AI人工智慧將來的市場大嗎？

目前逢人都在提的AI人工智慧確實是一個大趨勢。

人工智慧從 1956 年被正式提出以來，一共有 61 年的歷史了，期間經歷 3 次高潮，2 次低谷，而最後一次高潮開始於 2006 年，至今仍在延續，並隨著各項技術的提升和相關應用的推廣繼續將人工智慧推上新的高峰。

人工智慧的起源(1943——1956)

1943 年，二戰期間，各類科學家集聚一堂，人工神經網路和數學模型得以建立，人工神經網路時代開啟。

1950 年，圖靈提出「圖靈測試」，為智能機器設立了判斷標準，如果一台機器能夠與人展開對話(通過電傳設備)，並且會被人誤以為它也是人，那麼這台機器就具有人工智慧。獲取本文完整報告請百度搜索「樂晴智庫」。

1956 年達特矛斯會議正式提出人工智慧這個術語，標誌著人工智慧領域的正式誕生，並設下了他們關於人工智慧的目標——使機器能夠模擬人類智力行為的各個方面，如感知、學習、推理論證、交流等能力。這個核心觀念持續推動了人工智慧領域的發展。

人工智慧的發展(1956——至今)

• 第一個黃金髮展期(1956——1974)

在此期間，全球政府投入並啟動了大量關於人工智慧領域的研究項目。與此同時，紐厄爾與西蒙開發了啟發式搜索(heuristic search)，這是一種在大型的組合空間尋求答案的有效程序。 之後他們運用這種程序證明了各種數學定理，羅素的《數學原理》被全部證明。

• 人工智慧的冬天(1974——1980)

由於人工智慧之前的投入，產出不成正比，四大預言遙遙無期。政府，投資者的信心急劇減弱，1973 年英國政府宣布從人工智慧領域撤資。雖然這時是人工智慧的低谷，但是人工智慧也完成了重大的進展。比如邏輯程序設計法，常識推理領域均在此時期創立。百度搜索「樂晴智庫」，獲得更多行業深度研究報告

• 發展期(1980——2006)隨著專家系統的繁榮發展，人工智慧正式投入到了工業生產和政府應用中，再次掀起了AI 研究的投資浪潮。專家系統是存儲了某個領域專家水平的知識和經驗的數據，並能根據這些數據進行推理判斷從而處理該領域專家才能處理的複雜問題的智能計算機程序系統。

1986 年，BP 演算法出現，神經網路重新受到重視。

90 年代，機器學習被提出，並得到了迅速發展。新的研究領域也如雨後春筍般興起。其中最出名的有人工神經網路和支持向量機。

1997 年，深藍超級計算機戰勝了國際象棋世界冠軍加里·卡斯帕羅夫。這是首次人工智慧在人機大戰中的勝利。

2002 年，第一個成功的商業化家用機器人——自動真空吸塵器 Roomba 誕生。

2005 年，美軍開始投資戰爭機器人 BigDog。

高速發展期(2006——)

2006 年，當今人工智慧最流行的方法——深度學習被正式創立，人工智慧再次得到了突破性的發展。

2010 年，移動互聯網發展，人工智慧運用場景更加廣泛。

2012 年，深度學習演算法在語音和圖像識別上取得了突破，融資規模開始迅速擴大，人工智慧商業化高速發展。

2016 年，Alphago 戰勝李世石，人工智慧受到世界空前的關注。

人工智慧產業鏈明晰，未來市場規模巨大

人工智慧行業產業鏈明晰，可以分為基礎層、技術層和應用層。

數據與運算力是人工智慧的基礎

基礎層主要涉及數據的收集以及運算。其中感測器以及數據服務機構主要負責收集數據，而 AI 晶元(GPU、FPGA、ASIC、類腦晶元)和雲計算負責運算。

晶元的快速發展帶動運算力的提升

GPU 和雲計算的興起，為人工智慧帶來了質的飛躍。其中 GPU 等晶元性能的快速提升，為人工智慧的快速發展提供了可能性。與此同時，分散式計算(雲計算)的興起，大大降低了計算的時間、硬體成本，也為人工智慧的快速發展提供了契機。

國外知名 GPU 製造商 NVIDIA 已經將傳統 PC GPU 業務進行了轉型，並推出了專門運用與人工智慧、深度學習、大數據研究和分析 GPU 晶元，如 Tesla 系列運算卡，並取得令人矚目的成績。人工智慧的客戶在 2 年內提升了 33 倍，並在 17 年 1 月的 FY2017 年報指出相關AI、深度學習以及雲計算的 GPU 晶元收入的年增長率高達 145%並預測到 FY 2018 第一季度這個數字會繼續增長到 186%。

