前言
2017年07月20日，国务院印发《新一代人工智能发展规划》，提到“人工智能的迅速发展将深刻改变人类社会生活、改变世界”，提出面向2030年我国新一代人工智能发展的“三步走”战略，部署构筑我国人工智能发展的先发优势。《规划》中关于风险和影响的描述，有助于消除人们对人工智能的过分担忧和莫名恐惧这一规划的出台，为推动人工智能产业发展、争夺科创前沿高地吹响了冲锋号。我们正在从互联网时代走向下一个时代，即人工智能时代。
是什么
什么是人工智能？我们对于这个词既熟悉又陌生，我们从很多年前就已了解并对其有所思考，但如今即将在现实中相遇又倍感陌生、轮廓模糊。
尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
科技部副部长李萌在回答记者提问时表示，经过60多年的演进，人工智能出现了一些新特点，包括《规划》当中讲到“它呈现出深度学习、跨界融合、人机协同、群智开放和自主智能的新特点”。新一代的人工智能主要是大数据基础上的人工智能。
李萌指出，人工智能具有以下五个特点：一是从人工知识表达到大数据驱动的知识学习技术。二是从分类型处理的多媒体数据转向跨媒体的认知、学习、推理，这里讲的“媒体”不是新闻媒体，而是界面或者环境。三是从追求智能机器到高水平的人机、脑机相互协同和融合。四是从聚焦个体智能到基于互联网和大数据的群体智能，它可以把很多人的智能集聚融合起来变成群体智能。五是从拟人化的机器人转向更加广阔的智能自主系统，比如智能工厂、智能无人机系统等。
从远方来
在最近一些头条内，人工智能、机器学习、深度学习这些词频频出现，一方面体现了新兴市场火爆，另一方面也从新闻媒体混淆使用这些词中，体现了大众对于新领域概念的模糊认识。通过了解这三个词的区别和联系，我们可以构建出人工智能发展历程的轮廓。
人工智能、机器学习、深度学习都是正确的学科名词，人工智能是计算机科学的一个分支，机器学习是人工智能的分支，深度学习是机器学习的分支。机器学习是实现人工智能应用的重要途径，深度学习则是当前众多方法中最为锋利的那一把剑，它使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围。
1956年，几位计算机科学家提出了“人工智能”的概念；其后，人工智能就一直萦绕于人们的脑海之中，并在科研实验室中慢慢孵化；之后的几十年，人工智能一直在两极反转，或被称作人类文明耀眼未来的预言，或者被当成技术疯子的狂想扔到垃圾堆里；直到2012年之前，这两种声音还在同时存在，因为硬件水平未能达到实现大规模应用的门槛。
在提出人工智能概念时，提出了“强人工智能”（General AI），这个无所不能的机器，它有着我们所有的感知（甚至比人更多）、我们所有的理性，可以像人类一样思考；我们目前能实现的，一般被称为“弱人工智能”（Narrow AI），即能够与人一样、甚至比人更好地执行某个特定任务的技术。
如何实现人工智能？机器学习是使计算机具有智能的根本途径。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量数据通过“训练”提高应用效果，通过调整算法从数据中学习如何完成任务。但是，早期机器学习方法甚至都无法实现弱人工智能。
随着时间的推进，学习算法的发展改变了一切。人工神经网络（Artificial Neural Networks）是早期机器学习中的一个重要的算法，历经数十年风风雨雨，演变出了深度学习，是受我们大脑中互相交叉相连的神经元启发。将数据逐层传递，在每一层的每一个神经元都为输入的数据分配权重，而这个权重的正确与否与其执行的任务直接相关，最终的输出由这些权重加总来决定；直到最后一层，生成结果；深度学习，“深度”在初期理解中就是神经网络中众多的层。
可以看出，机器学习的算法是围绕训练“数据”而不断调整的，而客观现实就是数据；我们在做某项决策时，往往凭借之前的经验积累，最后权衡当前利弊、各方形势，选择一个主观上最支持的决策，在这个过程中，人的主观绝对产生了对于客观现实的不全面、非篡改的处理，影响了最终决策。然而，机器学习的思路是，只要能把已有的数据做好分类（决策也是分类的一种），也就能对这一个大问题下的某一个不在训练数据中的情况做好分类，将概率值最大项选出来，即实现预测。只要提供给机器训练的数据准确、特征清晰，预测准确率就不会差。
