轉自 CAAI會員中心
來源:《中國人工智能學會通訊》2018年第1期特約專欄
從 1956 年“人工智能”（AI）這個詞被髮明出來， 人工智能技術在演化中，先後遭遇了三個夏天、兩個冬天。現在“天時、地利、人和”，在各種因素的作用下，它終於迎來了發展的芳華年代。
PC³的時代洪流
AI 的芳華年代，契合了 PC³ 的時代洪流。
回望 IT 產業發展的 40 多年，PC 的定義一直在不斷演進中。第一個 PC 的定義出現在上世紀 80 年代初期。在那個時代，如果你問任何一個人，什麼是 PC ？大家都會毫不猶豫地回答： PC 就是 Personal Computer，即個人計算機。2005 年以後，我們逐漸進入了 PC² 時代。這個時候如果再問業界什麼是 PC，更多人會回答是個人計算（Personal Computing），即不僅僅限於個人計算機，還包含各種可提供計算能力的設備，如手機、Pad、智能手錶等等。
而就在最近，IT 產業終於迎來了一個嶄新的時代——PC³ 時代。這第三個 PC，既不是個人計算機，也不是個人計算，而是個性化的計算（Personalized Computing）。個性化的計算和之前的兩個 PC 大不相同，它讓各種個人設備連接雲端，這些設備能觀察用戶、學習用戶，從而提供高度定製化、個性化的服務，因此整體而言，這些最終用戶所接受到的服務，是千人千面的，並且服務模式也有本質的差別。之前兩個階段的 PC 最終提供的服務，基本都是用戶主動請求發起的，而 PC³ 對應的個性化服務，則是設備和雲端根據觀察到的用戶行為，經提煉後主動推送的服務。
個性化計算最核心的技術，就是人工智能技術。人工智能為 PC³提供了波瀾壯闊的應用前景。事實上，不僅在個性化計算的場景裡面，很多企業級應用也同樣需要 AI 技術來賦能。那麼，AI 怎樣才能實現大發展，加速全行業？
AI 的 ABCD
我總結下來，人工智能要真正成功，離不開四大要素，它們的英文首字母正好是 ABCD。A 代表算法 Algorithm；B 代表行業 Business； C 就是計算力 Computing Power；D 即為數據 Data。其中行業很關鍵，這是因為算法再厲害，數據再多，計算模型再好，也只是工具層面，只有與行業相結合，才能真正改造行業，比如結合醫療領域的智慧醫療、結合 PC³的數字助理等。
事實上，這四個要素與人工智能的關係，如同關鍵部件和汽車的關係。如果我們把AI 比作一輛汽車，那麼算法 A 相當於車的引擎，驅動車輛往前行駛；行業 B 就如同車的方向盤一樣，決定了走向哪個垂直行業； 計算力 C 就像車輪一樣承載整個車輛；而數據 D 就是車裡的油，只有數據才能最終推動算法完成車輛行駛。
算法的重要程度不言而喻。從算法的沿革看，五大學派依次興起，又獨立發展。在上世紀 50 年代邏輯迴歸和感知器人工神經網絡分別起源，一直髮展到 90 年代初的Kernel Trick，把 SVM 推到一個非常高的高度。貝葉斯學派的典型代表 HMM 於 70 年代中期應用於語音識別，隨後推廣到生物信息學，中間還有專家系統在 80 年代末 90年代初的曇花一現。一直到了 2006 年前後，從神經網絡又跨越到了深度學習。深度學習是今天打敗人類機器算法中的傑出代表。過去十來年，出現了諸如 auto encoding 等非監督學習算法的改進方案。而針對初始化人工神經網絡的問題，也有 drop outs 可以極大改善過擬合。Residual network 實現了深度多層的學習和跨層直接學習相結合。生成對抗網絡又解決了怎麼生成非常逼真數據的問題。整體而言，算法一直在發展中，而且其發展不是線性的，更多的是藉助躍變，呈現一個臺階、一個臺階的上升。
