目前所谓的“人工智能”并不是真正的人工智能。其实我们正处于人工智能研究的最初阶段，深度学习技术使软件能够从过去的问题解决方案中进行学习。在2015年，谷歌Deepmind的AlphaGo就是一个深度学习的例证。其核心就是机器学习正确地应用在桌面游戏而通过深入的学习，帮助确定AlphaGo的下一步行动是好还是坏。
　　
　　狭义的人工智能是完成单个任务的一种非常有效的方法。下象棋，提出购买建议，培训垃圾邮件过滤器进行过滤，甚至翻译语言都是狭义的人工智能。尽管取得令人瞩目的进步，计算机视觉，语音识别和自然语言处理仍属于同一范畴。无人驾驶汽车的技术就是多种形式的狭义人工智能的综合。
　　
　　人们的期待
　　
　　人们可以大胆地设想一下，一种可以帮助任务关键设施达到近乎完美效率的狭义人工智能的将很快在数据中心的基础上开发并提供。但是，如何进一步迈向未来，并使用通用人工智能或人类的形式来查看数据中心呢？如果有一种人工智能，不仅可以地吸取大量的数据，而且还可以计划出乎意料的事情，实现“开箱即用”思考，带来更大的局面，推动所有当前的技术形式。那么数据中心如何看待这样的时代？
　　
　　通过网络从物理位置存储和提供访问数据的手段，来推断一个数据中心的当前用途，人们可以描绘出其演化的图景。随着访问速度变得越来越重要，可以设想这样一个场景，即将传统的数据中心将缩小到芯片的大小，甚至可能成为一个可穿戴技术的项目，通过先进的通信技术，这种芯片将永远相互关联，就像是一个全球分布式计算系统。
　　
　　在分布式系统中，每个部分都知道其他人在数据方面拥有什么。如果一个芯片需要一个位于其他地方的资源，它将立即知道在哪里寻找，以及如何找回。这也确保了一定程度的冗余：如果一个单元发生故障，其内容将根据资源的可用性而被转移到其他单元。
　　
　　一个通用的人工智能管理系统将处理复杂的数据管理问题。人工智能会事先知道，当一部分系统变得不稳定时，通过不断地处理数据，测量中的微小偏差会引起一个危险信号，从而导致如何通过更换、修理或升级来减轻这种情况的决定。对于一般人工智能，所有这些都会在没有人意识到的情况下发生。
　　
　　随着计算机科学领域的发展，巧妙地使用半导体和晶体管将计算机从部署在房间缩小到可以放在桌子上，然后缩小到笔记本的大小，最终达到手掌大小。那么还有什么阻止人们将相同的原则应用到数据中心？
　　
　　编译：Harris