[[437677]]

如果將眼光放長(zhǎng)遠(yuǎn)一點(diǎn)，歷史上已經(jīng)經(jīng)歷了三次發(fā)展浪潮，也經(jīng)歷了兩次低谷。換言之，人工智能的泡沫已經(jīng)破滅兩次了。讓我們先來(lái)回顧一下人工智能這三起兩落的歷史，從歷史中來(lái)找尋現(xiàn)在的意義，推導(dǎo)出我們可能面臨的未來(lái)。

第一次浪潮和第一次低谷：

達(dá)特茅斯會(huì)議推動(dòng)了全球第一次人工智能浪潮的出現(xiàn)，這次浪潮從1956年一直持續(xù)到1974年。當(dāng)時(shí)樂(lè)觀的氣氛彌漫著整個(gè)學(xué)界，在算法方面出現(xiàn)了很多世界級(jí)的發(fā)明，其中包括一種叫做增強(qiáng)學(xué)習(xí)的雛形(即貝爾曼公式)，增強(qiáng)學(xué)習(xí)就是谷歌AlphaGo算法核心思想內(nèi)容。

70年代初，AI遭遇了瓶頸。人們發(fā)現(xiàn)邏輯證明器、感知器、增強(qiáng)學(xué)習(xí)等等只能做很簡(jiǎn)單、非常專門(mén)且很窄的任務(wù)，稍微超出范圍就無(wú)法應(yīng)對(duì)。當(dāng)時(shí)的計(jì)算機(jī)有限的內(nèi)存和處理速度不足以解決任何實(shí)際的AI問(wèn)題。研究者們很快發(fā)現(xiàn)，要求程序?qū)@個(gè)世界具有兒童水平的認(rèn)識(shí)這個(gè)要求都太高了——1970年沒(méi)人能夠做出人工智能需要的巨大數(shù)據(jù)庫(kù)，也沒(méi)人知道一個(gè)程序怎樣才能學(xué)到如此豐富的信息。另一方面，有很多計(jì)算復(fù)雜度以指數(shù)程度增加，這成為了不可能完成的計(jì)算任務(wù)。

第二次浪潮和第二次低谷：

在80年代，一類名為“專家系統(tǒng)”的AI程序開(kāi)始為全世界的公司所采納，而“知識(shí)處理”成為了主流AI研究的焦點(diǎn)。專家系統(tǒng)的能力來(lái)自于它們存儲(chǔ)的專業(yè)知識(shí)，知識(shí)庫(kù)系統(tǒng)和知識(shí)工程成為了80年代AI研究的主要方向。但是專家系統(tǒng)的實(shí)用性僅僅局限于某些特定情景，不久后人們對(duì)專家系統(tǒng)的狂熱追捧轉(zhuǎn)向巨大的失望。另一方面，1987年到1993年現(xiàn)代PC的出現(xiàn)，其費(fèi)用遠(yuǎn)遠(yuǎn)低于專家系統(tǒng)所使用的Symbolics和Lisp等機(jī)器。相比于現(xiàn)代PC，專家系統(tǒng)被認(rèn)為古老陳舊而非常難以維護(hù)。于是，政府經(jīng)費(fèi)開(kāi)始下降，寒冬又一次來(lái)臨。

第三次浪潮：

1993年后，出現(xiàn)了新的數(shù)學(xué)工具、新的理論和摩爾定律。人工智能也在確定自己的方向，其中一個(gè)選擇就是要做實(shí)用性、功能性的人工智能，這導(dǎo)致了一個(gè)新的人工智能路徑。深度學(xué)習(xí)為核心的機(jī)器學(xué)習(xí)算法獲得發(fā)展，積累的數(shù)據(jù)量極大豐富，新型芯片和云計(jì)算的發(fā)展使得可用的計(jì)算能力獲得飛躍式發(fā)展，現(xiàn)代AI的曙光又再次出現(xiàn)了。一個(gè)標(biāo)志性事件發(fā)生在2016年3月，谷歌DeepMind研發(fā)的AlphaGo在圍棋人機(jī)大戰(zhàn)中擊敗韓國(guó)職業(yè)九段棋手李世乭。隨后，大眾開(kāi)始熟知人工智能，各個(gè)領(lǐng)域的熱情都被調(diào)動(dòng)起來(lái)了。

