人工智慧很熱，但很多時候我們覺得人工智慧還不夠「智能」，有時候還會添亂，使得人工智慧似乎變成了「人工智障」，感覺還不如不出現的好。這就說明在人工智慧技術的研發及應用方面遇到了一些技術挑戰，很多專家都在自己深耕的領域對人工智慧技術進行著自己的探索，很多探索是很超前的，那麼，我們怎樣才能跨越這樣的艱難險阻，達到人工智慧的一種新境界呢？
人工智慧這麼火，一切的根源在於數據，龐大的數據洪流。我們身處在智能萬物互聯的時代，一切東西都連在網上，而且越來越智能，都在收集數據、分析數據。所以人工智慧這個技術的關鍵性就在於怎麼更好地把收集的數據挖掘、分析，然後利用起來，實現增值，從而帶來增值的業務，這是大家如此關注人工智慧的一個重要原因。
有些人眼裡，人工智慧已經是一種很成熟的計算機技術，可以幫我們做很大的事情，大到預測局部地區明天的天氣如何、分析金融市場的股票交易波動；也可以幫我們做很小的事情，小到拍照時的貼紙自動追隨人臉，推送我感興趣的新聞或商品，這些都可以用人工智慧實現。
但是在另一些人眼裡，人工智慧還是待在實驗室的新事物，它離我們的生活還很遠，我們現在接觸的人工智慧最多算是個人工智障，現在炒得大熱的人工智慧概念只是資本遊戲的噱頭，其實它什麼都沒有改變。
實際上最早提出「人工智慧」這個概念是在1956年美國達特茅斯學院的一次學術會議上。儘管在當時，對於人工智慧的研究進展非常緩慢，經過了近50年的發展，人工智慧從電影的幻想逐漸走進了人們的日常生活，並且成為了各個領域的得力助手。
人工智慧利用計算機和網際網路的發展機遇，化名為商業智能、數據分析、信息化、自動化等等，滲透到社會發展的每個角落。一方面，網際網路的推廣為人工智慧創造了很多落地應用的場景，體現出真正的價值；另一方面，計算機軟硬體的升級為人工智慧提供了強大的運算力，以前在理論上才能實現的算法得以落地，讓人工智慧在越來越多賽事上創造奇蹟，甚至超越人類。
機器學習最基本的做法，是使用算法解析數據、從中學習數據的規律，然後對真實世界中的事件做出決策。與傳統的編程方式不同，機器學習是用大量的數據進行訓練，通過各種算法從數據中學習「如何完成任務」。所有的機器學習模型都只能完成特定的任務，很多時候我們通過組合的方式滿足更多的場景。
當你的行為沒有可以參照的經驗或相近的人群較少時，人工智慧是沒有辦法作出判斷的，這也是人工智慧變成人工智障的重要原因。當行為增加，數據慢慢變多，數據質量逐漸上升時，你會發現預測越來越準確，人工智慧通過大數據也能做到真正的「想你所想」。
目前的人工智慧並非真正的智能，只是一種模擬人類行為的智能。而真正的智能，離我們的生活還非常遙遠。但值得慶幸的是，僅僅是模擬人類行為的智能已經能夠給我們的生活帶來了如此大的便利，相信隨著技術的發展，我們能夠做出更多超越想像的場景。