新一轮人工智能发展的特征及展望

人工智能作为计算机科学与统计学、脑科学和认知科学等多学科交叉前沿领域，致力于使机器拥有类似人类的感知、认知、操控、交互能力，并与人类协同工作，以减轻工作量，改善人们生活品质，是人类多年以来不懈追求的科技梦想。人工智能研究正式起源于1956年美国达特茅斯夏季学术研讨会，至今已60余年，期间经历过几次起伏，这既有自身理论尚不完善的原因，也受到数据和算力不足等因素的制约。

最近几年，随着人工智能技术的突破，以及互联网、大数据、并行计算等相关技术群的成批成熟，人工智能技术在快速的更替换代中不断成熟。我国专家认为，人工智能技术发展和产业应用正在双双进入临界点，人工智能正在进入2.0新阶段。美国国防部国防高级研究计划局（DARPA）也指出，目前人工智能发展正处于第二波次。人工智能正在全球范围内迎来新一轮创新变革，理论和技术加速突破，工业机器人维修，产业化周期日益缩短，企业创新更加活跃，人工智能开始从实验室走进人类生产生活，进入一个与以往显著不同的创新发展阶段。

1.新一轮人工智能发展的主要特征

当前人工智能发展的突飞猛进和重大变化，表现出区别于过去的三个方面的阶段性特征。

一是进入大数据驱动智能发展阶段

可以说，2000年之后成熟起来的三大技术成就了人工智能的新一轮发展高潮，包括以深度学习为代表的新一代机器学习模型，GPU、云计算等高性能并行计算技术应用于智能计算，以及大数据的进一步成熟，以上三大技术构建起支撑新一轮人工智能高速发展的重要基础。

DARPA认为，人工智能发展将经历三个波次，第一波次是人工智能发展初期的基于规则的时代，专家们会基于自己掌握的知识设计算法和软件，这些AI系统通常是基于明确而又符合逻辑的规则。在第二波次AI系统中，人们不再直接教授AI系统规则和知识，而是通过开发特定类型问题的机器学习模型，基于海量数据形成智能获取能力，深度学习是其典型代表。在这种技术路线下，获得高质量的大数据和高性能的计算能力成为算法成功的关键要素。比如，2015年以来，IBM通过收购大量医疗健康领域的公司，获取患者病例，医疗影像和临床记录等医疗数据，以提升Watson医疗诊断水平。

尽管现在基于现有的深度学习+大数据的方法，离最终实现强人工智能还有相当的距离，下一步可能需要借鉴人脑高级认知机理，突破深度学习方法，形成能力更强大的知识表示、学习、记忆、推理模型。但业界普遍认为，最近的5到10年里，人工智能仍会基于大数据来运行，并形成巨大的产业红利。

二是进入智能技术产业化阶段

在机器学习+大数据的人工智能研究范式下，得益于硬件计算性能的快速增强，智能算法性能大幅度提升，围棋算法、语言识别、图象识别都在近年陆续达到或超过人类水平，智能搜索和推荐、语音识别、自动翻译、图像识别等技术进入产业化阶段。各类语音控制类家电产品和脸部识别应用在生活中已随处可见；无人驾驶技术难点不断突破，谷歌无人驾驶汽车已在公路上行驶了300多万英里，自动驾驶汽车已经得到美、英政府上路许可；德勤会计师事务所发布财务机器人，开始代替人类阅读合同和文件；IBM的沃森智能认知系统也已经在医疗诊断领域表现出了惊人的潜力。

人工智能的快速崛起正在得到资本界的青睐。《Nature》文章指出，近一两年来，人工智能领域的社会投资正在快速聚集。2015年比2013年增长了三倍左右。人工智能技术的发展正在由学术推动的实验室阶段，转到由学术界和产业界共同推动的产业化阶段。

三是进入认知智能探索阶段

得益于深度学习和大数据、并行计算技术的发展，感知智能领域已经取得了重大突破，目前已处于产业化阶段。同时，认知智能研究已经在多个领域启动并取得重要进展，将是人工智能下一个突破点。

2016年初，谷歌AlphaGo战胜韩国围棋世界冠军李世石的围棋人机大战，成为人工智能领域的重大里程碑性事件，人工智能系统的智能水平再次实现跃升，初步具备了直觉、大局观、棋感等认知能力。目前在人工智能的多个研究领域都在向认知智能挑战，如图像内容理解、语义理解、知识表达与推理、情感分析等，这些认知智能问题的突破，将再次引发人工智能技术的飞跃式发展。

除谷歌外，微软、Facebook、亚马逊等跨国科技企业，以及国内的IT巨头都在投入巨大研发力量，抢夺这一新的技术领地。Facebook提出在未来5至10年，让人工智能完成某些需要理性思维的任务；微软小冰通过理解对话的语境与语义，建立用于情感计算的框架方法；IBM的认知计算平台Watson在智力竞猜电视节目中击败了优秀的人类选手，工业机器人维修，并进一步应用于医疗诊断、法律助理等领域。

2.新一轮人工智能未来发展

据波士顿咨询公司（BCG）和阿里云研究中心的分析，www.zr-kuka.com，人工智能技术可能会沿一个之字形路线发展：现有人工智能技术将继续完善和产业化，在经济和社会发展中实现价值创造并形成强大的经济增长引擎；经历一段时间的积累和探索将实现科技突破，新的智能模型和颠覆性方法有望再次出现，引发人工智能技术体系和技术路线的新一轮变革。

因此，当前阶段的人工智能需要以滚动方式发展，既需要推进现有的基于深度学习和大数据的人工智能技术的成熟和产业化；同时，也要针对未来人工智能的前沿问题进行理论攻关，以认知智能为重点，借助脑认知科学研究和量子科学研究的发展，研究透明性，可解释性，通用性更强的新一代机器学习模型，研发具有迁移能力、自主学习能力和强泛化能力的人工智能技术，在新一代智能计算范式方面形成理论储备，探索新的科学发现。