您可以用手机或平板电脑的二维码应用拍下左侧二维码，您可以在手机国搜客户端继续浏览本文，并可以分享给你的好友。
核心提示：如果说AGI定义尚难，那就更别说要预测它的发展了。勒存和百度首席科学家吴恩达等人都认为不必在AGI的预测上浪费时间，因为目前人类要达到这个水平还远的很。人工智能还需要跨越一个几年甚至几十年的寒冬。
2015年初，一些研究者开始担心人工智能的安全，一切都变化飞快。
大学人类未来研究院院长、哲学教授尼克·博斯特罗姆的新书《超级智能:方法、、策略》供不应求，生命未来研究所（FLI）在波多黎各举行了人工智能未来安全的议，两封关于人工智能和自动武器的信件公之于众，SpaceX和特斯拉的共同创始人埃隆·马斯克、学家斯蒂芬·霍金、微软公司创始人比尔·盖茨和苹果联合创始人史蒂夫·沃兹尼亚克等业界大咖都发表过关于人工智能的言论，无数文章援引了他们的担忧。
马斯克通过FLI捐赠了1000万美元用于人工智能安全研究，莱弗休姆未来情报中心获得1500万美元用于研发智能的未来。还有最近成立不久的非营利组织OpenAI，花费10亿美元把人工智能领域最有思想的那群人聚到一起，想办决人工智能的安全问题。
总而言之，这是一个人工智能安全研究的丰收年。越来越多的科研人员和从业人员加入到人工智能安全研究领域中来，还有许多未知的惊喜等着我们去发现。
那么，我们到底在什么呢?
OpenAI的成立可以说是这个月的重磅消息，神经信息处理系统会议也在此时召开，吸引了一大批机器学习大牛莅临现场。英国伦敦帝国学院认知机器人教授穆雷·沙纳汉，英国伦敦帝国学院人工智能专家肖恩·莱格，百度首席科学家吴恩达，Facebook人工智能负责人雅安·勒存，IEEE前机器学习工程师汤姆·迪特里奇等研究机器学习和心理学的大佬们都对人工智能发表了自己的看法。
AGI值得我们担心吗？
Artificial General Intelligence（AGI）是指强人工智能，这是一种人类级别的人工智能，在各方面都能和人类比肩，人类能干的脑力活它都能干。不仅仅是当今人工智能所应对的局部、特定的问题，未来可能出现的复杂繁冗任务对它来说都不在话下，当前的人工智能需要人类进行编程，但不排除未来的某一天它可以自动编程。因此，AGI的定义其实也不太准确。
Facebook人工智能负责人雅安·勒存说道：“我不想谈论人工智能，因为我真的不知道它到底是什么意思。”
如果说AGI定义尚难，那就更别说要预测它的发展了。勒存和百度首席科学家吴恩达等人都认为不必在AGI的预测上浪费时间，因为目前人类要达到这个水平还远的很。人工智能还需要跨越一个几年甚至几十年的寒冬。吴恩达做了个比喻，人类对未来人工智能的担忧简直比得上对半人马座α星系的幻想（注：由于半人马座α星系统距离地球很近，许多科幻小说都“认为”这里存在发达的文明）。
勒存表示，我们真的无法得知拥有超常智慧的人工智能会是什么样子。“人工智能会发展类的智能吗？肯不会的。”勒存解释，人类智能不是我们想象中的那个样子，“我们是有本能的，会驱动一些人类去做坏事，但是人工智能却没有。”
然而，也有人并不认同勒存和吴恩达的观点。他们认为我们必须要提前做好应对准备。
谷歌DeepMind联合创始人肖恩·莱格认为，现在开始研究人工智能安全是绝对有益的，它帮助我们建立起一个框架，让研究人员在这个框架内朝着积极的方向去发展更聪明的人工智能。
“关于人工智能的安全，我认为有过分夸大和被忽略的方面。”莱格认为，我们应该深刻地讨论人工智能给社会带来的正负面影响。“当我们正处在发展的过渡期，我们应该负起责任，提前考虑技术、社会、法律等方面的问题，提前做好准备总比出现问题时再考虑好。”
纽约大学语言与音乐研究心理学家加里·马库斯补充道：“我们不仅需要为人工总体智能做准备，更要为人工智能做准备。现在已经出现了安全和风险问题了。”
吴恩达认为人工智能安全研究并不是一件坏事，“我很高兴能看到社会的人们参与到人工智能伦理研究中来，这确实是一个伟大的事业。”但吴恩达认为不能花太多精力到人工智能安全研究上去。
人工智能影响经济？
尽管研究人员在会议上各执己见，但有一个问题却几乎赢得了所有人的赞同——人工智能可能危害就业市场。
埃里克·布吕诺尔夫松是《工业时代2：人工智能》的作者之一，他提出了人工智能可能会对经济产生一些影响。他说，我们的技术飞速进步，这是好的，但我们的技术、组织和机构并没有跟上，因此无法享受技术进步带来的福利。
吴恩达虽然不担心AGI的未来，但他却十分关注即将出现的经济问题。“我认为最大的挑战是失业。”
