爆發(fā)

2006年，多倫多大學(xué)機(jī)器學(xué)習(xí)領(lǐng)域的泰斗Hinton和他的學(xué)生在《科學(xué)》刊物上發(fā)表了一篇關(guān)于“神經(jīng)網(wǎng)絡(luò)如何通過(guò)無(wú)監(jiān)督學(xué)習(xí)減少出錯(cuò)”的論文，引起深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的重視。

這篇文章主要提出兩個(gè)關(guān)鍵點(diǎn)：

1． 很多隱層的人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)異的特征學(xué)習(xí)能力，學(xué)習(xí)得到的特征對(duì)數(shù)據(jù)有更本質(zhì)的刻化，從而有利于可視化或分類。

2． 深度神經(jīng)網(wǎng)絡(luò)在訓(xùn)練上的難度，可以通過(guò)逐層初始化來(lái)有效刻度，也就是通過(guò)無(wú)監(jiān)督學(xué)習(xí)可以實(shí)現(xiàn)逐層初始化。

后來(lái)這篇論文被谷歌X實(shí)驗(yàn)室研究人員驗(yàn)證，并在2012年對(duì)外宣布，已經(jīng)用1．6萬(wàn)臺(tái)計(jì)算機(jī)搭建了擁有10億神經(jīng)連接的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（DNN），在沒(méi)有人工干預(yù)的前提下，具備識(shí)別物體這一感官能力。該網(wǎng)絡(luò)也已在YouTube上試用，能夠順利識(shí)別出內(nèi)容有貓的視頻。

此后，深度學(xué)習(xí)技術(shù)在圖像、語(yǔ)音、自然語(yǔ)言處理上都實(shí)現(xiàn)了低誤差突破。2011年以來(lái)，微軟研究院和谷歌都用DNN技術(shù)降低了語(yǔ)音識(shí)別錯(cuò)誤率20％～30％，在2012年，DNN技術(shù)在圖像識(shí)別領(lǐng)域取得驚人效果，在ImageNet上將錯(cuò)誤率從26％降低到15％。

學(xué)術(shù)界對(duì)人工智能研究的熱情暴增。聯(lián)合國(guó)聯(lián)合國(guó)世界知識(shí)產(chǎn)權(quán)組織今年發(fā)布份《2019技術(shù)趨勢(shì)——人工智能報(bào)告》顯示，從50年代到2016年，科研人員已提交超過(guò)34萬(wàn)份人工智能發(fā)明專利申請(qǐng)，發(fā)表的科學(xué)出版物超過(guò)160萬(wàn)篇（部）。而這其中的專利超過(guò)半數(shù)是2013年以后公開的。其中在國(guó)別專利總申請(qǐng)量方面，美國(guó)、中國(guó)、日本排在前三位。

很多公司也看到了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的潛力。百度是較早成立專注深度學(xué)習(xí)研究院的公司之一，引進(jìn)了大量的人才。像Fackbook前資深科學(xué)家徐偉、AMD異構(gòu)系統(tǒng)前首席軟件架構(gòu)師吳韌、Twitter和Facebook數(shù)據(jù)中心建設(shè)的負(fù)責(zé)人Ali Heydari、曾訓(xùn)練世界級(jí)最大人工神經(jīng)網(wǎng)絡(luò)的Adam Coates等頂尖人才都加入了當(dāng)時(shí)百度2013年在硅谷正式成立的百度實(shí)驗(yàn)室。

在國(guó)際人工智能技術(shù)競(jìng)賽中，國(guó)內(nèi)的人工智能團(tuán)隊(duì)開始名列前茅�？拼笥嶏w、商湯、曠視、寒武紀(jì)、地平線等展露頭角的人工智能創(chuàng)業(yè)公司。除了互聯(lián)網(wǎng)巨頭、新興人工智能創(chuàng)業(yè)公司，還有傳統(tǒng)的生物識(shí)別公司都在人工智能領(lǐng)域試圖占領(lǐng)“高地”。

比如眼神科技CEO周軍從1995年開始籌劃創(chuàng)業(yè)。 2003年指紋識(shí)別研發(fā)成功，并開始在銀行業(yè)落地應(yīng)用。2007年又研發(fā)出虹膜算法，到2015年，基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)和產(chǎn)品就已在全國(guó)20多家銀行上線。

這波人工智能浪潮能夠看出，技術(shù)創(chuàng)新的驅(qū)動(dòng)力不再是由國(guó)家建設(shè)為主，民營(yíng)企業(yè)已經(jīng)有足夠的能力去研究、應(yīng)用科技界最前沿的技術(shù)，并且來(lái)影響政府機(jī)構(gòu)對(duì)技術(shù)方向的判斷。

可是前兩次的歷史經(jīng)驗(yàn)告訴我們，超乎尋常的期待，總是會(huì)得到超乎尋常的失望。尤其是媒體、資本、市場(chǎng)的探測(cè)燈都在尋找下一個(gè)Big Thing， 人工智能恰好滿足對(duì)實(shí)現(xiàn)他們對(duì)科幻場(chǎng)景的期待。

