Toby Walsh是澳大利亞新南威爾士大學（CSIRO）的教授，Data61 （CSIRO）研究小組組長，人工智能方面的專家。Walsh教授在悉尼首席信息官峰會上發表主題演講時說道：CIO（首席信息官）們其實不需要擔心人工智能會對未來造成威脅，我們距離生產出與人類大腦高度匹配的機器人還有很遠的路程。

　　Walsh教授認為，我們目前造出的機器人雖然執行任務的水平超過人類，但它們只會按照我們的要求去執行任務，只能算是一個無意識的文字工具。我們如果想要生產出與人類能力完全一致的機器人或許還需要很久，可能是50年，也可能是100年，甚至是永遠。

　　盡管如此，Walsh教授還是很高興人工智能威脅論的話題能夠成為CIO們關注的焦點，并且出現在戰略商業計劃中。

　　Walsh教授說到：“人工智能是當前人們最喜歡的科目之一，同樣也是我小時候最喜歡的科目。我們讀過很多的科幻小說，夢想著一個滿是智能化電腦和機器人的未來，這樣的未來似乎已經快要到來。”

　　我們或許想要問這樣一個問題：人工智能能夠在今天取得這樣突飛猛進的發展，到底是基于怎樣的因素？Walsh教授將答案總結于四個指數趨勢。

　　第一個指數趨勢是摩爾定律，由于物理量子限制等技術問題導致摩爾定律失效。英特爾宣布，今后晶體管數量再也不會每兩年翻倍一次。

　　Walsh教授表示，盡管如此，我也并不擔心這個領域的發展會受到限制。在過去的20年，芯片研發人員一直處于很懶散的狀態。他們只是縮小了806數據結構，在芯片的設計上并沒有太大的創新。但是我們看到了DPU（分散處理單元）的價值，我們在硬件中看到了更多有趣的東西，比如機器學習。這將會使我們在相同的晶體管數量下進行更多的計算。雖然摩爾定律在技術上已經消亡，但仍存在很大的創新空間，并將為計算機的發展賦予更大的動力。

　　第二個指數是不斷升級的數據量。在企業家心里，運營和客戶數據永遠排在第一位。Walsh教授表示，如今的數據量比過去翻了幾番，這對于人工智能來說是一個大契機。我們現在做的很多事情，尤其是機器學習，都屬于數據培訓。

　　Walsh教授補充到，目前人工智能的一個不足點是機器學習的速度過于緩慢。機器學習雖然是模仿人類的思維去學習，但是與人類不同的是機器學習是從例子中模擬學習。最先進的機器學習仍然需要從幾十萬甚至是幾百萬的例子中學習。但唯一的好處是海量的數據得以收集，我們可以從大量的數據中迅速得到想要的信息。

　　第三個指數趨勢是算法方面的突破進展。Walsh教授表示，在過去的幾年里，隨著深度學習的發展，算法的性能呈指數級增長。

　　第四個指數趨勢是流入該領域的資金數量。Walsh教授表示，通過這種方式，您可以衡量該領域的風險投資數量，可以預估AI領域的參與人數以及創業公司的數量，并且這些數量每兩年就會翻一倍。

　　“將這四個趨勢放在一起，就是人工智能取得重大進展的秘訣。”但Walsh教授強調，盡管人工智能前景可觀，但想要生產出達到人類執行能力的機器人，未來還需面臨很多棘手挑戰。

　　考慮到技術的局限性，Walsh教授認為，今天的人工智能可以完成一些實時性強的重復性高的任務，例如瞬間識別人臉功能。

　　說到這里，那么我們一般都會讓機器人幫助我們做哪些工作呢？一般分為這四類：骯臟的（dirty）、無趣的（dull）、困難的（difficult）、危險的（dangerous），我們稱之為4D。從這種意義上講，機器人也確實是一個有意思的存在。

　　如今隨著科技的發展，人們對科技的要求越來越高，實際應用需要涉及更復雜的自動化和人工智能，聊天機器人就是人工智能實際應用的一個很好的例子。

　　文章最后，筆者用Walsh教授的一句話作為結尾：“在我們擔心人工智能可能帶來威脅之前，我們真正需要處理的是地球更緊迫的問題，比如氣候變化！”