IBM沃森大裁員的消息，一時間讓人工智能（AI）泡沫論甚囂塵上。沒多少人會覺得AI要完，要完的是風口上的豬。
事實上，今年年初，李開復就表示：
今年年底將會出現許多人工智能市場上的經濟泡沫。關於人工智能的投資並不適用於新手參與，對於那些不瞭解技術就試圖進入人工智能的早期階段的人，他們會失去財富。
那些吹牛的AI公司，亂用AI包裝的公司，忽悠不懂AI的VC公司，今年冬天就是他們的冬天。但是那些真材實料的AI公司，都會發展的很好。AI的大浪潮才剛剛開始。
本期的智能內參，我們推薦譚鐵牛院士在中科院第十九次院士大會上的學術年會報告，盤點人工智能產業前景和技術瓶頸。
以下為智能內參整理呈現的乾貨：
春天剛剛開始
▲人工智能發展歷程
人工智能研究的主要目的就是探尋智能本質，研究出具有類人智能的智能機器，比如讓機器或者計算機會聽、會看、會說、會想、會決策，跟人一樣。
人工智能的概念提出到今天62年過去了，這確實是一個曲折的發展過程，但是進步是有目共睹的，無論是在理論層面、關鍵技術還是具體應用。
近十年來，隨著大數據、雲計算、互聯網、物聯網等信息技術的發展，人工智能技術成功跨越科學與應用之間的“技術鴻溝”，突破了從“不能用、不好用”到“可以用”的技術拐點，進入了爆發式增長的紅利期。
譚鐵牛院士表示，人工智能的春天剛剛開始，未來十年，人工智能將是最具變革性的技術。今天，人工智能如日中天，火遍全球的當下，實事求是地設定科學目標顯得尤為重要。
兩點現狀預示AI春天
專用AI的突破性進展
談到目前人工智能發展的現狀，我（譚鐵牛院士）首先要說的是專用人工智能取得突破性進展。
專用人工智能就是讓人工智能系統專門做一件事兒，比如下圍棋，是面向特定領域或者單一任務的人工智能。它確實取得一些突破性進展，而且比人做的更好。
可以說，專用人工智能取得突破性進展，很大程度（特別是這幾年）取決於統計學習或者機器學習的進步。特別是人工智能領域現在火爆的深度學習，尤其是人工智能的深度神經網絡。
▲通過深度神經網絡的應用創新，國際計算機視覺競賽ImageNet圖像分類的Top5誤差率從2012年的16%降到2017年的3%左右（已經低於人的錯誤率）
深度學習其實一點都不神秘，只是借鑑了人的大腦在處理信息過程當中的層次化過程。
因為深度學習的湧現，大家可以從曲線看到，用於圖像分類的標識人工智能或者深度學習識別力已經低於人的錯誤率，也就是說識別力高於人。包括跟環境的交互，找出最好策略，這就是所謂強化學習。以及我們經常講魔高一尺道高一丈，在博弈中學習，使得學習能力不斷提高，這就是生成對抗學習。
技術生態或者創新生態備受關注
譚鐵牛院士指出：另外一個值得一提的現狀是，技術生態或者創新生態備受關注。
▲部分開源AI項目示意
▲畢馬威：2017年人工智能風投金額翻番
從創投的角度來看，去年一年全球新成立的人工智能創業公司就有一千多家，人工智能領域獲得的投資達150多億美元，同比增長140%以上，確實是如火如荼。
▲創新AI企業快速湧現（詳細產業鏈地圖參考第244期智東西內參）
在應用方面，可以說“智能+”已經成為一種創新的範式，將各行各業滲透。當然有的是炒作，把傳統的數據分析，貼上人工智能的標籤。但是人工智能發展迅速是一個客觀現狀。
▲當前各國AI實力：美國領跑，中國猛追
此外，人工智能已經加速成為國家戰略：最早被大家熟悉的“德國工業4.0”，核心就是人工智能；2018年5月美國白宮組織AI研討會，成立AI專門委員會，確保人工智能領域美國第一。
▲各國人工智能競爭白熱化
人工智能對社會的影響得到了廣泛關注。在美國，一些同仁一起簽署了有關人工智能發展的阿西洛馬23條原則，關注人工智能可能帶來的社會影響，以及怎麼規範人工智能研究和應用。
誤解和炒作
我（譚鐵牛院士）認為目前人工智能發展的另外一個客觀現狀是，人工智能領域的誤解和炒作普遍存在，有的是有意的，有的是無意的。比如時不時聽到有人講，人工智能系統將超越人的智能水平，我認為這是炒作。與此同時，經常有人誤解，專用人工智能等於通用人工智能。
▲常見的人工智能概念混淆
▲常見的人工智能炒作
人工智能總體發展水平仍然處於起步的階段，美國的DARPA對人工智能現狀也是這個觀念。對此，譚鐵牛院士用“四有四無”概括人工智能總體狀況：
1、現在人工智能是有智能沒有智慧，智慧是高級智能，有意識，有悟性，可以決策。
2、人工智能有智商沒有情商，科幻電影中跟人類談情說愛的人工智能還差得很遠。
3、人工智能會計算不會算計，一個詞倒一個順序，這個概念完全不一樣。
4、人工智能有專才沒有通才，下圍棋的阿爾法狗不一定會下象棋。
▲現有人工智能的侷限性
我（譚鐵牛院士）舉一個具體的例子，現在即使最先進的圖象識別算法都無法識別出圖像裡那隻斑點狗。
（前方高能幽默）