尽管当今人工智能发展得十限，但失业问题已经开始出现了。界各地，中低技工不断被机器人或软件所取代工作，并且取代率会不断上升。
勒存认为，蒸汽机的出现也导致了大规模的失业，现界也一样可以克服。但布吕诺尔夫松和吴恩达不同意这一观点，因为当今的技术进步更加快速。
“技术在不断地工作，也在不断地创造工作。”布吕诺尔夫松承认，但他也指出，要预测技术进步带来的影响十分困难，因为当前技术进步的速度是前所未有的快。
大学人类未来研究院院长、哲学教授尼克·博斯特罗姆认为，把会思考的机器和工业蒸汽机的崛起做比较是不恰当的，因为它和人类崛起的过程更加相似。有朝一日，假若拥有超常智慧的人工智能真的被开发出来了，那人类的创造史也就到此结束了。
目前经济存在一个巨大问题，市场变化迅速，大多数人无法快速培养与之适应的新技能，失业保障金和技术培训可以解决部分问题。然而，失业带来的心理阴影仍然成了很多人克服不了的问题。这引起了专家们的注意。
博斯特罗姆教授却意外地乐观，他认为失业不是失去全世界，失业人员可以利用失业的时间来享受其他的爱好，填补错过的快乐时光。
不远的将来，人工智能即将出发新一轮失业浪潮，这要求领导人主动采取失业保障金等有效政策来应对。
何时展开人工智能安全研究？
理想状态下，技术只是一个工具，并没有好坏之分。它对人类的帮助和取决于使用者。除工智能可以发展到有思考的能力，但这一说法并不准确，因为人工智能并不是人，但也不仅仅是一种工具。
伊恩·克尔是大学的伦理、法律研究，他在会议上谈到了人工智能的法律问题。人工智能的首要问题是：这是谁的责任？出现问题时谁来负责？另一方面，当人类和人工智能的出现对立时，该如何选择？要怎样证明选择的正确性？
2015年初，一些研究者开始担心人工智能的安全。现在，虽然大多数人还不担心，但他们都承认，提前考虑这些问题确实没有坏处。最大的分歧在于我们该于何时展开人工智能安全研究。
大多数业内人士都认为人工智能升级的过程是循序渐进的，而不是一些口中一蹴而就的。现在已经出现了智能机器，完成任务的过程比人类更好更快，这一趋势会不断持续下去。
哈佛大学计算机科学教授菲纳利·多西·韦莱兹指出，至少现在，我们还可以控制我们的机器，如果出现了不理想的结果，我们可以重新编程。
但是，这会是长久之计吗？
人工智能正加速靠近人类社会
今年岁的俞志晨说自己是因为斯皮尔伯格执导的影片《人工智能》而开始“热爱人工智能方向”的。这位中国最早从事人工智能机器人商业化的公司之一“图灵机器人”（Turing robot，成立于年）的创始人与CEO，显然也是“计算机之父”、“人工智能之父”艾伦·麦席森·图灵（Alan Mathison Turing）的粉丝，从而用“图灵”给其团队研发出品的人工智能机器人命名。“我们必须好好做，才不会‘图灵’这么大一位科学家的名声。”
不知是巧合还是注定，俞志晨出生不久，即年，中国发布的“计划”（国家高技术研究发展计划）第一次提到了智能机器人的方向。而年毕业于交通大学的他，上一年级时便师从知名专家贺仲雄教授开始研究人工智能。不过，起初他选择的创业之却是移动互联网，并开发了“虫洞”语音助手，目前拥有手机用户超过万。“我当时认为无线互联网和机器人是最有发展空间的两个方向，但那时机器人并未有市场应用的苗头，要整个做出来难度很大。”
而当前，俞志晨学生时代的所有“准备”都派上了用场。在他看来，现今移动互联网、人工智能和实体机器人条线是不断融合的，“图灵”需要做的便是“紧跟线融合的节奏”。
“互联网和大数据等推动人工智能进入了新的春天。”中国科学院副秘书长谭铁牛院士说。而正是大约年前，人工智能在中国经历过春天，可“大热”了一阵子之后便迅速“入冬”。对此，月日，“世界机器会”落幕之际，在承办单位之一中国电子学会举行的见面会上，其秘书长徐晓兰回应说，年以前人工智能的技术应用不够明确、产业不够清晰，“还没有让我们看到它能够变成庞大产业，让其它产业能够进去，无法把技术变成现实的生产力。”
中国人工智能起步较早的企业“小I机器人”（Xiaoi Robot）公司总裁、创立合伙人朱频频深有感触。“我们进入过至年的最艰苦时期。好在最终顺利地挖掘到了智能机器人应用的第一桶金。”如今，不少公司开始拥抱人工智能。俞志晨估计，现在出来的机器人公司，就有家。
“现在应用比较清晰，首先我们看到工业机器人、服务机器人、特种机器人，都有非常明确的应用方向。”徐秘书长还说，由于人力成本红利逐步消失，导致机器人代替人的需求到来。包括一些国家的老龄化趋势，需要机器人代替年轻人来照顾老人，这让机器人有了广阔的应用前景……“目前是天时地利人和，技术进步让我们把人工智能变成产品的可能性更加具备，市场巨大的吸引力让更多的企业投入进来，最后是有庞大的市场，所以人工智能不再像曾经那样是一个逐步消逝的热点。”
