為君居家
歪道道
這意味著孤注一擲。
《哈佛商業評論》認為，早期的 AI 項目不太可能產生技術愛好者預測的戲劇性結果，一些失敗常常會減緩或完全終止對 AI 項目的資金注入。而對於人工智能的投入，押注對方向將決定生死。
AI財經社
所以邦哥覺得，題主的問題似乎就不太成立。
創業邦
這裡面大約有兩個原因。
這給了外界一個很好的預期。畢竟，在阿爾法狗幾次將圍棋國手們玩弄於鼓掌之下後，大家現在已經十分認可人工智能的力量，甚至很多人已經開始擔憂，自己未來會被人工智能取代了。
科技考拉
第一，縱觀人工智能的現發展情況，不得不說，人工智能的風口逐漸降低熱度，資本推動力降低了不少。研發就要資金，人工智能不能說是新鮮事物，但近幾年的發展相對緩慢。
第三，AI產品的toC業務落地場景較少，且變現能力較差。領域中存在“雷聲大雨點小”的問題，風頭是有，但成果寥寥無幾，落地的技術成果反饋也尚可。同時，技術打得火熱，但企業實際的銷售收入卻慘淡經營。據統計，很多從事AI技術開發的企業表示，17年沒有多少收入，少部分有收入，但還沒實現顯著盈利。W
媒體訓練營
南七道
豪賭佈局
開放姿態
敵手猶在
有意思的是，李彥宏不忘揶揄這些競爭對手：移動互聯網時代沒有太多創新，很多App把用戶封閉在帶圍牆的花園裡面，對內容創作者調動積極性，但是開發者施展空間不大。
簡愛淼
那麼阿里和騰訊呢，並不是說人家不聰明，或者覺得人工智能這事兒不重要。他們同樣覺得這事兒很重要，而且阿里和騰訊其實也不缺場景、不缺錢，也不缺人才。
但是，因為阿里跟騰訊已經有了移動互聯網的船票，而這產生了很多新的增長點。舉例說，移動支付、O2O/OMO都是非常大的增長點，現在又再打新零售，這些都是萬億級的市場。
36氪
人工智能從提出經歷了三個階段
1950-1970年代，人工智能的”推理時代“。這一時期，一般認為只要機器被賦予邏輯推理能力就可以實現人工智能。不過此後人們發現，只是具備了邏輯推理能力，機器還遠遠達不到智能化的水平。
1970-1990年代，人工智能的”知識工程“時代。這一時期，人們認為要讓機器變得有智能，就應該設法讓機器學習知識，於是專家系統得到了大量的開發。後來人們發現，把知識總結出來再灌輸給計算機相當困難。舉個例子來說，想要開發一個疾病診斷的人工智能系統，首先要找好多有經驗的醫生總結出疾病的規律和知識，隨後讓機器進行學習，但是在知識總結的階段已經花費了大量的人工成本，機器只不過是一臺執行知識庫的自動化工具而已，無法達到真正意義上的智能水平進而取代人力工作。 
2000年至今，人工智能的”數據挖掘“時代。隨著各種機器學習算法的提出和應用，特別是深度學習技術的發展，人們希望機器能夠通過大量數據分析，從而自動學習出知識並實現智能化水平。這一時期，隨著計算機硬件水平的提升，大數據分析技術的發展，機器採集、存儲、處理數據的水平有了大幅提高。特別是深度學習技術對知識的理解比之前淺層學習有了很大的進步。
城夢香柯
本來沒想回答，不過看到前面的回答真的是壓不住火……
好了，正經回答問題，誰都能犯錯誤，誰都有取得原諒的機會！
