虽然人们还处于人工智能革命的早期阶段，但人工智能所不能做的事情并不多。从商业困境到社会问题，人们要求解决传统解决方案所缺乏的棘手问题。有了这个无限的希望，人工智能能做些什么呢？

人工智能和机器学习有明显的局限性。想要实现人工智能的公司需要知道这些界限是如何划定的。因此，它们不会因为认为自己在使用人工智能而陷入麻烦。以下是人工智能需要克服的三个关键领域。

1. 数据问题

人工智能是由机器学习算法驱动的。这些算法或模型通过大量数据识别模式并得出结论。这些模型经过标签数据的训练，这些数据反映了人工智能在野外将遇到的无数情景。例如，医生必须对每条 X 光进行标记，以表明是否存在肿瘤和肿瘤类型。只有在审查了数千条 X 射线之后，人工智能才能正确标记 X 射线。对人类来说，收集和标记数据是一个非常耗时的过程。

人工智能需要克服障碍的三个关键领域

在某些情况下，人们缺乏足够的数据来完全建立模型。无人驾驶汽车在迎接各种挑战时正经历一段坎坷的旅程。例如，在暴雨中，人们看不到挡风玻璃前面的两英尺，更不用说路上的标志了。人工智能技术能安全地处理这些情况吗？培训师需要在几十万英里范围内遇到所有这些困难的用例，才能理解算法的响应和相应的调整。

二。黑匣子效应

任何软件程序都是基于逻辑的。您可以跟踪系统中的一组输入，以查看它们如何触发结果。对人工智能来说不那么透明。基于神经网络，最终的结果可能难以解释。人们称之为黑匣子效应。我们知道它有效，但我们不能告诉你怎么做。这会引起一些问题。在求职者找不到工作或罪犯被判处较长刑期的情况下，必须证明该算法是公平、适用和值得信赖的。当人们无法解释如何在这些大型深度学习网络中做出这些决定时，他们将面临法律和监管方面的问题。

克服黑匣子效应的最好方法是分解算法的功能，并将其输入不同的输入，以查看差异。简而言之，是人类在解释人工智能在做什么。这条河是科学。要让人工智能跨越这一巨大障碍，还需要做更多的工作。

3. 普及人工智能系统遥不可及

任何担心人工智能技术将在终结者手中占据未来世界的人都可以放心。人工智能在模式识别方面非常出色，但不能指望它在更高的认知水平上发挥作用。行业专家以咖啡测试为例。一台机器能进入家庭煮咖啡吗？这包括找到咖啡机、找到杯子、加水和点击正确的按钮。这被称为人工智能，人工智能进入了人类智能的模拟过程。虽然研究人员致力于这个问题，但其他人质疑人工智能能否实现这一目标。

人工智能和机器学习都在发展技术。今天的局限是明天的成功。关键是继续实验，找到能够给组织带来价值的地方。虽然人们应该认识到人工智能的局限性，但不应该让它阻碍革命性的发展。