是是美国科学院、美国工程院、美国艺术与科学院三院院士，是机器学习范畴仅有一位获此成果的科学家。他曾指出机器学习与核算学之间的联络，并推进机器学习界广泛认识到贝叶斯网络的重要性。他还以近似揣度变分办法的形式化、最大期望算法在机器学习的遍及方面的作业而闻名。

　　提起人工智能，很多人脑海里的第一个形象通常是机器人。就像电影《我，机器人》中的智能机器人一样，人类可以与它进行智能的互动。因此，有些人觉得人工智能就是指这方面的发展。它可以和你交流，乃至照料你的衣食起居。

　　但乔丹以为，这样的机器人，短期内做不出来。

　　从核算机视觉视点来说，现在，核算机现已可以在杂乱的图像中精确辨认出特定的物体。可是现在核算机还缺少对视觉场景常识性的理解。例如，如果一个人走近舞台的边际，人类会感觉到他很有可能从舞台上摔下来，“人类可以从场景中判别接下来会发作什么，以及为什么会呈现现在的场景。但核算机还远没有完成这方面的才能。”

　　从语音辨认视点来看，当前从语音到文字的彼此转化，现已在诸多语种中成功得以运用。但核算机的听觉才能还十分限制。例如，如果你闭上眼睛，只凭听觉来感触周围的环境，你可以知道你身处的是安静的公园仍是富贵的街道，还可以依据声音来揣度周围的人和物的方位，“核算机现在还缺少这一类的常识性认知，如果再加上杂乱的言语信息，那就更是难上加难。”

　　自然言语处理，对核算机而言是最困难的。“我们看到机器翻译现在现已取得了很大的发展，可是它仍然会讹夺言语中的诸多细节。”乔丹说，当下的机器翻译运用的神经网络技能能对海量的不同言语数据进行核算和匹配，但人类学习言语的方法和核算机大不一样。

　　例如，问答体系，现在问答体系的研讨只能答复一些条件清晰、答案简略的问题，而无法对实在国际问答场景中杂乱的问题作出杂乱答复。而人们言语中的语义繁复多样，有近义词、近义词和反义词等等，一个词组在不同的言语场景中可能包含多种意义，不同言语之间的表达方法和习惯更是有所不同。“关于人类来说，我们在从小到大的学习进程中学会了怎么区分杂乱的语境，但核算机现在还远不能做到这一点。”

　　再说机器人科学视点，现在，在工业界正在运用的机器人只能程序化地完成一些固定的任务，这与人们想象中的“人工智能机器人”差异较大，“机器人科学有助于完成人工智能研讨的终究愿景——我们期望未来人工智能机器人可以自主地运转，并与我们互动。”

　　乔丹猜测，有些智能化运用的确可能成为实际。例如未来10年，自动驾驶轿车乃至是无人驾驶的出租车有可能完成。“尽管眼下这些技能的运用体会还不甚杰出，可是可以期许的是，未来10年这些前沿技能应该可以为人们所用。”

　　至于AI体系在人机交互的进程中可以发生什么样的理解，是否能完成猜测、方案等高档智能的问题，乔丹以为，实际上离这一步还十分悠远，“至少要花几十年的时刻，乃至数百年时刻才能让机器人了解人类。”