从围棋智能AlphaGo（之后改名为Master）和二十年前的国际象棋智能“深蓝”的实现方法对比中，机器学习相比通过堆叠国际象棋高手总结的经验实现的方式，其通用性、正确性显然更高。深蓝是专门针对卡斯帕罗夫设计的、芯片也是专用的，从难度上讲，在优化剪枝后，覆盖的合理的步骤的计算量是要比围棋小很多，因为下棋规则是有限制思考时间的，穷举所有情况这种方法是不可行的，所以只能通过各种途径缩小落子概率。
在AlphaGo之后出现的众多秉持这个思路的围棋AI，在经过几百万盘对战数据学习后，都展现了“十段之上”的水平，这些AI的“智商”可能不高、“情商”没有，但下围棋的经验恐怕是人类难以企及的。机器学习本质其实还是对于大量数据的分析，AlphaGo有谷歌机群在背后做运算支撑，所以它才能在可以接受的时间内落子。
2015年以来，人工智能开始大爆发很大一部分原因是由于GPU计算的广泛应用，使得并行计算变得更快、更便宜、更有效，但GPU还不是面向计算机器学习的专用芯片，在这个软硬结合的领域中，针对某个问题的芯片正在迅速发展，例如谷歌提出的TPU（Tensor Processing Unit）等等，正在出现很多“第一个”产品，这也是未来市场的一块大蛋糕，可以将人工智能应用水平推向更高层次。
顺水推舟者
在人工智能高端领域蓬勃发展的同时，谷歌作为这一领域的先行巨头，于2015年11月9日发布人工智能开发系统TensorFlow并宣布开源，TensorFlow是目前使用最多、应用最广泛的深度神经网络模型，它可在大到数千台数据中心服务器的各种设备、小到一台智能手机上运行，TensorFlow完全开源，任何人都可以用。
这次谷歌的开源很有意义，尤其是对于中国的很多创业公司来说，他们大都没有能力理解并开发一个与国际同步的深度学习系统，所以TensorFlow会大大降低深度学习在各个行业中的应用难度。马云等人创建阿里巴巴的初始大方向是希望“天下没有难做的生意”，谷歌开源TensorFlow与此理念相似，而且有越来越多顶级的人工智能领域有建树的公司开源其框架。
对于没有编程知识的人来说，只要学会python语言语法，下载安装这些框架的包，然后当作黑盒使用即可，难度没有想象中的高，而且Github上也有大量其他开发者提供的源码，并且谷歌内部也是在用这个框架实现人工智能应用，并没有与用户做两套标准，这给广大工程师带来良好可靠的感觉。这些也是人工智能应用在未来即将出现爆发的重要原因之一，学习成本并不高。
漫谈未来发展
现在，人工智能时代的四梁八柱基本都已经搭建好了，理论支撑在二十年前已经达到较高水平，硬件上计算能力也已经可以实现应用，开发门槛已经足够低，国家政策也明确了什么能做什么不能做并将持续完善相关法律法规，中国市场在互联网时代已经完全打开，接下来就是将人工智能应用于特定领域。
人工智能可以作用于那些领域？事实就是，几乎任何领域，只要这个领域需要涉及到大量数据处理，我们就可以有所作为。而且，现在是大数据时代，谷歌的联合创始人拉里·佩奇早在2002年就说：“哦，我们其实在做人工智能。”谷歌不是用人工智能强化它的搜索能力，而是利用搜索来改善它的人工智能，谷歌、百度这些巨头手里掌握海量互联网数据，所以先行。中国这个市场体量已经相当庞大，不仅是经济总量位居世界第二、人口第一，并且这个市场有很多需求和创造力，我们的数据体量很大，但我们需要从这些数据中发现价值。
交叉学科，不同学科之间相互交叉、融合、渗透而出现的新兴学科。人工智能本身就是计算机科学、数学、神经生理学、心理学、哲学等等学科交叉产生的学科，将人工智能应用于具体学科，需要针对实际情况产生新的调整。比如，人工智能在解决数学问题可能实现“反哺”人类，这些可以同样发生在其他自然学科探索中。
首先，人工智能会代替低技能、低工资、重复度高的工作，无人工厂这类高自动化运行的大设备会越来越多，当机器成本低于人工成本、机器业务水平不低于人类业务水平时，工厂还是会让机器取代人工的；越来越多的软件、APP、公众号提供更加智能、贴心的服务，现在智能手机系统可以通过人工智能解决手机越用越卡顿、应用后台偷偷开启占用资源的问题，运用了深度学习用户行为来定制化用户需求，做到按需分配，解决系统卡顿和功耗问题。