正更受中国社会重视的人工智能，已上升到国家战略高度，去年月中科院工程院两院院士大会期间，习在开幕式上花了比较大的篇幅阐述了机器人与人工智能相关的内容；今年月日国务院公布的经李克强总理签批的中国版“工业个具体行动计划，其中一个就是人工智能，这是中国国家层面首次推出的加快人工智能发展的指导文件。
月日下午，俞志晨召开发布会，正式推出第二代“图灵”机器人（第二款产品）——人工智能级的机器人操作系统Turing OS，其应用范围非常广泛，特别是在家庭服务型机器人的领域，可以面向老人、孩子和一般的家庭用户。就此，俞志晨表示，年前比尔·盖茨做微软的时候，希望将来每一个人的桌子上都有一台个人电脑，“我们的梦想是希望能够让智能机器人走进每一个家庭。”
通常，人们往往把操作系统与电脑、手机、游戏机等产品相联系，而在专家眼里，操作系统的是某一品类的设备开始成型的标志之一，同时也对该品类产品的迅速扩张具有十分重要的意义，因此他们认为，Turing OS这一款针对机器人研发的专属操作系统让机器人领域迎来了一个特殊的节点。
具体说，这一系统能够让机器人具备和人类一样的思维能力、情感能力和学习能力，可以使机器人以人类的方式与人类交流。更进一步讲，它采用多模态交互方式，具备情感计算、思维强化、自主学习大引擎，能够让机器人更流畅、更自然地与人类交流；还可以像人一样识别和表达情感；同时赋予机器人强大的自主学习能力，使其智力不断提升，进而更加“类人”。
目前市场上家用机器人使用起来比较呆板，交互比较混乱。“要想达到自然的交互状态，就必须赋予机器人思维能力。”俞志晨表示。而人类可以通过多种方法对思维进行训练，比如逆向思维、推理思维等等，Turing OS被称具备思维引擎，这是一套核心算法，覆盖人类宏观思维种、微观思维模式种，让机器人能够模拟的思维能力。
“搭载Turing OS的机器人可以做到与人主动交互，而且交互更加清晰、有条理。”俞志晨说。此前，研发团队收集了万个家庭用户对于市面上家用机器人的反馈数据，结果显示，大多数机器人都是通过语音交互，而用户第周与机器人交互的时间平均是分钟，第周就变成了分钟，这说明目前机器人在交互上的用户粘性很低。为了解决这个问题，就要考虑到人类自己的交互方式——有文字内容、声音语调、表情动作等，这是人与人最自然的交互方式，图灵机器人称其为“多模态交互”。“Turing OS主打多模态交互，也就意味着支持情感识别和情感表达，将是继鼠标、键盘、触控之后未来又一大交互方式，接近人与人的交流，更加自然。”
在俞志晨看来，这些年，人工智能水平一直在不断提升，“目前一些人工智能机器人的认知和思维能力能做到、小孩的能力，当然只是部分，并不是所有的方面，机器人在情感意识和想象力这一块还是比较落后的。”据介绍，Turing OS具备种语言情感，包括类情感语言、种声音语调、套表情动作，识别准确率达到了95.1%。例如，它不仅可以识别人类的正负向情绪，还能够对情绪中的显性及隐性情绪进行判断，这也就意味着机器人不但能够识别与其交流者是高兴还是难过，还能依据交流者传达的有效信息对其高兴或难过的程度进行判断。
为了机器人智能度不断提升，实现和人一样的认知学习能力，Turing OS还搭建了一套基于业界领先的D-RNN高效深度学习算法的自学引擎，“结合图灵机器人平台万名合作伙伴贡献的源源不断的大数据支持，以及全球最快的超级计算机‘天河号’强大的处理能力，Turing OS自学习迭代速度从天提升至在线实时处理的水平。”俞志晨说。
机器人包括系统、控制系统、认知系统部分，而和控制系统都可以有多个，而被誉为机器人“大脑”的认知系统，即人工智能系统只有一个，远比互联网领域技术壁垒高，“未来可能出现所有机器人只有个‘大脑’的局面。”俞志晨说，“在这方面中国依然有很大的机会去抢占制高点。”
至于令更多智能机器人走进普通家庭，英特尔中国研究院院长吴甘沙的想法是“让机械插上摩尔定律的翅膀”。这个定律是由英特尔公司创始人之一戈登•摩尔（Gordon Moore）提出的，指的是当价格不变时，集成电上可容纳的元器件的数目，约每隔—个月便会增加倍，性能也将提升倍，换言之，每过两年成本会下降一半，这个定律了信息技术进步的速度。“现在国外最好的机器人，万美金的售价，成本万美金。为什么贵？打开一看里面有两个英特尔四核的CPU。贵的是万美金，而一条胳膊却要万美金，一只手1.5万美金，机械的成本下降是不符合摩尔定律的，但几十年来，半导体行业遵循着摩尔定律的发展降低成本，所以我们看怎么能够用计算辅助机械，使得它能够随着摩尔定律这样一条曲线把成本降下来，推动机器人行业的发展。”吴院长在由新浪网举办的主题为“这就是我们的未来”的首届”的C+峰会“进击的AI+Robot”（人工智能和机器人）的嘉宾对话中表示，“我们机器人主要看块，第块就是让机器插上摩尔定律的翅膀。”