研究積累與發達國家差距不大，然而國內目前專註於人工智慧晶元開發的企業有限，且總體技術水平與發達國家存在較大的差距，高端晶元嚴重依賴國外進口。中國是人工智慧晶元製造的後起之秀，目前已推出中科院「寒武紀」、中星微「星光智能一號」等多款人工智慧晶元，華為也表示將在年內推出人工智慧晶元產品。國產人工智慧晶元的崛起不僅帶來計算能力的提升，同樣也可以起到降低成本的作用。

大數據與雲服務的熱潮奠定數據基礎

國際首個深度學習專用處理器晶元，性能超主流 CPU100 倍，但面積和功耗僅為十分之一。

基於 ASIC 架構的人工智慧語音識別晶元，包含了腦神經網路處理硬體單元，能夠完美支持 DNN 運算架構，進行高性能的數據並行計算，可極大的提高人工智慧深度學習語音技術對大量數據的處理效率。自主設計研發高效的人工智慧處理器架構 IP，支持 ARM/GPU/FPGA/ASIC 實現神經網路壓縮、編譯、神經網路處理器 DPU 設計、FPGA 開發正研發人工智慧處理器 有望年內發布。

互聯網與移動互聯網的迅猛發展使得人們的生活中產生海量數據，並得益於大數據概念的爆發，國內對數據積累與標註十分重視，從數據收集、數據分析、數據管理到數據應用，已經形成了完整的產業鏈，這也為國內人工智慧輸入海量數據進行訓練提供了堅實的基礎。

企業與政府共同致力於實現數據共享與開放。相比於國外公司對數據的嚴密保護，國內公司對數據保持著較為開放的態度。谷歌旗下的 Waymo 以及特斯拉對其數據進行嚴格保密，而國內方面百度不僅對軟體進行開源，而且打算進一步分享數據，創造一個無人駕駛汽車的開放數據平台。

手握巨量數據的政府也已制定好數據共享與開放計劃，到 2018 年底前，中央政府層面實現數據統一共享交換平台的全覆，建成國家政府數據統一開放平台;2020 年底前，逐步實現多個民生保障服務相關領域的政府數據集向社會開放。數據的開放共享使得數據能夠大範圍內的流動，並衍生出各類對數據處理與應用，做出更可靠的標註，從長期看給人工智慧帶來更大的市場價值。

在雲服務領域，亞馬遜由於起步較早，佔據了最大的雲計算市場份額。據 synergy researchgroup 的數據，在 16 年年底，亞馬遜佔據了公有雲市場的 40%份額。而且據亞馬遜今年 4 月公布的一季度財報中，AWS 的營業收入同比上漲了 42%，達到了 36.6 億美元。 微軟已將雲計算列入自己的重點戰略方向，2016 年上邊年，微軟智能雲營業收入佔比已經高達 26.32%。

人工智慧技術逐漸成熟，驅動未來發展

在收集到數據之後，技術層所做的事就是模擬人腦，對數據進行有效的處理和分析。演算法是技術層的一項核心內容，而在人工智慧演算法里最出名的，也是將人工智慧推向發展高潮的，就是深度學習演算法。

人工智慧產品與服務不斷推出，得到市場的廣泛認可

隨著基礎層和技術層的快速發展和逐漸成熟，AI 產業紅利將傳導至應用層。

AI 應用層主要是 AI 演算法在傳統行業的滲透和改造。

在國外，已推出多款人工智慧產品與服務，並取得了十分成功的成績。亞馬遜 Echo 智能音箱的銷量暴漲，2015 年 Q2 的銷量僅為 20 萬台，2016 年 Q2 銷量已經較去年增加了 5 倍，預計 2017 年底銷量會突破 1 千萬台，為亞馬遜貢獻 10 億美元的營收。

全球最大社交網路網站 Facebook，充分利用 AI 分析社交網路大數據，來提升用戶體驗，持續擴大用戶流量，2016 年，Facebook 越活躍用戶達 18.6 億，同比增長 17%。同時 Facebook將巨大的用戶流量進一步變現為廣告收入。2016 年，Facebook 實現營業收入 268.85 億美元，同比上年增長 57%，實現凈利潤 102.17 億美元，同比上年增長 177%。

