引言 人工智能的技术发展与应用现状
2017年可称为人工智能（AI）元年，在此之后仿佛一切都在加速，人工智能领域的突破层出不穷，比如根据医学影像诊断疾病、自动驾驶的汽车、刷脸支付和无人超市等。人工智能技术“横冲直撞”，闯入甚至颠覆了许多商业领域，也成为企业的新“军备竞赛”场地。2017年在人工智能领域的并购和投资就高达220亿美元，是2015年人机大战发生前的26倍。谷歌的CEO皮查伊将AI对于人类的影响放在了高于火和电的位置上：前者标志着人类文明的起源，而后者将人类带入了工业时代。麦肯锡全球研究院则给出了一个更具体的价值：将人工智能仅仅运用在营销、供应链管理和新销售方式的利润和效率提升上，就能够在未来20年创造2.7万亿美元的经济价值。
人工智能发展所取得的举世瞩目成就并非一蹴而就，它的应用其实早已开始改变我们的工作和生活方式。1988年我在美国邮政工作时，主导了第一个使用机器视觉和手写辨识技术来自动分拣包裹的项目，并登上了《AI Magazine》的封面。再往前追溯5年，我也曾经在汽车生产线上开发机器人，探究如何使用传感技术让机械臂的定位和动作执行更加精确。那个年代的人工智能还只能完成在一定范围内规定好的任务，受工作条件、对象和环境的限制非常多，并不像现在这样能够完成更复杂的任务，并且可以通过泛化学习和认知能力管理很多不确定性。人工智能技术在近几年爆发式的发展主要得益于许多基础设施技术的不断完善，比如大型的运算中心为我们提供了更强的计算能力，传感器变得更加多样和廉价，信息通信技术（ICT）技术的发展为数据的流通提供了更高速的管道，互联网中每分钟数以亿计的活动产生的大量数据为算法的训练提供了丰富的样本，而更加强大的芯片使得这些智能算法可以在任何边缘硬件中实时处理和分析数据，再通过丰富的交互入口传递信息，从而完成各种活动。这些基础设施的不断完善正在使AI的使用成本大幅下降，就好像电力基础设施的完善使得现在的照明成本比两百年前降低了数百倍，这使得人工智能能够以更加低的门槛被更广泛的场景所接纳。
事实上，人工智能对人们生活方式和生产方式的影响已经超过了我们的想象。在生活中，无处不在的摄像头记录着我们的一举一动，当我们进入一家商店时，素未谋面的售货员就可以通过人脸识别迅速获得我们的各类信息，进而有针对性地推荐我们可能感兴趣的商品。在工作场所，亚马逊（Amazon）的一款可穿戴式传感器可以追踪仓库工人的手部动作，识别他们的工作效率并通过振动提醒那些潜在的偷懒者。在中国的某半导体制造工厂内，管理者可以通过员工的工牌定位到他们的移动路径，并自动识别那些有异常活动的员工，对于保密性要求极高的半导体生产商而言，这无疑是防止技术泄露的重要保障。美国职场目前最受雇主青睐的“即时通信和协同工具（Slack）”可以帮助管理者评估员工的效率和与团队互动的有效性，这个软件的全称就很能很形象地体现它的作用——“所有对话和知识的可搜索日志”（searchable log of all conversation and knowledge），对这些工作过程中所产生的数据进行分析，就可以判断哪些员工的效率更高，而哪些员工可能有离职的倾向。
在商业活动中，人工智能帮助商家更加了解他们的客户，进而做出更加准确的营销决策。中国平安采用人脸识别技术，让用户在申请贷款时在视频中回答有关收入和还款计划的问题，通过监测其面部的微表情判断他们是否在说真话，以此筛选出需要进一步审核的客户。中国平安之所以有底气这么做，是因为他们掌握了世界顶尖的人脸识别技术——截至2018年5月9日，户外脸部检测数据库（labeled faces in the wild，LFW）最新公布的测试结果显示，中国平安旗下平安科技的人脸识别技术以99.8%的识别精度和最低的波动幅度领先国内外知名公司，位居世界第一。英国领先的网购公司Ocado将每天收到的超过1万封客户邮件，利用人工智能技术进行情绪分析，之后对应答的优先级进行排序，并进一步将客户所投诉的问题进行自动分类，然后分发给具有相关领域知识的服务人员。著名的赌场集团恺撒娱乐（Caesars）通过在酒店内提供虚拟礼宾员Ivy来自动回答客户的询问，将打给人工服务台的电话减少了30%。美国的一家创业公司为保险公司的电话客服提供情绪引导服务，通过识别客户的语速、语调和用词特征来识别客服的情绪是否恰当，并提醒他们在适当的时候表现出更多的同情心。法国家居装饰零售商乐华梅兰（Leroy Merlin）通过分析历史销售数据与各种影响因素（如天气）之间的关系，为订货策略和供应链管理提供建议，帮助节省了8%的库存，同时增长了2%的销售额。将人工智能与大数据分析技术应用到需求预测和库存改善可以释放存储空间和改善企业的现金流，这对于利润率已经被挤压到生存边界的零售商而言无疑是一个福音。对零售业而言，供应链成本降低的3%可能使净利润翻倍。IHL Group的数据显示，2015年全球零售业因为库存积压而造成的损失高达4700亿美元，而库存不足或周转造成的损失达6300亿美元。人工智能在供应链优化方面的应用或许也是一个万亿级的市场。
