硬件设备跟不上，只能从软件入手，这时人工智能的作用就显现出来了

近期，据外媒报道，硬件革命将人工智能推向主流，它大大削减了 AI 系统的训练时间和成本，没有让 AI 变成了一场鲜有人能够参与的军备竞赛。

人工智能早就不是什么新鲜话题了，茶余饭后我们也经常讨论以后有哪些行业可能会被人工智能替代。然而看到这则新闻的时候，笔者还是颇受震动——又一个近在咫尺的领域受到了机器人的“入侵”，这也意味着，人工智能时代离我们真的已经非常近了。

一位在大学工作的老师给笔者讲了另一个故事：有一次期末考试，他教的那门课叫外国报刊阅读，考试中是允许学生使用词典的。然而临到考试才发现，现在大部分学生已经没有纸质版的词典了，大家平时用惯了手机 APP。但是考场纪律不允许带手机，这就出现了一个窘境。最后学生不得不临时去图书馆借了一批纸质词典，手忙脚乱了一番才得以进入考场。

这个故事告诉我们，面对新技术带来的新情况，无论从制度上还是从技术手段上，很多时候我们其实并没有真正做好准备。

“人工智能来了”，对很多人来说这句话似乎还只停留在口号阶段，却没有意识到人工智能早已渗透进了我们生活的方方面面。比如大家还在对无人驾驶汽车保持观望态度，却不知无人驾驶地铁已经安全运营十多年了。2008 年建成的首都机场 T3 航站楼摆渡小火车、2010 年开通的广州地铁 APM 线，就已经采用了无人驾驶技术。生病就医，几乎全流程都可以用智能科技解决：在医院抽几管血，回家上网就可以查看体检结果;2014 年，笔者的父亲接受了机器人“达芬奇”实施的手术。去年有同事买了几支翻译笔，还在嘲笑说翻译得不够准确，今年再试，就觉得有了惊人的进步;但即便如此，大家还是坚持认为，翻译机器无法胜任文学翻译……

翻译机器真的翻译不出带有感情的文字?机器人炒出来的菜就一定是“没有灵魂”的吗?笔者倒觉得，我们对人工智能的预判可能太过保守了。人工智能来了，现有的行业都将迎来颠覆性的变革，如果不能认识到这一点，就说明我们对人工智能时代还是没有做好充分准备。

如今大学生在选择专业的时候，也常常会被这些问题困扰：既然翻译可以由机器完成，我们为什么还要学外语?机器人可以代替医生工作，我们为什么还要学医?无人机都开始送货了，快递小哥是不是就要失业了?大家都在试图寻找一些相对比较“安全”的学科和行业，都希望自己的工作暂时还不会受到太大的影响。殊不知，新技术突飞猛进，没有哪个行业是绝对安全的。

业界在谈及人工智能的发展时往往将算力作为最为核心和重要的因素，从投资情况来看吗，算力也是独占半壁江山。我们不否认算力之于人工智能发展的重要性，但是核心算法的缺失也会制约人工智能的发展和突破。

算法是人工智能早期研究和发展的热点，从人工智能概念提出开始，算法一直在不断地发展和演进。从供给的角度来看，学术界是人工智能理论和算法的开创者，在人工智能理论和算法的早期发展过程中起到了核心的作用，从决策树到神经网络，从机器学习到深度学习，推动算法不断演进和进步。

“中国有多少数学家投入到人工智能的基础算法研究中?”日前，在上海召开的院士沙龙活动中，中国工程院院士徐匡迪等多位院士的“徐匡迪之问”引发业界共鸣。徐匡迪指出，我国人工智能领域真正搞算法的科学家凤毛麟角，如果这种情况不改变，我国人工智能应用很难走向深入、也很难获得重大成果。

“徐匡迪之问”之所以能引发行业共鸣，正是因为我国人工智能产业的创新能力不够强大，产业发展过度依赖开源代码和现有的数学模型，真正属于中国自己的东西并不多。

当然也有声音提出，既然代码是开源的，拿来用就好，为什么还有可能被“卡脖子”?