在國內人工智慧的應用中，BAT 手握大量資源，無疑是其中的第一梯隊，而三家之中的百度更是行業中的領軍者;阿里巴巴與騰訊也在積極推進人工智慧項目，憑藉公司規模優勢奮起直追，雖然目前落後於百度，但發展後勁不可小覷;而像地平線機器人這樣獨立人工智慧企業，以及互聯網細分領域取得成績的京東、搜狗、滴滴、今日頭條等垂直優勢同樣值得關注。

中國巨大的消費市場可以衍生出無數的細分領域，互聯網對各行業各領域的滲透給人工智慧應用提供了最真切的參考，並且相比於互聯網，人工智慧的應用場景只會更廣闊。

政策密集出台，助力人工智慧發展

國內政策密集出台，助力人工智慧發展。政府大力扶持人工智慧產業，今年三月的《政府工作報告》與七月的《新一代人工智慧發展規劃》中提出，到 2020 年人工智慧總體技術和應用與世界先進水平同步，人工智慧產業成為新的重要經濟增長點;到 2025 年人工智慧基礎理論實現重大突破，部分技術與應用達到世界領先水平;到 2030 年人工智慧理論、技術與應用總體達到世界領先水平，成為世界主要人工智慧創新中心。

「人工智慧+」重塑各行各業，推動行業革新

(一)AI+安防

未來國內安防市場可達萬億，保持高速迅猛增長。2011-2016 年安防市場連續五年維持兩位數的增長，2016 年國內安防市場規模達到 5000 億以上，根據前瞻產業研究院的預測，到 2022 年國內安防市場規模將達到接近萬億的規模。2016 年安防市場規模中安防設備市場大約佔比為 1900 億，從產品形式上看，視頻監控領域是安防行業最大的應用產品。

(二)AI+金融

據量巨大的金融行業是人工智慧應用的溫床。金融行業每天產生的數據量在各個行業中遙遙領先，並且與其它行業不同，金融行業對數據的依賴性十分高，大部分金融從業人員每天都要花費大量的時間對數據進行處理與分析，因此金融數據往往標註準確且公開透明。目前互聯網化的金融每年產生的數據都在呈現指數型增長，海量的金融數據給以數據為基礎進行深度學習的人工智慧的應用奠定了基礎。

人工智慧降低成本，抓住金融長尾市場。目前除了一些新興的互聯網金融機構願意為低凈值的客戶提供完善的投資與資產管理等業務外，絕大多數傳統金融機構將大量的資源投入到服務政府、大型企業以及高凈值客戶中，因拉攏、徵信及制定投資策略等高成本問題而主動放棄了長尾市場中的大量客戶。

從螞蟻金服推出的餘額寶火熱增長可以看出，低凈值客戶的投資熱情高漲，不簡單滿足於銀行低利率的活期存款，而希望能夠得到更多的金融服務。人工智慧的應用可以大大降低成本，從而抓住更多的客戶。

目前人工智慧領域在金融行業比較成熟的應用主要有智能投顧、智能量化交易與智能客服,主要採用的方法有機器學習、自然語言處理、知識圖譜和計算機視覺等。

(三)AI+家居

智能家居也稱智能住宅，是以住宅為平台，兼備建築、網路通信、信息家電、設備自動化，集系統、結構、服務、管理為一體的高效、舒適、安全、便利、環保的居住環境。智能家居利用先進的人工智慧技術、網路通信技術、綜合布線技術，將與家居生活有關的各種子系統有機地結合在一起，通過統籌管理，讓家居生活更加智能、舒適、安全。

智能家居未來市場規模近五千億，有望實現高速增長。根據中國產業信息網的數據，2014年，我國智能家居產業市場規模達到 290 億元;2015 年，我國智能家居市場規模達 403.40 億元，同比增長 41%，並且預計 2017 年國內智能家居市場規模將達到 908 億元，未來五年(2017-2021)年均複合增長率約為 48.12%，2021 年市場規模將達到 4369 億元。

(四)AI+汽車

隨著機動車逐漸在中國的普及，最近 5 年中國機動車駕駛員的數量每年都以超過 10%的速率上漲。截至 2016 年底，全國機動車駕駛人已達 3.6 億人，駕駛汽車漸漸成為每個人生活中不可缺少的一件事。而隨著人工智慧的發展，自動駕駛正在變為可能，各大車商紛紛計劃在2021 年前後推出全自動駕駛車型。

