一、專家們多有認為人工智能存在泡沫

當微軟全球執行副總裁沈向洋調侃“不談人工智能就顯得落後”的時候，阿里雲總裁胡曉明則在雲棲大會北京峰會上提到：“人工智能要去泡沫化。”

通常，當事情的實際狀態與大家所認不符，或者造成了虛假繁榮，或者幻想多於實績，人們就會認為存在“泡沫”。高科技的潛力被吹上了天，大量熱錢不計後果湧入，但技術的落地和商業化卻存在不小距離，這就是人工智能可能存在的泡沫。

2017年7月，李開復還在明確駁斥“AI威脅論”；但是，他也認為至今年年底，人工智能泡沫要破滅。那些對AI技術缺乏瞭解的參與者，那些靠AI講資本故事、炒作股價的企業，把自己包在一個AI外套裡的創業者，都會被淹沒在泡沫裡。AI科學家Yann LeCun在Facebook上一度轉發了李開復的論點，並評論說：“確實如此。他提到的泡沫就是有的AI公司許下的志向有月亮那麼高，今年要不了多久他們的錢就要花完了。”

微軟（亞洲）互聯網工程院副院長李笛認為：說“人工智能取代人”那是噱頭；說現在做的人工智能“有意識”，基本是忽悠。人工智能存在巨大泡沫。人工智能是超大企業用以鞏固壟斷優勢的利器；而那些寄望通過人工智能顛覆格局、實現彎道超車一哄而上的初創企業，其初心與夢想固然可嘉，但這些中小企業不具有足夠的實力去競爭和生存，這就是李笛指出的泡沫所在。

造成泡沫的部分原因，是人工智能的基礎理論和技術不夠夯實。麻省理工教授Erik Brynjolfsson認為，近年來AI確實出現許多突破，但是AI只會進行單一任務，距離通用人工智能（AGI）仍相當遙遠。商湯科技林倞教授認為：“目前圖靈機架構、馮諾依曼都有一定的侷限性，因為當時人們只是考慮工藝和成本。”

二、人工智能行業“買買買”的背後：應用落地難

如果從阿爾法圍棋事件算起，當前AI已進入第三次發展浪潮。而目前人工智能運用最成熟的領域在廣告、信息流分發。Google、Facebook、百度、今日頭條等互聯網巨頭的搜索、推薦、資訊分發和廣告業務都是機器學習驅動的，微信朋友圈中推薦的廣告也用了人工智能。AI成為這些大公司商業運作的手段已經不是秘密。科技博客AlgorithmDog曾經這樣表述：若人工智能的泡沫破滅，興許大家只能退回廣告和推薦系統。

具有前瞻性的AI企業，在其應用場景上往往會提前佈局。隨著人工智能技術從語音識別、計算機視覺到自然語言處理的發展，其應用場景也從零進展到語音助手、機器翻譯、人臉識別、圖像處理、智能家居、無人駕駛汽車和智能醫療等，這個過程大家有目共睹。但是再往前，資本生態系統的更新發展面臨新的難題。

實際上，國際上的AI大公司都採取了更簡捷的資本變現手段。他們展開了“買買買”的資本運作模式。據網絡資料表明：2013年，谷歌相繼收購了一些初創企業，如深度學習和神經網絡DNNresearch、DeepMind Technologies、視覺搜索Moodstock、機器人平臺Api.ai、預測分析平臺Kaggle，使其在圖像搜索等方面獲得很大發展。2016年，英特爾分別收購了Itseez（計算機視覺）、Nervana Systems（深度學習）和Movidius（計算機視覺）等；Facebook則收購了Masquerade Technologies（熱門換臉應用）、Zurich Eye（計算機視覺）和Magic Pony（視覺開發）等。他們的目的是為了補齊自身短板，但還是給人視覺併購扎堆的感覺。

目前，大多數傳統產業的運作與人工智能前沿科技成果之間仍然存在不小的距離。即便在英國這樣一個人工智能創業的樂園，對於一些初創公司，由於無法駕馭資本市場等大環境，包括像DeepMind這樣的明星公司都難以避免被美國公司收購的命運。那些業績和規模不如DeepMind的公司，其未來之確定性可想而知；如果他們自身存在超前發展、盲目投資的問題，立馬就可能面臨終結。

接下來的問題，智慧醫療還需要收集高質量的醫療數據，聯合基因工程、納米科技等技術大力開創並營建人類的“大健康”；智能教育需要為人工智能輸送大量的人才，並對社會進行人工智能教育；人工智能投資的項目需要得到及時的回報和產出，才能有效縮小人工智能的泡沫。

小i機器人CEO朱頻頻、凱璞庭資本管理有限公司李金華認為，目前智能製造是最大的應用場景。這也是政府規劃所指明的大方向。在未來，人工智能須深入到每個細分的工業領域和傳統行業。這一來你可能面臨兩種情況：如果你缺乏資金和實力，那就要被收購；如果你無法可想，那麼好萊塢會樂意從你獲得那些資金。

