2016年人工智能领域的总结与思考：未来将面临的五大考验.docVIP

　　2016年人工智能领域的总结与思考：未来将面临的五大考验 今天与大家分享一篇有关人工智能的好文，我们邀请了几位人工智能领域的行业专家深度聊了聊自己对此的认识。为了让你读到最新的行业真知，在文中适当融合了一些人工智能领域权威人士的最新观点，希望能对你有所启发。 这两天，有朋友感慨道：“2016年对人工智能来说是意义非凡的一年，或许在技术领域的感知并不明显，在商业层面的「成功」却是前所未有的。”是呀，从年初AlphaGo和李世石的围棋大战，再到一场场和人工智能有关的发布会。不管怎样，人工智能终于跳出了实验室的禁锢，成为活跃在科技领域的核心力量。 一、人工智能时代正在到来 每当一个事物兴起的时候，随之而来的就是大量的观点与推测，其中最受欢迎的往往是那些最大胆的；而后每增加一个论据，都会让我们对这个观点更加深信无疑。就像从Alpha Go战胜李世石后，人工智能在舆论中强势回暖，而后李彦宏在世界互联网大会上的言论，也再度加强了人们对它的关注。 不仅百度，马化腾在2015年6月的演讲中也说道：人工智能是我最想做的事情。马云也在2015年5月内部信中写道：未来三十年云计算、大数据、人工智能等技术将会让无数的梦想成真。 目前国际互联网巨头纷纷入场， 亚马逊的 Alexa、苹果的 Siri、微软的 Cortana，作为人工智能的第一块敲门砖，已经被较为广泛的使用；搜索、翻译、地图、无人车，深度学习的影子无处不在，人工智能正在重构人类的生活。 同时，伴随互联网的高速发展和底层技术的不断进步，人工智能所需的「能源」正在不断完善。 数据量： 2000年至今，互联网及移动互联网的高速发展使得数据实现了量的积累，据IDC预测，2020年全球的大数据总量将为40ZB，其中有七成将会以图片和视频的形式进行存储，这为人工智能的发展提供了丰厚的土壤。深度学习算法：多伦多大学教授Geoffrey Hinton（致力于神经网络和深度学习研究）的学生在业内知名的图像识别比赛ImageNet中利用深度学习的算法将识别错误率一举降低了10%，甚至超过了谷歌，深度学习进而名声大噪。2015年，微软亚洲研究院视觉计算组在该项比赛中夺冠，将系统错误率降低至3.57%，已经超过了人眼。高性能计算：GPU响应速度快、对能源需求低，可以平行处理大量琐碎信息，并在高速状态下分析海量数据，有效满足人工智能发展的需求。基础设施成本：云计算的普及和GPU的广泛使用，极大提升了运算效率，也在一定程度上降低了运营成本。IDC报告显示，数据基础设施成本正在迅速下降，从2010年的每单位9美元下降到了2015年的0.2美元。与此同时，巨头和创业公司也相继投入资源和成本进行商业化探索，但技术本身尚有足够大的成长空间，当前仍处于早期阶段。 二、人工智能带来的机会 我们看到，目前人工智能领域的企业主要集中于以下三个层面： 基础层：关注人工智能基础支撑硬件或数据平台基础；技术层：包括有关机器识别与深度学习的算法和技术设计；应用层：包括通用应用和行业垂直应用等。 *图片：易观智库 在极客帮创投创始合伙人蒋涛看来，大公司在这三个层面赢家通吃，而小公司只能依靠单点突破，以及在传统行业优势上进行突围。 大公司（100亿市值以上）的主战场在于争夺未来人工智能的制高点，这分为两个方向，第一个方向是争夺未来人工智能的入口，包括家居的入口、汽车的入口等等，这些未来的入口扮演着比较重要的交互作用，例如Google的语音交互，百度的百度大脑。 第二个方向是生态系统的竞争，入口很容易切换，那么就要通过生态提高切换成本，通过开源技术，通过推荐算法，当然也要依靠于物联网的延伸与发展。而像京东、当当这类的大公司，他们最大的竞争力在物流和海量的数据上，所以在技术上可以购买，但并不那么着急。 小公司的主战场在垂直领域的应用，通过人工智能的浪潮来改进尚未完成移动化的行业。例如金融行业，它在人工智能时代的市场规模、空间应该会比移动时代更加广大；例如企业级的服务，现在在国内处在非常落后的状态。蒋涛说：“相对来说容易做的事情已经做完了，剩下的事情都是硬骨头，但我相信还会有跑出来大的公司，当然有数据的公司会更容易跑出来。” 实际上，目前人工智能的应用和落地方式还极其有限。几乎所有人工智能的最新进展都是通过一种类型来完成：输入数据（A）快速生成简单的回应（B），举个例子： 这么一个简单的输入 A 和输出 B 将改变许多行业，而构建由 A→B 的技术被称为监督学习。A→B 系统发展速度很快，这其中深度学习很大程度上受大脑的工作原理启发。但A→B 系统距离科幻片中存在情感的机器人还差得很远，人类的智能也远远比 A→B 系统高级得多。 那么 A→B 这个系统能做什么？关于其颠覆性影响，这里列一个法则：如果人类进行一项思考时间少于一秒的任务，那么不远的将