深度學(xué)習(xí)的突破引發(fā)了第三次人工智能浪潮，獲得了空前成功。但深度學(xué)習(xí)存在的局限性，同時(shí)也加速了新一輪“AI泡沫”的到來。

自2016年AlphaGo戰(zhàn)勝韓國圍棋名手李世石后，世界掀起了新一輪的人工智能熱潮。曾經(jīng)有一種觀點(diǎn)認(rèn)為，由于圍棋的極度復(fù)雜性和深厚的文化秉性，人工智能幾乎不可能戰(zhàn)勝人類。但這一天終究到來了，而且來得如此之快！但當(dāng)前的人工智能技術(shù)存在固有缺陷，社會對人工智能的美好期望與AI現(xiàn)有能力的不匹配，將可能會導(dǎo)致“AI泡沫”的破滅。

顛覆性技術(shù)的本質(zhì)

“人工智能”這一概念自誕生起，就沒有一個(gè)嚴(yán)謹(jǐn)?shù)亩x與界限。1956達(dá)特茅斯會議上，“人工智能”的叫法甚至一度落后于“控制論”。但由于其浪漫主義色彩和通俗易懂的稱謂，很快就抓住了人們的“芳心”。自此以后，政府機(jī)構(gòu)、社會資本、科技巨頭的強(qiáng)勢介入，使得人工智能研究獲得了飛速的進(jìn)步。但與一般的技術(shù)發(fā)展規(guī)律不同，人工智能發(fā)展過程經(jīng)歷了三次浪潮，其表現(xiàn)與傳統(tǒng)Gartner曲線有著顯著區(qū)別（見下圖）。

傳統(tǒng)Gartner曲線 V.S. 人工智能曲線（國際技術(shù)經(jīng)濟(jì)研究所整理）

第一次浪潮時(shí)間段約為1956年至1976年，其核心是符號主義（邏輯主義），當(dāng)時(shí)最大的成果是專家系統(tǒng)、知識工程。如1956年，卡耐基梅隆大學(xué)的LT程序證明了《數(shù)學(xué)原理》第二章的38條定理；1963年，經(jīng)過改進(jìn)的LT程序證明了《數(shù)學(xué)原理》第二章的52條定理，該程序隨后被改進(jìn)成GPS。但由于這些成果幾乎無法解決實(shí)用問題，計(jì)算能力也嚴(yán)重不足，人們對AI未來產(chǎn)生失望，社會資本開始退出，政府資助不斷下降，導(dǎo)致第一次“AI寒冬”到來。

第二次浪潮時(shí)間段約為1976年至2006年，其核心是連接主義。在這一次浪潮中，符號主義退居幕后，AI神經(jīng)元網(wǎng)絡(luò)方法開始盛行。1975年，Paul Werbos提出了BP算法（Backpropagation Algorithm），使得多層人工智能神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)成為可能。1982年，JohnHopfield提出可用作聯(lián)想存儲器的互連網(wǎng)絡(luò)——Hopfield模型，大家發(fā)現(xiàn)人工智能的春天又來了。80年代，新一波人工智能熱潮開始興起，包括語音識別、語音翻譯計(jì)劃，以及日本提出的第五代計(jì)算機(jī)。盡管當(dāng)時(shí)有商業(yè)應(yīng)用的實(shí)例，但應(yīng)用范疇卻很有限，AI熱潮在90年代開始逐漸消退。

第三次浪潮是從2006年開始至今，其核心是深度學(xué)習(xí)的突破。眾所周知，Geoffrey Hinton、YannLeCun和Yoshua Bengio于2006年發(fā)表了多篇關(guān)于“深度神經(jīng)網(wǎng)絡(luò)”的文章。在計(jì)算能力和大數(shù)據(jù)技術(shù)的加持下，人們發(fā)現(xiàn)深度學(xué)習(xí)技術(shù)可以解決前兩次AI浪潮中解決不了的問題。2015年12月，微軟亞洲研究院在ImageNet計(jì)算機(jī)識別挑戰(zhàn)賽中憑借深度神經(jīng)網(wǎng)絡(luò)技術(shù)的突破，獲得圖像分類、圖像定位以及圖像檢測全部三個(gè)主要項(xiàng)目的冠軍。2016年3月，谷歌Deepmind開發(fā)的人工智能程序AlphaGo以4：1的戰(zhàn)績擊敗韓國圍棋職業(yè)九段選手李世石，被認(rèn)為是人工智能發(fā)展的重要里程碑。