而在今年，世界范围内，人工智能研究空前进步，可以归因于多个因素汇合，专家指出，具有处理复杂信息的能力的云计算等基础设施变得更加强大并且在很大程度上变得负担得起的设施；也有更丰富的数据库，研究人员有了免费或廉价的软件开发工具，多功于此，学习技术的一些关键分类，已经从昂贵的离谱变得到相对便宜。
展现中国研究人员创新实力和的英特尔中国研究院，正做的“第一块”是“混血计算”。在机器人里面有一个“莫拉雷克定律”，像推理、规划、下棋，传统的架构可以处理得很好。“、岁的小孩就能够处理很好的、运动、手眼的配合，这些传统的架构没办法处理的很好，所以需要新的架构，我们把它叫作‘大脑的计算’或者神经的架构，我们要把传统的架构和新的架构混血，使得它能够很好的处理我们期待机器人做的事情。”吴院长解释道。
“第三块做有史以来最安全的机器。”吴甘沙指出，实际上，现在已经有了有史以来最可靠的机器，像航空航天的，可它不一定安全，但是机器人要求非常非常安全，“它在家里不能随便打开摄像头和麦克风，我们称之为‘非礼勿视’或‘非礼勿听’。它还可以把天然气开关打开，所以我们要做非常安全的架构和设计的方法。”
第四块是让机器和人能够互动、协作。“现在一直说机器人要取代人，但是我们觉得更好的一种相处的方式是机器做机器擅长的东西，人擅长的东西，机器和人相互配合、相互学习，而不是放在里面，不能跟人直接交互。”
第五块是让全世界的机器人能够通过语言来进行碰撞、连接、协作。吴院长说，“我们看到，很难把知识直接转交给你，而机器人直接变成了比特。一个人机器人学到的东西可以在一瞬间把这个知识交给全世界其它的数百万的机器人，能够使得它智能，产生爆发式的增长。”
“年，我们在安全及机器人跟人的交互这两块，应该能够获得一些突破性的进展，尤其是安全这块。”吴院长还提到，不能说机器人就是像人的机器，还有自动驾驶汽车、无人机，“我们在这些方面和安全方面已经做出了非常好的探索。现在很多做自动驾驶汽车的人都在参考英特尔的。”
另外，吴院长还介绍说，英特尔中国研究院主要有个方向，第一个是“第五代通讯”（与名。”第三个则跟人工智能有一定的关系。
月日，中国船舶工业集团公司宣布，将在上海设计建造首艘智能示范船。这款以海豚命名的“会思考”的智能示范船i—DOLPHIN的船型是一艘载重吨散货船，将在明年月开工，并计划于年交付，这被赞为“标志着中国建造的全球真正意义上的首艘智能船舶进入设计建造阶段”。
日本、韩国及欧美国家的不少机构与企业也在进行智能船舶的可行性研究与研制。而智能船舶也是《中国制造》中明确重点发展的领域。
船舶是一种受到因素影响非常大的装备，目前船员对于船舶状况、航行状态等的判断主要还是依靠经验和理论知识，这样一来难免会出现不恰当的决策，造成不必要的人力、物力或财力损失。出于应对运营成本增长、船舶操作复杂化以及环保法规日趋严格的需求，“智能船舶以大数据为基础，运用实时数据传输和汇集、大容量计算、数字建模、远程控制等先进的信息化技术，实现船舶智能化的、判断分析以及决策和控制，从而更好地船舶的航行安全及效率。”中国船舶工业系统工程研究院中船平台系统研究所智能研究室工程师魏慕恒介绍说。还有专家举例，非智能船和智能船之间的关系就好比手工制作的产品和机械化流水线出来的产品，仅从效率、精度及安全性来看，后者肯定要高于前者，“目的是让船东‘省钱省力省心’。”上海船舶研究设计院副院长房泉认为，船舶智能化成为船舶制造与航运领域发展的必然趋势，“以往那些‘通过经验做管理’的传统模式已经慢慢被边缘化，非智能化的船舶将无法满足未来船东的要求。”
同一天，由国家交通部直属事业单位、中国唯一从事船舶入级检验业务的专业机构“中国船级社”(CCS)编制的《智能船舶规范》也正式对外发布，该规范将于明年月日生效。这一规范体系由智能航行、智能船体、智能机舱、智能能效管理、智能货物管理和智能集成平台大功能组成；智能化程度上，分别从船舶数据、分析、评估、诊断、预测、决策支持、自主响应实施等方面，对应不同的智能功能提出相应要求。据了解，考虑到智能船舶技术在不断发展变化，《规范》作为一种式规范，将与国际上智能船舶技术的发展和应用同步，不断纳入新的应用，完善和细化已有的技术要求。
