本文原作者：沐木；編輯 ：Jenny Robin
來源 ： 企服行業(yè)頭條（ID：wwwqifu）
原文標題：《人工智能開荒記》
打開手機，你能找出多少人工智能的影子？
你讀的新聞可能是人工智能寫的，拍的照片可能是人工智能幫你美顏過的，你喜歡的那家餐廳可能是人工智能為你推薦的，你看不懂的單詞是人工智能幫你翻譯的。還有很多尚未普及的人工智能存在：自動駕駛技術、交通調度系統(tǒng)、機器人…..
人工智能開始脫離抽象的文學作品、炫酷的電影特技，逐漸在可感官的現(xiàn)實生活中生存、進化，成為生活必需品。只是人工智能還無法像《西部世界》描述的那樣，能夠獲得對自身和外界更為深刻的認知、智慧積累和情感表達。
1956年舉行的達特茅斯會議，被認為是人工智能的起步標志。
但在60年代和80年代爆發(fā)的人工智能，都高調出場，期待落空謝幕。隨著深度學習算法的突破、互聯(lián)網(wǎng)時代海量數(shù)據(jù)的積累、以及芯片強大計算能力提升，人工智能進入第三次爆發(fā)階段。
只是國內(nèi)人工智能研究從80年代才開始起步，一直是被動的追趕者、學習者。在前兩次轟轟烈烈的人工智能浪潮中，基本沒我們什么事，一直在努力縮短與發(fā)達國家之間的差距。
作為繼蒸汽技術、電力技術、計算機及信息技術革命之后的第四次科技革命核心驅動力，人工智能將形成新的「生產(chǎn)力」。在與「第四次科技革命」的「貼身肉搏」中，中國市場基于過去幾十年的技術積累開始力量爆發(fā)，成為這波人工智能浪潮中頗具實力的參與者。
掌握人工智能技術意味著幾百年前與工業(yè)革命失之交臂的遺憾，將有可能因此終結。可是回顧過去40年國內(nèi)人工智能的發(fā)展，從一無所有到奮起直追、加速研發(fā)創(chuàng)新，崛起并不意味著走了很遠，可能還是「局部很精彩，整體很無奈」的狀態(tài)。
丨01
停 滯
建國初期，百廢待興，國內(nèi)掀起一股「蘇聯(lián)熱」。有數(shù)據(jù)統(tǒng)計，在建國前三年，光是以「中蘇友好」為主題的演講、講座和報告就有近9.9萬次，用中文出版的蘇聯(lián)書籍就有3100多種。
18歲就考上清華大學的張鈸，就讀于電機系，電機與電氣制造專業(yè)。在那個「每個月一塊五毛生活費」的年代，電機系培養(yǎng)的就是最前沿的科技人才了。
當時張鈸學習各門課都采用蘇聯(lián)教材，既要補全基礎知識，又強調實踐，很是容易引起挫敗感和緊張感。不過張鈸還是咬牙堅持下來，也很快成績名列前茅。
在1956年，讀大三的張鈸獲得了一次改變命運的機遇。那年《國家十二年科學技術發(fā)展遠景規(guī)劃》出臺，舉國發(fā)力研制「原子彈、核武器、火箭」。
清華大學被要求增設新專業(yè)，培養(yǎng)相關專業(yè)人才。于是正在讀大三的張鈸被調入清華計算機系的前身，也就是自動控制系統(tǒng)專業(yè)。后來清華大學對人工智能的研究基本都源于此。
在張鈸大三轉系的那一年，才是國內(nèi)計算機發(fā)展的起步之年。當時的12年規(guī)劃中確定中國要研制計算機，批準中國科學院成立計算技術、半導體、電子學及自動化四個研究所。
但50年代前后國外科學家已經(jīng)在為人工智能第一次爆發(fā)做準備，摸到了一些眉目，具備了理論基礎和操作工具——計算機的支撐。國內(nèi)的科研仍處于刀耕火種時期，要先解決國防安全、工業(yè)發(fā)展和民生經(jīng)濟問題。
畢業(yè)后，張鈸選擇留校任教，第一項工作任務就是為四年級學生開設《飛行器自主控制系統(tǒng)》。當時這門課還沒有教科書和參考資料，屬于保密專業(yè)，能夠開設還是靠張鈸在蘇聯(lián)專家「開小灶」學來的。
在什么都缺的年代，緊迫感促使人學習，不斷激發(fā)潛力，突破能力和認知的邊界。經(jīng)過7屆學生的實踐，張鈸等人終于完善了「飛行器自動控制系統(tǒng)」專業(yè)的教學體系。直到文革之前，張鈸都在自動控制系任教，主要承擔不同工業(yè)部門的科研任務，包括電子、兵器、航空、航海等，研制過多種軍用或民用的自動化系統(tǒng)。
