根據(jù)騰訊互娛發(fā)布的《2017 Q3 AI 行業(yè)全景熱度觀察》，2017年第三季度，全球AI公司融資總額高達 77.42 億美元，僅比前兩個季度之和低10億美元，而與2012年同期相比則增長了70余倍。
雖然第四季度還沒結(jié)束，但10月底曠視科技4.6億美元的C輪融資額已經(jīng)刷新了此前由商湯科技所保持的4.1 億美元的融資記錄，也成為全球人工智能企業(yè)迄今為止所獲得的最大一筆融資。不難看出，火遍整個2017年的人工智能，到了年末依舊是勢頭不減，甚至很可能再次打破之前的各項融資記錄。
回顧過去，從1956年的達特茅斯會議到今天，人工智能已經(jīng)走過了60多年的歷史。在這60多年中，人工智能經(jīng)歷過高峰，也曾跌落到低谷，但從來沒有哪一次像今天這樣，成為街頭巷尾無人不談的話題。雖然這一定程度上得益于移動互聯(lián)網(wǎng)時代信息傳播效率的飛速提升使得熱點話題的影響力得以成千上萬倍的擴大。但另一個更重要的原因是，這一次的人工智能復(fù)興與以往的最大區(qū)別在于，它讓人們真正看到了 AI 技術(shù)改變?nèi)祟愇磥砩罘绞降目赡苄浴?/p>
用李開復(fù)的話說：“今天的人工智能是‘有用’的人工智能……這一次人工智能復(fù)興的最大特點，就是 AI 在多個相關(guān)領(lǐng)域表現(xiàn)出可以被普通人認(rèn)可的性能或效率，并因此被成熟的商業(yè)模式接受，開始在產(chǎn)業(yè)界發(fā)揮出真正的價值……我們說‘人工智能來了’，其實是說，人工智能或深度學(xué)習(xí)真的可以解決實際問題了。”
可以和李開復(fù)這段話相互映證的是，在上周阿里云主辦的2017云棲大會。北京峰會上，阿里巴巴明確表示人工智能不應(yīng)僅僅是“概念上的 AI”，更是“產(chǎn)業(yè)上的 AI”，同時宣布了阿里云人工智能技術(shù)在金融、零售、航空、交通等多個行業(yè)的實踐成果。
越來越多的跡象表明，今天的人工智能，真的和以往大不一樣。
在過去這一年中，無論是互聯(lián)網(wǎng)公司還是傳統(tǒng)企業(yè)，無論是在公司內(nèi)部宣講戰(zhàn)略還是在外部會議上發(fā)表報告，都是三句話不離 AI，唯恐自己被拋棄于時代潮流之后。但與之前的幾次技術(shù)浪潮相比，人工智能對人才和資源的要求顯然要高出不少，不是誰都能玩得轉(zhuǎn)的。
那么，對于大多數(shù)公司來說，進入人工智能領(lǐng)域有哪些難以跨越的門檻？企業(yè)如何利用 AI 技術(shù)助力現(xiàn)有業(yè)務(wù)更上一層樓？還有，在未來的幾年里，人工智能在哪些產(chǎn)業(yè)領(lǐng)域可以最快得到應(yīng)用和普及？
近日，IBM 全球杰出工程師、IBM 研究院認(rèn)知系統(tǒng)全球研究負(fù)責(zé)人林詠華女士接受了“AI時代的移動技術(shù)革新”大會主辦方的采訪（大會將于2018年1月5日在北京國際會議中心舉行，林詠華女士是受邀演講嘉賓之一。），聊了聊她對上述問題的看法。以下內(nèi)容根據(jù)采訪記錄整理而成。
IBM 林詠華
QA：如何看待當(dāng)下的人工智能熱潮？有多少是理性驅(qū)使，又有多少是人云亦云？
人工智能目前無論在企業(yè)還是投資界都是被火爆地追逐著。說實在話，當(dāng)IBM在 2011年構(gòu)建出 Watson，并首次在智力競賽中打敗最優(yōu)秀的人類選手時，能預(yù)見人工智能對未來業(yè)界發(fā)展的重要性，但沒有想象到這種人人談人工智能的火爆局面。
縱觀整個信息技術(shù)在過去10年的發(fā)展，無論是10年前移動通信的發(fā)展熱潮，還是5年前云計算的風(fēng)起云涌，都沒有今天人工智能被關(guān)注的廣泛性和火爆性。原因是什么呢？是今天人工智能的可實驗性遠遠高于之前的信息科技。
這個“可實驗性”是指一個開發(fā)者、一個大學(xué)生，甚至?xí)幊痰闹袑W(xué)生都可以進行人工智能實驗性的嘗試。它來源于整個開源社區(qū)在代碼和數(shù)據(jù)上的整體貢獻， 得益于整個信息科技領(lǐng)域?qū)﹂_源文化的推動，也得益于幾個大的人工智能會議對被錄用文章的數(shù)據(jù)和代碼的公開性要求。
在過去幾年，圍繞深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等算法的代碼以及公開數(shù)據(jù)集層出不窮。一個開發(fā)者，只需要懂 Python，就可以在一天之內(nèi)構(gòu)建起一個開發(fā)環(huán)境，并把開源的代碼跑起來。利用開源的數(shù)據(jù)集，就可以重現(xiàn)別人的結(jié)果。
一個新的人工智能研究方向出現(xiàn)，就伴隨著一些優(yōu)秀的數(shù)據(jù)集公開。例如，當(dāng)年李飛飛主導(dǎo)的 ImageNet 為今天的圖象識別奠定了最大的數(shù)據(jù)集基礎(chǔ)，今年12月 MIT IBM Watson Lab 為了推動視頻中的動作識別，共同推出的百萬量級的視頻動作數(shù)據(jù)集。所有的這些貢獻，都是為了降低大家實驗的難度，推動業(yè)界更快速地解決人工智能中的難題。在這種人人都可以嘗試的氛圍下，既推高了大家對這個領(lǐng)域的關(guān)注和興趣，必然也帶來了人云亦云的火爆。