人工智能十年：风起于青萍之末
一、人工智能悄然兴起
“人工智能”涵盖了很多前沿技术和分支，却很难用一句话来定义，因为它一直处在发展当中。比如，一些在过去看来很“人工智能”的事情，现在却变成了简单的“机械重复”，像是数字的高速计算、图像的处理等。但总体上来看，“人工智能”的本质和目的一直没有发生太多变化，那就是“完类的部分脑力工作”。
20世纪60年代开始，就有许多科幻电影和科幻小说描述着人类对“人工智能”的憧憬和恐惧，比如斯皮尔伯格的知名影片《人工智能》。不过在现实中，长久以来，受到技术、科技发展和应用层面的，人工智能只是一件人人都在说，都以为别人在做，但事实上却没多少人知道该怎么做的事——无论在学术研究层面还是在应用层面都是如此。
人工智能曾经在20世纪90年代互联网泡沫破裂前风靡一时，到了21世纪伊始却变成了一个禁忌，大家开始怀疑它是否存在。而到了2011年，美国资本市场再度为人工智能而疯狂。风险投资机构和科技公司们开始频繁投资这个领域的创业公司，投资范围从应用层面的机器人、增强现实，到底层技术层面的深度学习算法、神经网络芯片等，人工智能项目也遍地开花。比如，Google接连投资了虚拟现实创业公司Magic Leap，收购了人工智能公司DeepMind；Facebook收购语音识别公司Wit.ai，等等。
除了投资外部团队之外，像IBM、Google、Facebook和百度等国内外科技巨头们也纷纷加强自己的人工智能方面的专业团队，招募了一批人工智能尤其是深度学习相关领域的科学家，如深度学习鼻祖之一Geoffrey Hinton加入了Google，Yann LeCun加入了Facebook担任人工智能实验室负责人，Andrew Ng（吴恩达）加入百度负责深度学习研究院等。
二、驱动人工智能发展的内外动因
“人工智能”的再度兴起并非偶然，外部和人工智能自身都在发生演化。我们认为，驱动人工智能领域发展到现在程度的外部动因有：
1.传感器能力和数量的大幅提升：LIGA等微电子技术的日趋成熟，推动着传感器的能力有了质的飞跃，而大量智能设备的出现则进一步加速了传感器领域的繁荣。这些延伸向真实世界各个领域的触角是机器世界的基础，而则是智能实现的前提之一。
2.计算成本的大幅下降：摩尔定律使得计算成本在迅速下降，同时云计算的出现、GPU的大规模应用使得集中化的数据计算能力变得前所未有得强大。大规模的的集中式计算使得人工智能的发展速度指数级加快。过去仅训练深度神经网络模型对某一物体的认知就要花费近一年时间，而现在这个时间被缩短到几天内。
当然，更重要的驱动因素是内因——算法的进步。当下人工智能领域最先进、应用最广泛的核心技术是深度神经网络（深度学习）。而且，直到2006年，深度神经网络才得到快速发展，逐渐成为人工智能领域的主流研究方向。
21世纪人工智能的里程碑事件之一是，2006年Geoffrey Hinton发表的论文《A st learning algorithm for deep belief nets》。他在此文中提出的深层神经网络逐层训练的高效算法，让当时计算条件下的神经网络模型训练成为了可能，同时通过深度神经网络模型得到的优异的实验结果让人们开始重新关注人工智能。之后，深度神经网络模型成为了人工智能领域的重要前沿阵地，深度学习算法模型也经历了一个快速迭代的周期，Deep Belief Network、Sparse Coding、Recursive Neural Network, Convolutional Neural Network等各种新的算法模型被不断提出，而其中卷积神经网络（Convolutional Neural Network，CNN）更是成为图像识别最炙手可热的算法模型。
目前，随着GPU和CPU集群的出现，云端的计算资源已经慢慢不再是人工智能的发展瓶颈。而人工智能算法模型的进一步丰富和改进以及本地化人工智能的实现成为了人工智能新的主要发展方向。
三、人工智能的三步走
从人工智能的整个发展历程来看，按照应用场景和人工智能资源的集中度，可以大致分成三个阶段。
第一阶段：实验室研究阶段，这一阶段的人工智能资源高度集中。人工智能在2011年前的发展大致还处于研究阶段，资源高度集中在国家或大学资助的研究机构中，用于算法模型的训练和研究，人工智能还只能为极少数人接触到。这一阶段大量的工作除了在算法模型本身的研究外，还包括建立计算能力本身。