(五)AI+醫療

在當今醫療領域，醫生資源的短缺是造成看病難的重要原因，尤其是在不發達地區，這一問題尤為嚴重。智能醫療的可複製性，可以很好的解決優質醫生的稀缺性問題。

隨著人工智慧領域，語音交互、計算機視覺和認知計算等技術的逐漸成熟，人工智慧醫療領域的各項運用變成了可能。這其中主要包括:語音錄入病歷、醫療影像智能識別、輔助診療/癌症診斷、醫療機器人、個人健康大數據的智能分析等。

醫療機器人:手術機器人佔領主要市場份額，達芬奇機器人壟斷微創手術

在傳統手術中，醫生和病人都會受到不同的煎熬，醫生需要長時間手持手術工具並保持高度緊張狀態，而由於人工操作精度不高，病人會在手術中遭受額外的創傷。而手術機器人的出現，可以極大的緩解這兩個問題。目前手術機器人佔據了醫療機器人的 60%以上的市場份額。

(六)AI+教育

如何提供高效的教育，是一個困擾了人們多年的問題。孔子曾提出過因材施教的解決方案，然而在現實中，由於信息不對稱和一對一教學成本極大等問題，「因材施教」這一理念一直不能再傳統教育中得以真正實現。而隨著科技的迅猛發展，越來越多的教育方式被開發，教育的效率也逐步得到提高，隨著人工智慧的逐步成熟，個性化的教育服務將會步上新的台階，「因材施教」這一問題也最終會得到解決。

人工智慧行業，是近幾年炒的最為火熱的領域。三年內存在千億市場被挖掘，並由此衍生的「互聯網+各行業」，每年都可以產生萬億級的產銷規模。早在2016年，工信部教育考試中心就曾透露，國內人工智慧方向人才的缺口在500萬以上，這也受到業內人士的普遍認可。總之，我國目前這一領域下的供需關係是嚴重失衡的。

從資金投入來看，早在2015年就有多單位聯合申報「國撥」項目事項，但主要以示範和創收為主。當時國家給每個項目都至少補助1億以上，加上每個企業自籌的資金，有業內人士統計，約在萬億規模。

這麼一大筆資金，卻缺失大量的人才。往往是一個人負責多個方向，一個億級的項目雖然掛名上百人，可真正做事的就只有幾個人。此外，國內高校之前並沒有智能製造或者人工智慧專業，大多是計算機、工業工程、機械設計、材料成型、自動化等等專業內部轉崗而來。據權威部門估計，近幾年「互聯網+」的崗位缺口在500-700萬之間。

人工智慧是工業4.0的主體，我們希望以互聯網重構各行業運行模式，我們希望用大數據來革新機器人思維邏輯，我們希望用物聯網交互人機信息。等達到這些技術後，相信智能社會就真的到來了。

人工智慧是算是這兩年互聯網的一大熱門關鍵詞了，中國乃至全球各大互聯網企業都在布局AI人工智慧，從埃隆馬斯克的特斯拉自動駕駛汽車、谷歌的阿爾法狗、IBM的沃森人工智慧；以及到國內阿里巴巴的無人超市、無人加油站、承擔淘寶天貓雙十一海報設計的人工智慧設計師魯班、騰訊百度也是布局自己的人工智慧。

近年來，IBM的人工智慧Watson已經在國內尋求合作，在此之前Watson已經表現出了一些人工智慧的優勢，就是能夠在最短的時間內查閱相關資料並得出結論，人短時間內不可能完成，從而拯救了日本的一位癌症患者，這個案例當時也讓小編意識到人工智慧的恐怖之處。

羅輯思維羅振宇在2017的跨年演講也提到其中一隻黑天鵝就是人工智慧，也提到了人工智慧的恐怖之處，人工智慧將會對各個行業形成一定衝擊，但是也提到了人工智慧的糧食問題，如果拿人工智慧做為一個嬰兒來說，它的糧食就是海量的數據，掌握了海量的數據就能夠掌握人工智慧。所以大數據和人工智慧是一體的，相輔相成，缺一不可，而且目前有很多人工智慧研究機構都紛紛開放自己的人工智慧技術，以求得到數據的餵養。

在近期的烏鎮互聯網大會上，百度李彥宏也表明了百度未來的戰略是ALL in AI，可以看出作為國內三家互聯網巨頭BAT之一的百度將在人工智慧上發力，以保住BAT的頭銜，我們都知道百度在三家巨頭當中，是以技術見長的，所以說對於這樣的戰略舉動還是很有希望的。未來人工智慧將不斷替代一些行業和一些崗位，互聯網乃至工業的下一次革命很有可能就是人工智慧。