人工智能的发展历程中也曾经历过数次起伏，从1956年达特茅斯会议后直到2000年，人工智能曾经历过两次寒冬。第一次寒冬开始于1973年，以《莱特希尔报告》的推出为代表，由于在人工智能方向的研究投入没有取得预期的进展和回报，美国政府决定大幅削减支持人工智能领域研究的资金，象征着人工智能正式进入寒冬。之后的十年间，人工智能鲜有提起。进入20世纪80年代，由于专家系统和贝叶斯定理在人工智能领域中崭露头角，人工智能再次迎来新的高潮，然而随后人们开始意识到人工智能的问题不仅是硬件问题，而更是软件以及算法层面的挑战没有突破。随着1987年基于通用计算的Lisp机器在商业应用上的失败，人工智能再次进入了低迷期。到了20世纪90年代后期，由于计算机运算能力的不断提高，人工智能开始再次进入大家的视野，代表性事件包括IBM深蓝计算机击败人类国际象棋冠军，以及以数据挖掘和推荐系统为主要代表的商务智能应用开始真正为企业创造价值。而这一次的人工智能高潮来临相当一部分应该归功于深度学习神经网络的突破性进展和成功应用。2012年，Geoffrey Hinton团队在ImageNet竞赛上首次使用深度学习技术，从而完胜其他团队，让人们意识到深度学习相比于传统机器学习的长处，让深度学习重新回到主流技术舞台。与此同时，以图形计算为代表的GPU在计算机视觉训练中替代原来的CPU，大大提升了计算性能，让原来需要几个月才能完成的训练缩短到几天甚至几个小时，加快了计算机视觉前期训练和推理的迭代周期，带来效率上的成倍提升。当硬件、算法、大数据这三个因素在各个领域的突破达到一定程度时，自然就带来了人工智能的大爆发。2016年3月，谷歌AlphoGo机器人以4:1击败韩国围棋冠军李世石就是三者结合的典型代表，让人工智能不再是高高在上和遥不可及，从此进入大众的视野。
与过去两次人工智能所经历的高潮不同，这次我们看到人工智能技术已广泛应用于智慧安防、智慧金融、智慧零售等新的行业形态，并为人们的生活带来很大的便利。最重要的是，人工智能在某一些领域中已经验证了其商业价值可行性，形成了标准化和可大规模应用的产品，甚至已经开始盈利。这与过去两次人工智能技术所经历的起伏有本质上的不同。我们有理由相信，新一轮人工智能正处于增长的黄金年代，以深度学习为代表的高级算法在行业的应用趋于成熟，为解决工业问题提供了很好的工具。
人工智能从以学术为驱动转变为以商业应用为驱动的发展模式，既能为进一步解决城市和社会问题、生态保护、经济财政、金融风险等宏观系统提供指导，也能为工业制造、能源电力、健康医疗和交通运营等微观领域提供解决方案。新一代人工智能技术在近几年取得快速发展和应用主要受益于以下4个要素：
（1）人机物互联使数据量呈现爆炸性增长，形成了真正的大数据环境。
（2）云计算、边缘计算和专有芯片技术加速演进实现计算能力大幅提升。
（3）深度学习领域的技术突破带动算法模型的持续优化。
（4）资本与技术深度耦合助推行业应用和技术产业化快速兴起。
在数据、运算能力、算法模型、多元应用的共同驱动下，人工智能的应用范围逐渐从执行特定工作的“狭义”人工智能，向胜任某一场景下开放性问题（如人机对话）的“广义”人工智能演进。人工智能技术能更为密切地融入人类生产生活，与人的关系从辅助性工具进化为协同互动的助手和伙伴。在这一轮技术热潮中，我们能够观察到人工智能技术的演进方式，包括：①从CPU架构的独立运算到GPU架构的并行运算，再到基于TPU的面向特定算法进行优化运算架构的出现；②从依赖算法突破的驱动转变为数据、运算力、算法、商业化应用场景复合驱动；③从封闭的单机系统转变为快捷灵活的开源框架（以往的专家系统基于本地化专业知识进行设计开发，以知识库和推理机为中心而展开，其中，推理机的设计由不同的专家系统应用环境决定，单独设定模型函数与运算机制，一般不具备通用性；知识库是开发者手动录入的专家分析模型与案例的资源合集，只能够在单机系统环境下使用并且无法连接网络）；④从学术研究探索导向转变为快速迭代的商业化应用导向。
我们很欣喜地看到人工智能技术正在实现“场景—数据—技术—产品—商业”的正向循环。在人工智能技术发展的早期，由于数据获取的成本较高，算法缺少快速演进的环境。而一旦进入应用期，大量的优质样本数据和更快速的反馈有助于技术弊端分析，通过对相关技术进行改进升级，进而提升了产品的应用水平；而用户在得到更好的产品体验后，继续为应用平台创造更大规模的后台数据，用来进行下一步的技术升级与产品改良，由此进入大规模应用阶段。如今的我们究竟是站在变革的序曲还是高潮中，很难有清晰的判断，不过有一点是明确的——人工智能已经在切实改变着我们的生活，而与此同时也面临许多无法忽视的挑战。我们看到如今人工智能在社交、行为、活动、商业等领域的应用已经产生了直观的影响和切实的价值，这些应用为人工智能在工业领域的落地所建立的基础，正在成为未来实现工业人工智能的潜力。当前工业处于向工业4.0阶段的转型期，以价值创造为目标和驱动力，为人工智能的发展与行业应用提供了合适的土壤。智能制造和工业互联网技术的发展让我们看到了工业系统的“本地的智能化”和“连接的智能化”方向齐头并进的趋势，向着横向与纵向智能化应用体系的整合演进。一方面，我们看到设备的智能化、传感技术、通信技术、信息与控制技术等方面的快速发展正在为工业系统提供大数据环境和强大计算能力的基础；另一方面，工业互联网的发展正在推动设备、人与服务的连接，产生更多具有商业价值的新场景。这些要素的逐渐成熟让我们有理由期待工业将成为人工智能技术发展和商业应用的新蓝海！