第二阶段：企业应用阶段，这一阶段的人工智能资源被少部分科技巨头掌握。在人工智能表现出一定的实际应用价值后，科技巨头们一拥而上，纷纷希望在这个领域取得突破。在少部分核心企业掌握了大规模的人工智能资源以后，其它小规模的企业一般会利用这些核心企业提供的人工智能资源接口和其支持的人工智能应用为自身的发展提供服务。由于掌握大规模的计算资源是这一模式的前提，因此这一阶段人工智能资源的集中度仍然非常高，而这将是人工智能在企业场景下的主要应用形式，即集中计算，分布使用。
第三步：个人应用阶段，这一阶段的人工智能资源被分散到个人手中。显然，依赖于云端大规模计算资源的人工智能算法着人工智能在消费者场景的应用，因为集中式计算意味着巨量的网络资源消耗，并且因为网络问题，难以在消费者应用场景中有稳定的表现。因此，人工智能的本地化，也就是从集中分布（细化到智能手机、可穿戴设备等）实现将是人工智能在消费者场景中得到普及的关键一步。伴随着人工智能的本地化实现，将使得人工智能真正延展到手持设备、家用电器、汽车等消费级应用。
人工智能本地化实现的难点在于本地的计算能力在如今动辄几个G的算法模型面前杯水车薪、为力。一部iPhone 6手机采用一般的CNN算法去处理一张200200像素图像的ImageNet千分类问题需要的时间是300毫秒，但这样的处理速度对于用户体验来说是灾难性的。要提高本地的图像识别处理速度，目前能够想到的途径有：一是精简算法模型，根据实际的场景适配需要的精度，让模型尽可能简化，二是提升CPU的计算能力。目前的智能手机CPU已经在20nm制程以下，按照传统线，CPU提升的极限可能在7-10nm，这其实非常有限。而且，大功耗也是一般移动设备难以承受的，因此只有为人工智能算法模型重新开发专门的芯片才有可能满足本地的计算要求。
从这个角度来看，人工智能在消费者场景实现的关键是对算法模型优化和用户场景的综合理解，以及底层硬件的设计制造。而人工智能的企业应用则会是巨头们的游戏。
四、人工智能的产业生态
人工智能产业主要由底层可应用技术（图像识别、语音识别、自然语言处理、硬件技术等）、计算资源（大规模GPU集群）、基础数据服务，以及企业//消费者应用组成。遵循产业的一般发展规律，人工智能的发展径仍然是从底层可应用技术的成熟开始，再到商业化计算资源、数据服务等基础设施的完善，最后形成企业和消费者应用的繁荣。
目前还是人工智能的早期阶段，我们需要关注的是三方面的发展：一方面是底层可应用技术的突破，包括算法的和硬件的；另一方面是中间的数据服务和计算资源利用的进步；最后也是最重要的是，基于现有技术的应用场景的发掘。其中，底层技术不一定是“独门秘技”，能够把底层技术商业化的公司一定是因为自身的成本曲线优于大部分用户的成本曲线。如果不满足这个特性，那么某些企业即使有短暂的技术领先，最后都难以实现大规模商业化。
五、风起于青萍之末
乍看上去，人工智能是个巨头间的游戏，巨头企业无论从资本、人才还是技术积累上似乎都更有优势。然而事实未必如此。如果以汽车行业做类比，汽车电动化的并非宝马、大众这样的传统汽车巨头，而是特斯拉这样的“小”公司。这其中的原因在于，大公司面对创新变革时，往往看不上小机会，因为小机会对它们的吸引力实在太小了。巨头们往往喜欢憋大招，喜欢一步到位，从而彻底甩开竞争对手。但是创新、特别是针对大众消费者的创新却是循序渐进的，所谓“大招”中其实包含着不少对用户需求的错误假设。小步快跑，不断寻求和用户互动，积跬步终能致千里。因此，创业公司在人工智能的创新变革中反而会更有机会。从Google和Yahoo在搜索领域，到Facebook和MySpace在社交领域，再到Apple和Nokia在手机领域，最终变革的主导力量其实都是“小”公司。
基于这个方向判断，有志于在人工智能领域挑战巨头的创业者们需要先想清楚三件事：
一、人工智能改变了什么。伟大的产品或技术一定是改变了消费者在某些场景下的行为，有没有都一样的产品，很难给消费者使用它的理由。人工智能相关产品核心是要能够替代一部分人的功能或者提高人的效率，那么在这个大前提下要考虑两个小问题，第一个是，产品对应的用户场景下人的介入频次高不高，频次决定了这个产品的天花板。第二个是，这个应用场景下替代掉的人的价值有多大，显然替代掉的这部分价值成了产品的内在价值。最后不妨做一个乘法，把产品所替代的工作／操作的频次乘以每次工作／操作能够产生的价值，这个乘积越大说明人工智能在该应用场景中发挥的作用越大。
