前幾天，有消息稱人工智能軟件Eugene Goostman通過了圖靈測試，有評委真把它當成了一個13歲的小孩。雖然有人質疑測試的合理性，但這畢竟提醒我們計算機在這數十年里已經有了長足的進步。計算機以它們自己的方式做著一些智能的事，以下4個領域就是計算機正在崛起的地方。

　　信息檢索

　　計算機可算是最好的圖書管理員，每次你用谷歌搜索時，它都會檢索約500億網頁。谷歌搜索十分強大，很多人都不會點擊第二頁的內容。

　　它的未來會怎么樣？理解人類語言可能是最困難的事之一，數十年來，計算機都無法弄清人類語言文字的涵義。它們也無法明白為什么同一個詞在不同的語境下會有完全不同的意義。斯坦福大學的生物醫藥信息研究員Russ Altman一直試圖解決這一問題。自2000年起，他和同事就在教機器如何從醫學研究報道中抽取有用信息。他們開發的程序可以理解一些從句，也能根據上下文了解單詞的含義，還知道一些同義詞和反義詞。

　　機器人

　　目前機器人已經受控制的條件下進行一些自動化操作，比如汽車制造。不過讓它們像人類一樣做出復雜的行為仍舊十分困難。盡管如此，一些前沿機器人的表現還是令人驚嘆，它們可以解放人類勞動力，從事一些更具創造性的工作。亞馬遜的機器人大軍就能林立的貨架中取出物品交給人類。

　　研究人員正在訓練機器人讀取人類行為的信息，從而能在更復雜的項目上與人類合作。人類和機器可以各發揮所長，人類更靈巧，而機器人的動作更精確。卡內基梅隆大學的專家David Bourne制作了一款機器人手臂，可以幫助汽車焊接。在測試中，機器人會告訴人類將各部件放在哪里，然后時行精確的焊接，對更復雜的任務，它會交給人類伙伴。

　　機器學習

　　機器學習是人工智能的一個分支，用試錯的方法解決復雜問題，如通過數百萬次的迭代來幫助銀行評估信用風險。

　　目前機器學習服務只能由一些科技巨頭通過云服務提供，不過未來智能手機也能成為一個端口。美國高通公司的研究員Tony Lewis表示，他們正在研究的項目可以通過強化學習教會機器人做一些事情。到時候，你不需要自己設置鈴聲或提醒之類的東西，只需要向手機做出積極或消極的反饋，它就會了解你的生活習慣。

　　更好的大腦

　　在識別語音、運動和圖像上，機器人還有一大段路要走，Siri總會犯錯，谷歌甚至需要1.6萬個處理器才能訓練計算機識別出視頻中的貓（準確率還算理想）。這是因為語音和形象不能還原到二進制的數字。

　　不過新的處理器可以模擬人類神經網的活動方式，以并行的方式處理信息流，它們被稱為神經形態計算（neuromorphic computing）。最終的目標是設計出只需要現代計算機一部分計算能力的設備，就可以讀取復雜的信息。這意味著下一代Siri和小冰可以實現真正的調情了。