人工智能的目前发展情况分析

人工智能的目前发展情况分析

01现阶段人工智能的瓶颈

玩过德州扑克的朋友是可以感受到的，德州扑克要比玩围棋复杂得多。因为围棋所有的信息都是充分信息，是已知的；而德州扑克，你对面的玩家肯定不会让你知道他手里的牌，所以是不充分信息。在不充分信息的情况下能战胜人类选手，某种程度上说明人工智能又进了一步。

不过这种进步只是弱人工智能。正如《前哨》中所说：弱人工智能比人强，强人工智能比人弱。迄今为止在强人工智能方面还没有任何进展。

所以人工智能在现阶段最大的瓶颈，就是理论上和实际底层技术的发展。

下面是笔者在读《为什么》时的笔记导图，强烈建议对人工智能感兴趣的朋友读下原书。

02人工智能的三大发展方向

虽然面临着理论和底层发展的瓶颈，人工智能终究还是有进展的，根据王煜全老师在2019年的报告中的阐述，结合笔者对人工智能领域的理解，可以总结为以下三个发展方向。

小数据不等于没数据，因为人工智能迄今还是基于归纳总结原理做出来的，也就是说在人工智能系统里面其实统计学更有意义。

但人工智能绝不能满足于此，人类是会推理的，可以在没有数据的情况之下判断事情该怎么做，小数据也不能真实模拟人类的这种判断。

我们可以想象这样一个场景：在一个雨夜里，你在一个崎岖的山路上开车，前面路中间有一堆土，土堆边上有一个看似穿着警服的人在挥手，摇着一个旗子让你下来，你下还是不下？如果你不下，勉强可以冲得过去，但如果你下来才是遵守指令。这种时候，我们普通人会有很复杂的推导，比如这附近治安好不好？晚上天很黑的时候附近治安会不会有问题？另外我们人会看这个警察，他身上的装扮是不是真正的警察制服？周围的交通疏导装置是不是都安上了？如果只有一个人站在那，而没有相应的交通疏导装置，很多人会认为这是假的，就会想办法冲过去。

这也就是五级自动驾驶几乎接近于永远无法推向市场实现商业化的原因。除非下一次人工智能的突破到来，使得人工智能真正具备智力分析能力。虽然现在人工智能的一个方向是小数据，但依然不是没数据，依然是基于统计，而不是基于推理和因果关系，这也是《为什么》这本书质疑人工智能的地方。

2.边缘计算

笔者不是技术出身，对计算能力上的概念理解也是有限，简单描述下该方面的发展方向。

这其实对整体来讲是锦上添花，而并不是一个革命性的变化。

3.终身学习

现在机器也可以终身学习了。

所以，各个行业都需要去看人工智能能否更快、更好地引入到自己的行业领域里面来。因为人工智能确实是像互联网一样，所以很多人都说人工智能是互联网的下一代，就是因为它有广泛的适用性，所有的行业都有可能因为人工智能而获益。

03人工智能技术在哪些应用上有优势？

现在采用人工智能还是有一些障碍的，尤其是对于不是这个行业领域的公司。一些传统领域的公司通常认为，建立了人工智能部门，也招了很多做人工智能的人，就是在做人工智能了。但实际上迄今为止，人工智能专家依然是稀缺的，人工智能专家在未来五年之后可能就不再稀缺了，但是现在依然是稀缺的。

稀缺的一个主要的特征，就是很多大IT公司都在喊：现在和我们抢夺人工智能人才的，主要的竞争对手是华尔街。为什么呢？因为人工智能技术基本上到顶了以后，你就可以判断它在单项上有很强的优势。这种单项优势就会被各个行业领域采用，最早采用的一定是利用这个优势获得大量收入利润的行业，金融无疑是最理想的行业，所以用人工智能炒股已经几乎变成华尔街的标配了。

虽然独立的人工智能炒股的基金公司并不多，但实际上，大多数的基金公司都储备了人工智能的人才。判断短时的涨跌，用人工智能做短期操作一定比人强，这已经是事实了。当然，这并不代表人没有机会，因为现在单项上人工智能比人强，但是多项综合人就显著地占有优势。

如果你判断短期的股票交易，基本上就根据以前的交易行为来判断，那一定是机器比人强；但是如果判断一个企业的长期发展，尤其是判断一个企业未来的科技产品有没有可能在未来的科技市场当中占优，机器就不一定比人强。

从这个意义上讲，人工智能相对来说是判断不清晰的。也就是说，你问人工智能明天可不可以买一个股票，它的回答一定比问一个人要好，但是你问一个公司五年之后发展得好不好，你最好去问人类的专家。这说明人还是有机会的，不要和人工智能去争夺单项的长短，而要在综合上面取得优势，甚至每个单项上都用人工智能辅助我们，但是在整体上我们可以超越人工智能。