聚光燈之后隱藏的陰影是什么？這會(huì)又是一場(chǎng)魔術(shù)障眼法嗎？人工智能的第三次寒冬會(huì)到來(lái)嗎？

市場(chǎng)上還有很多這樣對(duì)人工智能的質(zhì)疑聲。中國(guó)人工智能學(xué)會(huì)副會(huì)長(zhǎng)任福繼看來(lái)，過(guò)去30年來(lái)，人工智能在應(yīng)用方面成果看起來(lái)風(fēng)生水起，但實(shí)質(zhì)上特別是在理論方面并無(wú)重大突破，而僅僅是依賴上世紀(jì)80年代開始的數(shù)據(jù)驅(qū)動(dòng)，也就是大數(shù)據(jù)驅(qū)動(dòng)的機(jī)器智能進(jìn)化。加上云計(jì)算和物聯(lián)網(wǎng)的出現(xiàn)，人工智能在算力和數(shù)據(jù)層面開始有了新的助力。

也就是說(shuō)深度學(xué)習(xí)也并不是開啟通往人工智能巔峰的唯一一塊羅塞塔石碑。這個(gè)理論本身是通過(guò)大量數(shù)據(jù)分析，找出重復(fù)的特征活著數(shù)據(jù)之間的統(tǒng)計(jì)關(guān)聯(lián)性，并不是因果和本質(zhì)上的特征。

目前的人工智能還集中處于弱人工智能階段，在特定功能場(chǎng)景下的專用智能，比如語(yǔ)音識(shí)別、圖像處理和物體分割、機(jī)器翻譯、無(wú)人駕駛等領(lǐng)域有重大的突破，甚至能夠接近或超越人類的水平，但還不能適應(yīng)復(fù)雜的新環(huán)境和不斷涌現(xiàn)出新的功能。比如對(duì)噪音數(shù)據(jù)的識(shí)別并不理想、對(duì)語(yǔ)義理解還僅限于娛樂(lè)。

另外，人工智能想要把IT 產(chǎn)業(yè)帶向 認(rèn)知時(shí)代，不僅僅需要人工智能算法的創(chuàng)新，還需要構(gòu)建認(rèn)知系統(tǒng)、認(rèn)知平臺(tái)、認(rèn)知算法、認(rèn)知應(yīng)用等完整的生態(tài)鏈。

以認(rèn)知系統(tǒng)來(lái)說(shuō)，一方面，需要在傳統(tǒng)的計(jì)算機(jī)上做延展，包括用 FPGA、圖形處理器來(lái)做加速，使它更好地支撐認(rèn)知應(yīng)用。另一方面，如何構(gòu)建模仿人腦功能的新一代的計(jì)算機(jī)系統(tǒng)也還需要探討。

比如發(fā)達(dá)國(guó)家已充分認(rèn)識(shí)到人工智能的戰(zhàn)略意義，除了加速將新技術(shù)落地到產(chǎn)業(yè)，美國(guó)、歐盟和日本從2013年起都開始設(shè)立“大腦研究計(jì)劃”，要為人工智能找到更為本質(zhì)的支撐系統(tǒng)。

還有隨著去年資本新規(guī)出臺(tái)、資本寒冬等政策和市場(chǎng)的變化，融資難的問(wèn)題讓大波人工智能創(chuàng)業(yè)公司走到破產(chǎn)邊緣。根據(jù)《北京人工智能產(chǎn)業(yè)發(fā)展白皮書（2018）》對(duì)國(guó)內(nèi)AI創(chuàng)業(yè)公司數(shù)量和投資的統(tǒng)計(jì)顯示，截至2018年5月8日，全國(guó)人工智能企業(yè)4040家，但其中拿到風(fēng)險(xiǎn)投資的公司合計(jì)1237家（含31家已上市公司），占總數(shù)的30％，也就是說(shuō)，有70％的公司仍然拿不到投資。

和美國(guó)市場(chǎng)相比，國(guó)內(nèi)的IT環(huán)境發(fā)展還參差不齊，人工智能發(fā)展伴隨著企業(yè)數(shù)字化、云化等多重變革重疊，很難一步到位，快速落地。投資人在投項(xiàng)目的時(shí)候優(yōu)先考慮的是市場(chǎng)的有效性，反而不是技術(shù)的領(lǐng)先性。

人工智能很可能像互聯(lián)網(wǎng)一樣，成為電、水一樣的存在，進(jìn)入到各行業(yè)。根據(jù)Gartner 副總裁、智能機(jī)器人領(lǐng)域分析師湯姆·奧斯汀所言，目前科技巨頭、知名大學(xué)、研究機(jī)構(gòu)分別在深度語(yǔ)音識(shí)別、 深度影像識(shí)別、深度神經(jīng)網(wǎng)絡(luò)、自然語(yǔ)言處理上發(fā)力，也許要到 2050～2075 年人工智能市場(chǎng)格局才會(huì)穩(wěn)定下來(lái)。

人工智能從弱人工智能到強(qiáng)人工智能的進(jìn)化，究竟有多大的希望？

可能還是取決于我們對(duì)世界的認(rèn)知，以及對(duì)自我的認(rèn)知。畢竟人類大腦很大部分仍然處于“我們不知道自己還不知道”的狀態(tài)。