三、深度學習算法和通用人工智能技術的瓶頸

很多人希望將自己的工作一勞永逸地交給機器人，比如在機器翻譯領域。但是AI體現在聲音、圖片和文字這三大媒介，諸多領域的邊界並不像棋牌遊戲那樣清晰可辨、有跡可循。計算機視覺的應用雖然前景廣闊，這項技術還有90%以上的提升空間。在霧霾、暴雨等惡劣環境下，就連頂級公司也還無法實現完全的自動駕駛。特別好的計算機視覺應用還無法兌現。

儘管深度學習在過去取得了很大的進展，它的弱點是過分依賴大數據；而要取得更大的成果，理論上需要有新的突破。而最近，伯克利&MIT的研究就質疑了30個經典的模型，提出了十年機器學習結果“也許不那麼可靠”的疑問。計算機視覺和AI領域的專家 Filip Piekniewski 則在其一篇博客文章裡指出“深度學習的衰退已經臨近”，他的論據“一是深度學習已經見頂，沒有更大的技術突破。二是深度學習並沒有擴展。三是運用深度學習的自動駕駛領域事故頻發（Uber自駕車甚至撞死一名行人）”。

現今，AI面臨語言語義分析這個認知領域極難的挑戰。自然語言處理能夠幫助智能機器擺脫基於海量數據的概率模型。但是，既然人們無法解釋人類智能是如何產生和演繹的，那麼語言學習的過程對我們仍然猶如一個黑箱。這造成的結果是：任何一個人工智能學派都不能讓機器真正擁有人的智能，可複用和標準化的技術成果目前尚少，通用人工智能之路仍然漫長。在發展強人工智能方面，理論上至今沒有突破性的重大成果。

儘管也有頂尖專家提出搭建“因果”算法模型為通用人工智能鳴鑼開道，但是外人對這個框架的適用範圍、實際效果和工作進展知之甚少，誰都還無法為強人工智能的降臨開出明確的時間表。有人預測說，未來15年到20年，計算機或可掌握常識。然而，擁有常識並不能確保AI在方方面面超越人類。

在社會這個龐雜的系統中，很難說技術方案會是萬能的。我們雖然處在大數據時代，實際上還有一些領域是天生缺乏大數據的。比如，在個體生存的領域。這意味著AI必將置個人於相對不利和被動的地位。若要將AI算法廣泛應用於社會個體，特別是在生命科學領域，AI可能會謀求發掘和利用個人的隱私數據，這無疑將觸動一系列的法律和倫理問題。現在還有人在研究data efficient learning，也就是為了用較少的數據進行高效的學習。

四、人工智能泡沫破裂之後，會是寒冬嗎

人們往往對泡沫不感興趣，但對泡沫之下是什麼倍加關注。

AI是所有技術中前景最廣闊的，其重要性只增不減。但是，期望越大泡沫就越大。從大的時間週期看，這個泡沫可能趕在通用人工智能降生之前，就在全球範圍內破滅。而一些學界人士可能把事情看得過分悲觀，甚至認為人工智能的寒冬又要來了。幾天前，AI領域的專家Filip Piekniewski一篇名為《AI Winter Is Well On Its Way》的博客文章，就認為“深度學習的衰退已經臨近，AI寒冬必將到來”。

歷史上AI的寒冬都出現在缺乏實際應用，導致投資和研究枯竭的時期。現在，雖然我們遭遇了算法的侷限、輿論誤導、投資泡沫、美元縮表和加息的週期、人才短缺，即便出現泡沫破滅也應當理解為是暫時的。

關鍵是，這一次，AI領域已經出現重要拐點。這些年，技術上出現了像深度學習這麼大的突破，使得ML有了各種具有實用價值的應用程序。這能使大家充分地看到希望，並堅持下去。而且，AI+教育也適逢其時給這個社會帶來新的變革：一方面，它為人工智能行業帶來高質量的人才；另一方面，也幫助全社會把人才服務體系建立起來；第三，廣大的AI用戶被教育了，用戶習慣逐漸培養起來。這將促使人工智能走向產業的良性循環。

因此，中科院在近日的學術報告中明確指出：近十年來，AI科技成功跨越了科學與應用之間的“技術鴻溝”，“突破了從‘不能用’到‘可以用’的技術拐點”。

這次人工智能技術的拐點，將首先落實在產業界。我們以阿里係為例。阿里雲本身具有深厚的數據和技術底蘊，其ET大腦、產業AI方案，已經展開了產業融合的勢頭。阿里雲有望統一行業接口和標準、實現迅速的商業化、通過優化算法和企業展開合作，讓大數據建模變得豐富和具實戰意義。今天，阿里雲的AI落地應用初見成效，但它仍然需要更紮實的基礎，做到根深蒂固以達到枝繁葉茂。不久之後，產業AI也許就是人工智能泡沫被刺破之後所剩下的金礦。

總的來說，同意AI寒冬來臨的人是少數派。雖然AI市場的泡沫在所難免，但AI大潮確實已經掀起沖天巨浪。

頭條號漢文悍武為您解析“科技&社會”！