从AlphaGo战胜李世石后，人工智能在舆论中强势回暖，而后李彦宏在世界互联网大会上的言论，也再度加强了人们对它的关注。不仅百度，马化腾在2015年6月的演讲中也说道：人工智能是我最想做的事情。马云也在2015年5月内部信中写道：未来三十年云计算、大数据、人工智能等技术将会让无数的梦想成真。

一、人工智能新的三架马车

目前国际互联网巨头纷纷入场，亚马逊的Alexa、苹果的Siri、微软的Cortana，作为人工智能的第一块敲门砖，已经被较为广泛的使用；搜索、翻译、地图、无人车，深度学习的影子无处不在，人工智能正在重构人类的生活。同时，伴随互联网的高速发展和底层技术的不断进步，人工智能所需的“能源”正在不断完善。

1、大数据：2000年至今，互联网及移动互联网的高速发展使得数据实现了量的积累，据IDC预测，2020年全球的大数据总量将为40ZB，其中有七成将会以图片和视频的形式进行存储，这为人工智能的发展提供了丰厚的土壤。

2、深度学习算法：多伦多大学教授GeoffreyHinton(致力于神经网络和深度学习研究)的学生在业内知名的图像识别比赛ImageNet中利用深度学习的算法将识别错误率一举降低了10%，甚至超过了谷歌，深度学习进而名声大噪。2015年，微软亚洲研究院视觉计算组在该项比赛中夺冠，将系统错误率降低至3.57%，已经超过了人眼。

3、高性能计算：GPU响应速度快、对能源需求低，可以平行处理大量琐碎信息，并在高速状态下分析海量数据，有效满足人工智能发展的需求。云计算的普及和GPU的广泛使用，极大提升了运算效率，也在一定程度上降低了运营成本。IDC报告显示，数据基础设施成本正在迅速下降，从2010年的每单位9美元下降到了2015年的0.2美元。

二、人工智能的产业链

据智能化产业数据分析平台Innov100统计，人工智能领域的企业主要集中于以下三个层面：（1）基础层：关注人工智能基础支撑硬件或数据平台基础；（2）技术层：包括有关机器识别与深度学习的算法和技术设计；（3）应用层：包括通用应用和行业垂直应用等。

据智能化产业数据分析平台innov100根据数据分析显示， 中国人工智能产业规模2016年达到239亿，预计2017年增长率将提高至51.2%，产业规模达到342.5亿元，并于2019年增长至844亿元。在《新一代人工智能发展规划》中提到把人工智能定位为经济核心驱动力：规划指出到2020年，人工智能成为新经济增长点，核心产业规模超过1500亿元，带动相关产业规模1万亿元。到2025年成为带动经济转型升级主要动力，核心产值规模超过4000亿元，带动相关产业规模5万亿元。到2030年产业规模超过1万亿，带动相关产业规模10万亿元。

三、人工智能的应用

互联网实现了基础设施可以跑、数据可以连，人工智能其实在另外一个维度上提升了我们整个的应用效率，它试图解决的是生产资料及劳动力上的问题。在未来通用智能时代，除了自然语言处理、计算机视觉等AI技术在某些领域的直接应用，人工智能更大的影响在于将重塑生活服务、医疗、零售、数字营销、农业、工业、商业等各行各业，并将引发新一轮IT设备投资周期。智能化的大潮即将来袭，万亿元的市场规模值得期待。只有更早的加入到人工智能的行业来，才能更早的，更好的占领市场。

1、通信领域：

通信网络一般有两大任务，一个是网络的控制，一个是网络的管理和维护。网络控制就是怎么样在一个通信网络中进行有效地资源调度，从而提高网络的使用效率，更好地服务于用户。网络管理和维护就是准确理解网络需求，进行最优化的网络设计及部署；并能够实时感知网络状况，及时排除故障。而人工智能会使得未来的通信网络越来越不需要人，整个网络的控制基本是全自动的，只需要很少的专家参与就可以把整个通信网络的事情全部搞定。