所以，未來圍繞人工智慧的產業都將是朝陽產業，因為人工智慧將大大降低人們的時間成本，很多重複的、耗時的環節將逐漸被人工智慧鎖替代，我們需要的是提高自己與人工智慧配合的能力，粗淺見解，希望能夠幫到你！

十八世紀六十年代，第一次工業革命開始，機器逐步取代人力，生產力大幅提升，「機器時代」到來。19世紀下半葉—20世紀初，第二次工業革命進行，人類進入電氣時代，信息革命、資訊革命同時發展，科學開始影響工業生產，生產技術大幅改善。20世紀後半期，電子信息技術產生，生物克隆技術、航天科技出現，人類開始第三次工業革命，邁入信息技術時代。

那麼第四次工業革命開始了嗎？

在21世紀，也就是我們所生活的現代，工業革命4.0的概念早在2006年就已被德國聯邦政府提出，在2013年德國漢諾威工業博覽會上成為核心議題，這標誌著在未來10年至15年，製造業的綜合整合將對全球產業產生巨大影響，同時也標誌著第四次工業革命已悄然到來。

每一次工業革命都推進著人類生產科技的發展進程向一個更高級的時代邁進，在第四次工業革命時代，AI人工智慧、清潔能源、機器人技術、量子信息技術、可控核聚變，虛擬現實以及生物技術開始逐步登上歷史舞台。

而這其中，AI人工智慧技術將作為主推手，最先也是最廣泛的觸達到人們的日常生活。

舉個例子，智能客服可能就是大多數人已經接觸過並且是日常化接觸的AI人工智慧技術。客戶在購買前進行的電話諮詢、網上平台諮詢，微信公眾號諮詢乃至售後服務諮詢等，為之進行答疑的或許就是一位智能機器人客服，它可在0.5~2秒內對諮詢問題進行自動響應，響應速度極快；每天可不間斷接待來訪客戶上萬名，工作效率極高，為客戶與商家搭建了第一座溝通橋樑。除此之外智能客服的呼叫中心還可以幫助企業進行智能電銷，SCRM系統可為企業進行客戶數據統計建立客戶畫像，指導企業營銷決策。但這僅僅只是AI人工智慧技術的一部分應用而已。

在數字經濟時代，信息及商務活動都將更加數字化，互聯網促使企業與消費者間的溝通量及成交量大幅提升，而這依賴於以數字經濟為基礎而生產、銷售的數字技術商品與服務。而AI人工智慧在服務領域的運用則更為廣泛，醫學、金融貿易、法律、音樂、運輸、通訊、重工業等行業中都能找到AI人工智慧所扮演的重要角色。科技促發展，未來十年，AI人工智慧技術或將成為助推企業前進的第一生產力。

原創回答，請勿轉載

已經不能用未來人工智慧的市場大不大來解釋這個問題了，可以說未來世界很有可能就建立在人工智慧的基礎之上。

別的不說，單單用這次世界互聯網大會，很多大佬的觀點就可以來解釋這件事情。

比如說，馬雲就說了，互聯網將重塑全球經濟，而人工智慧和自動化將取代工人。

而百度的李彥宏說了，人工智慧將成為數字經濟發展的主要動力。

谷歌也說到，谷歌也在轉型，從移動到人工智慧，而且谷歌已經是一家的人工智慧的公司了。

從這些大佬的觀點不能得出，傳統的制1業將成為歷史的過去時，而人工智慧將是互聯網經濟最好的動力源泉。

如果像大佬們這樣大的格局，都把人工智慧列為未來的重點發展，那麼可想而知，人工智慧未來的市場將會有多麼大。

因此這件事情其實不用正面解答，也不用搬出什麼數據和預測，單單從這些掌控中國經濟脈搏的大佬口中，我們就能夠對人工智慧未來美好的前景給出期待。

人工智慧的市場將是超乎想像的大，七萬億美元大市場將誕生。

未來的設備有多少？樂觀估計，2030年，將有一萬億互聯設備，能夠創造七萬億美元的大市場。七萬億美元是什麼概念？2016年，谷歌營收才1000億美元，整個互聯網行業也不過3800億美元，電信設備也就3.5萬億。七萬億，也就是兩個電信市場的規模。

