2017可谓人工智能元年，AI领域风投和创新、创业风起云涌，深度学习研究和应用持续火爆。
以Facebook小扎和Tesla钢铁侠为代表的大佬们站队互掐，AlphaGo的成功营销与Watson的失败应用，国内BAT纷纷推出人工智能战略等等…
这一波大数据驱动的AI热潮，发展势头强劲。
这些年从物联网，云计算，大数据到现在的人工智能，一个比一个热，这是DT前沿信息技术发展的大势，其内在的逻辑联系和发展趋势使然，终极目标直指人工智能。
这就好比我们人体一样，物联网（移动互联网）构造了眼耳鼻舌身等感官，大数据是各种感官获取的感受信息，云计算是记忆存储，人工智能就是我们的认知决策。
IT和DT技术发展本质是在拟人化、智能化，智能时代一定会到来是毫无疑问的，但是，发展过程也不要太乐观。
人工智能源起：图灵的智能之问
大数据时代，我们周围充斥着各种不同的理论、知识、信息和噪音，数据爆炸式增长和科技高速发展所带来的冲击，加大了未来的不确定性。
当我们接收的数据和信息越多，面临的选择就越多，如若不善于过滤、挖掘和处理，对各种决策就可能会造成负面影响，当然也会放大我们对未来不确定性的恐惧。
如何从混沌中发现规律，成为预测未来的“先知”，抑或是少出几只黑天鹅？是历代人类的梦想，不管是古人的占卜、算命还是现在的专家系统、商业智能、数据挖掘、机器学习、人工智能、智慧地球、智慧城市等技术和应用，都源于我们对未来不确定性的恐惧。
如何降低决策过程中的不确定性，通过智能技术进行前瞻预测是关键，不管是物联网、大数据、云计算还是DT偌大的技术生态体系，其核心都是为这一目标服务。
从这个角度讲，传统商业智能应用90%失败这一论断是有道理的——因为基础的数据管理和常规的统计分析，不能称之为智能。
换句话说：没有成熟机器学习技术的支撑和成功应用，要说多智能那就是忽悠（后面我会讲IBM Watson的问题）。
机器如何智能，系统如何智能？可谓仁者见仁智者见智。
我们先来看图灵是如何定义这一问题的。
作为计算机科学和人工智能领域的先驱，图灵在1950年发表的著名论文《Computing Machinery and Intelligence》中，详细讨论了机器能否拥有智能这一问题，但也只是个开放性的讨论，其实图灵也未能定义什么是智能（但提出了著名的“图灵测试”）。
在1956年的DARTMOUTH学术会议上，AI被正式提出；定义为：
研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。
通过了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，人工智能可以对人的意识、思维的信息过程进行模拟。
人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
智能涉及到诸如意识、自我、思维、心理、记忆等等问题。
由于我们对人类智能本身还知之甚少，所以人工智能的发展比预想的要慢很多。
图灵当时也做了个比较乐观的预测，他预测在2000年左右，机器极有可能会通过“图灵测试”，拥有初步的智能行为。
现在看来这一时间是延后了：从当前自然语言处理领域的发展现状及问题来看，要解答图灵的智能之问，还需要AI研究人员多年的努力。
人工智能泡沫：神经网络“三起三落”的启示
从历史来看，重大科学的研究往往呈螺旋形上升的过程，不可能一蹴而就；每一次基础科学研究的重大进步，科技应用的重大突破，往往先由一两个领军人物偶然点破，而后大家蜂拥而至；在很短的时间内做出大量更具突破性的成果，同时带来相关产业界的革命性增长。
经历过“三起三落”的人工神经网络，能够在换马甲为深度学习后成功逆袭，正是机器学习领域几十年来积累诞生的重大科学研究和工程应用成果；当前深度学习被看作是通向人工智能的关键技术，被寄予厚望。