除了國情限制了人工智能研究的進展，國內(nèi)人工智能在50年代和60年代還深受蘇聯(lián)影響，一直處于停滯狀態(tài)。蘇聯(lián)對人工智能的研究受限，主要是受「控制論」的影響。
當時麻省理工學院的數(shù)學家諾伯特·維納在1948年出版了《控制論：或關于在動物和機器中的控制與通信的科學》。這本書提出，「控制論將指導人們造出可以思考和想象、通過自主學習變得比人更加聰明的自適應機器」。
維納的「控制論」具有前瞻性，也都受到蘇聯(lián)和美國軍方的推崇。本來蘇聯(lián)學術界在「控制論」明目下還是能曲線做人工智能研究。很快就在50年代末期，受到蘇聯(lián)官方針對「控制論」的批判運動，將其斥為「資產(chǎn)階級的反動偽科學」。
跟維納同時期出版的小說《1984》，是英國左翼作家喬治·奧維爾在1948年創(chuàng)作的虛構文學作品。他對集權統(tǒng)治下的烏托邦世界的控制有過栩栩如生的描寫。
作品中的未來社會，人們需要面對無處不在的電幕、思想警察的監(jiān)聽，生活在真理負責修改歷史、和平部發(fā)動戰(zhàn)爭、友愛部對百姓進行拷打、無知即是力量、戰(zhàn)爭即是和平，自由即是奴役的社會中……
奧維爾創(chuàng)作《1984》，還是出于他在戰(zhàn)爭中目睹和經(jīng)歷了斯大林主義的狠辣手段，認為這是對馬克思主義的背離，并不是社會主義，而是一種不健康的社會形態(tài)。雖然到了上世紀60年代赫魯曉夫當政后，「控制論」逐漸被解凍。不過，蘇聯(lián)學術界更多的還是在討論「人工」能造出「智能」嗎？這類哲學層面的論證。
后來中蘇交惡，中國學術界則認為蘇聯(lián)的這種解凍是一種「修正主義」，人工智能也并未得到重視。但是在上世紀50年代到60年代期間，國外人工智能迎來第一個發(fā)展高潮，被稱為人工智能的「黃金時代」。
?
世界上第一家機器人制造工廠——Unimation公司；
?
世界上第一個聊天機器人ELIZA；
?
首臺采用人工智能的移動機器人Shakey等，都是那段時期的產(chǎn)物。
只是受計算機算法算力的限制，人工智能的局限性仍然很大。比如移動機器人Shakey，控制它的計算機有一個房間那么大。
當時計算機有限的內(nèi)存、處理速度等都不能解決任何實際的人工智能問題。比如要求程序對這個世界具有兒童水平的認知，研究者們很快發(fā)現(xiàn)這個要求太高了。1970年前后還沒人能夠做出如此巨大的數(shù)據(jù)庫，也沒人知道一個程序怎樣才能學到如此豐富的信息。
所以為人工智能研究提供資助的機構，比如英國政府、美國國防部高級研究計劃局（DARPA）等也就逐漸停止資助無方向的人工智能研究。于是70年代人工智能在國外進入了第一個寒冬。人工智能在國內(nèi)才經(jīng)歷停滯到解禁階段。真正的開荒才剛剛開始。
丨02
起 步
1978年，又是改變無數(shù)人命運的一年。經(jīng)濟倒退的火車要急剎車向前開?？茖W界也開始集中火力填補技術空白。
同年的全國科技大會上，吳文俊提出的利用機器證明與發(fā)現(xiàn)幾何定理的新方法——集合定理機器證明，能夠讓計算機具備自動證明某一類幾何定理的原則和方法，也就是數(shù)學問題的機器化。在此基礎上，很快形成一系列能在國際上拿出手的成果，包括曲面造型、機器人機構的位置分析、智能計算機輔助設計、信息傳輸中的圖像壓縮等。
同樣1978年召開的「中國自動化學會年會」上，出現(xiàn)了光學文字識別系統(tǒng)、手寫體數(shù)字識別、生物控制論和模糊集合等研究成果。這意味著人工智能在生物控制、模式識別等方面開始有起色。第二年，清華大學電子工程系更名為計算機系，而原來的無線電系則從四川綿陽搬回北京，更名為電子工程系。
從國防核武器研發(fā)前線退下來的錢學森也在80年代初期主張進行人工智能研究。大批留學生前往發(fā)達國家研究現(xiàn)代科技，學習國外前沿科技成果。張鈸和林堯瑞、石純一、黃昌寧等人決定探索新的研究方向，把人工智能與智能控制作為該教研組新的專業(yè)方向。此后，清華大學成為國內(nèi)最早開展人工智能研究的機構之一。
?