未來生活會是什麼樣？當有了RFID、有了方便的跟蹤技術後，共享經濟會變得不同。三年前談共享經濟的時候，最終把市場做大的，基本上兩件事，一個是租車，一個是租房。國家批准的計程車牌照200萬張，現在網約車加上計程車一共800萬張，增加的基本上是網約車。租房子也是把生意做大，美國有一個調查，好多人出門旅行計劃是三天時間，有了Airbnb，房子便宜了，他們可能會旅行五天。所以，專業照相設備能不能租？在物聯網可以跟蹤後，是可以的。

在第一代、第二代互聯網的時候，最關鍵的技術是操作系統和晶元。今天，我們很遺憾看到IoT其實還沒有操作系統。誰能真正做出物聯網的操作系統，就能成為下一個谷歌或者微軟。現在，華為做了NB-IoT，基本做了行業標準，將來可能會發展為操作系統，是非常值得看好的事。

除了操作系統，還有處理器、存儲器、網路安全技術，這4個技術將是IoT時代最關鍵的技術。我們未來的城市是超級智能化的機器，IoT是他的每一個觸角，智能程序是他的大腦，它們相輔相成，將整體的設備和程序推向嶄新的高度。10年後回過頭來看，你會發現很多今天想都不敢想的事，就這樣發生了。

在今年的的兩會上，李克強總理在政府工作報告中寫道：「2016年，人工智慧等領域取得了長足的進步，與之相關的信息化建設、智能製造技術全面提升。2017年，將加快培育壯大新興產業。全面實施戰略性新興產業發展規劃，加快新材料、人工智慧、集成電路、生物製藥、第五代移動通信等技術研發和轉化，做大做強產業集群。」

這是「人工智慧」首次出現在《政府工作報告》中，互聯網科技大咖們更是不約而同地在各自的議案中分享了關於人工智慧未來發展的看法：

李彥宏

百度公司創始人、董事長兼CEO

利用人工智慧視覺技術優化紅綠燈設計、緩解交通擁堵，用人臉識別技術輔助公安部門尋找走失兒童等。人工智慧革命和傳統工業革命不同，未來許多產業會實現自動化續作，類似於職業司機之類的工作，在可預見的未來將不復存在。

馬化騰

騰訊首席執行官

伴隨著移動互聯網的發展，人工智慧、雲計算等技術領域成為全球創新高地。這些新技術平台的出現，使得大規模的連接成為可能，隨之而來的，是新模式、新業態不斷湧現。

雷軍

小米科技創始人、董事長兼CEO

未來人工智慧會取代社會50%以上的工作崗位，同時會創造新的工作機會。我建議在國家層面進行人工智慧發展的頂層設計和專項規劃，大力促進人工智慧產業化發展。

人工智慧浪潮下，各大科技巨頭早已提前布局，搶佔市場。在中國，百度最早提出人工智慧戰略；小米發布了首款自主研發的SoC晶元「澎湃S1」，並設立了探索實驗室；騰訊也已經成立了AI Lab，致力於打造出一個更加廣義的AI，讓人工智慧產品能夠深入到我們的生活中。放眼全球，谷歌、臉書、微軟等巨擘更是在人工智慧戰略方面一路高歌猛進。

人工智慧正在逐漸覆蓋我們生活和工作的每一處角落。繼一些大牛們，例如比爾?蓋茨、霍金、Elon Musk等對人工智慧發展提出了一系列負面的評論或者警告之後，我們一定會去思考一個問題——人工智慧是否會取代人類？ 為了更好地解答這個問題，不妨從以下幾個方面進行思考。

「思維」方式 0和1背後的邏輯

1981年諾貝爾生理學或醫學獎得主羅傑?斯佩里博士在其發布的《左右腦分工理論》中指出人腦的不對稱性，即人腦的左右半球有著不同分工，左半腦擅長分析、邏輯、演繹推理等理性抽象思維；右半腦擅長直覺、情感、藝術靈感等感性形象思維。相比如此複雜的人腦結構，機器的大腦簡單許多，0和1這兩個數字就是構成世間萬物的一切邏輯，然而這種「思維方式」是無法創造靈感、擁有直覺和獲得情感的。