2、医疗领域：

智能医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他。当然这些技术除了对大量的医疗知识进行机器学习外，也需要对病人表述的理解能力不断地提升。但人工智能仅可以在图像识别及诊断分析上给出建议，最后还是要由医生做决策，不然一旦出现医疗纠纷或因此而耽误了病人的病情，责任由谁来承担。

3、教育领域：

教育行业其实是一个试错成本非常高的行业，谁也不会拿孩子的成绩来做实验。但也可以在以下方面得到应用：（1）AI为学生的作文打分；（2）聊天机器人回答学生的问题；（3）虚拟助手成辅导老师；（4）借助VR和计算机视觉，学生能足不出户接受手把手的实践性教学；（5）教育的模拟化和游戏化，学习效果的分析更加精准。今年，随着AI技术走向舞台中央，会话式教育将成为AI技术的一项重要应用，其影响力可能会超过会话式商务。

4、To C应用：

几年前出来的一些人工智能公司，技术发展已经相对成熟，比如科大讯飞，当年刚出来做的产品并不是那么流畅，但现在做得已经不错了。所以，技术差别不大的情况下，想要从技术上突破还是比较困难的，那就需要找到一个能够激发用户极致体验的点，看用户的体验是不是超过了用户对产品的期待。

四、人工智能面临的考验

1、理论鸿沟很难逾越

目前人工智能在学习上遵循的理论依然是上个世纪80年代提出的，人们并没有从本质上理解人类的学习原理，从监督学习到无监督学习的方法还在探索。如果将人工智能比作建造太空火箭，计算能力和数据是燃料，理论就是发动机。如果你有许多燃料但只拥有小功率发动机，你的火箭大概无法飞离地面。如果你拥有大功率发动机但只有一点点燃料，你的火箭即使飞上天也无法进入轨道。

2、知识表达问题

许多输入的数据其实都经过了人脑抽象，但大家看不到，就好比你看到地面上的竹子每一根都是独立的，但它的地下茎联系是非常紧密的。若要完成形式化知识结构的搭建，是需要很多知识的，而机器中没有人脑中的背景知识，所以数据中蕴含的信息是不完整的，继而计算不出正确的结果。

3、人才问题

图像识别方面的成就像一把发令枪，启动了一场人才争夺赛。有人曾说：“这个领域的人才战相当血腥，一流的人才就像NFL足球运动员。”

4、资本化问题

由于人工智能是巨头公司的天下，所以「被并购」是许多初创公司的宿命。当前，谷歌、IBM、雅虎、英特尔、苹果、Salesforce以及国内的百度、阿里等互联网科技巨头公司布局势头「凶猛」，引发了一场全球范围内的人工智能投资收购热潮。

5、安全问题

这里面的安全不是某一项人工智能产品是否存在风险，而是对强人工智能何时出现的整体的考量。其中，比较极端的观点来自于未来学家雷·库兹韦尔(Ray Kurzweil )，他提出摩尔定律的扩展定理，认为很多技术处于指数增长中；后来又发表奇点理论，预测技术在突破一个称之为奇点的临界点后将实现爆发性增长，在2045年左右会出现自己思考的人工智能。

然而到现在并没有出现强人工智能，我们一直在不断重新定义这项技术，增加它面临的困难，甚至可能在未来限制它的发展。但从异形智能（由多样化的智能、认知、逻辑、学习和意识构成的连续统一体）的广泛角度来看，人工智能已经在这个星球上普遍存在，而且会继续扩散、深化、变异、强化。

▎本文系Innov100原创文章，转载请标明出处。

更多精彩内容请登录https://www.innov100.com官方网站

或扫描下方二维码，点击关注微信公众号（ID：sagetimes）

点赞(0)

分享

• 复制链接
• 微信扫一扫