虽然物体识别近年来取得了巨大的进步（例如，Han et al.，2016），在许多问题上已经赶上或超越人类（Karpathy，2014），并可以在封闭环境中接近完美（Song et al.，2015），但是最先进的系统仍然受限于更困难的情况，如开放物体（与背景交错）、破碎的物体在动态环境中被截断和遮挡（例如，Rajaram et al，2015年）。

　　测试

　　包含在杂乱环境中，从大型，开放式和变化的类型集合里挑出的物体对于物体识别系统很有挑战性。比如：

　　查看厨房和冰箱内部的照片，并列出所有者可用的食材。

　　(27)同时定位和制图

　　虽然同时定位和制图（SLAM）在某些应用中被认为已经被解决，但对于随时间变化的环境中耐久的大型自动机器人，挑战仍然存在（Cadena等，2016）。

　　测试

　　一个大城市里的自动驾驶汽车，在没有预先提供详细地图的情况下,持续定位和地图在变化的环境里仍然可靠。

　　（28）多感官整合

　　多个感官的整合（Lahat，2015）非常重要，例如人类沟通（Morency，2015）和场景理解（Lewicki et al.，2014; Kondo et al.，2017）。具有多重互相重叠的感官系统似乎对于人类儿童通过在这个世界里感知和行动来教育自己是至关重要的（Smith and Gasser，2005）。

　　测试

　　在嘈杂的环境中，唇读和手势线索是必不可少的，它可以提供多感官整合的挑战。比如：

　　机器人调酒师：智能体需要在嘈杂的酒吧里搞明白顾客的要求。

　　（29）自适应灵巧操纵

　　当前的机器人操纵手远逊于人手的多功能性（Ciocarlie，2015）。其中的难题包括操纵可变形物体和从移动平台操作。

　　测试：

　　从洗衣机中取出衣服，将它们挂在不同的地方晾衣绳和衣架上，同时不要挡住其他人的路。

　　开放性问题

　　列表中省略了一些值得注意的问题，因为它们具有过于开放的范围：它们包含了随时间演变或可以无限扩展的任务集。因此很难确定这些问题是否已经被解决。这种类型的问题包括：

　　在人类大学入学并跟人类一样上课（Goertzel，2012）

　　自动化所有类型的人类工作（Nilsson，2005）

　　Puzzlehunt挑战，例如，捷克共和国的年度TMOU游戏（TMOU，2016）

　　结语

　　我回顾了一些待研究的问题，试图勾画出当前AI研究的前沿。第一个版本中的问题列表、问题描述、测试举例，以及对研究领域正在进行的工作的提及，都不尽完整。我正计划逐步扩展和改进这篇文章，并诚挚欢迎读者在文章下面的评论部分或在研究所的论坛上提出建议。

　　《重磅清单 | 当前AI领域尚未攻克的29个难题及进展评估百篇文献》??下面链接，保存之后查看：

　　https://pan.baidu.com/s/1bp9v9Yv

　　原文链接：https://medium.com/ai-roadmap-institute/unsolved-problems-in-ai-38f4ce18921d