本文作者：周翔
虽然人工智能在图像识别和产品推荐等方面取得了巨大的进步，但是这项技术仍然面临诸多挑战，特别是如何让AI系统拥有“记忆功能”依然是一个难题。
本周二（3月28日），苹果的AI研究部门的总监Ruslan Salakhutdinov在MIT Technology Review会议上探讨了人工智能的局限性，不过他并未提及苹果是怎样将人工智能整合到Siri等产品中的。
Salakhutdinov于去年10月加入苹果，他称自己对强化学习（Reinforcement Learning）非常感兴趣， 利用这种技术可以教会计算机通过反复优化决策来获取最好的结果。例如，谷歌就使用了强化学习来帮助数据中心达到最佳的散热和操作配置，从而使其更加节能。
卡耐基梅隆大学（Salakhutdinov是该大学的副教授）的研究人员最近也在做这方面的研究：使用强化学习训练计算机玩上世纪90年代的视频游戏“Doom”。很快，计算机就学会了如何快速并准确地射击外星人，而且还发现闪避能够躲开敌人的火力。但是，它并不擅长记忆，比如记不住迷宫的布局，这使得它无法事先规划和制定游戏策略。
Salakhutdinov的研究涉及到一种AI软件，它能够记录“Doom”中的虚拟迷宫布局以及各个参考点，以便定位特定塔楼的位置。在游戏过程中，该软件首先会判断火炬的颜色（红色或者绿色），然后根据火炬的颜色定位相应颜色的塔楼。
最终，这个软件学会了如何在迷宫中找到正确的塔楼。而且当它发现自己找到的是错误的塔楼的时候，还会原路返回，寻找正确的塔楼。特别值得注意的是，该软件在每次发现塔楼时都能够回忆起火炬的颜色，Salakhutdinov解释道。
不过，Salakhutdinov表示，这种类型的AI软件需要“很长的训练时间”，而且还需要强大的计算能力， 因此难以扩大规模。
此外， Salakhutdinov想要探索的另一个领域是：教会AI软件通过“更少的样本和经验”达到更快的学习速度。尽管没有在演讲中提及，但是他的这一设想显然有利于苹果在更短的时间内创造更好的产品。
一些AI专家和分析师认为，由于苹果公司的隐私规则更加严格，限制了可用于训练AI系统的数据量，因此苹果的AI技术不如谷歌和微软等竞争对手。Fortune认为，如果苹果一直使用较少的数据来训练AI系统，那么它或许能在满足隐私要求的同时，仍然能够像竞争对手那样快速对软件进行改进。
