以下十個(gè)模塊對(duì)設(shè)計(jì)和構(gòu)建人工智能系統(tǒng)至關(guān)重要。供應(yīng)商可以提供具備基本功能的模塊，但公司通常需要對(duì)這些模塊進(jìn)行修改以適應(yīng)個(gè)性化的應(yīng)用。最簡(jiǎn)單的人工智能應(yīng)用案例通常由單一模塊組成，但通常會(huì)逐漸演變到包含兩個(gè)或更多模塊。下圖結(jié)構(gòu)是基于每個(gè)模塊主要涉及領(lǐng)域，包括數(shù)據(jù)、處理或行動(dòng)。

機(jī)器視覺(jué)以視覺(jué)、 X射線、激光或其它信號(hào)為基礎(chǔ)，對(duì)現(xiàn)實(shí)世界的物體進(jìn)行分類(lèi)和跟蹤。光學(xué)字符辨識(shí)是機(jī)器視覺(jué)的早期成功案例，但解密手寫(xiě)文本尚在研究中。

機(jī)器視覺(jué)的質(zhì)量取決于大量參考圖像上人為做出的標(biāo)簽。學(xué)習(xí)這些包含標(biāo)簽的數(shù)據(jù)是訓(xùn)練機(jī)器的最簡(jiǎn)單途徑。在接下來(lái)的五年之內(nèi)，以視頻為基礎(chǔ)的計(jì)算機(jī)視覺(jué)技術(shù)將能夠?qū)?dòng)態(tài)行為進(jìn)行識(shí)別和預(yù)測(cè)，比如監(jiān)測(cè)系統(tǒng)。

語(yǔ)音識(shí)別能夠?qū)⒙?tīng)覺(jué)信號(hào)轉(zhuǎn)化成文本。在相對(duì)安靜的環(huán)境中，包括Siri與Alexa在內(nèi)的應(yīng)用能夠識(shí)別普通詞匯中的大多數(shù)詞語(yǔ)。對(duì)于更特殊的詞匯，像Nuance的Power-Scribe這種為放射科醫(yī)師量身定制的程序就變得極為必要。而我們還需要幾年時(shí)間才能制造出在許多人同時(shí)說(shuō)話的嘈雜環(huán)境中仍能精確記錄的虛擬助手。

自然語(yǔ)言處理是對(duì)文本的語(yǔ)法分析和語(yǔ)意解釋。這一能力可用于識(shí)別垃圾郵件、虛假新聞甚至高興、悲傷、挑釁等情緒。目前，自然語(yǔ)言處理可對(duì)文本進(jìn)行基本總結(jié)，并在一些場(chǎng)合還可推斷意圖。例如，聊天機(jī)器人嘗試以感知聊天對(duì)象的意圖為基礎(chǔ)對(duì)聊天對(duì)象進(jìn)行分類(lèi)。自然語(yǔ)言處理技術(shù)有可能在接下來(lái)幾年內(nèi)獲得顯著提升，但對(duì)復(fù)雜文本的完全理解仍是人工智能的重要課題。

信息處理通過(guò)搜索、知識(shí)提取、非結(jié)構(gòu)化文本處理等各種方法為查詢提供答案。這一模塊與自然語(yǔ)言處理緊密相關(guān)，它包括對(duì)數(shù)以億計(jì)的文件進(jìn)行搜索，或通過(guò)構(gòu)造基礎(chǔ)知識(shí)圖形來(lái)識(shí)別文本中的各類(lèi)關(guān)系。（使用維基百科中關(guān)于安吉拉·默克爾的數(shù)據(jù)形成的圖形可將默克爾標(biāo)記為女性、德國(guó)總理，以及已會(huì)見(jiàn)過(guò)唐納德·特朗普的人。）這一模塊還可能涉及到語(yǔ)義推理，比如從句子“特朗普是美國(guó)的默克爾”中可推論特朗普是美國(guó)總統(tǒng)。盡管知識(shí)數(shù)據(jù)庫(kù)快速發(fā)展，但以推理為基礎(chǔ)的機(jī)器學(xué)習(xí)可能在接下來(lái)的幾年內(nèi)仍處于初級(jí)階段。

從數(shù)據(jù)中進(jìn)行學(xué)習(xí)本質(zhì)上就是機(jī)器學(xué)習(xí)—在歷史數(shù)據(jù)的基礎(chǔ)上進(jìn)行價(jià)值預(yù)測(cè)或信息分類(lèi)的能力。盡管機(jī)器學(xué)習(xí)是機(jī)器視覺(jué)和自然語(yǔ)言處理等模塊的基礎(chǔ)，同時(shí)也是一個(gè)獨(dú)立的模塊。機(jī)器學(xué)習(xí)是一些系統(tǒng)的基礎(chǔ)，包括Netflix電影推薦、基于異常監(jiān)測(cè)技術(shù)的網(wǎng)絡(luò)安全程序，以及通過(guò)歷史數(shù)據(jù)預(yù)測(cè)客戶流失的標(biāo)準(zhǔn)回歸模型等。