為何以深度學(xué)習(xí)為代表的第三次AI浪潮獲得了巨大的成功與空前的關(guān)注？從方法論上看，第二次和第三次AI浪潮都屬于連接主義，沒有本質(zhì)上的不同。從研究范疇上看，人工智能包含的子領(lǐng)域眾多，包括專家系統(tǒng)、遺傳算法、機(jī)器學(xué)習(xí)等（見下圖），而深度學(xué)習(xí)僅僅是機(jī)器學(xué)習(xí)中的一個(gè)子領(lǐng)域。

人工智能研究范疇（來源：網(wǎng)絡(luò)）

究其原因，主要是人類對于人工智能的認(rèn)知產(chǎn)生了顯著變化。以符號主義和連接主義為代表的第一、二次人工智能發(fā)展浪潮，正是人類對人工智能抽象性認(rèn)知的真實(shí)寫照。但經(jīng)歷過時(shí)間的洗禮后，這兩次人工智能發(fā)展浪潮都遭遇了嚴(yán)重的失敗。這主要是因?yàn)榉栔髁x和初始的連接主義都是對人類大腦活動的模仿，并沒有合理利用大腦產(chǎn)生智能的機(jī)制，最終導(dǎo)致結(jié)果不盡人意、AI項(xiàng)目紛紛落馬。深度學(xué)習(xí)的成功，表明大腦啟發(fā)的人工智能是其能夠得以廣泛應(yīng)用的根本原因。深度學(xué)習(xí)不僅依賴計(jì)算能力和大數(shù)據(jù)技術(shù)的進(jìn)步，更加依賴的是卷積神經(jīng)網(wǎng)絡(luò)（CNN）等模型和參數(shù)訓(xùn)練技巧的進(jìn)步。

人工智能的顛覆性

在數(shù)據(jù)、算力、算法這三駕馬車的拉動下，人工智能正以超乎想象的速度進(jìn)步，不斷顛覆著社會生產(chǎn)生活的各方面。面向特定領(lǐng)域的人工智能（專用人工智能）由于應(yīng)用背景需求明確、領(lǐng)域知識積累深厚、建模計(jì)算簡單可行，因此形成了人工智能領(lǐng)域的單點(diǎn)突破，在局部智能水平的單項(xiàng)測試中可以超越人類智能。如在圖像識別領(lǐng)域，深度神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)學(xué)習(xí)模型持續(xù)創(chuàng)新，ImageNet圖像識別的錯(cuò)誤率已由2010年的28%降低至2017年的2%左右，明顯超出了人類的平均水平。

Imagenet圖像識別錯(cuò)誤率（來源：電子前沿基金會）

在專用人工智能不斷取得突破的背景下，各國政府、社會資本、產(chǎn)業(yè)界都對人工智能產(chǎn)生了強(qiáng)烈的興趣，紛紛投入人力、物力、財(cái)力加強(qiáng)人工智能研發(fā)，旨在爭奪科技發(fā)展的制高點(diǎn)。2013年以來，全球人工智能行業(yè)投融資規(guī)模就開始呈現(xiàn)不斷上漲的趨勢。2017年成為人工智能發(fā)展新的元年，F(xiàn)acebook、谷歌、微軟、百度、阿里巴巴和騰訊等科技巨頭紛紛發(fā)布自己的人工戰(zhàn)略，全球人工智能投融資總規(guī)模約400億美元，融資事件1000余筆。其中，中國AI企業(yè)融資總額占全球融資總額70%，融資筆數(shù)達(dá)31%（見下圖）。

全球人工智能投融資變化趨勢（來源：清華大學(xué)中國科技政策發(fā)展研究中心）

在資本的追逐下，人工智能初創(chuàng)企業(yè)如雨后春筍般拔地而起，逐漸滲透進(jìn)人們生產(chǎn)生活的各個(gè)方面。Bloomberg Beta風(fēng)險(xiǎn)投資人ShivonZilis對從事機(jī)器學(xué)習(xí)的企業(yè)進(jìn)行了梳理，將人工智能企業(yè)分為以下幾類：第一類專注于底層技術(shù)（Core Technologies），涉及領(lǐng)域包括人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、圖像識別、語言識別、自然語言處理等；第二類專注于企業(yè)經(jīng)營（Rethinking Enterprise），涉及領(lǐng)域包括銷售、安全、欺詐檢測、招聘、市場、智能工具等；第三類專注于工業(yè)界（Rethinking Industries），涉及領(lǐng)域包括廣告、農(nóng)業(yè)、教育、金融、法律、制造業(yè)、制藥業(yè)、油氣業(yè)、自動駕駛、醫(yī)療等；第四類專注于人類拓展（Rethinking Humans），涉及領(lǐng)域包括增強(qiáng)現(xiàn)實(shí)、姿態(tài)計(jì)算、情緒識別、機(jī)器人等；第五類專注于支持性技術(shù)（Supporting Technologies），涉及領(lǐng)域包括硬件、數(shù)據(jù)收集、數(shù)據(jù)處理等。

