人工智能还是人工智障
这个过程并非一帆风顺。
上世纪80年代前后，日本人研究了一种能够模拟人类专家决策能力的计算机系统，称为专家系统。这个专家系统实际上就是一个巨大的知识库，再通过一些推理规则让这个系统能够根据提问找到答案。
这种专家系统能够根据输入的问题，提供回答是当时人工智能技术的代表，一定程度上也是计算机“智能化”的表现。因此这个项目得到日本政府的高度重视，投入了大量的人力物力研究，希望能打造一个计算速度更快、知识储备量更高的专家系统。受到日本人的刺激，同期美国和许多欧洲国家也纷纷进入到这个赛道中。
可以预见的是，专家系统最初取得的成功是有限的，因为它无法自我学习并更新知识库，维护成本极高。就像以前没有联网的车载导航系统一样，每年都需要更新地图否则这个系统一年以后就废掉了，无法给出正确的指引。
专家系统的失败，也让人们对于人工智能的信任产生了巨大的危机，硬件市场的溃败和理论研究的迷茫，加上各国政府和机构纷纷停止向人工智能研究领域投入资金，导致了数年的低谷。
好在资本不再关注人工智能的时候，人工智能的理论研究还在缓慢进行中。1988年，美国科学家JudeaPearl将概率统计方法引入人工智能的推理过程中，这对后来人工智能的发展起到了重大影响。1989年，AT＆T贝尔实验室的YannLeCun和团队使用卷积神经网络技术，实现了人工智能识别手写的邮政编码数字图像。
在此后近二十年，人工智能技术逐渐与计算机技术、互联网进行深入融合。得益于大规模并行计算、大数据、深度学习算法和人脑芯片这四大催化剂的发展，以及计算成本的降低，使得人工智能技术突飞猛进。
它利用计算机和互联网的发展机遇，化名为商业智能、数据分析、信息化、自动化等等，渗透到社会发展的每个角落。
一方面，互联网的推广为人工智能创造了很多落地应用的场景，体现出真正的价值；另一方面，计算机软硬件的升级为人工智能提供了强大的运算力，以前在理论上才能实现的算法得以落地，让人工智能在越来越多赛事上创造奇迹，甚至超越人类。2011年沃森在自然语言常识问答比赛中战胜人类选手，ImageNet挑战赛上图像识别算法准确度超越人类；2016年，AlphaGo战胜李世石，成为第一个战胜世界围棋冠军的AI机器人…
二、人工智能还是人工智障？
近两年人工智能被人们诟病最多的地方是：人工智能体现不出智能。
很多人对人工智能的认知都是分裂的。一方面媒体不断报道人工智能又取得了什么样的新成果，国外各路大咖让人们要警惕人工智能的发展，人工智能还被纳入我国发展的规划中等等。
另一方面，新闻里经常传出自动驾驶又发生事故，家里的智能家具表现地像个智障一样，资讯平台总是傻傻地推同样类型的新闻等，这些现象都让我们疑惑，人工智能到底智能在哪里？
回答这个问题之前，我们有必要搞清楚，强人工智能和弱人工智能的区别。
最初，在达特茅斯会议提出人工智能一词时并没有强与弱之分。普遍认为人工智能就是让机器拥有思想，能够像人类一样决策。当时各种算法的研究也是奔着这个目标而去，希望能够模拟人类决策的方式赋予机器真正的智能。
但很快就有人发现：在这种方式下实现的人工智能并非真正的智能，只是对人类智能的模拟。美国哲学家JohnSearle提出了一个思维实验：中文房间（ChineseRoomArgument），它是这样的：
想象一位只会英语的人身处一个房间之中，这间房间除了门上有一个小窗口以外，全部都是封闭的。他随身带着一本写有中文翻译程序的书。房间里还有足够的稿纸和铅笔。