如何移除數(shù)據(jù)中的人為偏見(jiàn)是機(jī)器學(xué)習(xí)面臨的挑戰(zhàn)之一。鑒定欺詐、預(yù)測(cè)犯罪或估算信用評(píng)分的系統(tǒng)需要對(duì)隱含如代理人、警務(wù)人員和銀行官員等偏見(jiàn)的信息進(jìn)行編碼。數(shù)據(jù)清理是一項(xiàng)有挑戰(zhàn)的工作。

最后，現(xiàn)階段許多機(jī)器學(xué)習(xí)模型本質(zhì)上是黑箱。數(shù)據(jù)科學(xué)家們需要在設(shè)計(jì)系統(tǒng)時(shí)考慮透明性的問(wèn)題，特別是在有監(jiān)管要求的環(huán)境中，即使這樣會(huì)犧牲部分性能。目前這一領(lǐng)域正在進(jìn)行深入的研究，未來(lái)五年內(nèi)透明度有望提高。

規(guī)劃和探測(cè)代理可幫助識(shí)別實(shí)現(xiàn)目標(biāo)的最佳行動(dòng)順序。無(wú)人駕駛車(chē)輛很大程度上依賴(lài)這一模塊來(lái)進(jìn)行導(dǎo)航。當(dāng)需要同時(shí)考慮更多的代理和行動(dòng)時(shí)，識(shí)別最佳行動(dòng)順序變得更加困難。強(qiáng)化學(xué)習(xí)是一個(gè)快速發(fā)展的子域，它的學(xué)習(xí)方式強(qiáng)調(diào)的是接收偶然的線索或獎(jiǎng)勵(lì)，而不是明確的指導(dǎo)。強(qiáng)化學(xué)習(xí)與人類(lèi)大腦通過(guò)反復(fù)試錯(cuò)進(jìn)行學(xué)習(xí)相類(lèi)似，它幫助Google DeepMind在圍棋領(lǐng)域取得成功。

圖像生成與機(jī)器視覺(jué)相反，它以模型為基礎(chǔ)生成圖像。盡管這項(xiàng)技術(shù)仍處于初級(jí)階段，這一模塊可在缺失背景的情況下完成圖像，比如將圖片改變成文森特·梵高風(fēng)格。圖像生成技術(shù)支持包括Snapchat的masks工具在內(nèi) 的 虛 擬 增 強(qiáng) （V R ） 和 現(xiàn) 實(shí) 增 強(qiáng)（AR）工具。目前，圖像生成技術(shù)是大型科技公司正在積極并購(gòu)的目標(biāo)。

語(yǔ)音生成包含以數(shù)據(jù)為基礎(chǔ)的文本生成，以及以文本為基礎(chǔ)的語(yǔ)音合成。Alexa的技術(shù)正是通過(guò)文本生成語(yǔ)音。這一模塊可以支持新聞機(jī)構(gòu)自動(dòng)編寫(xiě)基本的體育和收入報(bào)告，例如比賽總結(jié)及財(cái)經(jīng)新聞。在接下來(lái)的五年里，語(yǔ)音生成技術(shù)的發(fā)展很可能通過(guò)加入節(jié)奏、重讀和聲調(diào)使語(yǔ)音聽(tīng)起來(lái)更加自然。在不久的將來(lái)，音樂(lè)生成也將變得更加個(gè)性化。

處理與控制是指現(xiàn)實(shí)世界對(duì)象間的互動(dòng)。例如，機(jī)器人已經(jīng)學(xué)會(huì)人類(lèi)如何在工廠中工作，但當(dāng)面對(duì)切面包或給老年人喂飯這類(lèi)非常規(guī)或不固定的任務(wù)時(shí)則會(huì)遇到麻煩。由于全球很多公司開(kāi)始投資這一領(lǐng)域，機(jī)器人將在挑揀倉(cāng)庫(kù)異常物品和靈活處理不固定的人類(lèi)行為方面表現(xiàn)得更好。

導(dǎo)航與移動(dòng)涉及機(jī)器人在既定真實(shí)物理環(huán)境中的移動(dòng)方式。無(wú)人駕駛車(chē)輛和無(wú)人機(jī)在使用車(chē)輪和旋翼方面十分嫻熟，但在用腿走路—特別是兩條腿走路方面面臨艱難挑戰(zhàn)?？身槙车嘏罉翘莼蜷_(kāi)門(mén)的機(jī)器人將不會(huì)在未來(lái)幾年內(nèi)出現(xiàn)。四足機(jī)器人對(duì)平衡性要求略低，但目前已有的四足機(jī)器人已經(jīng)能夠進(jìn)入輪式車(chē)輛無(wú)法進(jìn)入的環(huán)境。