人工智能产业还处于起步阶段
IBM沃森健康部门因盈利艰难于近期裁员数百人。近年来，IBM将认知计算确定为转型方向，其中沃森是其最重要的人工智能部门，投入高达数十亿美元。
IBM在人工智能领域的窘境并非个例。据国际权威研究机构CB Insights统计，2013年至2017年间，全球人工智能领域年融资数量从310笔增加到1349笔，融资额从17.4亿美元增至152.4亿美元。但其商业化之路远非一帆风顺，有统计显示，90%以上的人工智能企业处于亏损状态。
作为全球各类企业竞相投资的又一个风口，人工智能领域业绩不佳，主要有以下原因。
首先，人工智能产业还处于起步期，企业亏损是常态。由于技术不够成熟、用户接受度低、市场规模小、运营成本高，人工智能企业盈利困难。不过，这也是几乎所有处于产业生命周期起步阶段的企业都会遭遇的情况。如今欣欣向荣的互联网行业也曾长期亏损，作为市值最高的互联网公司之一，亚马逊也是在持续亏损20年后才开始盈利的。
其次，人工智能的发展路径其实和互联网行业的发展大同小异。网络效应特征决定了互联网发展速度比盈利更重要，它带给用户的价值通常取决于用户规模或平台供应商数量等，这就导致市场份额向领先企业集中，后入者难度很大。因此，互联网企业需要尽快扩大用户规模，盈利反在其次。人工智能技术及产品的开发同样依赖于数据和平台，用户数量也同样重要。以无人驾驶汽车为例，为了不错失巨大的市场前景，许多互联网公司、传统车企和初创企业纷纷涌入，希望成为行业领跑者。
再次，落地存在的障碍限制了人工智能企业的成长速度。目前，人工智能的应用面临技术成熟度、数据安全、用户认识、实施效果等多方制约。2016年6月美国得克萨斯州的MD安德森癌症中心投入6200万美元，与IBM开展癌症治疗人工智能项目，由于效果不佳，次年2月即被终止。通用电气最早提出工业互联网概念，并将Predix工业互联网平台看做业务转型的希望，但巨额投入也没有带来收入增长。
此外，作为赋能技术的人工智能，常常不直接表现为业务收入。在许多情况下，从事人工智能的公司并不直接销售人工智能产品或服务，而是将其作为改善其他产品或服务性能、体验或效率的支撑工具。例如，人工智能已普遍应用于电商、搜索、社交、新闻推荐等领域，大幅提高了其运作效率和用户体验，但人工智能无法为其提供直接的销售收入，这也令人工智能技术的经济价值被大大低估。
作为一项影响广泛的赋能技术，人工智能业务当前盈利不佳，更多地可以理解为产业发展过程中存在的波折。随着技术的成熟和用户认知度的提高，人工智能未来有望成为政策支持、学术研究和企业投资的热点，发展成为规模巨大的行业。
（作者为中国社会科学院工业经济研究所研究员）
《人民日报》（2018年08月02日22版）
(责编：易潇、毕磊)分享让更多人看到
简述人工智能的发展历程图
近年来，人工智能已经进入我们生活的方方面面，如智能导航、图像识别等等。事实上，人工智能的开发早在1914年便已开始。不可否认的是，经过一个世纪的起伏，人工智能变得越来越聪明。
什么是人工智能
据麻省理工最新报告《亚洲人工智能议程》，人工智能是指一些不断演变的技术，使得计算机可模拟人类思维的元素，其中包括学习和推理。例如谷歌定期改进搜索算法，是来自一种机器学习、一种通过编程使系统能够从数据学习，并找到模式，从而进行预测的人工智能。这种技术也是语音和图像识别，以及无人驾驶汽车发展的关键。
近来该领域的一项改进，是一种成为深度学习的机器学习形式。人类大脑中的神经元和突触因为新的输入而变化，而这种新技术松散建模于这种方式，并且已被独立使用或与其他人工智能组合，以帮助机器处理棘手的任务和展示类似直觉的东西，在某些情况下，甚至能够比人类更好地执行任务。如在人脸识别的能力上，有时计算机要比人类好。
*资料来源：《MITTechnologyReview》的AITakesOff(人工智能起飞)商业报告
人工智能发展史
1914