二、该方向上的人工智能是否能够实现。人工智能的许多技术都还没到非常成熟的地步。之前提到，创业者的优势在于小步快跑，因此在人工智能还不成熟的领域，一味追求技术上的突破来解决所有问题并不可取。无决一个通用场景就从几个专门的场景先入手，无法做出一个“万能”的产品不妨先做出一个可以用的产品。只有用户使用了产品并给予反馈，才可能真正知道自己产品的缺陷和下一步的方向。
三、人工智能能否成为该产品的核心竞争力。核心竞争力是一个产品的拳头，如果拳头不硬，这个产品无疑打开不了市场。因此产品的核心竞争力如果是人工智能，那么该方面的人工智能必须是完美适用于该特定场景的。如果产品倚重的是还存在很多瑕疵的人工智能技术，那么这个产品本身的被接受程度就会很不理想。但不要笼统地认为人工智能技术的某些局限会成为产品的绊脚石。以特斯拉电动车为例：电池性能至今还在很多方面着电动车的表现，依然有很多用户青睐特斯拉，原因是特斯拉的核心竞争力在于它出色的启动、智能化的驾驶体验和简易的，电池尽管是一个短板但不是核心功能。因此，关键仍然在于定义自己的核心竞争力，并确保在核心竞争力上的技术是经得起推敲的。
人工智能已经走出了象牙塔，在企业和消费者端的应用有了显著进步。但这仍然不够。如何让消费者手中的设备拥有尽可能多的处理能力，需要技术和应用的双端突破，这也正是人工智能领域创业公司的机会和任务所在——人工智能之风，在未来会起于青萍之末。
硅谷大佬为什么都在豪赌人工智能
最近，特斯拉汽车公司CEO埃隆•穆斯克和其他科技行业领军人物，共同投入10亿美元研究人工智能。他们的研究结果将供全世界使用。人工智能具有无限可能。比如，它可以检测细胞图像中的异常以发现癌症，帮助机器人与人类互动，构建帮助儿童学习的程序，以更个性化的方式按照孩子的学习进度进行授课等。
这笔让人“感觉不错”的投资，让我们有机会一窥硅谷大佬最关心的问题。此外，我们也可以借此了解人工智能（即人们常说的机器学习技术）如何像上世纪90年代中期的网络那样科技行业。
人工智能引发的担忧不断见诸报端。大肆人工智能将加速人类——随着智能设备变得比人类更聪明，它们会消灭我们，当然并非出于，而是因为我们妨碍了它们实现自己的目标。最乐观的人则关注，将来是否会出现有对话能力的机器人。
但事实上，人工智能已经存在了十多年。在一些我们认为理所当然的技术中，人工智能一直在发挥重要作用，例如苹果Siri语音助手，曾在《危机边缘》中战胜人类的IBM沃森超级电脑，甚至还包括特斯拉今年早些时候推出的自动驾驶功能。
在人工智能人类或者提供性满足之前，它需要变得更好，需要更大幅度的改进。非盈利研究中心OpenAI耗资10亿美元，其成立将让我们有机会了解计算机科学与商业领域的伟大思想家们眼中的机遇和挑战。
首先，正如分析师本•汤普森在网站Stratechery撰文指出的那样，OpenAI的成立可以看做是一则宣言，一份面向优秀研究人才的招聘广告。
OpenAI的博客表示，要确保商业利益不会人工智能研究的前途。但汤普森透过这些空话看到了本质。他关注的是OpenAI简介第三段的最后一句话：“我们希望，这是业内最优秀的人才们最关心的事情。”
这家新机构担心的是，谷歌、Facebook和中国搜索引擎百度，正在用销售说辞吸引所有机器学习人才加入他们的公司。这些公司，他们聘用的员工可以解决当今时代最复杂的社会问题。每一家公司都在利用海量的数据，帮助训练复杂的机器学习算法。
数据是人工智能的生命线。要训练计算机像人类一样学习，你必须给它们提供数以万计的示例。比如照片、地图或词语等。如果你希望得到不同的结果，你就需要提供不同的示例。计算机会尝试理解这些示例的哪些要素决定了一张图片中的猫是猫，或者哪些要素赋予了某个单词意义。之后，算生成每一次猜测的统计权重，帮助计算机“学习”什么才是正确的答案。在这个过程中，计算机科学家通过提供反馈和更多示例，帮助训练算法。
正是因为这个原因，没有哪家公司打算放弃数据。这些数据迟早可以用于人工智能训练。这就是为什么使用特斯拉汽车的数据生成算法的承诺，可能足以吸引研究人员去OpenAI工作，而不是去谷歌。
OpenAI联席董事长山姆•阿尔特曼告诉《财富》，特斯拉的数据将提供给OpenAI的研究人员使用。作为创业孵化器Y Combinator的领导者，他还将尽可能地为OpenAI研究人员提供该项目旗下的初创公司生成的数据。
阿尔特曼表示：“互联网上还有海量公开数据。”研究人员可以利用这些数据生成新的工具和算法，促进人工智能的发展。
OpenAI用于吸引人才的第二个要素是其非营利性质，以及对性的承诺。当然，这并不是说Facebook和其他公司在研究方面不够。他们也会迅速公开研究进度。虽然谷歌往往会等到其新发现获得显著的战略优势之后，才对外公布，但至少，它最终还是会公开。
