1.3 大数据与人工智能的机遇与挑战

1.3.1 大数据与人工智能面临的难题

人工智能已经发展了60多年，虽然在研究解释和模拟人类智能、智能行为及其规律这一总目标来说，已经取得了很大的进展。但从整体发展情况来看，人工智能发展过程曲折，而且还面临着不少难题，主要集中在以下几个方面。

（1）机器翻译

机器翻译遇到的最主要的问题是歧义性问题。构成句子的单词和歧义性问题一直是自然语言理解（NLU，Natural Language Understanding）中的一大难关。不同的使用场景，句子的含义也可能天差地别。所以要想消除歧义，正确解释句子语意必须结合具体语境。但现有的翻译方式通常都是将句子甚至词组作为理解单元，翻译结果往往忽视具体语境。另外，即使对原文语意理解到位，如何将其正确地表示成另一种语言，也是一个难题。现有的NLU系统无法随着时间增长而提高解读能力，学习深度不够。

（2）自动定理证明

自动定理证明需要机器拥有一套智能系统，不仅能够对现有条件进行合理演绎，并且能够做出正确判定。这一领域的代表性工作是1965年鲁宾孙提出的归结原理。归结原理虽然简单易行，但它所采用的方法是演绎，而这种形式上的演绎与人类自然演绎推理方法是截然不同的。基于归结原理的演绎推理要求把逻辑公式转化为子句集合，从而丧失了其固有的逻辑蕴含语义。

（3）模式识别

虽然使用计算机进行模式识别的研究与开发已取得大量成果，有的已成为产品投入实际应用，但是它的理论和方法与人的感官识别机制是全然不同的。一方面，人的识别手段、形象思维能力是任何最先进的计算机识别系统望尘莫及的；另一方面，在现实世界中，生活并不是一项结构严密的任务，一般的动物都能轻而易举地对付，但机器不会，这并不是说它们永远不会，而是说目前不会。技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出，未来人工智能可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。

1.3.2 大数据与人工智能的前景

人工智能作为一个整体的研究才刚刚开始，离其预定的目标还很遥远，但人工智能在某些方面将会有大的突破。

（1）自动推理是人工智能最经典的研究分支，其基本理论是人工智能其他分支的共同基础。一直以来，自动推理都是人工智能研究的最热门内容之一，其中知识系统的动态演化特征及可行性推理的研究是最新的热点，很有可能取得大的突破。

（2）机器学习的研究取得长足的发展。许多新的学习方法相继问世并获得了成功的应用，如增强学习（Reinforcement Learning）算法等。也应看到，现有的方法在处理在线学习方面尚不够有效，寻求一种新的方法以解决移动机器人、自主agent、智能信息存取等研究中的在线学习问题是研究人员共同关心的问题，相信不久会在这些方面取得突破。

（3）自然语言处理是AI技术应用于实际领域的典型范例，经过AI研究人员的艰苦努力，这一领域已获得了大量令人瞩目的理论与应用成果。许多产品已经进入了众多领域。智能信息检索技术在Internet技术的影响下，近年来迅猛发展，已经成为AI的一个独立研究分支。由于信息获取与精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将AI技术应用于这一领域的研究是人工智能走向应用的契机与突破口。从近年的人工智能发展来看，这方面的研究已取得了可喜的进展。

人工智能一直处于计算机技术的前沿，其研究的理论和发现在很大程度上将决定计算机技术的发展方向。如今，已经有很多人工智能的研究成果进入人们的日常生活。未来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。