人工智能达到什么水平?人工智能为什么大跌?

2017-11-30请点蓝字＞慎思行慎思行

文章来源中国人工智能学会，罗兰贝格公司

个人微信 helloSSX

人工智能概念介绍

人工智能是什么？人工智能是一门利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。人工智能、机器学习、深度学习是我们经常听到的三个热词。关于三者的关系，简单来说：机器学习是实现人工智能的一种方法，深度学习是实现机器学习的一种技术。机器学习使计算机能够自动解析数据、从中学习，然后对真实世界中的事件做出决策和预测；深度学习是利用一系列“深层次”的神经网络模型来解决更复杂问题的技术。

人工智能从其应用范围上又可分为专用人工智能(ANI)与通用人工智能(AGI)。专用人工智能，即在某一个特定领域应用的人工智能，比如会下围棋并且也仅仅会下围棋的AlphaGo；通用人工智能是指具备知识技能迁移能力，可以快速学习，充分利用已掌握的技能来解决新问题、达到甚至超过人类智慧的人工智能。

通用人工智能是众多科幻作品中颠覆人类社会的人工智能形象，但在理论领域，通用人工智能算法还没有真正的突破，在可见的未来，通用人工智能既非人工智能讨论的主流，也还看不到其成为现实的技术路径。专用人工智能才是真正在这次人工智能浪潮中起到影响的主角。我们的讨论范围将聚焦在更具有现实应用意义的专用人工智能技术，具体讨论现有专用人工智能技术能带来的商业价值。

人工智能发展历史与现状

人工智能的发展历史

人工智能的概念形成于20世纪50年代，其发展阶段经历了三次大的浪潮。第一次是50-60年代注重逻辑推理的机器翻译时代；第二次是70-80年代依托知识积累构建模型的专家系统时代；这一次是2006年起开始的重视数据、自主学习的认知智能时代。在数据、算法和计算力条件成熟的条件下，本次浪潮中的人工智能开始真正解决问题，切实创造经济效果。

本次人工智能浪潮的驱动因素

近年来，人工智能应用领域市场规模、人工智能领域的资金投入都迅速增长，反映了社会与市场整体对其认知程度与信心的高涨。驱动认知程度提高的一方面因素是技术本身的提高，包括数据、算法、算力，使得人工智能技术真正为商业应用创造了价值；另一方面，大数据、物联网、云计算等技术为人工智能的发展打下了良好基础。

高质量、大规模的大数据成为可能。1986—2007年，全球单日信息交换量增长了约220倍，全球信息储存能力增加了约120倍。海量数据为人工智能技术的发展提供了充足的原材料。

计算力提升突破瓶颈：以GPU为代表的新一代计算芯片提供了更强大的计算力，使得运算更快，同时在集群上实现的分布式计算帮助人工智能模型可以在更大的数据集上运行。

机器学习算法取得重大突破：以多层神经网络模型为基础的算法，使得机器学习算法在图像识别等领域的准确性取得了飞跃性的提高。

社会理解与接受程度广泛提升：随着社会信息化及互联网/移动互联网的普及，以及受AlphaGo等大量热点舆论事件影响，全社会对人工智能的态度已逐渐从怀疑、恐惧转变为好奇、接受和认同。

物联网、大数据、云计算技术提供了人工智能的发展基础

物联网、大数据、云计算技术为人工智能技术的发展提供了其所需要的关键要素。物联网为人工智能的感知层提供了基础设施环境，同时带来了多维度、及时全面的海量训练数据。大数据技术为输入数据在储存、清洗、整合方面做出了贡献，帮助提升了深度学习算法的性能。云计算的大规模并行和分布式计算能力带来了低成本、高效率的计算力，并降低了计算成本。

人工智能产业发展状况

技术方向方面

人工智能方向的企业目前主要分为两类：专注于技术研发的通用型人工智能企业，如DeepMind、 Facebook AI Research、Google Brain与Baidu AI等，以及专注于人工智能技术应用的专用型人工智能企业。通用型人工智能由于研发技术难度大，目前多由巨头互联网公司在进行布局，短期内没有明确的技术突破前景。专用型人工智能企业数量众多，但其发展仍然受制于需要人工标注的数据限制。

应用方向方面

从应用方向上来看，金融、医疗、汽车、零售等数据基础较好的行业方向应用场景目前相对成熟，相关方向企业的融资热度也较高。以自动驾驶领域为例，谷歌、百度、特斯拉、奥迪等科技和传统巨头纷纷加入；人工智能在金融领域的智能风控、智能投顾、市场预测、信用评级等领域都有了成功的应用；在医疗领域，人工智能算法被应用到新药研制，提供辅助诊疗、癌症检测等方面都有突破性进展，凡此种种，不一而足。

地域发展方面

纵观全球人工智能产业的发展，我们可以发现：全球领先的创新高点散落在各个国家，如美国纽约与硅谷、英国伦敦、以色列，以及中国的北京、上海与深圳。人工智能技术本身具有高流通、易传导的性质，在全球信息流通开放的大环境下，人工智能的发展不再受限于国家或地域。

