当前人工智能发展的瓶颈

目前人工智能取得了许多突破，特别是在应用方面，但实际上对人工智能底层技术的研究进展并不大。还有一个值得提到的最新进展，就是 AlphaGo曾在研发方面击败了李世石的公司 DeepMind。德epMind研究了一种能击败人类德州扑克选手的系统。

玩过德州扑克的朋友都会有这种感觉，德州扑克远比围棋复杂。由于围棋中所有的信息都是完整的，并且是已知的；而德州扑克中，对面的玩家肯定不会让你知道他手中的牌，因此这就是不完整的信息。信息不足的情况下击败了人类选手，这在某种程度上说明了人工智能的进步。深圳市人工智能行业协会

然而，这一进展只是很弱的人工智能。就像前哨报上说的那样：弱人工智能强于人类，强人工智能弱于人类。到目前为止，强人工智能还没有什么进展。深圳市人工智能行业协会

图灵奖得主、著名美国计算机专家 JudeaPearl在其去年的新书《为什么》中，提到了一个有趣的、甚至让人工智能专家都有些尴尬的事实：“人工智能对系统进行的评价，不能从结构或理论上进行评价，例如，你的结构是最优的，还是理论是最好的，这是一门科学？”回答怀疑论于是，皮尔就高谈阔论：“人工智能现在已经成为一种炼金术。

因此，现阶段人工智能最大的瓶颈，就是理论与实际基础技术的发展。

以下为作者阅读《为什么》时的笔记导图，强烈推荐有兴趣阅读原著的朋友来阅读。

智能技术发展的三大趋势

尽管面临着理论和底层开发的瓶颈，人工智能毕竟还有进步的空间，根据王煜全老师在2019年的报告中的阐述，结合本人在人工智能领域的理解，可以归纳出以下三个发展方向。

1.大数据向小数据的转变

以前机器学习使用大量的数据来进行训练，而现在希望使用尽可能少的数据。

少量的资料并不等于没有资料，因为人工智能到目前为止仍然是基于归纳和总结的原则，也就是说在人工智能系统中，统计实际上更有意义。

但是人工智能决不会满足于这一点，人类是会推理的，能够在没有数据的情况下判断事情如何发展，小数据也无法真正模拟人类的这种判断。深圳市人工智能行业协会

在一个雨夜，你驾车行驶在崎岖的山道上，前方道路中央有一堆土，旁边有个穿着警服的人挥手致意，摇着旗子让你下来，你下还是不下？假如你不下去的话，勉强能冲过去，但是如果你下去的话就是服从命令。这个时候，我们一般人会有非常复杂的推论，比如这里的治安是否好？夜深人静时，附近的治安会出问题吗？还有人会看这位警察，他的装扮是真的警服吗？周边交通疏导设施是否已全部到位？假如只有一个人站在那里，没有相应的交通引导设备，很多人会认为这是假的，就会想办法冲过去。

这一切复杂的判断，不仅仅是路面的问题，还牵涉到社会治安，以及其他许多与交通运输无关的问题。到目前为止，无人驾驶还无法判断。

正因如此，五级自动驾驶几乎永远不可能被推向市场，实现商业化。直到下一个能让人工智能真正具有智能分析能力的突破出现。尽管目前人工智能的一个方向是小数据，但它仍然不是没有数据，仍然是基于统计数据，而非推理和因果关系，这也是本书《为什么》对人工智能提出质疑的原因所在。

二、边缘计算

本文作者并非技术出身，对计算能力的概念理解也很有限，简述了这方面的发展方向。

就计算能力而言，一方面，我们必须拥有足够的计算能力；另一方面，5 G的到来使我们的云端计算能力也大大增强。并且由于响应速度的提高，云端的计算能力可以达到对局端，对边计算能力的更好补充，使云端与终端形成一体化的人工智能计算能力。

对整个行业来说，这实际上是锦上添花，并非一场革命。深圳市人工智能行业协会

三、终生学习

如今机器还能终生学习。

当机器拥有终生学习的能力时，它将使我们整个人类，或企业，特别是产业内部采用人工智能的战略，产生根本的改变。假如机器不能终生学习，我们就不必在引进人工智能时太着急，等到人工智能系统足够完善时再引进。但如果机器能终生学习，最好的策略就是在第一时间引进人工智能，因为虽然引进时它可能还不够聪明，但它不断地学习，不断地完善自己，要比引进后的竞争者领先一大截，这个时候甚至与硬件也没有多大关系。

因此，每一个行业都需要看人工智能是否能更快和更好地被引入到他们自己的行业领域。由于人工智能与因特网非常相似，许多人认为人工智能是因特网的下一代，因为它具有广泛的适用性，所有行业都可以从因特网中受益。

智能技术在哪些应用领域具有优势？

如今，采用人工智能仍然存在一些障碍，特别是对那些不属于这一行业的公司。有些传统领域的公司通常认为，设立了人工智能部门，同时也招来了许多从事人工智能工作的人，他们正在从事。但是，到目前为止，人工智能专家仍然很少，也许五年后他们就不再稀少了，但现在仍然稀少。