西班牙发明家LeonardoTorresyQuevedo首次发表ElAjedrecista，这台机器的机械设计中集成了一个简单的算法，使得它可以自动下棋。后来它被称为世上第一个计算机游戏。
1943
神经科学家WarrenMcCulloc
人工智能，自动驾驶的思维起步
自动驾驶发展作为与大家吃穿住行中与行密切关联的一项技术，在过去几年内得到了快速发展，成为关注的重点。然而自动驾驶技术的实现需要众多技术的支持，其中之一就是人工智能技术。
人工智能概述
人工智能（ArtificialIntelligence，简称AI）是指计算机系统在完成类似人类智力所需的任务时所表现出来的能力。它是一种复杂的技术，通过将大量的数据输入到算法中进行学习，不断调整和改进自己的算法，从而不断优化其性能。它可以被应用于各种各样的领域，包括自然语言处理、图像识别、语音识别、机器翻译、自动驾驶、智能家居、医疗、金融、能源和环境等领域。
人工智能可以被分为两类：弱人工智能和强人工智能。弱人工智能（也称为狭义人工智能）是指只能在特定的任务领域中表现出类似人类的智能的人工智能系统。例如，语音识别系统、自动驾驶系统等。而强人工智能（也称为广义人工智能）则是指一种能够像人类一样在各种任务领域中表现出类似人类的智能的人工智能系统。目前，强人工智能还没有实现，仍处于研究和探索阶段。
人工智能技术的发展主要依赖于大数据、机器学习、深度学习和自然语言处理等技术。通过大量的数据输入到算法中，人工智能系统可以通过自我学习和改进，从而不断提高自己的性能和效率。深度学习技术是一种模仿人类大脑神经网络结构的算法，它可以模拟人类视觉和语言处理的方式，从而实现对图像、声音、文本等信息的自动识别和分类。
尽管人工智能技术已经取得了很多成就，但是仍然存在许多挑战和障碍，例如数据隐私、算法不透明、伦理问题、安全问题等。因此，人工智能技术的发展需要逐步解决这些问题，保证其安全、透明、可靠和负责任。
人工智能助力自动驾驶发展
自动驾驶技术是一个涉及多个领域的复杂技术，人工智能技术是其中重要的一环。在自动驾驶中，人工智能主要负责实现自主决策和智能感知。其中，自主决策涉及到在各种不同的驾驶情境下，根据各种因素做出最佳的决策。这些因素包括道路情况、交通情况、天气情况、行人和其他车辆的行动，以及其他各种因素。而智能感知则主要负责实现对周围环境的感知，包括车辆和行人的位置、速度、方向等信息的获取和分析，这些信息将为自动驾驶汽车用来做出最佳的决策和行动提供支持。
在自动驾驶技术中，人工智能技术主要由深度学习、计算机视觉和自然语言处理等技术构成。
其中，深度学习是自动驾驶技术中重要的技术之一，深度学习是一种机器学习方法，通过对大量数据的学习来实现各种不同的任务。在自动驾驶技术中，深度学习技术主要用于图像识别、物体识别和行为预测等方面。例如，深度学习技术可以通过对图像和视频数据的学习，实现对不同类型的车辆和行人进行识别，并根据其位置和速度等信息做出最佳的决策方案。
此外，计算机视觉技术也是自动驾驶技术中重要的一部分。计算机视觉技术主要用于实现对图像和视频数据的分析和处理。在自动驾驶技术中，计算机视觉技术主要用于实现车辆周围环境的感知和识别。例如，计算机视觉技术可以实现对道路、车道、路标、交通信号灯等元素的识别和分析，以及对其他车辆和行人的位置和动作的感知。
自然语言处理技术也是自动驾驶技术中的重要一环。自然语言处理技术主要用于实现对人类语言的理解和分析。在自动驾驶技术中，自然语言处理技术可以用于实现车辆与驾驶员之间的交流，例如语音指令的识别和执行，以及实现驾驶员和车辆之间的自然交互，自然语言处理技术的发展为智能座舱的智能化升级提供了可能。
总之，人工智能技术在自动驾驶技术中扮演着重要的角色，它是实现自主决策和智能感知的核心技术。通过使用深度学习、计算机视觉和自然语言处理等技术，自动驾驶技术可以实现对周围环境的感知和识别，并做出最佳的决策和行动。
自动驾驶提速人工智能发展