接下去再說計算力 C，行業 B 的重要性留到文末呈現。如今運算力已經有了長足的發展。底層，我們支持不同的架構，包括 GPU，CPU 甚至包括 FPGA 和嵌入式設備中有著巨大前景的 ASIC。除了底層架構，上層的計算框架也在演化，從並行處理的MapReduce，到 Iterative MapReduce，再到現在的 Parameter Server，使得計算框架越來越靈活。而最新的計算框架開始基於各種 flow ，例如谷歌的 tensor flow。當然各種框架有著不同的優缺點，應用的場景也不完全一樣，因此未來很有可能會長期並存、各自演化。此外，計算框架除了支持模型的並行，也開始逐漸支持數據並行，支持同一批數據在不同的模型上並行處理，甚至出現了 Hybrid 混合型，數據和模型都可以並行。運算力的提升和演化，使得原來不可能的計算變為現實，而且並行處理的方式越來越不同。
在數據方面，隨著大數據技術的發展，數據本身的價值正逐漸為公眾所認識。正如《福布斯》所預測的那樣，2020 年全球每人每秒鐘將產生 1.7 M 字節的數據，這一數據量將非常驚人。而數據的價值是什麼？《福布斯》估算，財富排名前 1000 強的企業如果能提升 10% 的數據可獲取性，那麼每年就可以多收益 6500 萬美元的純利。在醫療產業也是如此。如果能更好地集成和利用數據，平均每人每年將節省約 1000 美元的開支。因此，如何彙集並利用數據將是AI 面臨的主要問題之一。而且，數據也並非越多越好，尤其是針對深度學習的網絡，數據的分佈更為重要。例如訓練數據是否能均勻覆蓋問題的集合？當然，生成對抗網絡 GAN 無疑是個非常有意思的嘗試，尤其當數據量不夠時。
最後我們討論一下行業 B。如果回憶一下過去幾十年 IT 產業的發展，我們會發現幾次重大的變革，比如搜索引擎帶來的變革，搜索引擎本身也是一種服務——信息檢索服務。類似的例子還有電子商務，電子商務既是新的服務——在線銷售服務，也是新的變革，因為它改變了零售物流行業。還有社交網絡的興起，如國外的 Facebook以及中國的微信。社交網絡是一種新的社交服務，同時它又足以變革通訊社交行業。而人工智能則不一樣。人工智能引起了全行業的變革，但其本身確非一種具象的服務，它必須和各個行業相結合才能真正落地。例如我們 2017 年 7 月份發佈的聯想“小樂”——一種人工智能和客服相結合的智能客服解決方案。客服呼叫中心目前大多以人力為主，但“小樂”這樣的人工智能客服解決方案能夠處理大部分的呼叫，從而改變了服務行業的面貌。又比如 AI 輔助診斷的智慧醫療是人工智能和醫療診斷結合後的新型服務，它能節約醫生的人力成本、提升診斷效率，並進而改變醫療行業。結合了人工智能的信息產業變革，節約的不僅僅是人力和相關運維成本，更是對社會生產力的一次極大釋放。
AI 的未來
在 AI 大發展的芳華年代，具備了上述的 ABCD，人工智能就能真正迎來百花齊放的壯年。雖然今年我們也看到在 AI 的未來發展方面，出現了一些爭議，例如霍金(Stephen William Hawking) 和馬斯克 (Elon Musk) 就表達了一定程度的 AI 威脅論，但是我個人對 AI 的未來抱著樂觀的態度。
目前看來，人工智能在規則限定的情況下利用計算、記憶優勢已經超過人類，而在真正開放的強人工智能領域，計算機距離人類智慧還有相當長的路要走。人工智能的優勢在於模擬人的左腦，即記憶和推理；而人類的優勢則在右腦，包括想象力和抽象思維能力，這些是人工智能暫時無法做到的。
因此，人工智能的未來，就是要發揮人和機器各自的所長，聚合人類智能和人工智能，打造人機融合、智能增強的新時代。
博士，現任聯想集團首席技術官、高級副總裁，ACM、IEEE、IAPR 和 SPIE 的會士 (Fellow)，負責聯想集團技術戰略和研發方向的規劃和制定，並領導聯想研究院的工作。在此之前，曾在微軟工作 18 年，任微軟亞洲研究院常務副院長等職。
閱讀更多 中國人工智能學會 的文章