在1978年招收首批人工智能方向的研究生
?
1983年成立首個智能機器人實驗室
?
1983年在國際人工智能大會（IJCAI）上發(fā)表第一篇學術論文
?
1990年成立全國第一個有關人工智能的國家重點實驗室——「智能技術與系統(tǒng)」國家重點實驗室
?
2018年成立跨系的交叉研究機構——「清華大學人工智能研究院」，張鈸現(xiàn)任清華大學人工智能研究院院長。
1981年，工智能學會(CAAI)在長沙成立，標志著國內(nèi)人工智能研究正式起步。但是80年代，國內(nèi)還在大力發(fā)展計算機產(chǎn)業(yè)、搭建人工智能的研究框架、項目，國外人工智能已經(jīng)進入了第二次爆發(fā)期。
一個嘗試是日本在80年代初期提出「第五代計算機」（簡稱五代機）計劃，也就是制造出能夠具備推理能力、知識智能處理功能的「人工智能計算機」。這讓全球的科學家、政客都頗為震撼。
這樣的自信主要來自日本過去幾十年間高精端制造業(yè)的發(fā)展，比如在DRAM存儲芯片方面，日本當時的技藝都不差美國。所以日本想在計算機硬件制造方面，尤其是在IT領域建立自己的標準，實現(xiàn)彎道超車，甩掉山寨的帽子。
五代機計劃讓美國和歐洲都打起了精神，迅速反應組建團隊，增加在計算機領域的研發(fā)投入。比如美國在1982年就迅速組建了MCC，作為對日本五代機項目的回應。每年投資7500萬美元，設置600個職位，邀請了除IBM和AT&T之外的美國所有重要高科技公司都參與進來。
英國政府在同年婉拒了日本邀請聯(lián)合開發(fā)五代機的提議后，自己投入3億6千萬美元成立「阿爾維計劃」，目的就是要保證英國在先進的信息技術方面，要有國際競爭力。
當時國內(nèi)還在研究第四代計算機，對五代機的競爭很是力不從心。到了1985年，中科院計算才在所在IBM微型計算機基礎上，研發(fā)出了聯(lián)想式漢化微型機LX-PC系統(tǒng)。隨著聯(lián)想品牌被人熟知，以銷售聯(lián)想漢卡為主的計算所公司改名為聯(lián)想集團。
后來涌現(xiàn)了一大批電腦制造企業(yè)，如四通、方正、同創(chuàng)、實達等，但主要都是通過組裝計算機或者代理IBM、HP、康柏等跨國巨頭的產(chǎn)品從中獲利。后來在1996年，聯(lián)想PC銷量超過了IBN、HP，成為當時國內(nèi)計算機行業(yè)的龍頭公司。
1987年，第一封電子郵件「越過長城，通向世界」，從北京經(jīng)意大利向前聯(lián)邦德國卡爾斯魯厄大學發(fā)出。這標志著國內(nèi)互聯(lián)網(wǎng)邁出的第一步。
也正是在那一年，日本五代機計劃進入難產(chǎn)狀態(tài)，英國宣布放棄阿爾維計劃，這基本標志著五代機計劃失敗。日本人工智能學者后來認為如果有現(xiàn)在的語義網(wǎng)和知識圖譜的大數(shù)據(jù)，五代機結局會很不同，這也只是后話了。
當時另一個努力是美國生物物理學家J.J.Hopfield在1982年、1984年發(fā)表了兩篇論文，提出新的神經(jīng)網(wǎng)絡模型，為實現(xiàn)神經(jīng)網(wǎng)絡工程指明了方向。這引起了又一波「人工神經(jīng)網(wǎng)絡」熱潮，有人稱其為「第六代計算機」。當時學術界寄希望利用自學習算法，讓復雜的非線性網(wǎng)絡具有超出數(shù)值計算范疇的人工智能。
但是DARPA還是把研究款項撥給那些看起來更容易出成果的項目，把人工智能打入了第二次寒冬。究其原因，還是人工智能計算機想法太超前，沒有在智能化層面做出實質性的突破進展。
丨03
追 趕
人工智能的發(fā)展史，可以看作是一部信息技術和產(chǎn)業(yè)的發(fā)展史，也是一部新興信息產(chǎn)業(yè)巨頭搶占明日高地的「更迭史」。
第一代信息產(chǎn)業(yè)代表們是微軟、因特爾、IBM、甲骨文；第二代是伴隨互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)而生的谷歌、蘋果、臉書、亞馬遜、騰訊、百度、阿里等；那么，第三代能最有可能占領高地的就是擁有人工智能技術的公司。
