人工智慧熱潮反反覆覆，為何在這時候又被點燃？

近來，人工智慧重獲各方關注。然而，對於一些自上世紀80年代起就在該產業打拼的資深人士來說，這一切似曾相識。

對來自天生智慧的一系列技巧所下的鬆散定義，這便是人工智慧，其一向被蒙上一層神秘面紗。基於文化的因素，我們一向為一切具有智慧的事物賦予正面的評價。因此，我們天生就認定具備人工智慧的系統是積極的、好的，反之亦然。當人工智慧正常工作時，無論其背後的算法多麼複雜，它僅僅都是在做它應該做的事情，而一旦其無法正常工作—甚至是當被要求做不可行或超範圍的事情時—經常都被認為不再具備智慧。想想看你的個人助理。

人工智慧熱潮通常始於美好願景，隨後投資蜂擁而至，接下來發現不如預期，通常就是上面強調的原因，然後投資意願減退。周而復始。然而，人們此次對人工智慧的關注遠勝於以往。在2014年下半年，接近5億美元被投入到人工智慧產業。

背後的驅動力是什麼？

如今，基礎設施的速度、普及度以及絕對規模已經有了長足的進步，足以承載更加複雜的算法來解決更具野心的問題。處理器陣列（例如GPU）極大的提高了硬體處理速度，而且，這些運算能力通過雲端服務的形式，可以很容易被更多人接觸到。那些過去位於專業實驗室中的超級電腦現在通過雲的形式提供給用戶，不僅費用大幅下降，而且利用起來更加便捷。這些變化使得人工智慧領域的新創公司如雨後春筍般湧現。

此外，新湧現的開源技術，如Hadoop，讓開發者可以以更快的速度將具備一定規模的人工智慧技術應用到大型及分佈式數據集上。

連同其他一些因素，人工智慧成功跨越“臨界質量”，成為科技產業投資的關注焦點之一。在這裡，大玩家正在多個人工智慧領域押下重注。這些投資已經超越了簡單的對現存產品的研究與開發，投資者將著眼點放在戰略性佈局上。舉例來說，IBM對華生的大筆投資，或者Google之於無人駕駛汽車、深度學習（例如DeepMind）甚至是量子計算，這些都有望顯著提昇機器學習算法的效率。

在所有談到的這些問題之上，得益於行動端個人助理對自然語言相對成功的理解程度，公眾對人工智慧的認識有了相當程度的提高。實際上，具有諷刺意味的是，Siri的實現技術相對簡單，但卻給人們留下了其具備真正智慧的印象。

但是，與Siri偶爾表現出的幽默相比，這次人工智慧的復興有更實質性的意義。近來，在機器學習方面，出現了突破性進展，人工神經元網絡（模仿人腦的深度學習電腦系統）現在的規模已經達到數十個節點，抽象能力提高。它們可以被訓練成具備數以萬計核心，進而提升用於發展通常學習模式的處理速度。而其他主流分類手法，例如隨機樹分類法，亦可以被用在大規模電腦節點上，讓基於越來越大的數據集處理更加複雜的問題成為可能。

大數據亦是近期大量投資湧向人工智慧公司的推手之一。位於本地或雲端的便宜儲存，讓業界產生想要收集所有可能數據的慾望，因為他們認為這些數據遲早能派上用場，這種行為催生了對更複雜數據分析方案的需求—更加具有洞察力、更加智慧。人工智慧產業之於大數據就如同石化產業之於原油。與其簡單的利用這些原始數據，人們期望能夠從中發掘出更有價值的東西來。

近來，人們對人工智慧的信心日益高漲，以至於對黑箱交易手法感到厭倦的對沖基金也開始研究起機器學習來（例如，Bridgewater）。

得益於巨量資金的湧入，人工智慧產業的規模亦呈現迅猛擴張態勢。越來越多的公司都在尋求如何能夠向自己的客戶提供更加智慧的方案，從金融到醫藥，從汽車到能源，人工智慧的普及已如星火燎原之勢。

總的來說，人工智慧公司可以分為以下幾個類別：

1.平台公司，提供通用人工智慧API（例如Nuance、PredictionIO、Wise.io）
2.面向企業的新創公司，將自己的核心科技與更廣泛應用的企業定制專業服務結​​合（例如，Skymind、Predii）
3.產品公司，專注於特定的人工智慧垂直應用（例如，Euclid Analytics、HoneyComb、Judicata）

當然，現在就斷言誰能勝出為時尚早，很多產品或服務的承諾還遠未兌現。因此，我們只是身處另一次虛假的繁榮中嗎？也許。因為在許多情況下，人工智慧的定義被模糊化，使人混淆，有時類似概念更像是一種噱頭。但是，不要忘記，人工智慧技術突破的速度亦非常迅猛，我們無法忽視。

在今後的2至3年時間裡，人工智慧將會為我們帶來哪些切實的東西呢？從實際的角度出發，更好的欺詐識別、醫藥及診療領域的突破、更加智慧的個人助理，這些倒是很有可能實現。無論噱頭與否，人工智慧再一次成為了軟體革新的前沿陣地。（汪天盈）

《網易（NetEase, NTES-US）科技授權轉載》