一個觸手可及的時代已經到來，我們需要怎樣的人工智慧？

這些年來，人工智慧的發展進程邁入了一個新的高峰， 特別是AlphaGo面世之後，AI 技術似乎一夜間站在了大眾認知範疇的區間。讓整個業界為之興奮的是，一個觸手可及的時代已經到來。

在計算機科學領域，終端產品一直是整個業界技術變革驅動下的產物，喬布斯的那句「用戶從來都不知道自己需要什麼（產品）」曾暗中契合了終端產品形態未知性的歷史事實。在智能移動觸屏手持問世之前，蘋果、微軟和其他廠商在PDA（個人數碼助理，俗稱掌上電腦）的產品研發上進行過不少嘗試，也曾產出了一批諸如Apple Newton、Palm、Pocket PC 這些風靡一時的產品，但是後來它們皆為智能手機所取代，且後者成為了繼PC之後真正長期穩定的智能終端形態。

事實上近年來關於新技術產品形態的爭議不僅於此，同期炙手可熱的VR/AR同樣經歷了這一風波。在觀點與思辨的衝撞之下，關於人工智慧的技術走向和產品形態演變是個值得思考的問題，這關係到當下我們需要什麼樣的人工智慧。

谷歌TPU 是一款為機器學習而定製的

ASIC（專用集成電路）。

技術的過去、現在與未來

人工智慧歷史源遠流長，在現代意義的人工智慧技術與課題確認之前，更多是以理論和探索的形式存立，也就是算力和方法論。在方法論的問題上，博弈論的發展始終貫穿人工智慧進化的全過程，直到今天運用的蒙特卡洛樹搜索、人工神經網、深度學習等技術給予其極大的實現空間，而在這之前，控制論與早期神經網路佔據著主導地位。而算力是制約人工智慧發展的又一瓶頸，但這個問題隨著可編程計算機與計算機網路的演進得到了較好解決，特別是如今分散式計算和雲計算的成果基本解決了當前AI的算力需求，所以今天我們在人工智慧瓶頸上所面臨的依舊是方法論的問題。

自1956年的達特茅斯會議確立了現代人工智慧課題研究，這一領域才真正進入從理論探索到實踐落地的過渡階段。在此之後人工智慧經歷了兩次低潮，雖然表面上都與算力和演算法的瓶頸相關，但事情的背後都隱藏著時代對應用生產遲遲久候未至的不滿。「發明從來不是為了發明而誕生」，西方哲學家如是說，這就好比工業革命的發生，許多人眼裡工業革命是瞬間爆發的，但實際上它經歷了一個必要的過程，引發技術革命的乃是需求，而非發明本身。

經歷低潮之後的研究者們大徹大悟，他們相繼拋開諸如「強人工智慧」爭議和「中文房間」這樣的諷刺，開始致力於如何率先實現技術價值，哪怕是一丁點成果亦可成為對業界一針強心的提振。「人類怎麼思考是次要的，現在需要的是解題的機器，而不是讓機器像人一樣思考！」在此類觀點刺激下，邏輯學派與反邏輯學派率先取得成果，這直接推動了邏輯運算的改進與大量面向對象編程思想的誕生。

在知識革命的年代，專家系統曾備受青睞，這是大數據的前生。專家系統是一類從大量專業領域知識數據中邏輯推演解答該領域問題的AI程序。該技術早期在醫學領域嶄露頭角，上世紀70年代的MYCIN系統通過診斷血液傳染病和選用抗菌素類藥物治療一例中顯示了專家系統的威力。專家系統的數據積累與運用由於局限在某一狹小的專業領域，從而避免了泛化的常識問題，這種簡單的設計讓AI開始變得實用起來。

專家系統之後，AI在商用上有了明確的方向——越來越多的研究者開發了複雜的數學工具，使AI 技術加速落地各種領域應用，這包括工業設計、醫療診斷、金融分析、各類賽局、搜索引擎、語音識別等等。在算力和演算法的突破上，IBM深藍是第一個里程碑，時隔近20 年的AlphaGo可以視為前者的延伸。由於傳統啟發式搜索的人工智慧在圍棋演算法中難有突破，分散式計算就有了用武之地，比如在與其他圍棋程序的測試比賽中，聯網版的AlphaGo 相比單機版本其勝率要明顯提升。

