点击排行（根据问题获取回答）

{"code":0,"message":"根据questionId得到回答:","data":{"questionInfo":{"id":1,"questionTitle":"AI目前发展的瓶颈是什么?","questionContent":"有多少人工就有多少智能，人工智能的发展是否并不如我们期望的那样，还只是建立在人类对于自身数据最基础的分析层面？","questionLabel":"#人工智能","authorHead":"https://bucket-lsp.oss-cn-hangzhou.aliyuncs.com/%E7%BE%8E%E7%8C%B4%E7%8E%8B.jpg","authorName":"美猴王","question_hot":"20k"},"discussAnswerInfos":[{"userId":3,"userName":"蔡徐坤","headPhoto":"https://bucket-lsp.oss-cn-hangzhou.aliyuncs.com/%E5%9D%A4%E5%9D%A4.jpg","answerContent":"人工智能的发展瓶颈其实一直都有，光是在人工智能模型的部署上，就有很多瓶颈存在。例如：1. 模型创建耗时长构建、测试和部署 AI 模型都非常耗时。根据 2019 年的一项调查，64% 的公司需要 7 到 18 个月的时间，才能让一个模型从需求确认到开发完成。2. 模型复杂，理解难度高AI 模型可能非常复杂且不透明，使得它们难以理解或难以理解，甚至构建模型的人也难以讲得透彻，很难解释为什么新方法比替代品性能更好。这意味着，将 AI 模型训练到所需的精度水平不仅本身难以实现，而且难以统一。3. 模型作用单一，不能重复使用大多数 AI 模型作用都是单一的：它们的设计和构建只是为了某一个目的。如果要扩展模型的使用范围或进行更改，构建和部署新模型往往需要重新开发。4. 模型部署不灵活AI 模型本身作用就很单一，模型的实际部署更加不灵活。从云上迁移到云下，从一个运行环境迁移到另一个环境，编程语言不同也会造成模型部署困难。这些都是现在人工智能发展的瓶颈，发生任何改变，都意味着要从0开始部署。从人工智能模型部署的瓶颈上，就能看出来人工智能目前存在的一些问题，例如非常依赖数据、智能程度太低、只能应用于单一领域等等，这些都要等后面的技术、算力、数据不断完善提升，才能解决了。"},{"userId":1,"userName":"朱元璋","headPhoto":"https://bucket-lsp.oss-cn-hangzhou.aliyuncs.com/%E6%9C%B1%E5%85%83%E7%92%8B.jpg","answerContent":"目前的人工智能只不过是人类早期探索飞行所制作出来的滑翔翼，在脑科学没有得到突破之前，发展的确会越来越困难，不过目前来看一切还早，人工智能的空气动力学虽然还没出来，不过人类至今还没搞出人工智能的万户火箭，所以还是大有可为的。"}]}}