接着，人工智能终究也会改变白领的工作，不论你是一名医生、律师、建筑师、记者还是程序员，只要工作有较为严格的规律可循就可以自动化，更何况有些工作本来就建立在极高的强制力下。2016年，谷歌公司研究人员希望借助机器学习改善视网膜病变诊断的准确性和客观性，进而改善眼疾医治水平，他们给装有新型算法的筛查设备“饲喂”大量视网膜医学图片，以训练其对视网膜病变进行筛查确认的能力，超过12000张以后，机器的表现远胜过顶级专家，这表现在它不仅能准确确认病症，而且还能给疾病的严重程度评级；百度寻人是全球最大中文搜索引擎百度推出的公益互动开放平台，借助百度业界领先的搜索技术、庞大的用户规模、海量的数据优势，建立全国范围内失踪儿童与流浪儿童的开放数据库，并利用中国科学院计算技术研究所无偿提供的人脸识别技术迅速匹配孩子的照片，帮助家长和热心网友第一时间获取失散儿童信息；律师作为被要求严格执行法律条文做出判决的重要职业，也可以被机器取代，避免人为干预、减少人情绪等主观因素的影响。
我们似乎被机器降低了就业率，但这个现象只会在短期内发生，长远来看一定会产生更多新兴行业，并在就业率上实现回升并稳定。
人工智能已经显现了在精于某方面达到超过人类的水平，但目前还只是冷冰冰的机器，他们的优势还只是知识的海量储备和高速的全局判断，他们还没有展现“情商”。在目前实现的一些聊天AI中，工程师赋予机器“情商”时需要转变一个思路：情商也是科学。“美”是突破机器只是工具的基石。
似乎除了人文领域，比如吟诗作画等，机器已经没有短板，但这些方面机器的目的其实也只是单纯地为了取悦人类，所以机器如果参与进来并能通过模仿人类已有作品实现较高水平，也无可厚非。
逐渐，机器的“灵感”开始出现，目前机器学习还是奉行“量变产生质变”这种连续性学习，但人类的思维是可以跳跃的，不一定量变到一定数量才会质变，这里的“质”对于人类不仅是经验，还有创造。这时候可能已经需要新算法，或者需要突破模拟人类大脑这条老路子，使得机器既精于算又精于创造。
机器人可以做人类能从事但机器人表现更佳的工作；可以做人类不能从事但机器人能从事的工作；甚至可以做人类想要从事却还不知道是什么的工作。
终于有一天，除了人工智能工程师，所有职业都已被替代，人工智能可以做出决策、探索科学，其实也可以自我更新，只要人类允许，人工智能自己开发人工智能，这对于人工智能来说，如同封建社会废除皇帝一样，把碍于发展的踢开了。如果人类不能进化，或者不能与机器形成一定的结合达到整体进化，在机器角度可能成为历史的累赘，就像我们看待动物一样，也许只是为了维持生态多样性，毕竟机器本身不需要情感，对于他们发展就是硬道理。到那时，人类的存在形式可能已经不在三维空间，或许也已经存在于信息中，数据化，实现某种形式上的永恒。
关键问题有原则
提升机器智能水平的过程，如同我们教育一个初生的孩子，只不过这个孩子很乖没有情绪、脑子很强过目不忘、踏实肯干不会疲惫。人工智能也在影响我们现有的教育方式，这可能会导致人类社会深刻变化，尤其是在中国这个集体学习非常普遍的国家，对于家庭式教育较多的社会影响可能变化不大。因为，人工智能高通用性，带给每个客户个性化使用，使得孩子不必去学校也能接受几乎一对一的良好教育，孩子的社会性必须得到加强，我们需要积极调整学生与社会之间的关系。互联网时代的这几年已经有明显体现，学生可以利用或者必须利用互联网，可以加强已有知识、学到新知识，大人足不出户可以了解窗外风云变幻，孩子似乎也可以宅在家里学，还省得大人担心，但我们是有义务教育的。我们的政策一定要跟上时代变化，在暗藏难题时做好顶层设计，做好相关问题的调控。
人工智能的客观性也会导致人类一度陷入自我怀疑的怪圈中，我们是不是直接让人工智能接手决策？答案显然是机器参与决策建议，机器融入智库体系，按按钮的始终是人类。AlphaGo的团队在战胜世界第一围棋选手柯洁后，宣布解散，并转战“星际2”这款宏大的即时战略游戏，围棋再复杂显然复杂不过这个游戏，涉及经济、能源、人口、造兵、布防、开战等等问题的决策、每个战斗单位的操作、视野内各方形势评估。显然，如果能打好战争游戏，对于现实生活中的战争也是有帮助的。
网络安全也是当前比较棘手并且越来越复杂的问题，人工智能不仅可以在这方面用来防御甚至也能用来攻击，最后攻击的角度甚至是实现做网络防御的人工智能框架的漏洞。而且，现在攻击方也不是局限于传统网络攻击这些野蛮的手段，网络舆论上的斗争逐渐影响深远，前苏联之后的很多国家被颠覆可不是通过战争这种暴力手段，辨别一句话、一张图片、一段视频、直播视频对于网络民众在国家网络安全问题上的影响，成为目前需要弥补的空缺。
结语
世界上唯一不变的就是，一直在变；以不变应万变的态度，在长远来看不过是一种自我放弃；这个世界上只有两个人，一个是被世界所改变的人，一个是去改变世界的人。在热烈庆祝中国人民解放军建军九十周年之际，军歌开头“向前！向前！向前！”才是我们应有的作为。
网友评论