AlphaGo人機大戰後的一個啟示為：人工神經網路深度學習、基於運籌學的各類演算法、仍有待提升的分散式計算算力將成為未來一個階段人工智慧技術的重要航向。

距離亞馬遜推出第一款Echo 音箱已經

過去了兩年時間，然而它掀起了一場

人工交互的硬體產品革命。

當前的產品與風向

由於技術突破帶來的演算法與算力的滿足，未來十年內人工智慧將在不同應用領域開花結果，儘管當下各種市場預測有所差異，但爆發期的增長趨勢是不會改變的。IDC預測認知系統和人工智慧市場（包括硬體和服務）將會從2016年的80億美元增長到2020年的470億美元，複合年增長率（CAGR）達到55%。其中軟體應用佔180 億美元，軟體平台佔50億美元，服務和硬體佔240億美元。IBM聲稱，認知計算擁有2萬億美元的市場，其中醫療健康就佔了2000 億美元。Tractica 則預測直接和非直接的人工智慧應用將會從2016 年的14 億美元增長到2025 年的598 億美元，CAGR（複合年均增長率）為52%。另外，Cowen 預測81% 的科技公司正在或計劃投資人工智慧，其中像微軟、谷歌這樣的軟體巨頭會沖在最前面。

從眼下格局來看，人工智慧在消費級市場和企業級/專有領域分別斬獲的是中長期趨勢。在現有消費領域的產品落地中，智能音箱的大混戰已經打響，巨頭亞馬遜、谷歌、微軟、蘋果悉數進場。智能音箱作為人工智慧語音識別技術的落地形態大肆登場，這是令國內消費領域所始料未及的，其中原因：一方面，重移動場景的國內市場和具備了成熟的中產家居場景需求的北美市場存在較大差異，這使得智能音箱大戰在大洋彼岸鏖戰正酣之時國內市場卻不見多大動靜；另一方面，科技巨頭各自坐擁的AI語音助手迫切地被推上硬體終端，藉助語音交互、內容服務和第三方應用繼續比拼生態整合。由此可見，智能音箱產品背後的角逐，乃是巨頭間各自AI技術實力和原有生態影響力的較量。

語音交互何以成為人工智慧在消費領域扎堆落地的產品形態，有三點原因至關重要：首先，在移動互聯時代，語音交互具備優良的工具屬性。一個智能勤懇的助手如影隨形，它能夠精準理解你的命令，迅速執行準確結果，用戶只需兩步即可：提問——完成。中間是一個黑箱，你看不到過程，結果卻非常準確。其次，智能語音有著打破傳統App壁壘的天然入口屬性，在這種架構設計下，各個App的獨特性被剝去，只剩下最純粹的功能且都融合在語音助手裡，其平台的優越性得到彰顯，載體也不局限於移動設備，像智能音箱這樣的產品形態亦能脫穎而出。第三，也是最重要的，語音交互解放了雙手和眼，為人機交互拓展了另一個可能性，設想AI智能化大幅提升的將來，這或將引領一次新的計算機終端革命。

企業級落地在數據分析、市場自動化等方面率先鋪開，企業將會大規模採用智能應用棧，因為信息部門正從記錄系統向智能系統過渡，今天的智能應用正在一步步重新定義企業軟體的未來，且速度會越來越快，一個顯著的例子是CRM、ERP軟體智能化。

全球最大企業級軟體公司甲骨文與CRM 新秀Salesforce 於去年幾乎同時啟動AI助理計劃，藉助人工智慧技術，將AI助理的預測和反饋能力嵌入其銷售、服務、營銷、分析、商業、物聯網以及社區等雲服務中，實現流程再造、業務調度以及生產力的顯著提升。而相比傳統軟體公司在AI技術和數據積累方面的貧瘠，微軟似乎擁有更多話語權，同時整合CRM、ERP提供端到端一整套服務的Dynamics365 推出人工智慧版，其內置Insights、智能預測服務和工作流優化功能，原生嵌入Power BI 和 Cortana 智能，一次打通AI交互+雲+智能關係洞察的高等級應用。

由此可見，在企業級市場/ 專有領域部署的AI技術其產品形態與上世紀的專家系統雖有目的上的相似，但在現代人工智慧機器學習、演算法認知和分散式計算等技術加持之下，其設計原理與架構本質早已翻天地覆。可以預見的是，生產力+AI 的組合將在未來的企業級領域大行其道。

那麼我們到底需要什麼樣的人工智慧？最好的方式是讓業界和市場給出答案。值得注意的是，人工智慧的發展仍然嚴格遵循技術革新的歷史進程，這是不變的科學規律。同時，以當下人工智慧技術發展水平來看，思考如何讓人工智慧創造更多價值，比起「AI威脅論」的恐懼渲染似乎更有意義。

往期關鍵詞

GOOD DESIGN/文創產業園區/《百鳥朝鳳》

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！