深度學(xué)習(xí)的發(fā)展，讓人工智能進(jìn)入新的發(fā)展高潮。技術(shù)尤其是算法層面的局限，決定了這次人工智能浪潮的“天花板”。深度學(xué)習(xí)算法帶來(lái)的“技術(shù)紅利”，將支撐我們?cè)侔l(fā)展5~10年時(shí)間，隨后就會(huì)遇到瓶頸。在人工智能領(lǐng)域，技術(shù)的進(jìn)步不是線性的，而是線性積累和間斷式突破交替進(jìn)行的。我們必須要達(dá)到一個(gè)“技術(shù)奇點(diǎn)”，才能實(shí)現(xiàn)根本上的突破，達(dá)到通用人工智能甚至是超級(jí)人工智能的水平。大概率的可能性，未來(lái)幾年人們對(duì)人工智能懷有巨大的熱情和非理性的期待，但同時(shí)會(huì)漸漸發(fā)覺(jué)推進(jìn)起來(lái)越來(lái)越費(fèi)勁，仿佛有個(gè)無(wú)形的“天花板”擋在那里，遲遲不能獲得突破，人們的耐心被漸漸耗盡，人工智能的下一個(gè)冬天也就來(lái)臨了。

就一般產(chǎn)業(yè)而言，線性發(fā)展的成分更重一些，即使產(chǎn)業(yè)不能再往前推進(jìn)了，依然能夠保持比較高的產(chǎn)業(yè)成熟度。人工智能產(chǎn)業(yè)則不同，如果以百分制來(lái)衡量一個(gè)產(chǎn)業(yè)的發(fā)展程度，人工智能不是從1慢慢發(fā)展到100，而是要么是90分以上，要么是10以下。試想一下，你有一個(gè)智能助手，如果他的智力水平一直在10歲以下，你能接受么?那樣的智能助手更多的是個(gè)玩具，不能委以重任，畢竟誰(shuí)也不會(huì)將重要的事情交給一個(gè)小孩子來(lái)做。再比如翻譯領(lǐng)域，一旦智能系統(tǒng)能夠達(dá)到人類水平的翻譯能力，那將是一次徹底的顛覆，人類翻譯員將徹底消失;但是，在沒(méi)達(dá)到那種水平之前，翻譯系統(tǒng)基本就是個(gè)擺設(shè)，你不能通過(guò)那套系統(tǒng)來(lái)與外國(guó)人順暢的交流，也不能將看到的整段材料馬上轉(zhuǎn)換成另一種語(yǔ)言。

人工智能的泡沫，更多的是產(chǎn)業(yè)化和商業(yè)應(yīng)用層面的。很多做人工智能應(yīng)用的企業(yè)，如果發(fā)現(xiàn)將方案落地的期待落空，那他整個(gè)商業(yè)價(jià)值存在的根基就不存在了，整個(gè)產(chǎn)業(yè)將會(huì)消失，大量企業(yè)也會(huì)倒閉。

如果真的要面對(duì)那樣一個(gè)未來(lái)，我們應(yīng)該怎么應(yīng)對(duì)呢?我提出幾點(diǎn)參考建議：

第一， 適度降低對(duì)人工智能的技術(shù)期待，理性設(shè)定商業(yè)模式。企業(yè)要仔細(xì)評(píng)估技術(shù)的發(fā)展?jié)摿Γ灰в胁磺袑?shí)際的幻想。尋找并設(shè)計(jì)一些智能水平不是太高就能具有商業(yè)價(jià)值的應(yīng)用模式，并基于此來(lái)構(gòu)建競(jìng)爭(zhēng)壁壘。比如在自動(dòng)駕駛領(lǐng)域，我們要做好L4在10年內(nèi)無(wú)法實(shí)現(xiàn)的心理準(zhǔn)備，尋找一些L3級(jí)別就能具有商業(yè)價(jià)值的應(yīng)用領(lǐng)域。

第二， 現(xiàn)在就開(kāi)始準(zhǔn)備“過(guò)冬的糧草”。泡沫破滅之后，融資會(huì)變得越來(lái)越難，依據(jù)公司本身的造血能力維持基本沒(méi)戲。所以，現(xiàn)在盡可能的多融資吧，并且在未來(lái)幾年省著點(diǎn)花，爭(zhēng)取能挨過(guò)寒冬。

第三， 實(shí)行曲線救國(guó)策略，發(fā)展一些“偽智能”業(yè)務(wù)，拓展業(yè)務(wù)領(lǐng)域。如果哪天發(fā)現(xiàn)“純?nèi)斯ぶ悄?rdquo;這條路走不通，可以考慮發(fā)展一些周邊產(chǎn)業(yè)，只要能帶來(lái)現(xiàn)金流就行。雖然掛羊頭賣(mài)狗肉有點(diǎn)缺德，但能保存“革命的火種”，也算一件好事。