给热得发烫的人工智能泼点冷水
“人工智能”最近很热，热得发烫！但也有另一种声音，希望可以冷静地看待这一轮人工智能的发展。纵观前两次人工智能的起伏，不难发现人工智能产业的兴衰是有规律的。兼听则明，我们不妨听听。
“人工智能”最近热得发烫，相关领域风投和创新、创业风起云涌，深度学习研究和应用持续火爆，人工智能芯片也已经被苹果和华为应用到旗舰机型，以Facebook小扎和Tesla钢铁侠为代表的大佬们站队互掐，AlphaGo的成功营销与Watson的失败应用在世界范围内推波助澜，我国国务院近日印发了《新一代人工智能发展规划》引导了国内的产业热炒，BAT纷纷推出人工智能战略等等…这一波大数据驱动的AI热潮，发展势头强劲。2017又被很多媒体宣传成为人工智能元年，各种人工智能将会颠覆产业、颠覆生活，甚至取代人类的“宏大叙事”接踵而至。似乎全面实现人工智能的未来生活已经是板上钉钉的事情。
纵观近十年的产业热点，从物联网、3D打印、云计算、工业4.0、大数据、AR/VR、到现在的人工智能，一个比一个热，热点切换也越来越快。这是前沿信息技术发展的大势，其内在的逻辑联系和发展趋势使然，智能时代一定会到来是毫无疑问的，但如果暂时放下对人工智能的美好想象，观察一下人工智能发展史，就会发现如今可能热得过于乐观了。
人工智能（AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。人工智能并不怎么前沿和未来，事实上人工智能比大部分我们日常生活中用到的科技都要“老气横秋”。图灵在上世纪中叶提出图灵测试，奠定了人工智能概念，到1956年DARTMOUTH会议上，以麦卡锡、明斯基、罗切斯特和香农等为首的一批有远见卓识的年轻科学家在一起聚会，首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生，所以事实上人工智能如今已经60岁高龄了。回顾这一甲子，人工智能的发展绝不是一帆风顺的，曾经经历过两次堪称几乎具有毁灭意义的、被广泛承认的人工智能的寒冬。
技术革新和原理创新驱动大变革，应用需求驱动小变化。本次的人工智能风潮本质上还是数据驱动的一次爆发，相比之下，原理性或者结构性突破不足。在六十年代末、七十年代初的时候，科学家们就提出了逻辑、神经网络、机器学习等基础算法，十年前热火朝天的支持向量机事实上在六十年代就已经被提出。我们现在讲的知识图谱也可以在六十年代提出的语义网络（semantic network）身上找到影子。所以在五十年前就已经基本上具备了现在人工智能的各个分支的基础知识。从历史来看，重大科学的研究往往呈螺旋形上升的过程，不可能一蹴而就，每一次基础科学研究的重大进步，科技应用的重大突破，往往先由一两个领军人物偶然点破，而后大家蜂拥而至，在很短的时间内做出大量更具突破性的成果，同时带来相关产业界的革命性增长。相应的，在一段时间内无法形成更显著突破时，沉寂也是必然的。上一个人工智能冬天发生在上世纪90年代，20年过去了，如今的人工智能再起势，就像前两次一样，都是由几个重要突破作为核心支撑产生的。
首先是深度学习的崛起让业界看到了全新希望，其次GPU等计算系统硬件的飞跃，也让人工智能需要的庞大运算力成为可能。
但更关键的是大数据时代的到来，让训练人工智能必须的巨大数据量不再遥不可及。这也是人工智能最大的利好消息，是数据驱动带来的大跃进。
但纵观前两次人工智能的起伏，不难发现人工智能产业的兴衰是有规律的。总结这些规律，可以认为人工智能有三点特征始终没有改变。
第一、人工智能是经济兴奋的造物。每一次人工智能潮的爆发和冷却，都是由没有被完全验证的技术利好，引发各领域的全线疯狂。但当技术利好最终被证明无效的时候，产业寒冬就会无情爆发。
第二、人工智能是国家战略的附庸。历史和今天都证明了，每一次人工智能崛起都离不开国家间的博弈。因为人工智能本身具有的经济和军事变革想象力实在过于巨大。主流大国都不会坐视对手独自发展这一技术。但如果一旦国家战略转向，人工智能的钱景就将十分危险。
第三、人工智能有可能被其他技术赶超并替代。曾经业界都以为人工智能将彻底取代家用计算机，殊不知真实的历史恰好相反。当我们以为人工智能就是未来的时候，市场往往会有其他看起来“不那么聪明”的技术出来搅局，用铁一样的数据证明谁才是胜者。
这三点可以说是人工智能产业被反复验证的规律，也是两次人工智能寒冬留下的宝贵经验。或许我们可以从中得到一些别的启示。
对人工智能，最好抱一个平常心。
人工智能不是万能的，现在我们实现的还只是部分弱人工智能。过高的预期，已经造成了两次人工智能的冬天。最近业界反应过热，不冷静，对这个领域发展并不好，会导致很多急功近利的现象出现，甚至引发造假行为。过高的预期也必然导致不当的失望，结果不但使少数炒作的人甚至整个领域一些踏踏实实做事的人都会受到伤害，所以保持平常心很重要。
最后说说大神Hinton的新动向，他提出深度学习要另起炉灶，彻底抛弃反向传播。他是神经网络的教父，他准备自我颠覆，这是值得尊敬的。科学每经历一次推倒重来就前进一步：为了进步，必须要有全新的方法。人工智能真正实现全面突破的机会也许就在此。
陆斐，电子产品爱好者，有十余年的IT项目主管经验，现在上海科学院系统工作。
金城，复旦大学计算机科学技术学院副教授，博士生导师。上海视频技术与系统工程研究中心执行副主任，上海市优秀技术带头人。主要研究方向为模式识别、多媒体信息分析与检索。