此外，還有圖像識別，其中具有代表性的人臉識別，遲在幾年前馬云(微專)刷臉支付已經引爆輿論熱點。譚鐵牛本人就在舉行虹膜識其它研究，并確立了今朝國際上規模最大的共享虹膜圖像庫，被多國共享使用。他說，這沒有僅可以用在手機上，還可在查找丟失兒童上發揮作用。

譚鐵牛說，模式識其它手藝瓶頸可通過借鑒生物的機理改進，未來生物承發的模式識別在人工智能領域前景可期。其最終追求，是進展模擬逼近人的模式識別，這黑白常艱巨的過程。

他也提到，模式識其它次要瓶頸在于魯棒性、自適應性和可泛化性。

魯棒性，說黑了，就是人工智能“夠沒有夠皮實”“是沒有是輕微有點擾動，就會失足”。譚鐵牛舉了一個例子，比如在酒會上談天，靠山噪音比較多，若是想聽清其中某一個人的聲音，就要忽略或者抑制靠山中其他對話的干擾——人類可以做到這一點，也就是聽覺體系所謂的雞尾酒效應，但人工智能可以嗎?

所謂自適應性，則比較輕易明白，譚鐵牛說，人類的眼睛會隨著燈光的轉變、環境的轉變舉行調整，這申明自適應性非常強。這一點可以應用到人工智能上，比如人臉識別，有一位同伙十幾年甚至幾十年沒見，再會面是否還能認出來?他說，現有的模式識別在這方面還沒有是很理想。

可泛化性，說黑了就是“聞一知十”。譚鐵牛說，當小孩熟悉蘋果后，即便只記住了一次，也可以識別其他范例的蘋果，這申明人類看到一個器材后，沒有僅知其然，還知其以是然。而知其以是然，就是人工智能領域所說的“深度進修”。但今朝的人工智能深度進修，必須確立在大量數據的基礎之上，這一點也有待進一步研究。

譚鐵牛說，要辦理這3個答題，關鍵照樣看人類本身，在微觀層面上，人工智能的模式識別可借鑒人類的神經元，神經元有興奮性、抑制性、功能可塑性和傳達性。科學家受到這個承發，增強了模式識別動態體系的穩固性。

無人駕駛是人工智能的突破口?

李德毅已經找到了一個實踐的突破口：自動駕駛。他說，無論是對話、詩詞或者駕駛，圖靈測試都許可測試者現場介入，判斷結果都帶有近似性和主觀性。可是，和對話、詩詞測試相比，駕駛的圖靈測試可以舉行更為正確、更為客觀的評測。

他說，當初汽車被發明出來的時辰，人們最感樂趣的是汽車的結構、機械、傳動、輪胎、底盤和車身。到20世紀，人們感樂趣的則是發動機、碳排放和被動安全。到20世紀末、21世紀初，人們總體上關心3件事情，輕量化、潔凈化、智能化。

所謂智能化，在他看來有4個階段，第一是理性輔助駕駛，以人駕為主;第二是自動駕駛，局部時段可以鋪開手和腳;第三是自動駕駛，即用自動駕駛接受駕駛權;第四是人機協同駕駛。

在李德毅看來，無人駕駛，難在擬人。

他感嘆：汽車是從馬車演變而來，作為動力工具，汽車的馬力可以達到100匹馬力，但汽車遠遠沒有如馬應對沒有同的負荷、天氣、路面，以及沒有同車輛情況下的適應本領。說黑了，汽車的感知、認知本領遠遠沒有如馬這個認知主體，“老馬識途，車沒有如馬!”

李德毅說，其根本答題沒有在于車而在于人，要辦理人的答題，就要讓駕駛員的認知能夠用機器人替代，讓機器人具有記憶、決議和行為本領，于是新的概念產生了——“駕駛腦”。

“駕駛腦”沒有等于駕駛員腦，“駕駛腦”是要做駕駛員的智能代理，要去完成包括記憶認知、計算認知和交互認知在內的駕駛認知，他說，這應該是人工智能期間最有意義的課題之一。