在第二次AI寒冬中，計算機產(chǎn)業(yè)不再企圖從根本原理上實現(xiàn)人工智能，而是進入「信息高速公路」浪潮，結合軟件發(fā)揮優(yōu)勢。人工智能就主要被用于提高軟件系統(tǒng)的容錯、檢錯、自動修復等，神經(jīng)網(wǎng)絡也取得一些商業(yè)成功，應用于光字符識別和語音識別等軟件中。
1994年，《科技日報》發(fā)表關于「世界十大科技新聞」的評論，頭條是：全世界興起信息高速公路熱潮，美、英、法、日、加拿大和韓國等20多個國家計劃相繼出臺，信息高速公路的概念從國家范圍的信息結構開始擴展為全球信息結構。然后第十條新聞，也是唯一一條國內(nèi)的科技大事件是「長江三峽工程正式開工」……
「信息高速公路」計劃將INTERNET、電話、電視、無線通訊系統(tǒng)融為一體，來為科教、醫(yī)療、金融、商業(yè)、娛樂等提供信息服務。也就是說從90年代中期開始，全球互聯(lián)網(wǎng)浪潮大幕拉開。
到了1998年，全球已經(jīng)有1.5億「網(wǎng)民」，每天都有2000臺計算機入網(wǎng)。但是根據(jù)當時中國互聯(lián)網(wǎng)絡信息中心統(tǒng)計，國內(nèi)只有100多個計算機信息網(wǎng)絡接入國際互聯(lián)網(wǎng)絡，用戶量在60萬左右。
那時四通利方與北美最大的中文網(wǎng)站華淵生活資訊網(wǎng)在1998年合并，成立當時全球最大的中文門戶網(wǎng)站「新浪網(wǎng)」；從「馬站長」干到潤迅軟件工程師的馬化騰看到了基于Windows系統(tǒng)的ICQ演示后，也想做出一款集呼叫、聊天、電子郵件于一身的軟件，于是在1998年注冊了騰訊。
李彥宏在1999年的圣誕節(jié)回國，立志要創(chuàng)辦被西方網(wǎng)民稱為「上帝」的中國版Google——百度；同年在杭州，在一個叫湖畔花園的小區(qū)，馬云召集了17個人開會融資，創(chuàng)辦了阿里巴巴網(wǎng)站。
文娛、通信、電商、媒體等領域開始被互聯(lián)網(wǎng)顛覆，此后便一發(fā)不可收拾，交通出行、餐飲美業(yè)、工業(yè)制造、金融投資等各行業(yè)都在互聯(lián)網(wǎng)化。人工智能在國內(nèi)的聲音被浩浩蕩蕩的互聯(lián)網(wǎng)浪潮湮沒過很長一段時間。
而在美國，精工品公司在90年代就發(fā)明了一種叫Quicy-tionary雙語翻譯機，內(nèi)置了40萬字的字庫，支持英—法和英—西班牙語的對照版本。自動駕駛項目在80年代就被DARPA立項，成為現(xiàn)在各種類似項目的源頭。汽車導航系統(tǒng)已經(jīng)能夠通過連接全球衛(wèi)星，為司機規(guī)劃路線了……
如果說80年代前，國內(nèi)技術發(fā)展還是在對「計劃經(jīng)濟」時期的矯正和摸索，80年代到90年代則是對外來技術大量引進、模仿，那么到了21世紀，從模仿到創(chuàng)新已經(jīng)變成「魔鬼般的步伐」。
從90年代開始，計算機硬件、軟件、通信、互聯(lián)網(wǎng)以及移動互聯(lián)網(wǎng)浪潮接踵而來，這讓國內(nèi)的信息技術產(chǎn)業(yè)進程尤為緊迫，技術創(chuàng)新到行業(yè)應用落地的周期不斷縮短。雖然為如今人工智能的爆發(fā)做了鋪墊和積累，但在后續(xù)的落地過程還是存在問題，后續(xù)會一一談到。
過去20年間，互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)浪潮來襲，數(shù)據(jù)、應用大規(guī)模爆發(fā)，云計算和物聯(lián)網(wǎng)技術也進入成熟階段，前兩次人工智能浪潮中遇到的「知識瓶頸」、「算力瓶頸」等開始有了解決方案。
人工智能從2010年前后開始進入第三個發(fā)展期。而這次國內(nèi)人工智能產(chǎn)業(yè)終于趕上了趟，但也是一次頗具挑戰(zhàn)的大考。
丨04
爆 發(fā)
2006年，多倫多大學機器學習領域的泰斗Hinton和他的學生在《科學》刊物上發(fā)表了一篇關于「神經(jīng)網(wǎng)絡如何通過無監(jiān)督學習減少出錯」的論文，引起深度學習在學術界和工業(yè)界的重視。
這篇文章主要提出兩個關鍵點：
?