我在10多年前对神经网络和支持向量机两个机器学习方向都有过粗浅的学习和了解，见证了神经网络研究三起三落其中的一段时光，见证了以支持向量机为代表的浅层学习技术的火爆，但却始终少有看到机器学习技术真正走出实验室。
直到最近几年，神经网络换马甲为深度学习后成功逆袭，使得机器学习领域这几十年来积累的成果，得以逐渐走出实验室；在学术界研究和产业界应用都一鸣惊人，并有望引领人工智能关键技术的跨越式发展。
但从另一方面看，神经网络的三起三落也就代表了人工智能的三个泡沫期，这给过分热衷深度学习技术与人工智能研究应用的人来讲，也是该降降温的。
期望越大，失望越大，毕竟深度学习技术没有想象中的那么强大，至少在智能算法层面的突破很有限（主要靠的还是大数据和计算力）。
换个角度看，深度炼丹术的兴起，会不会是因为机器学习算法研究几十年迟迟无重大进展，神经网络算法的一点小改进（正好遇到了大数据与GPU）就被当做了救命稻草？
或者说即使神经网络的深度架构碰巧撞到了类脑学习机制，但我们能全面解码它吗？
不太了解神经科学的研究水平，这个需要大家去悟了。
人工智能价值：弱 AI 不弱，强 AI 难强
人工智能价值：弱 AI 不弱，强 AI 难强
AI目前的发展还处于弱AI（Artificial Narrow Intelligence ，ANI）阶段——但弱AI并不弱，如阿尔法狗一样，虽然只擅长某一方面的智能，但在这方面已然超过人类了。
近年来，弱AI已经极大促进了信息化与智能化的发展，在很多领域提高了生产效率。如工业机器人、医疗机器人、智能问答、自动驾驶、疾病诊断、自动交易等系统工具，极大提高了生产力。
弱AI不能像人类一样靠理性或感性进行推理和解决各方面（哪怕很简单）问题，机器只不过看起来像是智能的，其实只是既定程序的执行而已，只能解决某一方面的问题（就像下围棋不能代表会下象棋），不会有自主意识，不会有创造性。
而强AI（Artificial General Intelligence ，AGI）的定位是：在各方面相当于人类或者超过人类，也称为通用人工智能。
现阶段的人工智能研究和应用主要聚焦在弱AI，强AI的研究可以说还是停滞不前，难有进展。
强AI能否实现还是未知，但要论人工智能的价值，我认为很有必要对两者进行对比。
首先我个人是不支持发展强AI的，除非对其有绝对的控制能力。除非人类遇到了全球性灾难或需要星际移民，不然强AI出世就很可能是另外一种原子弹，绝对是弊大于利。
弱AI帮助人类，是我们的好助手，能提高我们的生产效率和生活水平。
强AI超过或代替人类，将是大部分人类的“终结者”，至少是劳动终结者；总不可能几十亿人都去从事艺术职业吧？
当然弱AI发展也会面临这一挑战，但更可控和缓和很多。
人工智能应用困境：先要搞清楚几个关键问题
随着机器学习、深度学习和人工智能相关技术（强化学习、迁移学习、对抗学习等）的高速发展，阿尔法狗与人类顶尖棋手的人机大战，也注定成为人工智能的里程碑事件。
当AI变得越来越复杂，越来越聪明，以至于在多个领域全面超越人类的时候，那时的AI会是提高人类生产力和生活质量的好助手？抑或是彻底控制奴役人类的天网？
现在还难以下结论。
但可以肯定的是：接下来数十年里，AI对人类生活造成的冲击将是巨大的。
不管是技术层面还是产业应用层面，要对人工智能领域有个全面准确的理解和把握，可以说十分困难。
下面提几点个人认为比较关键的问题供大家探讨。
1. 现在是人工智能的“黄金”时代吗？
2. 人工智能的应用成熟度？
3. 人工智能的技术成熟度？
4. 大数据如何助力人工智能？
5. 深度学习的“深”与“浅”？
6. Tesla钢铁侠和Facebook小扎到底在争个什么？
|
收藏
淘帖
踩
