人工智能的未来：前景和发展

与服务类电商和物联网等领域相比，人工智能领域的发展路线图仍有“雾里看花”的意味。本节内容主要依托之前提出的产业分析框架，对产业发展的长期趋势做出相对保守的预测。

首先从人工智能自身来讲，其发展历程大致经历了从“基于规则”的系统向“基于统计模型”的系统的演变。虽然统计模型的应用目前取得了大量成果，但其是否代表着最终的正确发展方向，在学术界和产业界仍是争论不休。从当前的发展情况来看，单纯基于统计模型的人工智能解决方案已遇到一定的发展瓶颈。具体表现为，对非结构化数据的处理（如语义分析等）仍然不能得到令人满意的效果，数据过拟合的情况严重，即模型的推广能力不足。对某个模型而言，可能在一个相对封闭的数据集上可以得到不错的效果，但无法解决实用环境中繁杂的问题。如果统计模型有其自身局限性，那么，传统的基于规则的人工智能系统是不是仍有其可取之处？两者是否可以更好地融合以形成新的解决方案？这些悬而未决的问题将对产业路线的演进产生重大影响。

具体来看，在基于统计模型的思路不发生大的变化的前提下，当前人工智能项目的关键点主要有两处：一是用于分析的数据的“质”与“量”，二是分析的算法，也就是统计模型，不同的统计模型可能会有不同的适用领域。前文中提到，统计模型并不一定是分析算法的最终形态，可能会吸收借鉴规则系统或是其他算法的优点，提升算法的综合效能。分析算法的不断提升，是信息处理能力的一种表现，也是人工智能领域不断向前发展的重要推动力。另一方面，前文在分析物联网产业的内容中提到，物联网系统的典型结构分为“感”“传”“知”“用”四个环节。“感”，即传感环节的广泛分布，将极大地提升数据采集的种类、数量和精度；“知”的环节中，主要任务即是对数据中隐含的规律进行分析挖掘，利用规律对行动进行指导，从这个角度来看，物联网也可以看作是智能系统给的一种特殊形态。物联网系统的不断发展，数据累积量的提升，也将带动人工智能相关领域的发展。

“智能化”的准确定义，目前尚无明确统一的说法。目前应用领域的主流倾向，仍是以行为来定义，即延续了“图灵测试”的思想。图灵测试是图灵提出的用于检测机器是否具备智能的方式，简单地说，一个人如果无法分辨与其交流的是人还是机器，那么就可以认为这台机器已经通过了图灵测试，进而可以宣称这台机器具有了“智能”。当前，无论是基于规则的系统，或是基于统计模型的系统，其本质都是在用程序来模拟智能生物的行为，从某种意义上来说，这是一种简化的做法，把智能机器抽象成一个黑盒子，只要机器能表现出类似智能的行为，则不用关注人类智能的真正实现机理。这样的“智能”概念，与信息产业的最终发展目标是有一定偏差的。从长期来看，智能的实现并不会单纯依赖于编写程序的技巧。人工智能领域的最终突破，一定会依赖于神经科学，以及对大脑运作机制的深入了解。(www.xing528.com)

正在本书成稿之时，Google的AlphaGo战胜了围棋的世界冠军，这将成为人工智能发展历史上具有里程碑意义的事件。回望历史，在20世纪90年代末，IBM的“深蓝”就曾击败国际象棋的世界冠军。但由于国际象棋的搜索空间相对较小，深蓝的胜利，从某种意义上来讲是一种计算能力的胜利，程序通过快速计算实现较强的预判能力，从而出现了模拟智能的行为，但这与期望中的“智能行为”仍有较大差距。与其相比，围棋则完全不同，巨大的搜索空间，使得类似穷举的计算方法对复杂局面无计可施。从这一点看，从战胜象棋冠军到战胜围棋冠军，实质上是人工智能发展的一次重大飞跃。关于AlphaGo的技术细节，已经超出了本书的范围，这里不再分析。从大的方向来看，是蒙特卡洛树与深度学习神经网络的结合，最具创新意义的是由深度学习算法得到的价值评估网络。与以往的机器学习算法不同，深度学习中，由程序自主选择所要分析事物的特征，同时赋予了程序一定的抽取抽象概念的能力，这个变化有可能成为机器具备思维能力的起点。

如果说在互联网、移动互联网乃至物联网时代，信息产业主要依靠内部产生的技术突破作为驱动力。那么，人工智能的最终发展，将使信息产业冲破以往的藩篱，与生命科学等相关领域融合到一起，爆发出难以估量的潜力。尽管，当前人工智能领域的发展还受到种种限制，处于一种初级形态，但从长期趋势来看，人工智能领域的突破必将成为信息产业发展的最终目标，也将彻底改变整个人类社会的面貌。