原標題：人工智慧需要翻越三道坎

　　插畫：人民視覺

　　最近，人工智慧鉚足了勁兒，頻刷“存在感”：

　　中國棋手柯潔大戰AlphaGo的硝煙還沒散盡，學霸君公司的智能教育機器人Aidam就與多位往屆高考狀元PK，挑戰今年的高考題。此前，微軟虛擬機器人“小冰”還出版了人類歷史上首部100%由人工智慧創作的詩集。

　　“互聯網只是前菜，人工智慧才是主菜”，在日前舉行的2017百度聯盟峰會上，百度公司董事長兼首席執行官李彥宏直言，“未來百度將不再是互聯網公司，而是一家人工智慧公司”。

　　不過對很多人來説，人工智慧可能還是個熟悉的陌生人，它將帶來哪些影響？要到達未來，還要翻越哪些山岡？

　　人工智慧像燃料 與産業深度結合

　　1997年5月，IBM的電腦程式“深藍”在正常時限的西洋棋比賽中首次擊敗了當時世界第一的棋手加裏·卡斯帕羅夫。20年後，新一代人工智慧AlphaGo又將柯潔、李世石等頂尖圍棋高手斬落馬下。

　　除了在刷屏的新聞中認識人工智慧，很多人對它的了解源自熒屏：在《駭客帝國》《終結者》等電影作品中，人工智慧被塑造成功能強大的形象；在電視綜藝中，百度“小度”、搜狗“汪仔”等各顯神通，與人類交流、競技，甚至成為節目“主咖”。

　　“人工智慧看上去這兩年才火，事實上多年來一直有人在背後做研究”，在微軟亞洲研究院副院長劉鐵岩看來，人工智慧早已滲透到人們生活的方方面面：從搜索引擎到物流倉儲背後的網點規劃，從人臉識別到機器翻譯、語音識別，無不與人工智慧密切相關。在手機中，實現了個性化推薦的新聞App、會“智能美顏”的修圖軟件、可以對話的“小冰”“小娜”、Siri……這些功能，也都受益于人工智慧的發展。

　　這一波人工智慧的研究應用被業界稱作“第三次浪潮”。在人工智慧誕生至今的61年裏，曾經的兩次熱潮都最終陷于沉寂。在業內人士看來，這次浪潮有些不一樣。

　　“這次一定是更加穩健的”，劉鐵岩説，“人工智慧像燃料一樣，與各個産業深度結合，有著比以往更多的、實際落地的應用場景。”

　　“數據的爆炸式增長、計算能力的飛躍、深度學習演算法的突破，是這一次人工智慧爆發的三大要素。”商湯科技CEO徐立表示，“人工智慧的突破其實和産品落地密切相關，它可以快速帶來行業的爆發。新的技術需要與應用相結合才能夠得到驗證，當人工智慧發展到超越人的水準後，將帶來生産效率的大幅度提升，同時催生新的行業和應用。”

　　熱捧背後存隱憂 “網紅”需要冷思考

　　人工智慧迅速發展的背後，有著來自政府、企業、資本的多重推力。

　　2015年7月，國務院發布了《關于積極推進“互聯網+”行動的指導意見》，“互聯網+人工智慧”被列為11項重點行動之一；2017年3月，人工智慧首次寫入《政府工作報告》。在國際上，英、美、韓、日等也紛紛布局人工智慧，一係列扶持政策相繼出臺。

　　2013年，百度成立全球首家深度學習研究院；在2017百度聯盟峰會上，李彥宏明確表示將人工智慧作為百度的核心戰略；Facebook、谷歌等巨頭也不約而同提出了“人工智慧優先”的戰略轉變；在電腦視覺、語音識別等垂直領域，商湯科技、科大訊飛等企業成績矚目。“目前無論是大公司還是小公司，都在積極擁抱人工智慧”，徐立説。

