虽然人们还处于人工智能革命的初级阶段，但没有多少是人工智能做不到的。从商业困境到社会问题，它被要求解决缺乏传统解决方案的棘手问题。拥有这无尽的希望，人工智能可以做些什么？

人工智能和机器学习具有明显的局限性。希望实施人工智能的企业需要了解这些界限是怎么划定的。这样他们就不会因为认为采用人工智能技术而陷入麻烦。以下了解人工智能需要克服障碍的三个关键领域。

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来识别模式并得出结论。这些模型使用标签数据进行训练，这些数据反映了人工智能在野外会遇到的无数场景。例如，医生必须在每张 X 光片上贴上标签，以表明是否存在肿瘤以及肿瘤类型。只有在审查了成千上万张 X 光片之后，人工智能技术才能正确地标记 X 光片。对人类来说，收集和标记数据是一个非常耗时的过程。

在某些情况下，人们缺乏足够的数据来充分构建模型。自动驾驶汽车在应对各种挑战方面正经历着坎坷的历程。例如在倾盆大雨中，人们看不到挡风玻璃前两英尺的地方，更不用说路上的标志了。人工智能技术能安全地驾驭这些情况吗？培训人员需要在数十万英里的路程中遇到所有这些困难的用例，以了解算法是如何反应的，并做出相应的调整。

2. 黑盒效应

任何软件程序都以逻辑为基础。可以跟踪输入到系统中的一组输入，以查看它们如何触发结果。对于人工智能来说它并不那么透明。基于神经网络，其最终结果可能难以解释。人们称其为黑盒效应。我们知道它有效，但是无法告诉如何操作。这会带来一些问题。在求职者无法找到工作或罪犯被判更长的徒刑的情况下，必须证明其算法是公平适用的并且值得信赖。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，将会面临法律和法规方面的问题。

克服黑盒效应的最佳方法是分解算法的功能并将其输入不同的输入，以查看其产生的差异。简而言之，是人类在解释人工智能在做什么。这江是科学。要想让人工智能跨过这个巨大的障碍，还需要做更多的工作。

3. 通用人工智能系统遥不可及

任何担心人工智能技术将会在终结者接管未来世界的人们都可以放心。人工智能在模式识别方面非常出色，但是不能指望它能在更高的意识水平上发挥作用。行业专家以咖啡测试为例。一台机器可以进入家庭并冲泡咖啡吗？这其中包括查找咖啡机，找到杯子，加水并点击正确的按钮。这被称为人工智能，人工智能在其中飞跃地模拟了人类的智能。尽管研究人员在这个问题上致力于进行研究，但其他人则质疑人工智能是否能够实现这一目标。

人工智能和机器学习是不断发展的技术。如今的局限就是明天的成功。关键是要继续试验，找到可以为组织增加价值的地方。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发展。