1.1.1　人工智能是泡沫，还是未来

2016年被称为“人工智能元年”。

2016年，一则消息引爆了全世界各个领域对人工智能的关注，谷歌Deep Mind开发的人工智能AlphaGo战胜世界围棋冠军李世石。该事件被视为人工智能在中国围棋上赢过了人类。

随之而来，引发了众多关于人工智能的争论。早在1997年，IBM的深蓝就打败了国际象棋世界冠军卡斯帕罗夫，但20年过去了，人工智能也未见何成就。那么，人工智能是否只是一个概念？什么都谈人工智能，泡沫是不是快破灭了？

在这个“智能”泛滥的时代，我们能够在生活中看到品种繁多的“智能产品”，像智能手机、智能手表、智能手环、智能冰箱等产品。可是否真的智能？或只是一个宣传口号？当我们认真去甄别时，发现绝大多数的东西，跟过去的老式录音机差不多，都是按照事先编好的程序完成工作，这个过程中并没有它自己的思考。唯一的不同可能是，之前的程序不是用计算机程序代码来写的，而是用机械或是电路做的。

对人工智能的基本理解是，就像我们人一样，有眼睛有五官，能够感知周围的环境，并且能够对感知的结果进行理解和思考，最后达到目标。这个思考的结果，就是机器学习与智能决策，而非事先编好程序指令，是人工智能最重要的核心。

事实上，人工智能并非什么新技术。人工智能（Artificial Intelligence）这个概念最早出现于1956年的一份科学计划中，该计划宣称运用人工智能只需要三四个月的协作研究，就能使机器解决各种人类一直不能够解决的问题，由此实现人类各个领域的重大进步。这份计划后来被证明只是一份科幻计划书。此后，人工智能虽然小有突破，但其“计划”远比其实际给出的多得多。最终，大部分人工智能研究者都避免运用这个术语，而更喜欢用“专家系统”或者“神经网络”。

然而，人工智能为什么又从最初的幻灭与失望，突然一夜之间成为科技界人人垂青的领域呢？

早在20世纪80年代，以微软为代表的众多科研机构，在语音识别、图像识别、动作识别等机器感知领域取得重大突破，但这都没能打开人们对于人工智能的想象空间。

直到以谷歌、IBM为代表的IT公司在自然语言处理、智能决策、知识图谱等机器认知领域取得突破的时候，才真正引爆这个其实已经默默研究多年的科技领域，而这其中最具代表性的事件便是AlphaGo战胜李世石。

“人工智能”名誉恢复并重新兴起，可以追溯到2012年。2012年，多伦多大学由Geoff Hinton带领的团队实现了智能识别图片85%的准确率（人类平均有95%的准确率），这要归功于一项叫“深度学习”的新技术。这带来了一系列影响深远而快速见效的技术进展，在2015年的ImageNet竞赛上，一个采用深度学习技术的软件以96%的准确率第一次超过了人类。

突然间，深度学习就获得了广泛关注——不仅是在人工智能界，而是在整个科技产业界内！深度学习系统可以变得愈加强大，更多层次的网络能进行更高水平的计算并产生更好的结果。事实证明，这些神经网络擅长解决众多领域的难题。谷歌运用深度神经网络提升其搜索反馈结果的质量，帮助人们在网络中找到特定的图片。苹果公司运用深度学习理解智能手机端的口语指令，特斯拉采用深度学习技术帮助它们的自动驾驶汽车理解周围环境。

而AlphaGo则是将最先进的深度学习技术应用在中国围棋领域所取得的成果。AlphaGo最初是在网络游戏平台上和人类不断下棋，通过不断地试错和调节来学习人类下棋的风格和方式。直到工程师觉着AlphaGo下棋已经十分像人类时，才让它开始自我学习的过程。通过“学习阅读”各类不同棋谱，再通过对数百万局“自己与自己下棋”的数据分析，AlphaGo具备了战胜人类冠军的能力。

1997年，IBM深蓝打败世界冠军卡斯帕罗夫，科学界认为国际象棋的设计相对简单，还无法说明机器能在智力活动上战胜人类。而中国围棋规则简单，但却在简单的规则中演绎出近乎无穷的变化。人类在下围棋时，不仅需要推理计算，更需要人类的直觉与想象。面对19×19的围棋博弈若依靠计算能力强行破解，计算机所需要的充足计算能力，即使依据摩尔定律最大胆的预测，至少还需要5年以上的时间。但是，由于深度学习这一新的机器学习技术出现，AlphaGo如今就能以4∶1的成绩完胜围棋世界冠军李世石。

因而，不同于当年IBM深蓝仅以超高速推理运算能力在国际象棋方面战胜人类，如今，AlphaGo采用深度学习技术在中国围棋上打败了人类，深度学习为人工智能发展提供了一个全新的方向，人工智能领域迎来最大的一次技术突破。

当然，人工智能的发展还有很长的路要走，远不足以全面应用于人类生活的方方面面，更别提威胁人类。今天的人工智能，离真正的强人工智能还相去甚远。若是真正解析那些业已非常成功的人工智能案例背后运行的实际原理，就会发现，现今的人工智能还处于：想要多少智能，就要先付出多少人工，并且通常是加倍的。

人工智能大体可分为3个阶段。

感知智能：人类通过眼睛、耳朵、手等感觉器官，拥有视觉、听觉和触觉这些感觉能力。机器也能通过对物理世界的数字化来模拟人类感觉器官被动地感知物理世界。

认知智能：记忆、推理、规划、决策等这些人类主动的认知过程，只要给机器足够多的信息，机器就能实现类似人的认知的智能。譬如将交通路况和目的地告诉机器，机器能帮司机规划开车路线，以避免拥堵的路段。

强人工智能：目前的机器人还没有情绪，更无法如同人类一般做出自主抉择。强人工智能需要机器在通用层面达到人类智能，眼前还没有能完全实现类人智能的机器。

盘点人工智能领域现有技术以及发展曲线如图1.1所示。

从图1.1中，能够看出人工智能的多种技术，在技术发展曲线中处于不同的位置，目前进入生产成熟期的仅有语音识别技术，例如，科大讯飞语音输入法、苹果的Siri等产品；离生产成熟期较近的有VR（虚拟现实）技术，许多IT厂商都在生产VR头盔，就是要抢占这个刚刚成熟的市场；而自动驾驶、无人机技术真正成熟进入应用，还要10年以上的时间进行研究突破，谷歌自动驾驶出现事故，无人机还仅是在娱乐摄像小范围内运用，这些都表明人工智能技术还有待提升。

人工智能一定是未来，一定是如今乃至下一个5年或10年的未来技术。这已成为包括高德纳（Gartner）、麦肯锡等IT研究与咨询公司，硅谷与国内各大IT投资机构，世界上最顶尖的技术公司以及斯坦福、伯克利等院校、研究所实验室科研人员的共识。

并且，人工智能不同于现有的互联网、大数据等技术，它不是某一个特定的技术，它对几乎所有的行业都会产生不容忽视的影响，它是一个时代的开始。