机器智能的发展方向
今天是元宵节，祝大家节日快乐！
趁着今天这样的美好日子，我们来大胆展望一下未来机器智能的发展方向。至今的讨论我们大体知道了何谓智能，了解到机器智能是可以实现的，但同时，也知道了目前机器智能所面临的边界。这一篇我尝试着来预测一下近未来机器智能（人工智能）领域可能的发展方向。
1）进一步深挖已知的智能机制潜力
虽然我们大体知道了智能四大层级的机制，也知道了这一些机制都是基于物理化学反应而实现的，但这只是意味着这一些机制是可掌握的，具体到实际的工程领域，还有很多工作要做，我们还需要不断深入研究，搞清这一些机制的细节，然后通过模拟这一些机制，让机器尝试着掌握我们已知的智能活动。
1.1）在条件反射层面：会进一步完善基于可动态调整权重的神经网络的决策算法，各类智能识别系统还会不断涌现。另外，在算法优化的同时，相应的通用的神经网络处理芯片（NPU）的标准制定与研发也会是近未来的发展方向（这一块也是我国芯片突围的方向之一）。
1.2）在延迟判断层面：AI知识库是另一个重要的发展方向。AI知识库不但要实现基于概念连接的知识存储，更要研究基于概念的信息处理，例如。概念的抽象，基于概念的匹配、基于概念的决策等等，这一整套的基于概念的知识体系建设都是重中之重。
1.3）在过程反馈层面：知识发现将是数据（概念）挖掘的目标，要研究与实现神经网络的自组织机制，尤其是对忘记机制的研究，从而让AI知识库能不断地自适应、自组织地发现、整理知识。
1.4）在协同进化层面：万物互联的物联网是协同进化的最好平台，是各大产业进入智能时代的主要抓手，也是构建机器智能网络，系统演化的关键所在（相信这一块一定是我国的强项）。另外，分布式、去中心化是这几年的热点，今后在机器相互识别、机器沟通、作业协调等领域将有广阔的发展空间。
2）突破底层边界的努力
虽然对于机器自主地捕获外部信息这一边界，暂时看不到任何曙光，但这也不是意味着我们在这个领域无所作为，帮助机器感知外部世界，还是大有可为的，也是近未来重点要突破的领域。各类信息的形式化表达、数模自动转换的基础理论，都是需要不断投入研发的领域，同时，各种感知器的研发与智能机器的连接与应用也大有可为。
3）突破高层边界的努力
机器自沟通语言的演化创建应该是在机器智能大幅度发展成熟之后事情。但现在仍有很多工作可做。怎样制定一个可扩充的机器自沟通语言的框架（ 类似与XML语言 eXtensible Markup Language），让机器在这样的语言框架之内，通过协同演化，不断增加机器间的沟通标记（概念），然后建立机器“概念”间的连接，才是机器创造自身沟通语言的关键。另外，现阶段通过借用人类自然语言，也可以在很大程度上达到人机对话、机机对话的效果，甚至对于我们人类而言，站在机器智能为人类服务的立场上，让机器智能实现理解人类自然语言这一需求，也是非常迫切、实用的。
以上这一些都是我基于对智慧、智能理解基础上的畅想，仅供关注人工智能的人士参考。
篇外：
这里结合汽车自动驾驶行业的例子再来分析一下。对于自动驾驶，现存着两条技术发展路径。一是以汽车制造商如通用、沃尔沃、特斯拉为代表的单车“车端智能”技术阵营，另一个是以谷歌、百度等为代表的“车端智能”加“路端智能”结合的车联网技术阵营。单车智能技术阵营主要从现有的驾驶辅助安全技术出发，配合感知和控制决策，逐步实现智能化自动驾驶技术；而“车端智能”加“路端智能”技术阵营则直接依靠智能计算及网络通信实现对汽车的控制。到底哪一种技术路线更有未来性呢？其实理解了本系列的内容就会发现前一种技术路线是一种封闭的，希望一次性模拟人的所有驾驶行为的技术路线，它指望一个“全知全能”的车端智能系统像人一样能解决所有的行车问题。我们先不谈这是否可行，但从环境必然变化的角度来看，这种技术路径是跟不上未来越来越多变，越来越复杂的驾驶环境的。事实也是如此，最近的事实证明单靠“车端智能”，它的局限性日益呈现，现在几乎走向了死胡同。而“车端智能”和“路端智能”结合的车联网互动方式，越来越成为了自动驾驶的未来方向发展。
?