很多隱層的人工神經(jīng)網(wǎng)絡具有優(yōu)異的特征學習能力，學習得到的特征對數(shù)據(jù)有更本質的刻化，從而有利于可視化或分類。
?
深度神經(jīng)網(wǎng)絡在訓練上的難度，可以通過「逐層初始化」來有效刻度，也就是通過無監(jiān)督學習可以實現(xiàn)「逐層初始化」。
后來這篇論文被谷歌X實驗室研究人員驗證，并在2012年對外宣布，已經(jīng)用1.6萬臺計算機搭建了擁有10億神經(jīng)連接的深度學習神經(jīng)網(wǎng)絡（DNN），在沒有人工干預的前提下，具備識別物體這一感官能力。該網(wǎng)絡也已在YouTube上試用，能夠順利識別出內(nèi)容有貓的視頻。
此后，深度學習技術在圖像、語音、自然語言處理上都實現(xiàn)了低誤差突破。2011年以來，微軟研究院和谷歌都用DNN技術降低了語音識別錯誤率20%～30%，在2012年，DNN技術在圖像識別領域取得驚人效果，在ImageNet上將錯誤率從26%降低到15%。
學術界對人工智能研究的熱情暴增。聯(lián)合國聯(lián)合國世界知識產(chǎn)權組織今年發(fā)布份《2019技術趨勢——人工智能報告》顯示，從50年代到2016年，科研人員已提交超過34萬份人工智能發(fā)明專利申請，發(fā)表的科學出版物超過160萬篇(部)。而這其中的專利超過半數(shù)是2013年以后公開的。其中在國別專利總申請量方面，美國、中國、日本排在前三位。
很多公司也看到了深度學習神經(jīng)網(wǎng)絡的潛力。百度是較早成立專注深度學習研究院的公司之一，引進了大量的人才。像Fackbook前資深科學家徐偉、AMD異構系統(tǒng)前首席軟件架構師吳韌、Twitter和Facebook數(shù)據(jù)中心建設的負責人Ali Heydari、曾訓練世界級最大人工神經(jīng)網(wǎng)絡的Adam Coates等頂尖人才都加入了當時百度2013年在硅谷正式成立的百度實驗室。
在國際人工智能技術競賽中，國內(nèi)的人工智能團隊開始名列前茅?？拼笥嶏w、商湯、曠視、寒武紀、地平線等展露頭角的人工智能創(chuàng)業(yè)公司。除了互聯(lián)網(wǎng)巨頭、新興人工智能創(chuàng)業(yè)公司，還有傳統(tǒng)的生物識別公司都在人工智能領域試圖占領「高地」。
比如眼神科技CEO周軍從1995年開始籌劃創(chuàng)業(yè)。 2003年指紋識別研發(fā)成功，并開始在銀行業(yè)落地應用。2007年又研發(fā)出虹膜算法，到2015年，基于深度學習的人臉識別技術和產(chǎn)品就已在全國20多家銀行上線。
這波人工智能浪潮能夠看出，技術創(chuàng)新的驅動力不再是由國家建設為主，民營企業(yè)已經(jīng)有足夠的能力去研究、應用科技界最前沿的技術，并且來影響政府機構對技術方向的判斷。
可是前兩次的歷史經(jīng)驗告訴我們，超乎尋常的期待，總是會得到超乎尋常的失望。尤其是媒體、資本、市場的探測燈都在尋找下一個Big Thing, 人工智能恰好滿足對實現(xiàn)他們對科幻場景的期待。
聚光燈之后隱藏的陰影是什么？這會又是一場魔術障眼法嗎？人工智能的第三次寒冬會到來嗎？
