“阿尔法围棋”在与李世石的“人机大战”中优势明显，人工智能取得的突破令人瞠目。那么，人工智能是否已达到“无所不能”的境地？
实际上，虽然人工智能在计算能力、可靠性等方面远超人类，但仍存在大量有待突破的技术瓶颈。在诸多领域，人工智能还远远不能挑战人类智能。
【学习需要大样本】
先从“阿尔法围棋”所用的关键技术——“深度神经网络”说起。建立神经网络的基本流程是，搜集大量数据样本，然后选择合适模型，让模型学习样本，从中找出数据的内在规律。“阿尔法围棋”正是通过学习海量棋谱和自我对战，训练出不凡“武功”。
“阿尔法围棋”在与欧洲围棋冠军樊麾对战前，便已进行了超过3000万局的自我训练。南京大学计算机科学与技术系周志华教授在接受新华社记者专访时指出，当前人工智能的一个技术瓶颈，就是解决问题前先要获取大量高质量数据样本，而人类在学习新事物时往往只需很少的样本。
“这就导致问题稍微变化，机器就不行了，但人类毫无问题。例如在‘阿尔法围棋’和李世石的大战中，若换成25路棋盘，李世石仍能战，‘阿尔法围棋’就不行了，需要回去重新收集25路棋盘上的棋谱，重新训练模型，”周志华说。
【应用范围仍狭窄】
在英国帝国理工学院人工智能研究者马克·戴森罗特看来，人工智能仍未实现人类所具备的通用智能。“目前，人类习以为常的一些学习能力对人工智能来说仍难以实现，例如，人们能够将解决某一问题的知识用于解决另一新问题，从有限的经验就能学习一定技能，还有在抽象层面进行推理的能力，以及与他人协作的能力。”
甚至可以说，人工智能在某些方面的表现还不如小学生。比如，一个小孩看过一张猫的照片后，就能立刻辨认出下一张图片里的猫。而应用人工智能的谷歌图像识别系统，“学习”过几千万张照片后，识别猫的准确率也还不能与人相比。
