來源：大數據文摘
本文約1387字，建議閱讀3分鐘。
本文介紹AI在未來的發展前景。
每隔幾周，都會有一篇預言AI寒冬即將到來的文章問世。論據通常來講都會有些相似，無非有這幾點：
- 對公眾來講深度學習的能力已經被過度營銷了；
- 不像報道所講，通用人工智能離我們尚遙遠；
- 之前的AI寒冬就是類似的炒作泡沫引發的。
儘管上述所說在一定程度上是對的，但這些觀點遺漏一件重要的內容：80年代被大家見證過的，導致機器學習研究與融資逐漸停滯的AI寒冬，與其類似的情況將不太可能再出現了。
沒錯，我們還沒有達成AGI或完全自動駕駛
過去幾年，作為少數幾家會將全自動駕駛汽車推向市場的科技公司之一，Starsky Robotics已經佔據主流市場，他們有演示demo，充足的資金以及一支人才濟濟的團隊。
然而今年3月，Starsky Robotics突然倒閉。創始人Stefan Seltz-Axmacher在事後報告中非常明確地闡明瞭核心原因：“有監督機器學習無法滿足炒作出來的期望。”
他所指的炒作當然是來自創始人、記者和狂熱者們的過高承諾，比如距AGI和全自動汽車等技術僅數月之遙。正如塞爾茲·阿克斯馬赫（Seltz-Axmacher）報道的那樣，“相反，在研究人員之間的共識是，我們距離完全自動駕駛汽車至少還有10年的路要走。”
過去，令人興奮的研究導致過度承諾，隨之而來的是失望的投資人，以及放棄該技術的工程師，類似的循環導致了一次次AI寒冬，但，這次是不同的。
這次，儘管還沒有實現深度學習最宏偉的承諾，但是有些事已經發生了：機器學習在經濟上已變得有利可圖。
遍地的機器學習產品
來看下全球最受歡迎的App：
- Netflix，YouTube，Facebook，Amazon，Instagram，Spotify，以及抖音，所有這些公司都嚴重依賴機器學習賦能的推薦引擎。
- Snapchat，Instagram，以及抖音均使用計算機視覺模型幫助用戶創建，編輯以及分類可視化內容。
- Gmail和Messenger都是用NLP為用戶強化信息處理——過濾垃圾信息、推薦回覆、短信分類等。
- Goolge地圖，Uber以及Lyft依賴機器學習來預測計算精準的ETA（預計到達時間）。
這個名單幾乎包含了所有的最流行的手機應用。
這些都是全球最有價值公司的旗艦產品，而這些公司也並非碰巧都對機器學習研發進行了大量地投入。如果你認為這些公司中的任何一家僅僅會因為無法構建天網系統而停止對機器學習的投資，那你就錯了。
機器學習產品並不限於科技巨頭。有許多初創公司也已經將基於機器學習的產品推向市場：
- Onfido使用機器學習為全球1500個金融組織提供身份識別服務。
- Ezra使用計算機視覺技術提供全身癌症篩查，已在三個州運營，並且還在不斷增長。
- AI Dungeon經營一個機器學習賦能的基於OpenAI的GPT-2開發的文本冒險遊戲。他們有超過100萬玩家。
在幾乎每個行業（醫學，農業，遊戲，金融，安全等）中，都有一些公司已成功將機器學習產品推向市場。
機器學習不再只是一場賭博
過去幾十年的炒作週期之所以會使AI投資崩潰的原因是，當時AI以及機器學習，本質上類似賭博。
創始人和研究人員們下注將來機器學習可能會帶來巨大的商業應用。而當這些賭注無法得到回報時，市場就會崩潰。
現在，機器學習不再只是一個投機命題了，它成為一個廣泛應用的，商業可行的技術，可以支撐一些全球最受歡迎（同時利潤最好）的公司。Google不會因為Starsky Robotics和OpenAI這兩個代表著歷史上最有野心的技術項目陷入困境而解散Google大腦或者停止投資TensorFlow。
那些預言技術奇點會在聖誕節前到來的記者可能會大錯特錯，但同時這些也不會造成另一個AI寒冬。
相關報道：
https://towardsdatascience.com/there-wont-be-an-ai-winter-this-time-332a4b6d6f07
—完—
關注清華-青島數據科學研究院官方微信公眾平臺“ AI數據派 ”及姊妹號“ 數據派THU ”獲取更多講座福利及優質內容。