借助于良好的人才基础、巨大的应用市场、强有力的风投基金支持，中国人工智能企业的发展势头良好，在全球处在优势领先地位。中国的人工智能企业数量、专利申请数量以及融资规模均仅次于美国，位列全球第二。在国内，计算机视觉、服务机器人、自然语言处理方向的人工智能企业占据了人工智能企业个数的一半以上。北京、上海、深圳作为国内人工智能创新的高地，其相关企业数量占据了国内企业总数的近80%。

人工智能未来发展的预测

我们认为，短期内构建大型的数据集将会是各企业与研究机构发展的重要方向。同时，机器学习技术会更注重迁移学习与小样本学习等方向，近期AlphaGo Zero在无监督模式下取得的惊人进步充分体现了此方向的热度。长期来看，通用型人工智能的发展将依赖于对人脑认知机制的科学研究，其发展前景目前尚处于无法预测的状态。

在商业应用方面，短期内，专用型人工智能将会在数据丰富的行业、应用场景成熟的业务前端(如营销、服务等)取得广泛的应用。长期来看，正如国际人工智能领域著名学者Michael I.Jordan所说，人工智能技术将能在边际成本不递增的情况下将个性化服务普及到更多的消费者与企业，从细分行业的特定应用场景应用到更加普世化的情景。

编辑 Yibin.P

推荐阅读

      人工智能的发展一直是一个具有潜力和争议的热点话题。有人说要大力发展人工智能，也有人说人工智能会危害人类。那么人工智能的话题有多热门呢？我们是否还在大学课堂上专门讨论人工智能的发展？我们应该提倡还是抵制？

     未来有什么政策要制定，人工智能发展到什么程度？我不认为讨论的最后会有什么积极的结果，但是在讨论的过程中，我们还是得出了一个结论：虽然人工智能的发展是不同的，但是它并没有影响到它迅速发展成为一项由微软、阿里巴巴、百度等众多行业巨头发起的新技术，庞大的数据也证明了人工智能的未来市场前景非常可观。

        在这个巨大的市场潜力中，人工智能在工业领域的应用占有很大的市场份额。到目前为止，人工智能在工业领域的具体应用大致可以分为两类：一类是与传统自动控制相关的商业和技术领域，是指利用设备或装置使机器达到一定的工作状态或参数，设备或生产过程按照预定的规则自动运行；二是利用企业生产和服务过程中积累的历史数据进行深入学习等人工智能模型算法能够发现数据的内在规律和新的价值，可用于改善工业企业的设计、生产和服务等环节。

        在以上两类人工智能应用中，很多已经投入生产，甚至有些已经在工业领域取得了初步成效。例如，工业领域一直提倡的工业自动化，在很大程度上是将人工智能技术结合起来，提高企业效率，降低生产成本，增加安全系数。但尽管如此，中国的人工智能技术仍然需要突破，或者我们需要更多高科技的工业智能产品，我们需要精通人工智能技术的人才。

人工智能研究的领域主要有五层，最底层是基础设施建设，包含数据和计算能力两部分，数据越大，人工智能的能力越强。往上一层为算法，如卷积神经网络、LSTM 序列学习、Q-Learning、深度学习等算法，都是机器学习的算法。第三层为重要的技术方向和问题，如计算机视觉，语音工程，自然语言处理等。还有另外的一些类似决策系统，像 reinforcement learning（编辑注：增强学习），或像一些大数据分析的统计系统，这些都能在机器学习算法上产生。第四层为具体的技术，如图像识别、语音识别、机器翻译等等。最顶端为行业的解决方案，如人工智能在金融、医疗、互联网、交通和游戏等上的应用，这是我们所关心它能带来的价值。

科大讯飞下跌在我看来是非常正常的。
三季度利润同比跌了近40%，证明公司运营并不顺利。每股经营现金流为负数，证明企业资金非常紧张。
接近300倍的市盈率，股票的估值可以说是高的离谱。基本上是靠人工智能的概念炒作炒起来的。

下跌属于正常现象，是逐步回归其真实价值的一个过程。

人工智能在某些领域已经达到了登峰造极的程度，例如，阿发狗接连击败围棋顶尖高手就是实例。
在某些领域，人工智能就差强人意了，还有比较长的路要走。例如，自动驾驶，还有待完善。

现在的人工智能最新发展是可以进行学习、判断，但由于人工智能只能在某一特定学科里面学习，无法做到全面智能化。所以，在可知的将来，人工智能只能为人类服务，暂时威胁不了人类。

人工智能的最高境界就是智能机器人可以独立思考对错，甚至可以自己修复自己，综合几点就是让你感觉你对面坐着个人而不是机器，现在的技术完全达不到，目前只能局限在预先设定程序让机器人做出预定的程序反应；也许有人会问什么时候我们才知道我们成功了呢？很简单，什么时候机器人违抗人类的命令，他认为是错误的拒绝执行，是的这里就会把“它”改成“他”了，但那时候也是霍金说的人类大灾难的到来。