这是一个相对来说比较特例的地方，因为人工智能能为企业带来大量的钱，所以整个华尔街现在非常欢迎人工智能专家，以至于现在很多IT公司都把华尔街当成竞争对手，这个竞争指的不是市场的竞争，而是指人才的竞争。而随之而来的，大多数情况之下，人工智能专家不太愿意去传统行业的企业，因为传统行业往往有很长的研发周期，它不像短线炒股，研发周期很短，迅速就有结果。

04人工智能独角兽着临着巨大的压力

现在中国的人工智能有一个很大的问题，就是过热了以后产生了一批人工智能独角兽。

独角兽就是还没有上市，但是估值已经超过了10亿美金的公司。我们都知道很多公司其实估值不到10亿美金就可以上市了。但是这些独角兽之所以没有上市，是因为收入利润并没有清晰地显示出来，也就是说其实它还不符合上市指标。但是因为市场热捧，所以它的估值非常高，这样的话这些企业就会有特别强大的压力。

压力体现在两方面：

一方面，它必须要持续不断地从市场网罗人才。因为它是独角兽，它给期权的时候会显示期权的价值特别高。虽然这个期权显示很高，不代表员工真正获取了这个价值。但是市场承认这个价值，所以它就会对人才形成很强的吸引，造成现在很多的人工智能人才愿意去独角兽，因为有高薪又有高期权，而不愿意去传统行业。传统行业的薪水没那么高，而研发又需要一个周期，不能立竿见影看到效果，回报产生了落差，因此大多数人会选择去独角兽企业。

独角兽企业有另一个致命的问题，因为它估值过高了以后，就要尽快地在收入利润上兑现它的承诺。这就意味着这些独角兽企业在长期研发上投入不足，同样是盯着那些眼前最能赚钱的业务，人工智能现在最能赚钱的业务是什么呢？这其实也是大家普遍关注的一个话题。

因为人工智能在去年、前年就在喊这样一个话题了，今年甚至还会再继续喊，就是所谓人工智能叫好不叫座。虽然人工智能非常热，各种新的应用层出不穷，但是你去看人工智能企业，似乎它们收入利润的增长没有那么令人满意。

05在人工智能细分领域的机会

1.硬件层

英伟达有几千个工程师，去帮它的芯片做各种应用的场景开发，或者是应用的支持，加强了英伟达的生态的健全。例如，同样做自动驾驶解决方案，英伟达更看重的是，我如何能让客户得到全面的服务。基于此，英伟达做了一套虚拟的试车系统。这套虚拟系统，让自动驾驶系统在虚拟路面去跑，可以把速度倍速。另外，可以同时在多个虚拟环境跑，显示好像是有100辆车、1000辆车同时跑，很快地积累到了足够的里程，由此人工智能系统就足够地强壮、足够地智能了。

2.基础服务层

这个层级主要聚集着在基础平台和基础应用上发力的企业，比如云计算提供者。

所以这一层会发展起来。而这一层的核心就是除了提供基础的云计算能力以外，一定要提供一些附加的人工智能能力。而这种人工智能能力就会使得人工智能的基础应用，不是由人工智能提供商来提供，而是由云平台直接提供。

什么是基础应用呢？现在其实没有明确的定义，在此笔者举出几个例子，供大家了解与讨论。

但从长期来看，这个市场对于独角兽们恐怕不是很友好：一方面，政府会形成统一的大市场，未来应该是打通的，就从全国到处都是客户变成一个客户，这个市场也就某种程度上不存在了；另一方面，不管是几个客户，提供者很可能都不是今天的这些独角兽们，而是由基础云平台直接提供，比如阿里、腾讯或者是华为这个量级的企业。

主要原因就是这个能力并不复杂，尤其有了云以后，从云上直接提供是最简单的，未来各地只要有摄像头，就可以利用云端的能力实现智能的面部识别或者是图像识别的功能。

3.行业结合层

根据上文，很多基础能力未来很可能都会变成一个云端提供能力，而真正的应用能力应该是不那么基础、不那么通用，而且和行业要有充分结合。虽然它也会用到很多基础能力，甚至是云端的基础能力，但是因为它有行业特异性，所以不是云端这个云提供者能够提供的。

其实很多人工智能系统都是这样的，自动驾驶会繁荣，意味着车可能会更多，而不是更少，但是司机可能会失业。

这个层次会有大量的人工智能相关的应用公司繁荣起来。这些应用公司很明确，一定要有自己本行业的特色，因为、人工智能这个技术本身没有办法形成壁垒，真正能够形成壁垒的地方一定是行业，也就是说行业数据、行业经验和行业准入会是你的壁垒。这需要我们去找到这个壁垒，从而把业务做起来。

所以任何先进领域不代表只要领先就好，还必须找到自己的壁垒和竞争优势，才能够做得好。 责任编辑人：CC