如今，我們看到一些有「感情」的機器人，例如微軟的Cortana看似很有靈性，能夠表達情緒，與用戶進行有深度的跳躍性的交流互動。這無疑是人工智慧領域發展的一個新階段。也許在未來，人類和機器的邊界會越發變得模糊不可分辨。但請注意，人工智慧儘管越來越接近人類，但其本質從未改變，即用0和1這兩個數字模仿人類左腦的理性思維。所以，人工智慧在表現情感和行為時，其背後是在複製和模仿，並非想像和創造。

「學習」能力 智能的布局

人工智慧其本質是一種智能，智能的布局主要體現在兩個方面，一個是通過經驗獲得知識，另一個是對整體環境的理解。從這一個角度來分析，人類要比機器強許多。人的大腦結構是一個並聯機制，所以，人類善於學習，通過自身經歷，能夠發現事物的特徵，發現本質規律，從而全面理解周圍環境。相比人類，機器在這方面就顯得相對較弱。

「學習」材料 複雜而且難以理解

人工智慧領域專家、美國康奈爾大學計算機科學教授巴特?賽爾曼（Bart Selman）博士認為近幾年來人工智慧的迅速發展得益於「深度學習」技術的進步。這項技術在某些地方模仿了人類大腦內神經系統的運作模式。當我們輸入海量信息時，機器會非常擅長從中找到某種模式，這也解釋了近幾年人工智慧最大突破口出現在一些知覺任務領域，比如圖像識別或者語音識別等。從這一點來看，我們就發現了一個很重要的問題，即人類需要解決機器學什麼和怎麼學的問題。

加拿大的一家人工智慧初創公司「Maluuba」的創始人希爾?蘇勒曼（Kaheer Suleman）表示，人工智慧目前遇到的最大瓶頸是缺乏大規模標記數據集的領域，或者難以對相對環境進行較好模擬的領域。

他以語言這個領域為例解釋道，在互聯網上有無窮無盡的網頁，但上面全是文字，而文字這種形式並不是機器能夠理解的形式。更何況語言本身的複雜性讓人難以想像。一段對話，在不同場景、不同時間、出自不同人之口，可能表達出來的含義是截然不同的，對於這類極其抽象而且感性的信息，機器在沒有人類幫助的情況下是無法進行精確有效的深度學習的。

人工智慧的價值

回到人工智慧的價值本身來看，人類製造了機器人並不是用來代替自己的，而是幫助自己、延伸自己的能力。王東嶽老師的著作《物演通論》中有過這樣一個概念叫「遞弱代償」。即所有物體都會有存在度的下跌，然後為了反哺這個存在度的下跌，不得不代償出一些新的機能來彌補自己存在度的下跌，然而仍然阻止不了這個存在度下跌的總趨勢。

這裡的「代償」二字強調了代為補償，而不是真正意義上的補償。人工智慧其實是詮釋「遞弱代償」這一概念的一個很好的例子。人類之所以要製造機器人，就是為了幫助他們去解決自身的不足和去做一些人類力所不能及的事，比如人類的有限記憶力和計算能力；一些重複性強、精密度高的工作；或者是從事一些極其危險的工作等。所以人類和機器人之間的關係應該是一種互補的關係，而不是替代關係。

如何看待人工智慧？

我們無法真正預測未來，因為科技並不會帶來確定的結果。同樣的科技，也可能創造出非常不一樣的社會。人工智慧和生物科技的興起肯定將改變我們的未來，但並不代表只會有一種結局。《未來簡史》講到的「萬物互聯網」只是可能性，而非預言。作為普通大眾，我們應該做的就是享用人工智慧，就像《終極演算法》給出的建議：「不要和人工智慧對抗，要讓人工智慧為你服務。」

如果計算機已經學會完成你的工作，不要試圖與它競爭，而要利用它。把大數據看做你知覺的延伸，把學習演算法看做你大腦的擴展。當下最佳棋手是所謂的人馬怪（半人、半程序）。在其他許多職業中情況也是如此，從證券分析師到棒球球探。這並不是人類與機器的對抗，而是有機器的人和沒有機器的人之間的對抗。數據和直覺就像馬和騎手，而你不會試圖超過一匹馬，你在駕馭它。

德勤發布的《2017 年全球人力資源趨勢報告》中針對人工智慧時代是否會取代未來一部分勞動力導致失業率上升這一觀點做出如下總結：人工智慧肯定不是在消除工作崗位，而是在消除工作中的苦差事，並創造新的工作，而且這些新的工作更多的是依賴人類特點的崗位。