写着中文的纸片通过小窗口被送入房间中。房间中的人可以使用他的书来翻译这些文字并用中文回复。虽然他完全不会中文，Searle认为通过这个过程，房间里的人可以让任何房间外的人以为他会说流利的中文。
想象一位只会英语的人身处一个房间之中，这间房间除了门上有一个小窗口以外，全部都是封闭的。他随身带着一本写有中文翻译程序的书。房间里还有足够的稿纸和铅笔。
写着中文的纸片通过小窗口被送入房间中。房间中的人可以使用他的书来翻译这些文字并用中文回复。虽然他完全不会中文，Searle认为通过这个过程，房间里的人可以让任何房间外的人以为他会说流利的中文。
值得注意的是，这本书仅仅是语法的对应，并不涉及到任何语义的说明。房间中的人，只需要按照对应的回答，拼凑出相应的中文字符递出去即可。在这个过程中，他并不理解问题和他所写的答案是什么意思。
Searle认为，人工智能就是这样工作的。他认为计算机根本无法真正理解接收到的信息，但它们可以运行一个程序，处理信息，然后给出一个智能的印象。
例如图像识别技术，它的工作原理就是将颜色变成数字编码，再从这些数字编码中找到特征，查找字典，找到对应的解释然后显示出来。实际上计算机压根不知道自己识别的到底是飞机还是兔子，只是字典告诉它这个特征很大概率对应的是“飞机”这个单词。
绝大部分算法在本质上都是在玩概率的游戏，不同的方式只是在模型训练时需要的信息不同，以及计算出来对应“飞机”的判定方式不同。
当前所有被广泛应用的知名模型都是通过矩阵运算训练数据来获得某种概率分布。复杂模型的概率分布通常是高维的，这里又会引申出各种数学方法，但本质的思想依旧是想通过概率分布来描述训练数据的特征。有了这些，对于同类的数据，就可以使用相同的概率分布去描述，从而实现所谓的“识别”或“预测”。
实际上并非模型真的像人类一样理解了什么是“飞机”，只是通过这种方式，模型能够大概率把长得像飞机的图片识别出来。
后来业界也普遍认识到这一点。因此把人工智能这个概念又划分为强人工智能与弱人工智能。
强人工智能流派仍然追求让计算机拥有人类的心智与意识，具有自主选择行为。就像西部世界中从固化程序逐渐演化出自我意识的梅芙一样。但是强人工智能的研究难度较大，市面上还没有成熟的应用。
而弱人工智能更像是一个解决特定问题的工具。这类问题的特点是可以通过统计，归纳出经验并形成解决方案，而这种解决问题的实现方法被称为“机器学习”。
机器学习最基本的做法，是使用算法解析数据、从中学习数据的规律，然后对真实世界中的事件做出决策。与传统的编程方式不同，机器学习是用大量的数据进行训练，通过各种算法从数据中学习“如何完成任务”。
例如量化交易、人脸识别和AlphaGo都是擅长于单个方面的机器学习模型。在训练模型时，我们只教会AlphaGo下围棋的技巧，所以它只能会下围棋。如果你把一道数学题丢给AlphaGo，显然它是无从下手的。
所有的机器学习模型都只能完成特定的任务，很多时候我们通过组合的方式满足更多的场景。例如智能音箱本质上是一个语音识别的模型结合NLP（自然语言处理）模型，它并非真的能听懂我们说的话代表什么含义，仅仅是能够把接收到的信息转化为模型的输入，在字典中找到对应的输出而已。
从机器学习的特点可以看出来，如果想通过统计归纳经验，数据的数量与质量是决定性条件。没有数据，就没有人工智能。
也就是说在你没有作出同类别行为，或者是与你行为相近的人群较少时，人工智能是没有办法作出判断的，这也是人工智能变成人工智障的重要原因。当行为增加，数据慢慢变多，数据质量逐渐上升时，你会发现预测越来越准确，人工智能通过大数据也能做到真正的“想你所想”。
