人工智能：跨越瓶颈，是未来的发展方向

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

 最近，人工智能铆足了劲儿，频刷“存在感”：

中国棋手柯洁大战AlphaGo的硝烟还没散尽，学霸君公司的智能教育机器人Aidam就与多位往届高考状元PK，挑战今年的高考题。此前，微软虚拟机器人“小冰”还出版了人类历史上首部100%由人工智能创作的诗集。

“互联网只是前菜，人工智能才是主菜”，在日前举行的2017百度联盟峰会上，百度公司董事长兼首席执行官李彦宏直言，“未来百度将不再是互联网公司，而是一家人工智能公司”。

不过对很多人来说，人工智能可能还是个熟悉的陌生人，它将带来哪些影响?要到达未来，还要翻越哪些山冈?

人工智能像燃料 与产业深度结合

1997年5月，IBM的计算机程序“深蓝”在正常时限的国际象棋比赛中首次击败了当时世界第一的棋手加里·卡斯帕罗夫。20年后，新一代人工智能AlphaGo又将柯洁、李世石等顶尖围棋高手斩落马下。

除了在刷屏的新闻中认识人工智能，很多人对它的了解源自荧屏：在《黑客帝国》《终结者》等电影作品中，人工智能被塑造成功能强大的形象;在电视综艺中，百度“小度”、搜狗“汪仔”等各显神通，与人类交流、竞技，甚至成为节目“主咖”。

“人工智能看上去这两年才火，事实上多年来一直有人在背后做研究”，在微软亚洲研究院副院长刘铁岩看来，人工智能早已渗透到人们生活的方方面面：从搜索引擎到物流仓储背后的网点规划，从人脸识别到机器翻译、语音识别，无不与人工智能密切相关。在手机中，实现了个性化推荐的新闻App、会“智能美颜”的修图软件、可以对话的“小冰”“小娜”、Siri……这些功能，也都受益于人工智能的发展。

这一波人工智能的研究应用被业界称作“第三次浪潮”。在人工智能诞生至今的61年里，曾经的两次热潮都最终陷于沉寂。在业内人士看来，这次浪潮有些不一样。

“这次一定是更加稳健的”，刘铁岩说，“人工智能像燃料一样，与各个产业深度结合，有着比以往更多的、实际落地的应用场景。”

“数据的爆炸式增长、计算能力的飞跃、深度学习算法的突破，是这一次人工智能爆发的三大要素。”商汤科技CEO徐立表示，“人工智能的突破其实和产品落地密切相关，它可以快速带来行业的爆发。新的技术需要与应用相结合才能够得到验证，当人工智能发展到超越人的水平后，将带来生产效率的大幅度提升，同时催生新的行业和应用。”

热捧背后存隐忧 “网红”需要冷思考

人工智能迅速发展的背后，有着来自政府、企业、资本的多重推力。

2015年7月，国务院发布了《关于积极推进“互联网+”行动的指导意见》，“互联网+人工智能”被列为11项重点行动之一;2017年3月，人工智能首次写入《政府工作报告》。在国际上，英、美、韩、日等也纷纷布局人工智能，一系列扶持政策相继出台。

2013年，百度成立全球首家深度学习研究院;在2017百度联盟峰会上，李彦宏明确表示将人工智能作为百度的核心战略;Facebook、谷歌等巨头也不约而同提出了“人工智能优先”的战略转变;在计算机视觉、语音识别等垂直领域，商汤科技、科大讯飞等企业成绩瞩目。“目前无论是大公司还是小公司，都在积极拥抱人工智能”，徐立说。

在创投领域，人工智能尤其受到资本的重视，甚至引发疯狂追捧。互联网数据和咨询公司IT桔子近日发布的《人工智能产业分析与创业投资盘点》收录了467家AI企业和636起投资事件，其中，人工智能总获投率为67.65%，高于其他行业2—3倍。过高的热度让刘铁岩觉得，人工智能俨然已经成了一个“网红”，一些企业所谓的调整战略其实是资本市场倒逼的。

当然，与此前的互联网发展中曾出现过的“风口”带来“泡沫”一样，与方兴未艾所伴随的，无序与重复投资、过热与概念包装等问题，在人工智能创投领域也已显现出来。

徐立直言，国内人工智能创业大多扎堆在应用层面，创业者使用开源算法，找到某个垂直领域便套上“人工智能”概念扎进去，但真正从算法层出发做“原创技术”的人并不多。“而这块才是核心，是最需要厚积薄发的。”

对于这些隐患，易观智库资深分析师薛永峰强调，人工智能还处在比较初级的发展阶段，花些时间“冷思考”尤为重要。

三大门槛待翻越 瓶颈即主攻方向

需要多久的积淀，人工智能才能告别初级阶段，迎来大规模的爆发?专家们也承认，还有不少瓶颈待突破。

瓶颈之一来自对大数据和计算的过度依赖。想让机器像人类那样思考，就必须“喂”给它天量数据。“必须依赖大数据、大计算，导致现阶段很多人工智能过于重量级”，在刘铁岩看来，“这种依赖是笨拙的，未来应当有更多轻量级的人工智能产生”。

瓶颈之二来自人工智能的“黑箱”——当下人工智能做出的决策就像封闭的黑箱子一样不可预测。“在人脸识别系统中，如果一些人能够识别而另一些无法识别，研究员可能无法回答为什么，因为这是机器从数据中学习得来的，背后的逻辑并不清晰”。徐立还举了另一个无人车的例子描述这种尴尬：“无人驾驶超越人的准确率是很可能的，但难点在于你不知道它什么时候会撞墙。”

另一个瓶颈在于不成熟的行业生态。这在一定程度上制约了人工智能的发展。薛永峰提醒，要防范出现数据孤岛化、研发孤立化的问题。“人工智能的一些技术专利主要掌握在大公司手中，数据资源难以全面放开。在语音识别、无人驾驶等诸多领域，很多团队各做各的，没有融会贯通。”而在一些传统行业中，数据积累的规范程度和流转效率，还远远达不到能够发挥人工智能技术潜能的程度。

不过徐立认为，这些缺陷“与其说是瓶颈，不如说是未来的主攻方向”。

就国内而言，人才储备方面还相对薄弱。来自领英的数据显示，全球范围内，人工智能专业人才有195万，中国只占2%，排名第七。“人工智能工程师和应用型人才都存在缺口，我们的教育体系应该与时俱进，在课程设置上面与发展需求配套”，刘铁岩说。

值得庆幸的是，人工智能发展进程中，许多进步和改变已扎实可见。

亚马逊、谷歌、Facebook、IBM和微软已于去年9月宣布成立非营利的人工智能合作组，为研究人员提供可供讨论和参与的开放式平台。今年4月，百度也正式发布阿波罗计划，把自己所积累的自动驾驶技术开放给业界，以期进一步降低研发门槛，与产业链各环节共同促进自动驾驶技术的发展和普及。

“这是一场既有主动脉又有毛细血管的技术革命，其意义可能不亚于今天的互联网和移动互联网。因此急不得，未来要一步步走”，薛永峰说。