不可否认，机器学习领域正面临着一些比较大的挑战，人们在未来需要建立一个人工智能系统，否则将无法确保良性的发展态势。
机器学习仍面临哪些挑战？（图片来自mapr）
首先，人们必须要设计一个系统，这个系统可以带来有意义的经过校准以后的信息，能够应对一些不确定性，比如说在医疗行业，还有在策略规划的角度，如果你是公司的CEO，你必须要清楚地了解到，一种做法和另外一种做法之间的差别，你不可能只有一个做法。
与此同时，我们还要保证系统能够真正地解释它们所做出的决策，如果机器做出了一个决定，我们必须要让机器向我们阐释为什么做这样的决定，是否还有其它的潜在方法。
另外我们要找到一个系统，这个系统可以实现长期目标的追溯，同时可以主动的收集在实现目标相关的数据。
还有一点是实时，我们可以看到很多的数据和机器需要花几天、几个小时来学习这些数据，但是到目前为止，我们的机器学习方面还没有办法能够达到真正的实时操作。
还有在意外情况下怎么办，还有在外部事件上的连接，包括数据和其他的要求，需要和政府的合作，和法律部门、和社会科学家的合作。这是我们所面临的技术挑战，我们只是做AI，让这个机器人能够跨过去，或者做计算机视觉，我们需要像工程师一样解决一些问题。
在更广范围的挑战，我相信对我们来讲是更难的，比如说在语义方面，在世界上未来会发生什么，我需要了解什么样的概念，我们在机器学习上，我们讲的更多的是表面的东西，我们需要了解真正的世界上需要什么，了解我们所处的情景，但是它们并不知道我们之前发生了什么，它们是了解我们的一些事实，但是它们并不真正知道我们，我们到底什么时候觉得厌烦，我们不想要这样的互动或者交互。
还有云端的互动，这也是挑战非常大的，如果把这个数据放到云上，你需要关注隐私的问题，要看一下实施的问题，同时你还要考虑现实的情况，有时候它可能离我们太远，它不一定是和事实一样的，我们有可能会做出错误的决定，所以我们现在要有更好的方案。
当然还有一个不确定性，这也是人类的一个非常重要的特点，围棋的比赛其实并不是一个很好的例子，因为你知道棋盘上的东西，但是人的生活有很多不确定性，比如说我不知道今天会发生什么事情，我不知道将来会发生什么，这就是所谓人的一生，这和围棋是不一样的，所以我们需要解决更深层次的人工智能方面的问题。