三、什么问题适合用机器学习解决？
前面我们说弱人工智能像工具，专门解决某个特定的问题。但是否所有问题都适合用机器学习去解决呢？很明显答案是否定的。
适合用机器学习去解决的问题，主要有三个基本条件。
（1）有规律可以学习。这类问题必须存在共性，有内在的规律等待被发现；
（2）编程难以实现。数据之间关联关系复杂，很难通过穷举的方式列清楚规则；
（3）有足够多能够学习到规律的数据。没有数据支撑，机器学习就像搭好了结构少了砖瓦的房子。
举个栗子：
我们熟知的垃圾邮件检测是一个使用机器学习解决的经典场景。最常见的垃圾邮件是各种类型的营销邮件，并且这种邮件的发送方通常是各类用邮箱注册过的网站。在这个场景中我们发现，营销邮件一定是包含某些产品信息或推广信息，所以这类邮件有一定的规律。
但是因为不同产品种类各异，我们很难用编程的方式把所有规则写出来。就算能写出来，发送方也会设计各种规则躲避系统的检测，同时我们很容易找到大量垃圾邮件与正常邮件作为样本数据。因此这个场景非常适合用机器学习的方式解决。
但如果我们想判断新邮件包含多少个字符，恐怕就不太适用。虽然这个问题同样难以用编程解决并且有大量历史邮件支持，但包含多少个字符这个问题的随机性太强，没有规律可循，因此不适合。
由此可见，机器学习不是万能的，不是所有的问题都能用它去解决。机器学习擅长的是通过已知经验找到规律去解决问题。如果面对的问题没有任何规律可循，完全是一个随机事件，那么就算使用多复杂的机器学习算法也是无济于事。
值得注意的是，很多问题看似没有规律，实际上是因为人类处理不了数据量太大的情况，看起来杂乱的数据掩盖了背后的面目，这类问题并非真的无迹可寻，只是需要用正确的方法。
我们通过机器学习可以对大量数据进行分析获得规则，并利用规律对未知数据进行预测。不但能从数据中看到人类能看到的规律，更重要的是能在更短的时间内发现人类看不到的规律，我想这就是机器学习最大的应用价值。
在医学领域，通过图像识别技术，已经实现让计算机自动识别肿瘤细胞，帮助医生快速进行医学诊断；在制造业，通过强化学习的方式自动检测产品缺陷提高出品率，帮助企业加快生产周期降低生产成本；在金融领域，通过神经网络技术可以避免传统程序化交易因为无法根据实时发生的市场变动调整算法，从而造成资产损失的风险。还有在零售、安防、航空、互联网等等不同领域，机器学习都有广泛的应用，它已经对我们生活的产生了巨大的变化。
最后我们必须认识到，目前的人工智能并非真正的智能，只是一种模拟人类行为的智能。而真正的智能，离我们的生活还非常遥远。但值得庆幸的是，仅仅是模拟人类行为的智能已经能够给我们的生活带来了如此大的便利，相信随着技术的发展，我们能够做出更多超越想象的场景。
#专栏作家#
阿翘，微信公众号：阿翘AKIU。平安科技资深产品经理，《产品经理进阶：100个案例搞懂人工智能》作者；擅长人工智能技术在金融领域的商业化应用，实践经验丰富，对产品设计方法论有深入洞察。
题图来自Unsplash，基于CC0协议返回搜狐，查看更多
学习十亿张图片后的AI绘画，人工智能变“人工智障”
上传一张你和自家宠物狗的亲密照片，然后在键盘上敲入“可爱、温顺、听话”一连串美好的形容词。
盯着进度条转上几圈，你就会得到一张并不太美好的二次元奇怪照片。
图/受访者提供
这几天，AI绘画又火了。
网友纷纷将自己的照片传上AI绘画平台，只为了看看另一个世界的自己。
在各大社交平台“AI绘画”“我和AI有画说”“驯服AI绘画”等话题的热度增加了不少。
图/微信指数
不到AI图片导出的那一秒，没人知道自己的照片会变成什么样子。