稀少的一大特点是，许多大型 IT公司都在大喊大叫：现在和我们一起抢人工智能人才，主要竞争者是华尔街。怎么了？由于人工智能技术基本到了顶点之后，你就可以断定它在单个项目上具有强大的优势。这一单一优势将被各行业领域采用，首先采用的一定是利用这一优势获取巨额利润的行业，金融无疑是最理想的行业，因此，用人工智能炒股已几乎成为华尔街的一种标配。深圳市人工智能行业协会

尽管只有少数几家基金公司独立进行人工智能投资，但事实上，大部分基金公司都在储备人工智能人才。用人工智能来做短时间的波动判断，一定要比人做短时间的波动要强。自然，这并不意味着人类没有机会，因为人工智能现在在单个项目上要优于人类，但在多个项目上要优于人类。

从根本上说，如果你判断一家公司的短期股票交易情况，基本上是基于之前的交易行为，那么肯定是机器比人强；但如果你判断一家公司的长期发展情况，特别是它未来的技术产品是否能在未来的技术市场中占据优势，那么机器也未必比人强。深圳市人工智能行业协会

由于这些判断是非常综合的东西，涉及到科学研究发展的趋势，包括研究与开发的进展，技术能力的变化，产业结构的变化，企业经营特征的变化，以及市场的接受程度，使用者的变化。

在这种情况下，人工智能的判断相对来说是模糊的。那就是说，你问人工智能明天能否买一只股票，它的答案肯定比问一个人要好，但你问一家公司五年后是否还能发展良好，你最好问一位人类专家。那表明人们仍然有机会，不与人工智能竞争项目的长度，而要在综合方面占据优势，甚至在每一个项目中都要用人工智能来帮助我们，但从总体上说，我们可以超越人工智能。

相对来说，这是个特殊的例子，因为人工智能可以给企业带来巨额利润，所以现在整个华尔街都在欢迎人工智能专家，以至于现在很多 IT公司都把华尔街看作竞争对手，这种竞争不是市场的竞争，而是人才的竞争。与此相伴的是，大部分人工智能专家都不愿意去传统行业中的企业实习，因为传统行业通常有很长的研发周期，这与短期炒股不同，研发周期短，效果好，很快就见效。

4. 人工智能独角兽面临巨大压力

如今，中国的人工智能面临一个大问题，即过热之后会出现一批人工智能独角兽。

这只独角兽还没有上市，但其市值已超过10亿美元。众所周知，许多公司实际上估值在10亿美元以下才能上市。但这些独角兽并未上市，原因在于盈利没有被清晰的显示出来，也就是说，它实际上还没有达到上市指标。但由于市场的热捧，因此其估值非常高，这样的话，这些企业将承受特别大的压力。

紧张表现在两个方面。

首先，它必须不断的从市场中挖出人才。由于它是独角兽，当它授予期权时会显示出特别高的价值。尽管这种期权表现很高，但并不代表员工真正获得价值。但市场承认这一价值，因此它对人才形成了强大的吸引力，导致了如今许多人工智能人才愿意去独角兽公司工作，因为他们拥有高工资和高期权，而不愿去传统行业。常规产业工资不高，研发又需要一个周期，不能立即见效，产生回报的落差，所以大多数人会选择去独角兽企业。

独角兽公司还有另外一个致命的问题，因为它的估值过高，必须尽快在盈利方面兑现承诺。那意味着这些独角兽企业对长期研发投入不足，同样是盯着眼前最赚钱的企业，现在人工智能最赚钱的企业是什么？实际上，这也是大家普遍关注的一个话题。

由于人工智能去年就在大喊大叫，前年也在大喊大叫，今年甚至还会大喊大叫，这就是所谓的人工智能叫好不叫座。尽管人工智能很热，各种新的应用层出不穷，但你看看人工智能企业，他们的盈利增长似乎并不令人满意。

5.人工智能细分领域的机遇

一、硬件层次

这一层次主要是人工智能相关硬件企业。坦率地说，这些企业的未来其实还是很难预测的，做这个专业领域的研发(FPGA)的公司机会还是比较大的，现在做类脑芯片，人工智能芯片，通用性比较强，压力会比较大。由于事实上这种芯片需要构建生态系统，因此 NVIDIA (英伟达)就是这种芯片的领导者之一。

拥有数千名工程师，英伟达帮助其芯片在各种应用场景中进行开发，或为应用提供支持，增强其生态的健全性。举例来说，对于从事自动驾驶的公司，英伟达更看重的是如何让客户获得全方位的服务。在此基础上，英伟达做了一个虚拟测试系统。这个虚拟系统，让自动驾驶系统在虚拟的道路上行驶，能使行驶速度提高一倍。此外，能够同时在多个虚拟环境中运行，显示出有100辆车，1000辆车同时运行，很快积累到足够的里程，从而使人工智能系统足够强大，足够聪明。

