在以“智能科學的發(fā)展與應用”為主題的第二屆智能科學國際會議上，被稱為AI界鼻祖的邁克爾·喬丹親臨現場，為正在風口上的“人工智能”潑了一盆冷水。

“在未來十年之內，人工智能系統(tǒng)的‘智能’還非常有限，你并不會覺得它能和人類一樣智能了。我認為未來十年這些AI系統(tǒng)還不能像人類這樣有這么高的靈活性和創(chuàng)造性。”喬丹說。

喬丹與深度學習鼻祖Geoffrey Hinton一起，被認為是人工智能領域兩位“根目錄級”人物，他的學生有深度學習領域權威Yoshua Bengio，貝葉斯學習領域權威Zoubin Ghahramani，以及前百度首席科學家吳恩達等等。其本人現執(zhí)教于加州大學伯克利分校，任電氣工程與計算機科學系和統(tǒng)計系杰出教授。 他還是是美國科學院、美國工程院、美國藝術與科學院三院院士，是機器學習領域唯一一位獲此成就的科學家。他曾指出機器學習與統(tǒng)計學之間的聯(lián)系，并推動機器學習界廣泛認識到貝葉斯網絡的重要性。他還以近似推斷變分方法的形式化、最大期望算法在機器學習的普及方面的工作而知名。

提起人工智能，很多人腦海里的第一個形象通常是機器人。就像電影《我，機器人》中的智能機器人一樣，人類可以與它進行智能的互動。因此，有些人覺得人工智能就是指這方面的進展。它可以和你溝通，甚至照顧你的衣食起居。

但喬丹認為，這樣的機器人，短期內做不出來。

從計算機視覺角度來說，目前，計算機已經能夠在復雜的圖像中準確識別出特定的物體。但是目前計算機還缺乏對視覺場景常識性的理解。例如，如果一個人走近舞臺的邊緣，人類會感覺到他很有可能從舞臺上摔下來，“人類可以從場景中判斷接下來會發(fā)生什么，以及為什么會出現現在的場景。但計算機還遠沒有實現這方面的能力。”

從語音識別角度來看，當前從語音到文字的相互轉化，已經在諸多語種中成功得以應用。但計算機的聽覺能力還十分局限。例如，如果你閉上眼睛，只憑聽覺來感受周圍的環(huán)境，你可以知道你身處的是安靜的公園還是繁華的街道，還可以根據聲音來推斷周圍的人和物的方位，“計算機目前還缺乏這一類的常識性認知，如果再加上復雜的語言信息，那就更是難上加難�！�

自然語言處理，對計算機而言是最困難的。“我們看到機器翻譯目前已經取得了很大的進展，但是它仍然會錯漏語言中的諸多細節(jié)。”喬丹說，當下的機器翻譯使用的神經網絡技術能對海量的不同語言數據進行計算和匹配，但人類學習語言的方式和計算機大不一樣。

例如，問答系統(tǒng)，目前問答系統(tǒng)的研究只能回答一些條件明確、答案簡單的問題，而無法對真實世界問答場景中復雜的問題作出復雜回答。而人們語言中的語義繁復多樣，有同義詞、近義詞和反義詞等等，一個詞組在不同的語言場景中可能蘊含多種含義，不同語言之間的表達方式和習慣更是有所不同�！皩τ谌祟悂碚f，我們在從小到大的學習過程中學會了如何辨別復雜的語境，但計算機目前還遠不能做到這一點。”

再說機器人科學角度，目前，在工業(yè)界正在使用的機器人只能程序化地完成一些固定的任務，這與人們想象中的“人工智能機器人”區(qū)別較大，“機器人科學有助于實現人工智能研究的最終愿景——我們希望未來人工智能機器人能夠自主地運行，并與我們互動�！�

喬丹預測，有些智能化應用確實可能成為現實。例如未來10年，自動駕駛汽車甚至是無人駕駛的出租車有可能實現。“雖然眼下這些技術的使用體驗還不甚良好，但是可以期許的是，未來10年這些前沿技術應該可以為人們所用�！�

至于AI系統(tǒng)在人機交互的過程中能夠產生什么樣的理解，是否能實現預測、計劃等高級智能的問題，喬丹認為，實際上離這一步還非常遙遠，“至少要花幾十年的時間，甚至數百年時間才能讓機器人了解人類�！