拿到AI绘出的照片，有人眉头舒展感叹科技进步，有人捶胸顿足悔不当初。
图/小红书
1973年，一位名叫哈罗德·科恩的英国艺术家发布了历史上第一个用机器作画的电脑程序Aaron(亚伦)，随后AI绘画如脱缰野马一路狂奔，用数十亿张图片疯狂学习人类画家作品。
如今半个世纪过去，AI绘画技术似乎依旧没被人类完全驯服。
01
人类驯服AI绘画
最近，关于AI绘画的讨论占据了各大热榜。
在百度novelai（知名AI绘画软件）贴吧里充满了AI绘画化腐朽为神奇的帖子。
用大家的话说：“AI只要拿到一块画布，同时告诉它需求，它就能在有限的选择中给你尽可能好的结果。”
图/百度贴吧
一些对技术持观望态度的网友，将自己随手乱画的简笔涂鸦投喂给AI，结果被AI狠狠上了一课。
图/百度贴吧
然而，在AI创造奇迹的另一面，是更多AI翻车的绘画案例。
许多人把自己的照片小心翼翼传给AI后，得到的却是充满了奇怪元素的“翻车”照片。
比如，本来和自家宠物狗的亲密照片，突然变成了二合一的奇怪动物。
图/小红书用户@ 百威是只狗
AI对物种的认知充满随机性，惬意午后的精致自拍被AI识别成了一匹马。
图/小红书用户@ 奶油小坨
长发男生的照片被AI识别成了房子。
图/小红书用户@精神不大正常
AI是冷酷的，就连两人一狗三餐四季的幸福瞬间，也只有一个人被AI识别成人类。
图/小红书用户@把墩儿揣兜里
物种识别错乱，缺胳膊少腿，多个人少个人，在AI绘画的眼里都是常事。
图/Bilibili
在AI绘画圈里一直流传着这样一句话：真的AI不会用筷子的，说的就是很多AI绘画看起来很不错，但细节很粗糙，尤其是手指细节“惨不忍睹”。
图/受访者提供
扎堆出现的错误图片，让大家不禁开始怀疑，人工智能怎么一到绘画就成了“人工智障”。
AI绘画深度使用者芋圆告诉我们：“最近，国外比较出名的AI绘画软件novelai、Waifu都出现了代码泄漏或者代码开源的情况，而国内AI绘画软件多半是套用国外的免费引擎，底层逻辑都差不多。”
“国内AI绘画软件输出图像的主要差别来自关键词设置，关键词越精准，导出的图片就会越精美。”
于是，很多国内的AI绘画软件变成了词汇堆叠大赛，网络上充满了关键词分享的帖子。
各路AI新手开始全网“抄作业”，只为获得一张心仪的图片。
图/受访者提供
02
AI背后的生意
在大家踊跃尝试的同时，有人趁机打起了用AI赚钱的歪主意。
有人想在网上用AI绘画接单假装手稿卖钱。
图/知乎
有人则大张旗鼓用AI绘画抄袭其他画师的作品。
10月12日，一名画师在开直播画画的时候，有观众截下画到一半的作品，将图片丢进绘画AI提前完稿，并且抢在原作者画完之前公开分享，还反过头来说自己上传的时间更早。
APP乱象
AppStore榜单里，很多新晋AI绘画软件突然出现在排名前列。
一些公司的APP介绍页面中显示免费，下载之后，却需要消耗积分、看广告、办理会员等方式才能正常使用。
有些软件哪怕充了钱，也还要乖乖排队，最久的需要苦等数小时才能导出。
等待、充值、不满意、再充值，想拥有一张诚心如意的AI绘画变得困难重重。
AI绘画平台使用者小崔告诉硬壳INK：“虽然各个APP导出的作品差不多，但定价并没有统一标准，从几元到数十元不等，各平台充值方式差别很大，有的需要分享社群拉新，有的需要点数兑换。”
“现在AI绘画的硬伤是通过大量的数据输入，再猜测数据输出，这本身就有概率，有时候三五张图片只有一张能用，和大家想象的技术差了十万八千里。”