对于环境来说，这就是它的构建过程。而且国内大部分芯片企业，只是一味的强调自己的计算能力的优势，没有这种构建生态的能力，其实是很难和英伟达竞争的。的确，英伟达也经历了一段缓慢而痛苦的过程，其实在两、三年前黄仁勋做演讲的时候，他还在畅想着人工智能在各个行业的突破，非常分散，但到去年的时候业务已经非常集中了，肯定能获得足够多的利润。

2.基本事务层

这一层次主要集中了那些在诸如云计算提供商等基础平台和基础应用上发力的企业。

几乎所有的美国 IT巨头都在花费巨资建造大型云计算平台，并且都需要强大的人工智能支持，两家公司中，亚马逊的 AWS和谷歌占据了领先地位。因此，这几乎成了业界的共识，未来云计算+人工智能，甚至5 G之后，让云计算+人工智能无处不在，成为标配，很快就会发现人工智能就像自来水一样，无处不在。

同样在中国，目前相对领先的是阿里云，腾讯、百度也在发力，但现在看来阿里还是相对领先的。当然，华为自己也在做云。同时，由于中国的 IT市场并不比国外小太多，因此中国也将产生几大云，并拥有巨大的市场空间。

这样这个层次就会扩大。在这个层面上，除了提供基本的云计算能力之外，还必须提供额外的人工智能能力。并且这一人工智能能力将使人工智能的基础应用，不再由人工智能供应商提供，而是直接由云平台提供。

基础应用程序是什么？实际上目前并没有一个明确的定义，这里笔者举几个例子，以供大家了解和探讨。

包括面部识别在内的视觉识别将成为基础应用。由于更多的公共场所监控加上视觉识别，能够迅速抓获逃犯，有助于社会治安。这个市场很大，现在很多独角兽都在追逐这个市场。

但是从长远来看，这个市场对独角兽们恐怕不太友好：一方面，政府将形成统一的大市场，未来应该是打通，把整个国家的客户变成一个客户，这个市场也就不复存在了；另一方面，无论多大的客户，供应商很可能都不是今天的这些独角兽，而是直接由底层云平台提供的，比如阿里、腾讯或华为这样规模的企业。

这主要是因为这种功能并不复杂，特别是有云以后，直接从云中提供服务是最简单的，未来只要有摄像机，就能充分利用云端的功能，来实现面部或图像的智能识别。

目前，除了脸部识别，动作识别，甚至还被称为“动作指纹”。每一个人的步态，动作，姿态都有其特定的规律，经过人工智能的分析，我们只需通过动作就能知道这个人是谁。另外一个特征，就是跨摄像机，跨领域的连续分析。也就是，通过动作捕捉，你可以跨越多个摄像机，从而了解一个人的行为轨迹。尽管该男子的脸部无法辨认，但可以通过动作辨认。尽管如今人工智能仍是科研课题，但它将很快转变为一项基本能力，通过云计算提供。

除此之外，还有一些基本的图像识别功能，包括另一个热门市场，即医学图像识别。医疗领域的 X光或B超等图像识别技术，未来也有可能整合到云中，提供商可以是第三方公司，也可以是大型 IT服务商，但未来都将由云提供商提供，这也成为基础服务。

最终，语音语义识别和翻译也将成为未来云服务的基础。现在如果你想翻译，你也得带上翻译机，但为什么它不集成到手机中呢？“搜狗” CEO王小川说，“搜狗”有6个 GPU，这使得它翻译时的计算能力可以跟上。但将来如果云端的处理能力得到提高，所有语音都会被发送到云端进行处理，然后再返回处理结果，此时我们每个人的手机都可以成为翻译机，而无需单独的设备。

3.工业联合层次

按照上面的说法，未来许多基础功能都将成为云服务提供功能，而真正的应用功能应该是更少的基础，更少的通用功能，以及更全面的产业组合。尽管它还将使用许多基本功能，甚至云端功能，但由于它具有行业特性，云端提供商并不能提供这种功能。

例如，由于语音语义识别的成熟，包括翻译能力的成熟，结合行业已经形成了一个市场，即智能客服市场。尽管小企业没有大企业那样拥有呼叫中心，但实际上也存在着呼叫中心需求。如今，呼叫中心使用人工智能，回答用户问题的不只是一个人，而是一个人工智能系统，小型企业也可以通过租借或购买 SaaS系统来满足自己的需求。因此，该市场将迅速发展，甚至呼叫中心市场也将蓬勃发展，但呼叫中心接听电话的人将失业，这是一个严峻的事实。

事实上，许多人工智能系统都是这样，自动驾驶将会蓬勃发展，意味着汽车可能会增多，而不是减少，但司机可能会失业。

这一级别将会有大量与人工智能相关的应用公司兴旺发达。这几家公司都很清楚，必须有自己的行业特点，因为，这一技术本身就没有办法形成壁垒，真正能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都会成为你的壁垒。要想做好生意，就得找出这种障碍。

因此，任何先进领域并不代表只要领先，还是要找到自己的壁垒和竞争优势，才能做好。