針對旗下人工智慧系統技術發展部分，Google與微軟均透過機器學習方式讓電腦系統持續累積經驗，如同幼兒透過觀察學習各類行為模式，其中Google藉由14組機器手臂彼此學習如何正確撿取物件，而微軟方面則是藉由可無限堆疊組合的《Minecraft》強化人工智慧系統主觀認知能力。
▲透過大量機器學習方式，讓人工智慧系統知道如何正確透過機器手臂夾取不同物件
近期Google旗下DeepMind團隊所打造人工智慧系統「AlphaGo」連續三次擊敗南韓九段棋手李世乭，其背後所採用的類神經網絡系統便是模擬人腦思考方式的主要關鍵。
而為了讓人工智慧系統能持續透過大量機器學習累積經驗，Google除去年宣布推出開放機器學習框架設計「TensorFlow」，讓更多投入人工智慧系統技術發展的廠商能以此開放框架設計累積更多「學習」經驗，本身也透過各類方式讓人工智慧持續學習，例如在與李世乭進行世紀對決之前，Google便透過諸多圍棋對奕流程持續訓練「AlphaGo」。
Google、微軟訓練方式不同，均以大量機器學習累積「經驗」
在近期報告中，Google更說明透過14組機器手臂夾取小型物件，讓人工智慧系統可配合背後的類神經網絡運作方式持續學習，並且修正不同物件的正確夾取方式，一旦系統偵測到先前從未辨識過的物件，系統也能自動校正機器手臂夾取力道、角度，而無須仰賴人力協助調整。
▲持續累積學習後，系統即便發現先前從未看過的物件，也能自動調整機器手臂夾取力道與實際夾取方式
微軟方面其實也已經在人工智慧系統投入相當久的發展時間，同樣也是藉由串接雲端運算資源，以大量機器學習方式訓練人工智慧系統如何建立主觀認知能力。例如在近期投入的AIX人工智慧發展計畫中，微軟更透過可在開放世界觀產生無限堆疊組合的《Minecraft》訓練人工智慧具體反應，甚至可進一步藉由線上互動方式使人工智慧系統持續學習。
微軟計畫將在今年夏季對外開放AIX平台，將藉由眾人力量方式讓人工智慧系統可持續學習不同判斷經驗，一如去年推出猜測照片人物年齡，並且串接旗下Azure雲端平台的「How Old Do I look?」網站，使辨識精準度可透過累積大量資料學習持續提高。
▲微軟在AIX人工智慧計畫中藉由《Minecraft》開放世界觀、可無限堆疊創造各類組合，使人工智慧系統從中學習判斷如何應對
人工智慧系統暫時還不致於危害人類
不過，無論Google或微軟等科技廠商在現階段所投入人工智慧系統發展，主要還是站在輔助人類生活的角度，並非計畫打造一組具備自我思考能力的電腦系統造成恐慌。
以現今發展技術來看，所謂的人工智慧系統多半還是建構在大量機器學習、透過各類運算方式模擬人腦思考模式做出最佳選擇，但並非意味電腦系統將具備自我意識，依然要配合操作者下達特定指令後才能實際運作，同時也僅能針對特定領域用途執行指令，例如在與李世乭對奕過程中，「AlphaGo」並不會意識到本身正在下圍棋，實際演算流程僅只侷限於找出最佳下子進攻與防守策略。