在这些APP的使用评价中，我们看到很多类似这样的描述：“技术不高，价格不低。”
图/AppStore
与此同时，互联网头部公司也盯上了这块蛋糕，百度、腾讯等头部互联网企业先后推出了自家的免费AI绘画软件。
03
AI背后潜藏的危机
在社交平台我们看到很多关于劝退AI绘画的帖子，有网友反映在注册账号的附加条款中有条例规定软件方可以随意使用用户提交的照片。
图/服务条款
如若AI平台导出图片涉及侵权，平台无责等免责条款。
前端设计师阿正对现在AI绘画平台的盈利方式有种隐忧，他说：“现在AI飞速发展的基础，是来自相关法律制度不健全下的快速扩张。”
“大家最早放在网上的免费图像被AI以0成本学习，但在这个过程通常没有原画师征求同意，在版权意识日益增长的今天，我们使用图片或者引用数据都会再三确认版权和来源，而现在的一些APP可能什么也没做。”
“这种行为可能是一种竭泽而渔，造成的后果可能是画师越来越难保护自己的画风，AI平台也越来越难以获得免费图片进行学习。”
AI绘画爱好者老菊对此则持另一种态度，她认为：“目前整个AI绘画行业潜力真的很大，可能应该叫凌晨产业，因为我觉得AI绘画的朝阳都还没到。”
“作为爱好者，我们会把不同模型混合在一起，自己训练关键词，昨天画的还是三个胳膊四条腿，今天就变出来一幅作品，很有成就感。”
老菊补充到：“我觉得AI绘画就像工业革命时代的珍妮纺纱机，在未来有可能会抢一部分纺织工人的饭碗，它的出现有些划时代，所以社会很难能接受它，但它根本上和纺纱机一样只是一种工具，这种工具离商用还是有距离，目前它不够听话，需要调试和学习。”
绘画从业者木头会在副业是帮人手绘头像赚钱，AI绘画的兴起最先波及到了他的小生意。
对于未来AI绘画可能带来的冲击，他认为是一种必须面对的挑战：“我的绘画风格暂时还不会波及到，但我觉得被冲击这是早晚的事。”
“我现在有一种感受，在人类画师打磨自己画功的同时，有一帮程序员在用代码和喂图完善AI绘画，形成了一种看不见的互相竞赛。”
对于手绘画画的未来木头则充满信心：“创意是画手最大的竞争力，AI确实在一些方面提高了效率，人类画手的创造性和天马行空就变得更为重要。”
撰文：杨一凡校对：陈荻雁
谨防“人工智能”变成“人工智障”
人工智能应用到的领域越来越多，工业制造、农业生产、服务业……人工智能在各个领域的应用开始不断加速。在客服服务领域，人工智能的应用也是如此，越来越多的纯人工服务，变为“人工智能客服+人工客服”，然而在实际应用过程中，也出现了令人哭笑不得的尴尬现象。01“智能客服”的尴尬毫无疑问，人工智能客服的出现，为企业在提供客户服务时节省了大量的成本和人力资源，但是最近出现了“人工智能”变成“人工智障”的现象，值得从事相关系统开发和运维的部门重视。
在网络自媒体黄一刀绘制的“人工智能=人工智障”漫画里，也生动形象地描绘出这样的场景：智能客服：“您好，智能小a为您服务！”智能客服：“您询问的问题，小a也可以为您解决呢！”智能客服：“您的问题太过复杂，为什么不找人工客服为您解答呢？”客户：“！#！@#￥@”由此可见，这样的“智能客服”，实际上是“智能智障”。这种现象无独有偶，笔者在拨打某企业客服电话的时候，就出现了这样的尴尬局面：语音提示人工智能助手服务，但是真正语音提示的时候，却出现“非常抱歉，我听不懂您说的话，请接入人工服务。”而按照提示进入人工服务的时候，却一直无人接听。这样的“人工智障”对智能客服系统来说，无疑是“减分项”，更是让受伤的客户感觉“人工智能=人工智障”。这样的现象，值得从事设计和开发智能客服系统的人员重视。