　　在創投領域，人工智慧尤其受到資本的重視，甚至引發瘋狂追捧。互聯網數據和咨詢公司IT桔子近日發布的《人工智慧産業分析與創業投資盤點》收錄了467家AI企業和636起投資事件，其中，人工智慧總獲投率為67.65%，高于其他行業2—3倍。過高的熱度讓劉鐵岩覺得，人工智慧儼然已經成了一個“網紅”，一些企業所謂的調整戰略其實是資本市場倒逼的。

　　當然，與此前的互聯網發展中曾出現過的“風口”帶來“泡沫”一樣，與方興未艾所伴隨的，無序與重復投資、過熱與概念包裝等問題，在人工智慧創投領域也已顯現出來。

　　徐立直言，國內人工智慧創業大多扎堆在應用層面，創業者使用開源演算法，找到某個垂直領域便套上“人工智慧”概念扎進去，但真正從演算法層出發做“原創技術”的人並不多。“而這塊才是核心，是最需要厚積薄發的。”

　　對于這些隱患，易觀智庫資深分析師薛永峰強調，人工智慧還處在比較初級的發展階段，花些時間“冷思考”尤為重要。

　　三大門檻待翻越 瓶頸即主攻方向

　　需要多久的積淀，人工智慧才能告別初級階段，迎來大規模的爆發？專家們也承認，還有不少瓶頸待突破。

　　瓶頸之一來自對大數據和計算的過度依賴。想讓機器像人類那樣思考，就必須“喂”給它天量數據。“必須依賴大數據、大計算，導致現階段很多人工智慧過于重量級”，在劉鐵岩看來，“這種依賴是笨拙的，未來應當有更多輕量級的人工智慧産生”。

　　瓶頸之二來自人工智慧的“黑箱”——當下人工智慧做出的決策就像封閉的黑箱子一樣不可預測。“在人臉識別係統中，如果一些人能夠識別而另一些無法識別，研究員可能無法回答為什麼，因為這是機器從數據中學習得來的，背後的邏輯並不清晰”。徐立還舉了另一個無人車的例子描述這種尷尬：“無人駕駛超越人的準確率是很可能的，但難點在于你不知道它什麼時候會撞墻。”

　　另一個瓶頸在于不成熟的行業生態。這在一定程度上制約了人工智慧的發展。薛永峰提醒，要防范出現數據孤島化、研發孤立化的問題。“人工智慧的一些技術專利主要掌握在大公司手中，數據資源難以全面放開。在語音識別、無人駕駛等諸多領域，很多團隊各做各的，沒有融會貫通。”而在一些傳統行業中，數據積累的規范程度和流轉效率，還遠遠達不到能夠發揮人工智慧技術潛能的程度。

　　不過徐立認為，這些缺陷“與其説是瓶頸，不如説是未來的主攻方向”。

　　就國內而言，人才儲備方面還相對薄弱。來自領英的數據顯示，全球范圍內，人工智慧專業人才有195萬，中國只佔2%，排名第七。“人工智慧工程師和應用型人才都存在缺口，我們的教育體係應該與時俱進，在課程設置上面與發展需求配套”，劉鐵岩説。

　　值得慶幸的是，人工智慧發展進程中，許多進步和改變已扎實可見。

　　亞馬遜、谷歌、Facebook、IBM和微軟已于去年9月宣布成立非營利的人工智慧合作組，為研究人員提供可供討論和參與的開放式平臺。今年4月，百度也正式發布阿波羅計劃，把自己所積累的自動駕駛技術開放給業界，以期進一步降低研發門檻，與産業鏈各環節共同促進自動駕駛技術的發展和普及。

　　“這是一場既有主動脈又有毛細血管的技術革命，其意義可能不亞于今天的互聯網和移動互聯網。因此急不得，未來要一步步走”，薛永峰説。（記者 張意軒 王威）

【糾錯】

責任編輯： 聶晨靜