語音翻譯現在已經很好了，但大家看這簡單的三句話：他吃食堂，他吃麵條，他吃大碗。昨天晚上我特意上網用谷歌翻譯這幾句，翻譯不出來，機器翻譯把大碗、食堂“吃掉”了。我（譚鐵牛院士）也試了一下，“那輛白車是黑車”和“能穿多少穿多少”，谷歌翻譯也翻譯不出來。看到“歡迎新老師生前來就餐”的橫標，相信人類理解起來沒有歧義，但是人工智能算法就會有。
瓶頸與天花板
▲人工智能技術瓶頸
上述的侷限，是因為人工智能還有很多瓶頸。
以深度學習為例，我們還不能完全從數據上論證為什麼那麼有效，不能完全確保這個多層深層神經網絡訓練是收斂的，所以有數據瓶頸，深度學習要提供大量已經標註數據，還需要大量的人工；還有它不能舉一反三、不能解釋，“知其然不知其所以然”，與人類存在很大差距。
人工智能已經突破了從“不能用、不好用”到“可以用”的技術拐點，但是距離“很好用”還存在諸多瓶頸，如數據、能耗、泛化、可解釋性、可靠性、安全性等，理論創新和產業應用發展空間巨大。
關於AI技術侷限性，中國信息通訊研究院標準所副所長何寶宏在《電信網技術》2018年第4期中給出了4點總結。
▲人工智能的四點技術侷限
何寶宏所長還指出：現在的AI是建立在“認知即計算”的理論之上的，實現時必須依靠計算機、服務器和GPU等各種“圖靈機”。但基於圖靈可計算理論，“盧卡斯論證”和彭羅斯“皇帝新腦”等早已論證或分析了，人的意識是非算法的，計算機無法建立起“自我”的概念。
言之，基於圖靈機的AI在理論上是無法覺醒的，或者說，能夠覺醒的AI不會基於這一代的計算機技術和理論。
八個AI宏觀發展趨勢
人工智能春天剛剛開始，我（譚鐵牛院士）提出這一個觀點是因為人類社會經歷機械化、電氣化、信息化的時代以後，正在向智能化社會邁進。人類進入智能化社會以後當然需要智能技術、人工智能支撐和引領。
人工智能有望引領新一輪科技革命。世界著名科學家格特納說人工智能是未來最具顛覆性的技術。具體講有八個宏觀發展趨勢我（譚鐵牛院士）認為值得關注：
1、從專用走向通用
這是必然的發展趨勢。所以因此有人認為，通用智能被認為是人工智能皇冠上面的明珠，大家都很關心這個競爭焦點。美國軍方也開始規劃通用智能的研究。他們認為通用人工智能和自主武器，是顯然優於現有人工智能技術體系發展方向。它只是朝通用人工智能邁了一小步。
2、從機器智能到人機混合智能
人類智能和人工智能各有所長，可以互補。所以人工智能一個非常重要的發展趨勢，是From AI （Artificial Intelligence） to AI （Augmented Intelligence），兩個AI含義不一樣。
3、從“人工+智能”到自主智能系統
為了讓深度學習提高性能，需要大量已經標註好的數據。下一步發展趨勢是怎樣以極少人工來獲得最大程度的智能。人工採集和標註大樣本訓練數據，是這些年來深度學習取得成功的一個重要基礎或者重要人工基礎。
所以有人開始試圖創建自動機器學習算法，來降低AI的人工成本。
4、學科交叉將成為人工智能創新源泉
前面提到深度學習現在很火爆，它只是借鑑了大腦的原理：信息分層，層次化處理。所以，跟腦科學交叉融合非常重要。
實際上無論是《Nature》和《Science》都有這方面成果報道。比如《Nature》 發表了一個研究團隊開發的一種能自主學習的人工突觸，它能提高人工神經網絡的學習速度。但大腦到底怎麼處理外部視覺信息或者聽覺信息的，很大程度還是一個黑箱，這就是腦科學麵臨的挑戰。
這兩個學科的交叉有巨大創新空間。
5、人工智能產業將蓬勃發展
國際上一個比較有名的諮詢公司預測，2016到2025年人工智能的產業規模幾乎直線上升；我們國家發展規劃提出，2030年人工智能核心產業規模將超過1萬億，帶動相關產業規模超過10萬億，這個產業是蓬勃發展的，前景顯然是非常大的。
6、人工智能的法律法規更加健全
聯合國專門成立了人工智能機器人中心這樣的監察機構。前不久，歐盟25個國家簽署人工智能合作宣言，共同面對人工智能在倫理法律方面挑戰。
7、人工智能將成為更多國家的戰略選擇
一些國家已經把人工智能上升為國家戰略，越來越多國家一定會做出同樣舉措。包括智利，加拿大，韓國等等。
8、人工智能的教育會全面普及
教育部專門發佈了高校人工智能的行動計劃。國務院新的人工智能發展規劃也指出，要支持開展形式多樣的人工智能科普活動。美國科技委員會也有這樣的內容。所以這是大家值得關注的另外一個方面。
智東西認為，儘管AI+醫療由於數據、專用標識、細分領域知識等問題成為一項成本消耗巨大的發展方向，但龐大的產業前景依舊在吸引各大企業跳坑佔座。根據Gartner 2017技術發展曲線圖，深度學習和機器學習正在處於泡沫破裂前期，也就是說在可預計的未來，將有一大批人工智能公司倒閉。這批面臨倒閉的稀奇古怪的“AI+”創業項目可能會為產業帶來泡沫危險，但越來越多開箱即用的“AI for X”項目也意味著人工智能不再作為稀有技術被供於廟堂之上，而是成為現代軟件和應用程序的基石之一。毫無疑問的是，AI的大浪潮才剛剛開始。
閱讀更多 智東西 的文章
