喜大普奔：人工智能進入指數式發展階段

高通公司副總裁、高通風險投資中國區總經理沈勁

人工智能已經進入一個指數式發展的階段：經歷了初期曲線平緩的增長，到后期增長曲線非常陡峭，速度讓人出乎意料。

指數式發展的推動力

人工智能發展的推動力主要包括三個方面：計算個人化、計算網絡化和大數據。

首先，計算個人化使得人工智能的研發從精英階層擴展到大眾。早期的研究機構主要是大學和政府，只有它們才有研發人工智能所必備的超級計算機。集成電路的發明和發展促成了計算能力快速上升和成本大幅下降。上世紀80年代浙江大學使用的小型機PDP11的運算能力遠遠不如我們今天使用的手機。

其次，計算網絡的價值增長也呈現指數式，例如，有4個節點的網絡有12個有方向的連接，而400個節點的網絡有多達159600個連接。今天的網絡連接數（即價值）正在直線上升。

再次，隨著信息終端的普及和物理世界的數字化，數據正在爆炸增長，更是指數式增長。今天全球的數據量累計超過了10 Zettabytes，其中90%的數據是在過去兩年中產生的。

近年來，人工智能領域的創業和研發活動越來越活躍。根據Venture Scanner在2015年8月的統計，近十幾年，全球人工智能領域的創業公司達到了855家，它們共獲得87.5億美金的風險投資。根據量化公司Quid的數據，在2013年有322家人工智能公司獲得至少20億美金的投資。據CB Insights的數據，2014年投資人工智能領域的金額比2013年增加了3倍。

人工智能創業分布在13個不同的領域，包括機器學習、計算機視覺、語音識別、智能機器人等。

正是因為計算能力的增強和數據量的極大增長，機器學習成為人工智能領域進步最快的分支，所獲得的投資額占總投資額的45%。機器學習是用數據和以往的經驗優化計算機模型的性能指標。比如說，制造手機有100多道工序，如果我們通過編程讓機器人一步一步地按照程序完成，這不是機器學習。如果智能機器人通過觀察工人制造手機的過程，再經過不斷試錯，最后達到可以自行制造的程度，這才是人工智能。

“大數據”之前，因為沒有足夠的數據來訓練模型，所以模型優化的進程緩慢。今天數據足夠多了，運算能力大幅上升，優化模型的速度也隨之加快了。最近量子計算機帶來了實現更強大的運算能力的希望。

大公司越來越活躍

先說谷歌。其于2010年正式啟動汽車自動駕駛項目，2012年獲得美國首個自動罵駛車輛許可證。到了2016年年初，谷歌的自動駕駛汽車己經累計行駛了225萬公里。

2014年谷歌收購了深度學習公司DeepMind，同年10月它發布了一種全新的模擬神經網絡。同樣在2014年，谷歌開始開發一套能夠整合海量數據的語音系統，使得語音識別的精準度從2012年的84%提升到了2014年的98%。

2012年，“谷歌大腦”可以在1000萬張圖片中成功識別出一只貓。從2010年到2014年，谷歌的圖像分類識別精確度提高了4倍。在2013年，它還收購了8家機器人公司。

再來看Facebook。深度學習的鼻祖級科學家YannLeCun在2013年加入Facebook，使其圖像識別和自然語言處理技術飛速提高。2014年，Facebook的臉部識別準確率達到97%。

接著是IBM這支人工智能領域的老牌勁旅：2014年宣布組建Watson Group，同時推出兩項Watson顧問服務，一項幫助企業獲得足以洞察海量數據的能力，另一項使得數據可視化。同年8月，IBM發布能模擬人類大腦的SyNAPSE（自適應塑料可伸縮電子神經形態系統）芯片，該芯片有100萬個“神經元”內核，而功耗僅為70毫瓦。

最后說百度。它在2014年5月引入深度學習專家Andrew Ng，并由其組建百度北美研究中心，隨后發明了Deep Speech語音識別方法，可以在嘈雜環境中實現81%的識別準確率。同年4月，百度發布大數據引擎，提供大數據存儲、分析和挖掘技術，在醫療、金融和交通領域有具體的應用。

機器聰明了，人怎么辦？

英國倫敦大學科學家的研究表明，自1950年以來，人們的平均智商升高了20點，相當于平均每10年人類的智商值提高3%。

人工智能技術能夠用來提高人的能力嗎？我們將人工智能在教育領域的應用總結為以下7個方面。

自動作業修改：語音識別和語義分析技術使得自動批改作業成為可能。數學等學科的作業自動批改相對容易，作文的自動批改也已經開始了。

個性化學習：大數據可以描述每個學生的學習特性。根據倫敦一個研究機構的分析，人們的學習方法可以分為70種。

智能輔導系統（ITS）：比如可汗學院就是一個優秀的智能輔導系統，可以幫助我們學習數學、科學、人文科學和計算機科學。

互動學習環境（ILE）：更多建設性學習（或者說學生自己決定學習科題），學生更主動，更多個性化，以及學生收到更多反饋。

通過仿真游戲學習：目前最成功的仿真是飛行模擬器。在模擬機上飛行和真機沒有兩樣，只是訓練更加便捷。

對教學體系的反饋和評測：人工智能為學校招生、學習場所建設和課后活動提供創新的解決方案。

相信這方面的創新剛剛開始。科學家和創業者不僅應該關心機器的能力，更要在乎我們自身的能力。

編輯元素：

人工智能的發展路線

1950年，起步——艾倫·圖靈預言人工智能將超越人類智能

1951年，馬文·明斯基完成第一臺神經網絡機SNARC

1956年，達特茅斯會議正式確定這個領域

1950年—1970年，斯坦福大學、麻省理工學院分別開發移動機器人和聊天機器人

1970年—1980年，計算機的運算能力和內存有限，發展陷入瓶頸

1980年—1987年，發展興旺，日本和美國投入大量的資源

1987年—1993年，再次進入發展冬天，人工智能專用電腦的性能落后于IBM和蘋果

2006年，雷·庫茲韋爾在《奇點臨近》中預言機器智能將在2045年超過人類

2011年，美國《時代》雜志封面故事：《2045年人類機器結合獲永生》（2045：The Year Man Becomes Immortal）

2014年，三名俄國科學家發明的超級計算機Eugene和一些專家在網上對話5分鐘

進入指數式發展階段