开源代码是可以拿过来使用，但专业性、针对性不够，效果往往不能满足具体任务的实际要求。以图像识别为例，用开源代码开发出的 AI 即使可以准确识别人脸，但在对医学影像的识别上却难以达到临床要求。“例如对肝脏病灶的识别，由于边界模糊、对比度低、器官黏连甚至重叠等困难，用开源代码很难做到精准识别。在三维重构、可视化等方面难以做到精准反应真实的解剖信息，甚至会出现误导等问题，这在医学应用上是‘致命’的。”

是否掌握核心算法将决定未来的 AI“智力大比拼”中是否拥有胜算。用开源代码“调教”出的 AI 顶多是个“常人”，而要帮助 AI 成长为“细分领域专家”，需以数学为基础的原始核心模型、代码和框架创新。

在获得同样数据的前提下，以开源代码运行，AI 深度学习之后或许能输出结果，但由于训练框架固定、算法限制，当用户进行具体的实际应用时，将很难达到所期望的结果，而且难以修改、完善、优化算法。

而从底层算法做起，那么整个数学模型、整个算法设计、整个模拟训练‘一脉相承’，不仅可以协同优化，而且可以根据需求随时修改，从而真正解决实际问题。基础算法往往是指研究共性问题的算法，它涉及到基础数学理论、高性能数值计算等学科，可以应用到多种实际问题中;而针对性强的应用算法往往会应用到具体问题所涉及的“具体知识、先验信息”，从而更好地解决实际应用问题。

人工智能的时代依然是应用为王的时代，没有实际应用价值的技术是没有生命力的，对于人工智能技术来说，需要找到典型的应用和典型的应用场景，才能帮助提升该场景下的能力，并解决问题，这样的人工智能技术才是有价值有意义的。AI 要应对的现实生活是复杂、多变的，当能够“应对自如”时，才能够促成产业的“繁茂”。

谷歌的第二代 TPU AI 芯片。谷歌使用人工智能来提供诸如搜索、翻译和面部检测等服务，但它的 AI 芯片在数据中心运行。现在，AI 芯片正扩展到手机、个人电脑、汽车等领域

这次是 ai 技术的一小部分运用，真正支持 ai 技术全面曝光，背后的是机器学习以及物联网的应用，它是利用人脑模拟而建立成的，当你使用真实数据，来训练机器的神经网络后，会变得非常聪明，可以识别垃圾邮件，摄像头捕捉下的违规行为，或者是计算机，自己给自己编一段合适的程序。

AI 将变得无处不在。例如，Facebook 首席执行官马克·扎克伯格(Mark Zuckerberg)在国会作证的近 10 个小时里，他提到了应对虚假账户和错误信息的许多潜在 AI 解决方案。同时 AI 也已经是苹果、三星和华为等手机制造商常用的热门词汇。

芯片分析公司 Linley Group 的首席分析师林立·葛文那(Linley Gwennap)在处理器会议上表示:“大多数新的高端智能手机都有 AI 加速器，包括苹果 iPhone X 的 A11 芯片和华为 Mate10 的麒麟 970。我们已经看到，AI 正逐渐应用于高档手机，随着时间的推移，它可能会继续流向低端手机。”

AI 芯片可能不仅仅被用于智能手机上，这得益于公司制定芯片的发展目标，以及来自移动芯片巨头 ARM 的 Trillium AI 项目等努力。这意味着今天的计算机智能革命才刚刚起步，它最终可以帮助亚马逊和谷歌的数字助理扩展到新设备上，让你的汽车识别行人和周围的一切，让你的电脑更聪明，可自动进行照片和视频编辑等。

以网络安全摄像头为例，它可以让你的家庭网络和宽带连接成为一个持续的视频流。葛文那解释称：“你真正想要的摄像头能够看到现场，然后说什么都没发生，不需要上传视频。当发生变化时，它可以发送图像或通知。”葛文那预计，个人电脑可以在相对强大的主处理器上运行 AI，但随着更多的软件使用该技术，它们也会得到 AI 芯片。像 Photoshop 和 Premiere Pro 这样的 Adobe Systems 软件已经将处理器推向了极限，该公司已经引入了 Sensei AI 技术，以加快像照片编辑这样的任务。

使用英伟达技术的无人驾驶汽车，安装上的各类的传感器，利用英伟达的图像处理技术以及 npc 技术可以自动识别路上可能遇见的障碍物， 帮助汽车躲避和刹车。

随着无人驾驶技术的进步，汽车将获得 AI 大脑。名为 Synopsys 的公司在会议上展示了自己的方法，用于管理从雷达、激光雷达、摄像头和其他无人驾驶汽车中收集到的大量数据。