自动驾驶技术的发展对人工智能技术的发展有着深远的影响。一方面，自动驾驶技术的快速发展促进了人工智能技术的发展。在自动驾驶技术的应用中，各种不同类型的传感器和设备收集了大量的数据，这些数据可以用于训练和优化人工智能算法。例如，通过对大量的图像和视频数据的学习，可以实现对车辆和行人的准确识别和行为预测，从而让人工智能技术更加智能和先进，促进人工智能技术的发展。
另一方面，自动驾驶技术的发展也推动了人工智能技术的进一步研究和提升。例如，在自动驾驶技术的研究中，人工智能技术需要解决如何实现车辆周围环境的感知和识别、如何做出最佳的决策和行动、如何与驾驶员和其他车辆进行交流等一系列问题。这些问题都需要人工智能技术进行深入研究和解决，从而推动了人工智能技术的发展。
自动驾驶技术的发展将促进人工智能技术的进一步发展。自动驾驶技术可以有效提高交通的安全性和便利性，会对交通运输行业和相关职业产生深远的影响，自动驾驶的发展离不开人工智能技术的加持。通过在自动驾驶技术中的应用，人工智能技术可以得到更广泛的验证和应用，从而推动人工智能技术的进一步发展和优化。
总之，自动驾驶技术将对交通运输行业和整个社会产生深远的影响，它不仅会带来便利和效率，也会带来新的挑战和机遇，为了推动自动驾驶技术的发展，需要继续加强人工智能技术的研究和发展。
人工智能下自动驾驶发展前景
人工智能对自动驾驶的发展有着深远影响，主要体现在以下几方面：
提高自动驾驶技术的准确性和可靠性
人工智能技术可以提高自动驾驶技术的准确性和可靠性。例如，通过机器视觉技术和深度学习技术可以实现对车辆周围环境的感知和理解，从而提高车辆的行驶安全性。此外，人工智能技术可以实现对车辆周围环境的预测，从而提高车辆的行驶效率和舒适性。
降低自动驾驶技术的成本
人工智能技术可以降低自动驾驶技术的成本。自动驾驶技术需要大量的传感器、计算机硬件和软件等设备和资源，而人工智能技术可以通过深度学习技术来实现对这些设备和资源的优化和智能管理，从而降低了自动驾驶技术的成本。
加速自动驾驶技术的商业化应用
人工智能技术可以加速自动驾驶技术的商业化应用。自动驾驶技术需要面对众多的法律法规、道路标准、用户习惯等问题，而人工智能技术可以通过对这些问题的分析和预测来帮助自动驾驶技术更好地适应市场需求和用户需求。自动驾驶商业化应用也将带来更多的问题：
带来新的安全和隐私问题
自动驾驶技术的商业化应用也将带来新的安全和隐私问题，例如，自动驾驶车辆的传感器和计算机系统可能受到黑客攻击，从而导致车辆的失控和安全问题。此外，自动驾驶车辆的传感器可能会收集用户的个人信息和位置信息，从而带来隐私问题。
改变城市规划和道路标准
自动驾驶技术的商业化应用将改变城市规划和道路标准。自动驾驶车辆需要更加完善的道路标准和交通规则，从而实现对车辆的控制和管理。此外，自动驾驶车辆的使用也将影响城市交通和交通流量，从而需要对城市规划和道路标准进行调整和优化。
改变就业和人类社会
自动驾驶技术的商业化应用将改变就业和人类社会。自动驾驶技术可以代替一部分人类驾驶员的工作，从而导致失业问题和社会变革。此外，自动驾驶技术的商业化应用还将带来新的社会问题和人类行为模式，例如人类对于自动驾驶技术的信任和适应程度。
带来新的技术和产业发展
自动驾驶技术的商业化应用将带来新的技术和产业发展。例如，自动驾驶技术需要面对多种技术挑战和解决方案，例如传感器技术、计算机硬件和软件技术、通信技术等。此外，自动驾驶技术的商业化应用还将带来新的产业链和商业模式，例如自动驾驶车辆的制造和销售、数据的收集和处理、车联网服务等。
结语
自动驾驶技术是未来交通行业的重要发展方向，而人工智能技术是实现自动驾驶技术的关键技术之一。人工智能技术可以提高自动驾驶车辆的感知和理解能力，降低自动驾驶技术的成本，加速自动驾驶技术的商业化应用。
然而，自动驾驶技术的商业化应用还需要面对众多的技术、法律、道路标准和用户习惯等问题，因此需要综合考虑各种因素来推动自动驾驶技术的发展。在未来的发展中，自动驾驶技术将带来巨大的经济和社会影响，因此需要加强政策引导和社会教育，从而实现自动驾驶技术的可持续发展和人类社会的进步。