02“人工智能”为何成了“人工智障”？那么，为什么在宣传页上看起来完美无缺的人工智能客服，一到实际使用的时候，就成了“人工智障”？总结起来，主要有以下几种原因。1、缺乏足够的数据库支撑。大数据未必需要人工智能，但是人工智能基本上需要大数据的支撑。如果没有足够的数据支撑，人工智能在应用的效果会就会大打折扣，就会出现在处理非常简单的问题时，就出现了“您的问题太过复杂，为什么不找人工客服为您解答呢？”的尴尬局面。因此在设计之初，就需要充分考虑到需要有足够的数据支撑，如尽可能从各个角度完善人工语料库，考虑到各种条件下的用户行为，才能避免出现“智障”。2、算法存在缺陷。算法是指程序在处理各种输入条件时的预设程序。尤其是在处理客服相关数据时，是无法通过通用人工智能框架来完善的，必须通过人工设定各种条件下对应的系统反应。因此，智能化客服系统的完善程度，是由系统设计人员和开发人员的思维缜密程度决定的。这样的算法缺陷，必须由人工来纠正，无法通过人工智能框架平台经过训练后习得，因此是需要相关人员必须完善系统的各种条件下的回馈算法。3、语音识别缺陷。有时系统的消息反馈算法虽然完善，但是在处理客户语音时，缺乏足够优秀的降躁处理算法和语音识别算法，无法降低周围环境的噪音，也无法准确识别客户的语音，因此会频繁出现无法识别客户意图的“智障”现象。解决这类缺陷的方法只有找到问题所在，有针对性地优化系统代码，才能有效消除“智障”现象。4、缺乏足够测试。智能客服系统之所以出现各种各样的问题，跟缺乏足够的测试，有很大的关系。有的企业对测试缺乏足够的认识，小规模测试之后，就匆忙上线了，结果出现了一堆“智障”问题。智能客服系统在部署上线之前，必须经过足够的测试，甚至可以针对部分客户进行开放局部测试，再进行客户满意度调查，可以避免很多低级错误。03如何避免“人工智能”变成“人工智障”？人工智能出现之初，得到了全体人类的“群嘲”，因为人工智能的种种“弱智”表现，对得起“智障”的称号。但自从IBM的“深蓝”以后，对“人工智能=人工智障”的刻板印象有所改变。尤其是谷歌的“阿尔法狗”横空出世在机器对弈完败人类之后，引发全体人类的集体惊呼——人工智能时代真的来了！这几年，以波士顿动力为代表的类人双足机器人，取得了长足的进步——从跌跌接撞撞到蹒跚学步，再到健步如飞，又实现了如杂耍般的后空翻，毫无障碍地奔跑和越障……机器狗Spot更象是一只顽皮可爱、活蹦乱跳的真狗，这都说明人工智能及关联技术，实现了巨大的突破。以人工智能替代人类的各种工作，是科技时代技术不断演示和发展的必然趋势。先从简单的替换人类，比如从原来的扫地机器人，到现在的虚拟主播、智能客户服务等，技术迭代的速度，真的是超乎想象。人工智能在某些方面远超人类，在另外一面方面，却又远不如人类，比如在深度思维、想象、创作、情感等。在这些领域，仍然是人工智能所无可比拟的，所以仍然会出现“人工智障”的现象。但是随着技术的不断完善和演进，与客服领域相关的改善也在不断进行。就在本文撰写之际，笔者又拨打了以往出现“智障”现象的企业客服电话，发现以往的问题都消失了，人工智能客服完全能听懂我说的话，而且根据我的语音，做出了符合客户需求的合理反馈。这令人不得不承认，在经过改进之后，客服系统的表现的确令人相当满意。这说明智能客服系统在修正相关“智障”问题之后，表现出相当强大的优越性。这对所有采用人工智能客服系统的企业来说，无疑让智能客户系统重新找回了尊严。
人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）