经过65年遥不可及的幻想和不断的失望后，人工智能终于在过去五年取得了一系列重大突破。

在2010年和2011年，最好的可视化识别技术，出错率在25 - 30%左右，该数据来源于ImageNet Large Scale Visual Recognition Challenge——一项与机器学习和计算机视觉有关的竞赛。而如今，出错率已经大大降低了。

2015年，微软使用Bayesian Program Learning技术，将视觉识别的错误率缩小到了5.1%，这个错误率已优于人工识别，而谷歌公布的错误率则降低到了4.8%。

不仅仅在视觉领域，深层神经网络在语音文本领域也取得了较大的成功，Gartner副总裁Tom Austin，在最近的一次关于人工智能现实的研讨会上说道。

新的深神经网络模型运行在高性能GPU上，处理着大量的数据。截止到2014年，所有供应商都在使用这个模型。“2012年的大爆发”也涉及到与GPU技术的结合——这被视为过去十年中的重大突破，它具备构建更深层的神经网络模型和摄取更多的数据的能力，Austin表示。

除此之外，用户交互接口层面也取得了长足进步，现在可以使用对话框控制机器人或获得信息，而不再需要像早期语言处理系统那样必须掌握特有的语言方式。谷歌和IBM对交互系统都有着各自的最新迭代产物，但依然根植于其对会话系统的长期研究成果。

人工智能的未来用途还包括需要阅读，搜索，记忆，以及找到复杂问题的答案。另一个用途是，在需要处理的信息数量十分庞大的情况下，迅速帮助专业人士找到答案，并与数据集进行交互。

“对于那些应用场景，我们想要构建一个杀手级的应用，”IBM Watson部门的Steve Abrams 说道。“我们现在只是刚开始接触皮毛而已。”

公司在提高人工智能置信度上投入时间和精力是值得的，它有助于减少呼叫量，解放客服中心的员工，让他们有更多时间专注于解决复杂的客户服务问题。这个目标很容易实现。

“我们正在努力实现更大的计划——那就是向客户提供智能化、个性化的回应，并向其提供正确的指导；不仅仅是回答你的问题，还能引导他们找到之前并不知道的可用资源，”Cohen说道，“我们称之为最佳引导，指引消费者得到额外的资源，进而提升整体客户体验。”

Cohen开始考虑公司在认知计算领域投入的ROI，除了用钱来衡量外，人工智能还创造了其他的价值，例如减轻客服中心的工作负担，让他们更为有效的帮助客户等。

相关阅读：《AI会话机器人：未来企业的“扛把子”》