機(jī)器學(xué)習(xí)產(chǎn)業(yè)圖譜（來源：Shivon Zilis）

第三次人工智能浪潮獲得了巨大的成功，智能翻譯、智能選股、自動駕駛、語音識別等相關(guān)應(yīng)用已經(jīng)無處不在。但人工智能為人們的生產(chǎn)、生活帶來便利的同時(shí)，同樣也對國家安全、社會治理、倫理道德等產(chǎn)生了強(qiáng)烈沖擊。以AI偽造技術(shù)為例，2017年5月，加拿大創(chuàng)業(yè)公司琴鳥（Lyrebird）發(fā)布人工智能語音系統(tǒng)，可通過分析講話記錄與文本之間的關(guān)聯(lián)，模仿人類講話并加入逼真的情感和語調(diào)，該系統(tǒng)成功模仿了特朗普、奧巴馬和希拉里的對話；2017年7月，美國華盛頓大學(xué)開發(fā)出“可偽造真人視頻”的人工智能技術(shù)，該技術(shù)可將音頻文件轉(zhuǎn)化成真實(shí)的口型并嫁接至視頻中的人臉上，生成的新視頻讓人難以辨別真?zhèn)危?017年11月，英偉達(dá)利用生成式對抗網(wǎng)絡(luò)（GAN）生成的人物照已經(jīng)達(dá)到了真假難辨的地步（見下圖）。隨著人工智能技術(shù)的不斷進(jìn)步，音頻、視頻、筆跡和圖片等數(shù)據(jù)的偽造技術(shù)將會更加逼真，甚至專業(yè)人士也將難以辨別。

圖片偽造技術(shù)的發(fā)展歷程（來源：人類未來研究所）

第三次浪潮的局限性

毋庸置疑，以深度學(xué)習(xí)為代表的第三次人工智能浪潮取得了巨大的成功，人工智能應(yīng)用正加速落地并不斷商業(yè)化。但從人工智能總體發(fā)展水平來看，其仍處于初始的“起步”階段。截至目前，人工智能的發(fā)展史可以簡單近似為模仿人類智能的歷史。隨著第一、二次人工智能發(fā)展浪潮的失敗，學(xué)者們紛紛將研究重心放在了神經(jīng)網(wǎng)絡(luò)模型的突破。深度學(xué)習(xí)概念的提出與發(fā)展，直接開啟了人工智能在學(xué)術(shù)界和工業(yè)界的第三次浪潮。但從本質(zhì)上講，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)算法的重要進(jìn)展，卻并非是顛覆性創(chuàng)新。

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)示意圖

算法、算力、數(shù)據(jù)是深度學(xué)習(xí)成功的先決條件，但深度學(xué)習(xí)在算法、算力、數(shù)據(jù)層面均存在“瓶頸”問題。何寶宏在《電信網(wǎng)技術(shù)》2018年第四期中給出了4點(diǎn)總結(jié)。在算法層面，人工智能存在可解釋性不足、訓(xùn)練效果無法預(yù)知、個(gè)人經(jīng)驗(yàn)主義和通用型不足等問題；在計(jì)算層面，目前的模型訓(xùn)練仍依靠蠻力計(jì)算，成為吞噬算力的巨獸，且摩爾定律面臨失效的困境，算力增長變得困難；在數(shù)據(jù)層面，數(shù)據(jù)透明度、數(shù)據(jù)攻擊問題和監(jiān)督學(xué)習(xí)問題成為人工智能的新瓶頸；在認(rèn)知層面，現(xiàn)有的人工智能模型缺乏常識，因此無法理解實(shí)體概念，無法識別關(guān)鍵影響因素，且缺乏倫理道德。

譚鐵牛認(rèn)為人工智能的發(fā)展存在數(shù)據(jù)瓶頸、泛化瓶頸、能耗瓶頸、語義鴻溝瓶頸、可解釋性瓶頸和可靠性瓶頸。他用“四有四無”概括人工智能總體狀況：