這裡所謂依賴人類特點的崗位是指那些依賴機器尚不具備的人類特點的工作，比如，同情心，交流以及跨界解決問題。

文章來源於網路

AI已來，揭秘未來人工智慧八大趨勢！

目前到處都充斥著有關人工智慧及其應用的炒作，從自主車輛到虛擬個人助理，以及其他很多需要人類智能才能完成任務的技術

　　以下是人工智慧、大數據、預測分析和機器學習方面主要的統計數據：

　2018年8大人工智慧趨勢觀察

　　趨勢1 較大的公司將贏得未來

　　亞馬遜、谷歌、Facebook和IBM將引領人工智慧技術的發展。作為大型公司，他們擁有更多的資源來收集數據，從而擁有更多的數據可供使用。

趨勢2 演算法和技術將會進行整合

　　所有已經對人工智慧進行投資的第二梯隊公司（比如英特爾、Salesforce和Twitter）都緊跟在擁有大數據的公司後面，並開始使用他們的數據演算法和人工智慧技術。數據交易將存在於行業用戶之間，而演算法和技術很有可能會進行整合。數據交易以及演算法和技術的整合將使人工智慧發揮更強大的作用

　　趨勢3 數據眾包市場將非常巨大

所有的人工智慧公司都渴望獲得龐大的數據集，以便實現他們對人工智慧的野心。這些公司將採用眾包的方式來獲取大量的數據。目前已經有多種不同的方式來評估眾包數據的質量和可靠性，不僅企業可以從這些數據中獲得收益,而且也能給消費者一個保證。

　　趨勢4 企業併購，以及更多的併購

　　根據CBInsights的統計數據顯示，收購人工智慧公司的競爭已經開始。在2018年，我們將看到更多為了智力資本和人才而併購企業的行為。機器學習和人工智慧領域中的所有小公司都將可能被大型企業收購.

趨勢5 用工具的民主化換取更大的市場份額

大公司將會把自己的演算法和工具集開源出來以獲得更大的市場份額。基於市場的數據和演算法獲取壁壘將大大降低，而人工智慧的新應用將會增加。通過對工具的民主化，原本有限制或無法獲得人工智慧工具的小公司將可以獲得大量的數據來訓練和啟動複雜的人工智慧演算法.

　　趨勢6 人機交互技術將得到改進

Siri和Alexa可能是兩個最受歡迎的人機交互工具了。更多與它們類似的基於機器人的解決方案將成為人工智慧公司的入門級產品。例如，計算機目前可用於語音分析和面部識別，而以後，計算機將能夠根據用戶的語調來識別他的心情，這稱為情感分析。

　趨勢7 人工智慧肯定會逐步影響所有的垂直行業

　　製造業、客戶服務、金融、醫療保健和交通運輸已經受到了人工智慧的影響。自動駕駛車輛預計2018年就會上市。明年，人工智慧將會影響更多的垂直行業，例如：

保險 ——人工智慧將通過自動化技術改進索賠流程

法律——自然語言處理可以在幾分鐘內總結數千頁的法律文件，從而減少時間和提高效率

公關與媒體——人工智慧能提高數據處理的速度

教育——虛擬導師的開發

趨勢8 安全、隱私、倫理與道德問題

　　人工智慧大旗下的所有東西，包括機器學習和大數據，都容易受到新型安全問題和隱私問題的威脅。有時候，起重要作用的是關鍵性的基礎設施。與隱私問題有關的安全方面的需求，如將銀行賬戶和健康信息進行保密，將更多地依賴於安全性方面的研究。2018年將是安全和隱私問題得到解決的一年，也是會有新發展的一年。

我個人認為人工智慧是好優點促進生產力的發展，但實際應用還很遙遠任何新生事物的發展，都有一個循序漸近的過程，比如成本高只能是個別，維修率高產品質量不成熟，不能批量生產否則虧本，以後若干年會成熟的，優點解放生產力增效率適合批量生產是前景廣闊為人類帶來福音。

人工智慧市場是非常大的，可以應用到各個領域。在交通方面現在已經有了自動駕駛，不但不再需要駕駛員，也大大提高了駕駛安全性，智慧城市可以有效的降低交通擁堵。

人工智慧也可以用在醫療方面，可以輔助疾病排查，甚至是做手術。

人工智慧在生產方面有更廣泛的應用，富士康這樣的勞動密集型工廠已經開始使用機器人來提高生產效率。

大數據時代國家層域資本結構領域標誌標準律法法律/億律素質指數標誌標準的完善提升,是AI產業時代價值標誌。王立新中國工程院士。