全球最大規模人工智慧領域視頻調研！AI將如何改變生活？

新技術的誕生總是紛紛擾擾，讓人看不清摸不透，AI也是如此。

AI並不是炒作才過熱，其本身就很熱，但諸如「演算法改變世界」等等言論確實與技術本質相差甚遠，單個演算法也不可能解決所有問題，AI是場景化非常明顯的技術。

日前新華社、中國傳媒大學與華為雲共同開展了一次全球最大規模的人工智慧領域視頻調研，歷時2個月，行遍15城，走進42所頂級高校，100多個產業園區，訪談10餘位業界大咖、100多位企業主、1000餘名開發者、數千名高校學子，只為尋求一個答案————你心中的人工智慧該怎樣？

AI是什麼

AI最擅長做的事情，就是把一個不太容易用數學顯示錶達的模型，用一種我們還不能夠完全解釋的模型表達出來。 ——IEEE Fellow、杜克大學副教授陳怡然人工智慧技術在知識領域將不斷有新的突破，人工智慧是一個很大的概念，它不局限於深度學習，甚至不局限於機器人學習。——南京大學計算機系主任、人工智慧學院院長周志華

1956年的那個夏天，麥卡賽、明斯基、羅切斯特和香農等一批科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智慧」這一術語，他們大概率也沒預料到AI會在下個世紀勃然爆發。

AI是什麼，在行業內被重複千萬遍的兩個字母，前後組合後就成了業界公認的未來通用技術。百度百科的定義上，人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器。

人工智慧可以對人的意識、思維的信息過程模擬，人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。

人工智慧發源於國外，國內的整體進展也稍錯後於國外，但少有人知道，人工智慧在國內也有一段「輝煌期」。雷鋒網此前報道，人工智慧在中國曾有一段非常火熱的階段，第五代計算計劃失敗以後，智能處理的路徑開始萌芽，這時候人工智慧出現在人們視野中。1989年到2000年左右，這段時間人工智慧在中國的熱度一直很高。1990年，中國召開了首屆神經網路學術大會，那時候，聽會的人擠滿了樓道。

如上兩位業界大咖所述，不同人對AI的認知不同，AI的龐雜程度或許還要超過前幾代所有通用技術，如當年的互聯網、蒸汽機等。周志華還提到，中國人工智慧發展的加速度絕對是全球領先的，從活躍程度上看美國和中國各佔了全球的三分之一。

AI來了么

目前人工智慧大的方向就是，技術都掌握在大學裡，現在工具越變越多，也比較容易上手，但是離商業化還有些距離。 ——倫敦大學學院教授汪軍最大的問題是，何時人工智慧會在完成所有任務時都超過人類呢？我對此持開放態度。許多專家認為可能需要很長時間，也有許多專家認為可能僅需幾十年，或許只是50年。 ——麻省理工學院物理系教授Max Tegmark

據IDC發布的2018全球半年度認知人工智慧系統支出指南，認知和人工智慧系統的支出將在2022年達到776億美元，是2018年預測的240億美元的三倍多。 2017 - 2022年預測期的複合年增長率(CAGR)將為37.3%。

嗅覺敏銳的大公司不惜重金投資AI前瞻性研究，頻繁喊出「All in AI」「AI First」的口號；LINKEDIN & 麥肯錫報告指出，中國 AI 人才缺口超過 500 萬，40% 從業者年薪超過 40 萬；即使下沉到與AI技術並不相關的眾多專業高校學生，AI也不再是個虛詞；搭載AI功能的機器人等智能硬體產品已經進入到普通消費者家庭，起到陪護、清潔等輔助功能。

業界通常把人工智慧分為三個級別，即弱人工智慧、強人工智慧和超人工智慧。

弱人工智慧在特定條件下應用，如當下應用廣泛的圖像識別和語音識別等，名噪一時的AlphaGo其實也只能算是弱人工智慧，弱人工智慧可以實現人類某些具體定義下的邏輯推理，在某些具體特定條件下甚至已經能超過人類，但它也不算真正擁有智能。一旦規則改變，它不會自主演進，即沒有意識，不具備主觀能動性。

強人工智慧是指具有和人幾乎同等的智能，包括具有自覺意識、自主演進以及主觀能動性。超人工智慧可能人類都想不到會發展到什麼樣的地步，超越人類智慧的智能將帶來怎樣的改變，一切未知。

人工智慧已經由概念走向產品，但同時人工智慧應用還處於起步階段，未來的空間還非常大。「當AI真正到來的時候，或許和我們的想像是不一樣的，它更像是一種潤物細無聲的方式，悄無聲息的滲入並逐步解決我們現實生活中的難題」，視頻調研中的觀點或許點對了題。

AI用在哪

我建議首次接觸人工智慧領域的學生從豐富的在線教程中學習。例如，可以從網站學習機械和數學，理論的學習也同樣重要。 ——卡耐基梅隆大學教授、機器學習系創始人Tom Mitchell我們認為在行業里，需要專業的人工智慧機構去探索，特別是在技術還沒有那麼成熟的時候，通過與行業專家和優勢單位的合作，開拓出相應的市場和空間。 ——科大訊飛高級副總裁胡國平

技術落地於實踐才能發揮出真正的價值，公認的AI三要素分別是算力、演算法和數據，而目前AI存在價格貴、使用難、難獲取的問題，總體來說仍然是高高在上，沒有最大化激發AI價值，當下，普惠AI概念的提出就很有必要。

GPU、NPU、FPGA等專用晶元的出現給AI提供了算力支持，但現實卻是GPU供貨周期長且限量供應等問題客觀限制住了AI進程，延長了AI爆發周期。雷鋒網就了解到，在一些博士生的論文中，因為要多一個參數驗證甚至要排隊數月才能獲得更好的驗證數據，目前算力仍然是大公司的專屬。

使用難體現在缺乏一個統一的開發框架，無法適配從訓練到推理，從公有雲到私有雲、邊緣、終端的多種應用場景，開發、調優、部署的工作量巨大。

我們並不缺少數據，缺少的是開發數據的工具。IDC預計，到2020年全球數據總量將達到40ZB，我國數據量將達到8.6ZB，佔全球的21%左右。數據已經成為新的「金礦」，但傳統方式難以讓數據碰撞產生裂變價值，AI被寄予厚望。

華為雲提出的普惠AI讓產業界看到更清晰的前景，雲計算提供了AI技術和應用平台，AI既不能束之高閣，也不能消費過熱，AI加上企業場景才是落地關鍵。

普惠AI時代加持，下一個產業爆發或許並不遠。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！