2016年人工智能发展趋势

人工智能呈现新动态或者趋势，具体表现在：

2015年全球人工智能市场规模为1270亿美元，2016年预计为1650亿美元，到2018年预计将超过2000亿美元。

目前人工智能虽然取得巨大进步，但总体还处于初级阶段，作为一个关键的技术，一定要重视通用人工智能依然任重道远，人的大脑是一个通用智能系统，可以举一反三、融会贯通，一脑万用。与之相比，现有的人工智能差距还比较远。比如没有智慧，没有情商，不会“计算”等。尽管我们已经取得了一些进展，但我们也很清楚现在尚处在人工智能工具与技术发展的初级阶段。

人工智能技术已经可以很好地完成一些具体的任务，例如正确地识别一副图像或者是分辨出对话中的词语。但是，如果将其与人类儿童靠触觉、视觉和嗅觉来了解世界并与之互动的方式进行比较，今天的技术仍相去甚远。

“人工智能的核高基”，中的核就是核心技术，高就是高端设备与应用，基就是基础理论设施，发挥中国互联网大国的优势，把大数据和用户优势资源转化为人工智能技术优势，最后深化人工智能技术推广应用，做大做强智能产业，加强人工智能教育与科普，培养高素质人才队伍，最后支持人工智能社会学的研究。

但是不要忘记对任何一项新技术来说，发展都有高潮和低谷，而人工智能技术成熟度曲线显示，智能机器人、认知专家顾问等热门技术正处于“期望膨胀期”，接下来可能就是“幻灭期”，“需要我们冷静思考”。切忌跟风，“跟风难有大作为，找热点的‘风口’不如找‘关口’，找到人工智能发展的瓶颈在哪里，突破瓶颈可能会开创一个新天地。因为人工智能是信息科技与脑科学研究的交汇，人脑智能机理的研究孕育着信息科技的重大变革。

2016年人工智能发展的十大事项：

第一项，阿尔法狗；

第二项，各国政府高度重视人工智能发展，包括今年5月份美国白宫举行4场研讨会讨论，包括我们国家大家也知道5月份几个部委发布了《互联网+人工智能三年的行动实施方案》还是值得一提的事；

第三项，IBM发布类脑超级计算机平台，是基于前几年发布的芯片；

第四项，软银320亿美元收购ARM，这还是很大的收购；

第五项，谷歌、facebook等开源人工智能基础平台，这是值得一提的，反映了一个趋势和动向；

第六项，创建公益性的人工智能机构OpenAI，我认为很值得一体，10亿美金；

第七项，学术方面的，Science发表Bayesian Program 论文；

第八项，微软深层残差网络夺冠2015年ImagnNet；

第九项，谷歌量子计算机取得重要的突破，为人工智能计算搭建一个平台；

第十项，剑桥大学成立人工智能伦理研究所。

2016年人工智能的十大发展趋势：

第一，人工智能热潮全球化，从东方到西方，从发达国家到发展中国家，从大国到小国，应该都是掀起了热潮。

第二，产业竞争白热化，各种并购大家也可以看到，招聘人才，都希望来竞争。

第三，投资并购密集化，过去一年大的小的收购、投资，数不胜数，从几百亿到几个亿，更小规模的也不用说了，太多了。

第四，人工智能应用普适化，各个领域的渗透。

第五，人工智能的服务专业化，一个是研究通用化的人工智能，一个是专业化的人工智能。

第六，基础平台开源化，包括IBM、谷歌开源的平台，过去一年特别明显的一个新的特征，我不知道大家赞不赞同。

第七，关键技术硬件化，包括IBM的类脑计算平台。

第八，技术方法集成化，单一的人工智能计算理论和方法不可能包打天下，集成创新势在必行，阿尔法狗里面集成了很多，都是我们非常熟悉。

第九，学科创新协同化，多学科跨界融合交叉协同创新人工智能创新途径，包括量子技术跟人工智能的结合。

第十，社会影响大众化，我不用解释，包括我的司机前两天问，这一年多人工智能很火热，他都很关心，说明人工智能的影响的社会化大众化。

人工智能未来发展思考：

1，从浅层智能到深层智能；

2，从专用人工智能到通用人工智能；

3，从机器智能到混合智能；

4，从数据驱动到数据和知识协同驱动；

5，从线下智能到云上智能；

6，从网下到网上。

最后人工智能总结：

目前的AI技术尚处于基础架构阶段，产业化落地跟不上，很正常，人工智能现在的呼声远远大于我们现在的数据和场景，应该正好反过来，应该是场景和数据大于人工智能的这些宣传；我们应该去做实事，就是标数据，然后建立场景，然后找模型。

那在获取数据时，是完全可以用算法升级去做交换的。可以通过大量的客户合作模式参与进来，持续给AI企业提供算法训练所需的数据，用于算法的研究和性能上的提升，也可以给客户供应更好的算法，相互支持。而标注数据——向机器描述什么是一盆花、一个瓶子，让他去学——这需要非常多人力，所需成本远远高于采集数据。而这些又是必须的，因为不做这些机器就没法学习。因此这里也是一部分底层能力的建设，如何更高效、半自动、成规模地标注数据。

目前大数据的困局是，大部分数据都是不可用的；人工智能的困局是，这是一个人工劳动密集型（需要众包标记和大量算法专家折腾）的，成本很高。 ​​​​

AI领域还有另外一个风险。数据集是目前AI最有价值的投入，但其重要性可能会逐渐减小。AI公司已经开始使用模拟数据，包括来自电脑游戏的数据。而新开发的算法可能通过较少的样本集获得同样的智能效果。最大的危机在于我们自满于数据方面的优势，而在算法创新上止步不前。

现在大家经常谈两个AI概念，也就是“+AI”和“AI+”的区别：

其中行业+AI的说法是说明说这个所谓的人工智能公司实际上并没有深入到任何行业，只是给一些行业应用者提供了深度学习的能力或者作为某一项技术的外包方而存在；而AI+则是说这个人工智能公司能够与行业深度结合，并使其成为由AI驱动的新行业，比如新金融、新安防。AI+能够让人工智能成为企业在同行业中形成的差异化壁垒。