本月早些时候，Facebook人工智能研究项目总监瑟尔坎•皮安蒂诺在公司新服务器首次亮相之前的电话会议上，强调了的重要性。Facebook的新服务器专为训练计算机学习而设计。Facebook的工程师们希望他们的工作能够回馈给开源社区。因此，Facebook将代码分享给社区，很大程度上也是为了讨好这些有公识的工程师。
但争夺人才并非OpenAI存在的唯一原因。真正的人工智能的发展，将软件业。每一家公司都希望参与到这一巨变当中。
人工智能安全初创企业Spark Cognition公司CEO阿米尔•侯赛因表示：“今天，软件正在整个世界，未来，人工智能也会对软件做同样的事情。”这家公司位于德克萨斯州奥斯丁市。
他解释说，许多取代纸质文件和档案柜的商业软件，最终将变成全新格式。由于人工智能在背后的努力工作，这种格式将变得更人性化。
侯赛因说：“所有分类将被打破，并重新划分，因此，这一领域有着巨大的经济潜力。这就好像回到了仅有一个人了解HTML语言的1995年。”
这也是被OpenAI排除在外的硅谷大公司和其他公司，纷纷想在这个领域占据一席之地的原因之一。IBM院士、IBM沃森集团副总裁兼首席技术官罗伯•海伊解释说，这家计算业巨头很有兴趣深入了解和参与OpenAI。
与所有人一样，IBM也是在最近才知晓OpenAI成立的消息。IBM有一个长达数十年，通过沃森研究人工智能的计划。IBM希望人工智能可以帮助该公司应对从基于网络的软件转向人工智能相关的新服务这一趋势。
此外，IBM还在研发一种利用人工智能模仿人类大脑的全新芯片：神经突触计算机芯片。就面向人工智能的硬件而言，IBM绝对是最认真的公司。
其次是英伟达。这家公司生产的图形处理器，是目前训练计算机学习的首选芯片。
让我们再回到OpenAI，看看这家非营利机构有什么规划。阿尔特曼表示，短期目标是生成工具和算法，并向分享。而从长期而言，要创建行为与人类更相似的人工智能，必须有更出色的硬件支持。
阿尔特曼说道：“要想创建更好的人工智能和更逼真地模仿人脑，必须加大硬件研究，开发出更出色的硬件，这非常重要。但这并不是我们当下的重点。”
这或许可以解释，为什么阿尔特曼会说，OpenAI只常随意地与IBM沃森业务部门的某个人聊了聊，并没有通过正式渠道邀请IBM参与进来。（IBM竟然没有找到OpenAI与该公司联系的记录。）又或许是，在硅谷将涉及人工智能的一切都称为机器学习的做法，与其在新品发布中推销人工智能之间，存在一道分水岭。IBM一直以沃森和认知计算的名义宣传其人工智能工作，这或许在当中造成了。
其他许多公司也在开展人工智能研究。例如，苹果也曾聘用研究人员，但据报道，它发现专家招聘并不顺利。这在很大程度上是因为公司不希望分享研究。值得一提的是，微软也在进行人工智能研究，研究方向包括针对其Skype翻译业务的自然语言和计算机识别。
这是一种成本更低的解决办法，与亚马逊的作法更为类似。除了规模庞大的科技公司，初创公司、工业巨头和研究机构也在使用人工智能进行试验。如果OpenAI真的能够创造出可广泛使用的工具，这将有助于推动人类科技的进步。
阿尔特曼表示，现在确定OpenAI的研究重点还为时尚早。它将开发工具和算法，但具体的重点研究领域尚未确定。不过，他表示，如果该机构能在一年内发表“几篇原创性论文，推动当前工艺水平的进步”，那也算是一种成功。
不过，很显然，支持该项目的技术专家和其他人工智能研究者，都有更加宏大的目标。（综合钛、周报、网易科技、财富中文网报道）
近几年，可穿戴设备领域可谓百花齐放，各种酷炫的产品接踵而至。人们对于它们的关注似乎已经形成了一种习惯，不过，许多人虽然知道可穿戴设备具有五花八本的功能，但对于其中的技术却鲜有耳闻。要知道，这些功能之所以可以组建乃至不断地丰富，背后强大的技术支持必不可少。今天，就让小编带领大家来熟悉一下智能穿戴设备领域最有价值的三大技术。[详细]
苹果推出apple watch将可穿戴推向了又一个，智能手环、智能手表等可穿戴设备层出不穷，产品种类花样繁多，功能五花八门，但是可穿戴真有这么火吗?继Misfit被Fossil收购后，近日，苹果手表也大幅降价，真疲软还是假火热?融合与突破，可穿戴技术如何走入商用?[详细]
浙江乌镇的世界互联网大会虽已落幕，但有关互联网的话题却没有因此冷却。百度总裁张亚勤在接受21世纪经济报道记者的独家专访时说，随着全球迈入移动互联网时代，转型的关键拐点已经到来。这是中外互联网企业发展的新契机。[详细]
推荐：