市場上還有很多這樣對人工智能的「質疑聲」。中國人工智能學會副會長任福繼看來，「過去30年來，人工智能在應用方面成果看起來風生水起，但實質上特別是在理論方面并無重大突破，而僅僅是依賴上世紀80年代開始的數(shù)據(jù)驅動，也就是大數(shù)據(jù)驅動的機器智能進化。加上云計算和物聯(lián)網(wǎng)的出現(xiàn)，人工智能在算力和數(shù)據(jù)層面開始有了新的助力。」
也就是說深度學習也并不是開啟通往人工智能巔峰的唯一一塊羅塞塔石碑。這個理論本身是通過大量數(shù)據(jù)分析，找出重復的特征活著數(shù)據(jù)之間的統(tǒng)計關聯(lián)性，并不是因果和本質上的特征。
目前的人工智能還集中處于「弱人工智能」階段，在特定功能場景下的專用智能，比如語音識別、圖像處理和物體分割、機器翻譯、無人駕駛等領域有重大的突破，甚至能夠接近或超越人類的水平，但還不能適應復雜的新環(huán)境和不斷涌現(xiàn)出新的功能。比如對噪音數(shù)據(jù)的識別并不理想、對語義理解還僅限于娛樂。
另外，人工智能想要把IT 產(chǎn)業(yè)帶向 「認知時代」，不僅僅需要人工智能算法的創(chuàng)新，還需要構建認知系統(tǒng)、認知平臺、認知算法、認知應用等完整的生態(tài)鏈。
以認知系統(tǒng)來說，一方面，需要在傳統(tǒng)的計算機上做延展，包括用 FPGA、圖形處理器來做加速，使它更好地支撐認知應用。另一方面，如何構建模仿人腦功能的新一代的計算機系統(tǒng)也還需要探討。
比如發(fā)達國家已充分認識到人工智能的戰(zhàn)略意義，除了加速將新技術落地到產(chǎn)業(yè)，美國、歐盟和日本從2013年起都開始設立「大腦研究計劃」，要為人工智能找到更為本質的支撐系統(tǒng)。
還有隨著去年資本新規(guī)出臺、資本寒冬等政策和市場的變化，融資難的問題讓大波人工智能創(chuàng)業(yè)公司走到破產(chǎn)邊緣。根據(jù)《北京人工智能產(chǎn)業(yè)發(fā)展白皮書(2018)》對國內(nèi)AI創(chuàng)業(yè)公司數(shù)量和投資的統(tǒng)計顯示，截至2018年5月8日，全國人工智能企業(yè)4040家，但其中拿到風險投資的公司合計1237家(含31家已上市公司)，占總數(shù)的30%，也就是說，有70%的公司仍然拿不到投資。
和美國市場相比，國內(nèi)的IT環(huán)境發(fā)展還參差不齊，人工智能發(fā)展伴隨著企業(yè)數(shù)字化、云化等多重變革重疊，很難一步到位，快速落地。投資人在投項目的時候優(yōu)先考慮的是市場的有效性，反而不是技術的領先性。
人工智能很可能像互聯(lián)網(wǎng)一樣，成為電、水一樣的存在，進入到各行業(yè)。根據(jù)Gartner 副總裁、智能機器人領域分析師湯姆·奧斯汀所言，目前科技巨頭、知名大學、研究機構分別在深度語音識別、 深度影像識別、深度神經(jīng)網(wǎng)絡、自然語言處理上發(fā)力，也許要到 2050～2075 年人工智能市場格局才會穩(wěn)定下來。
人工智能從「弱人工智能」到「強人工智能」的進化，究竟有多大的希望？
可能還是取決于我們對世界的認知，以及對自我的認知。畢竟人類大腦很大部分仍然處于「我們不知道自己還不知道」的狀態(tài)。
2019中國軟件渠道伙伴大會來了，請掃描圖中二維碼或點擊閱讀原文報名加入，4月11日，讓我們齊聚北京，一起探討2019年的挑戰(zhàn)與新生。
免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。
