专家系统、图像识别、语音识别、自然语言处理和机器人学等都是人工智能的主要研究方向。这几个名词从字面上理解起来都很简单，网络上对其释义的介绍也非常的详尽。研究这些最终的应用目的总结成一句就是使机器能够胜任一些通常需要人类智能才能完成的复杂工作，从而提高效率，降低人力成本和人才培养的成本，在减少损失和规避危险的同时完成任务，解决领域问题等。

     随着不少头部行业用户尝到了人工智能技术带来的红利，⼈⼯智能应用的需求不断增⻓，如今人工智能技术在金融、零售、制造、教育、医疗等⾏业的⼀些业务场景中已被广泛使用。尤其在制造领域，⼈⼯智能有望成为加速企业数字化、智能化转型过程中海量场景落地的新引擎。

     虽然人工智能是未来发展最重要的方向，它能赋予不同行业领域创造各种可能性，然而当下的人工智能技术依然面临着来自于人才、技术、法律安全和伦理等方面的关键挑战。

     人工智能本身就是一门极富挑战性的科学，需要扎实的计算机、数学，甚至是哲学心理学的知识，人才培养周期长且招募成本昂贵。人才价格的不断上扬，反映出人工智能领域人才紧缺的现状。

➡ 当前主流的、以大数据、深度学习和算力为基础的人工智能技术一般是用大数据解决小问题，而人类智能往往能够以小数据解决大问题。

➡ 人类可以凭借自己的观察和判断形成最终的价值决策，而当前机器的语音识别、视觉识别等以模式识别为特点的技术能力还很难支撑对事物的理解与判断。

➡ 人类的学习可以适应持续动态变化的环境，而目前的机器学习（深度学习）一般是定期离线训练，不能有效应对无时无刻都可能发生变化的环境；且由于机器学习（深度学习）模型学习的质量取决于数据质量，数据上的偏差将不可避免的带来决策上的偏见。

➡ 人类可以综合利用各种智能解决不同问题，现阶段的智能系统通常仅能解决限定场景领域有清晰边界的问题。

➡ 时下热门的深度学习方法往往是“黑盒子”，缺乏足够的理论支持，模型内部机制和决策过程不透明，这使得用户难免对人工智能的可靠性存疑。

◾ 在当前的技术和法律背景下，一旦因为机器人的行为引发事故，只能由其设计制造者或管理使用者来承担法律责任。但是，如果机器人是自主决策，那么传统的责任规则就难以确定责任方。因此如何有效避免人工智能对现有的法律制度带来的冲击，规范和促进人工智能的发展，这是人们需要面对的法律难题。

◾ 随着大数据、云计算技术发展，人工智能和数据的采集、分析、运用等有机结合，传统社会生活习惯被彻底颠覆的同时也趋于透明化，特别是指纹识别、人脸识别、语音识别等相关应用的普及，人们或许将不再有隐私可言。因此隐私与数据的保护是需要我们高度关注的问题。

◾ 人工智能的问世在很大程度上是为了提升人类工作效率，也正是因为人工智能效率高、不畏惧高强度劳动的特点使其挑战着人们的劳动权利，单调的、劳作性的工作岗位大多已被智能机器所取代。人工智能的进一步发展在一定程度上会加剧就业不平等。劳动力需求变化带来的失业和收入差距不断加大，都有可能成为人工智能时代新的社会不稳定因素。

     人类的智慧是无极限的，挑战与困难也都是暂时的。人工智能的发展，尤其是制造业智能化转型的趋势是不可逆转的。相信在不久的将来，那些困扰当下的难题都能有好的解决方案。

     对于我们而言，如何能充分发挥人工智能成熟技术的价值才是重中之重。本系列后面的分享将为大家带来人工智能在制造业诸多的落地场景详解，干货满满，敬请关注！