人工智能有智能沒智慧：智慧是高級智能，有意識、悟性，可以決策，而AI缺乏意識和悟性，缺乏綜合決策的能力；

人工智能有情商沒智商：機(jī)器對人的情感理解與交流仍處于起步階段，科幻電影中跟人類談情說愛的人工智能還差很遠(yuǎn)；

人工智能有計(jì)算沒算計(jì)：人工智能系統(tǒng)可為有智無心，更無謀；

人工智能有專才沒通才：會下圍棋的“阿爾法狗”不會下象棋。

AI泡沫將會如何呈現(xiàn)

與學(xué)術(shù)界的客觀審慎不同，政府機(jī)構(gòu)、社會資本、民眾對于人工智能的熱情，導(dǎo)致人工智能宣傳被夸大，很多初創(chuàng)企業(yè)也有蹭人工智能“熱度”的嫌疑。近年來，人工智能“泡沫論”的聲音一直不絕于耳。李開復(fù)在接受采訪時(shí)表示，“到2018年年底，我們除了會看到一些非常成功的人工智能案例，還會看到更多的泡沫破裂，這將耗盡公司資金甚至導(dǎo)致破產(chǎn)，最后可能會導(dǎo)致人工智能的整個(gè)環(huán)境冷卻一段時(shí)間?！彪S后，Yann LeCun在網(wǎng)絡(luò)上表達(dá)了贊同，并補(bǔ)充評論道：“（人工智能泡沫將破）確實(shí)如此。李開復(fù)提到的泡沫就是指有些公司許下了過高的承諾，但是今年要不了多久他們的錢就花完了?！?/p>

結(jié)合2000年左右的互聯(lián)網(wǎng)“泡沫”經(jīng)歷，我們可以總結(jié)出目前“AI泡沫論”的主要論點(diǎn)：

人們對于人工智能改變生活的預(yù)期與AI現(xiàn)實(shí)能力不匹配。以自動駕駛為例，車企對于全自動駕駛（Level 4）的實(shí)現(xiàn)時(shí)間盲目樂觀。特斯拉和谷歌預(yù)測將于2018年實(shí)現(xiàn)全自動駕駛，Delphi和MobileEye承諾于2019年實(shí)現(xiàn)Level 4自動駕駛系統(tǒng)，Nutonomy公司則計(jì)劃于2019年在新加坡街頭部署數(shù)千輛無人駕駛出租車。但加里·馬庫斯等專家認(rèn)為，實(shí)現(xiàn)完全自動駕駛可能需要數(shù)年甚至數(shù)十年，屆時(shí)才能實(shí)現(xiàn)可以避免事故的自動駕駛系統(tǒng)。

資本界和自媒體對人工智能的理解與AI現(xiàn)實(shí)能力不匹配。部分投資界人士和自媒體對人工智能的理解較為片面，對人工智能現(xiàn)階段的能力認(rèn)識不足。扭曲的信息在網(wǎng)絡(luò)中多次傳導(dǎo)，逐級放大，最終導(dǎo)致社會整體認(rèn)知的缺陷。

以人類智能為基準(zhǔn)，現(xiàn)有的人工智能技術(shù)或許連嬰兒的水平都達(dá)不到。以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)技術(shù)，也僅僅是實(shí)現(xiàn)真正人工智能的一小步。在可以預(yù)見的未來，新型AI算法、算力和大數(shù)據(jù)技術(shù)或?qū)⒉粩嗳〉眯峦黄疲斯ぶ悄芤踩詫⒊掷m(xù)保持高速發(fā)展態(tài)勢。與前兩次AI浪潮相比，第三次AI浪潮可以解決的問題已大大拓展，我們對人工智能未來的發(fā)展應(yīng)該持有樂觀的心態(tài)。但同時(shí)，資本的瘋狂追逐、誤導(dǎo)性的宣傳也會持續(xù)下去，人們對AI改變生活的預(yù)期和AI現(xiàn)實(shí)能力的不匹配，必將導(dǎo)致“AI泡沫”的產(chǎn)生。未來一段時(shí)間，人工智能的發(fā)展或?qū)⒊尸F(xiàn)冰火兩重天：有能力的公司瘋狂擴(kuò)張，沒能力的公司迅速潰敗。待理性的社會心態(tài)重新回歸，我們必將迎來人工智能健康發(fā)展的一天。