文：翟菜花

自從今年3月5日李總理的政府工作報告中四次提及“智能”，并特別指出要“加強新一代人工智能研發應用”、“發展智能產業”之后，基本上可以預測到，國內人工智能方面又會迎來新的熱鬧場景。

這不，近日新京報快訊有消息稱：國內大學第一個“人工智能”學院在南京大學成立。記者從南京大學了解到，該學院由南京大學計算機科學與技術系牽頭組建成立，目前還在籌備過程，有望今年開展招生工作。記者了解到，目前國內一些頂尖的大學開展了人工智能方面的研究和教學，但沒有專門學院。南京大學人工智能學院的成立，填補了這一空白。

近幾年關于人工智能的報道，從震撼度與傳播度來說，AlphaGo和人類的對弈當之無愧為榜首。AlphaGo的面試，算是深深地把“深度學習”從一些科幻電影中帶入現實。如今，人工智能技術已經成為最值得期待的技術之一，很可能會成為未來數年甚至至更長時間內IT產業發展的焦點。

人工智能因何而起？而又將走向何方？

看點

01

硬軟實力的雙向發力，人工智能破冰伊始

人工智能的概念其實早在上世紀80年代便已經被炒的沸沸揚揚，但人工智能的根本面目是算法，需要大量的數據存量與計算能力，當時無論是硬實力與軟實力都無法真正實現落地。而如今，技術硬實力與資本軟實力的統一發力，才使得人工智能又一次成為當下最火熱的風口之一。

技術硬實力

技術方面的突破主要分兩方面，一是技術上本身的突破，這方面主要是云計算、大數據和深度學習算法上的突破。

云計算的突破讓物質計算向人類大腦的計算更進一步。人工智能顧名思義是要模仿人腦，而人腦中有著數百上千億的神經元，以此形成非常龐大與復雜的神經網絡。所以想要真正實現人工智能，運算能力必須獲得更多的突破。

數據人工智能的基礎，據統計，2015年全球產生的數據總量達到了十年前的20多倍，這離不開物聯網的興起。物聯網創造了網絡與現實事物之間的接口，通過大量智能設備與傳感器之間數據的傳輸與交互，為人工智能的研究提供了大量的視頻、音頻、語言、文字等內容數據。

而深度學習算法則是人工智能如今取得新突破的關鍵。2006年Geoffrey Hinton教授提出的深層神經網絡逐層訓練的高效算法，讓當時計算條件下的神經網絡模型訓練成為了可能，之后，深度神經網絡模型成為了人工智能領域的新篇章，最具代表的就是AlphaGo到AlphaGo Zero，僅三天時間，AlphaGo Zero自行掌握了圍棋的下法，還發明了更好的棋步，與前輩DeepMind軟件的對局是100比0。

其次是數據采集與計算的成本逐漸降低。

這一點算是技術突破的附帶品，當計數據資源的價格不斷下跌、運算設施的成本逐漸降低，對相同數據計算結果所需要的成本逐漸降低，這就使得人工智能的開發與研究受到的阻力更小，也更易于更多的企業投入，做大蛋糕。

資本軟實力

縱觀互聯網時代，技術的突破總是離不開資本背后的支持，人工智能也不例外。人工智能能夠飛速發展，與其深厚眾多巨頭的大力扶持密不可分。

國外來說，以Google與Facebook相對出名。

據資料顯示，Google在2013年3月，以重金收購DNNresearch的方式請到了深度學習技術的發明者Geoffrey Hinton教授。2014年年初，谷歌又以4億美元的架構收購了深度學習算法公司——DeepMind，（也就是后來推出AlphaGo項目的團隊）。該公司創始人哈薩比斯是一位橫跨游戲開發、神經科學和人工智能等多領域的天才人物。

而Facebook于2013年12月成立了人工智能實驗室，聘請了卷積神經網絡最負盛名的研究者、紐約大學終身教授Yann LeCun為負責人。在Yann LeCun的幫助下，2014年Facebook的DeepFace技術在同行評審報告中被高度肯定，其臉部識別率的準確度達到97%。而他領導的Facebook人工實驗室研發的算法已經可以分析用戶在Facebook的全部行為，從而為用戶挑選出其感興趣的內容。

在國內則是以百度最具代表。

從李彥宏“砸鍋賣鐵搞AI”開始，百度的風向標就已經直指人工智能。據資料顯示，2014年5月，被稱為“谷歌大腦之父”的吳恩達加盟百度，擔任首席科學家，負責百度“百度大腦”計劃。同時百度作為天然的大數據企業，擁有強大的數據獲取能力和數據挖掘能力，無論是在人工智能的發展與延伸上，都有不錯的發展空間。

技術硬實力與資本軟實力讓人工智能迅速走紅，成為越來越多用戶口中的常用詞匯，也因此獲得了更多的矚目。但技術原本更應該是一種長期研發的沉淀，被越炒越熱，越架越高的人工智能，也可能淪為資本的下一個犧牲品。

看點

02

剛出龍潭又陷虎穴，人工智能還是人工智障？

甲子光年之前提過一個“心理閥值”的情況：在達到某個臨界點之前，人們總會覺得無法滿意，于是技術從業者總要坐在冷板凳上前行，并不能后誠心的產業機會。

現在的人工智能便是如此。

資本往往能迅速催化一個產業，就如同之前的VR，可以迅速創造出一個“風口”，引出大量的“從業者”。人工智能更應該是一個具有歷史性的發展項目，不可能在短時間就達到人們的期望值。

《哈佛商業評論》這樣解釋到：“人工智能和計算能力將在未來20年取得突破，以實現奇點，屆時，機器將能夠完全模仿人類大腦的工作方式。”

本該是一個長達數十年的深耕，但是如今，大量的資本涌入，炒作，把人工智能提早的鋪陳出來。這很符合互聯網商業原理：做概念、拿融資、炒熱度、找接盤。但目前展示出來的落地項目與宣傳的人工智能概念極其不符，跟多人工智能仍停留在“人工”的階段，這不免讓人工智能在用戶心中的印象日益下跌。

無人駕駛測試屢出事故、語音識別不夠精準、智能交互場景略顯匱乏等等，都成為資本催化下，不夠沉浸，匆忙落地的“后遺癥”，人工智能的風口浮現出兩個字——浮躁。就比如這次南京大學國內“首個”人工智能學院。

這次噱頭的“首個”，早在去年就見過了。據資料顯示：2017年5月28日，中國科學院大學發文成立人工智能技術學院，成為我國人工智能技術領域首個全面開展教學和科研工作的新型學院。西安電子科技大學人工智能學院也于去年11月正式成立，該學院系教育部直屬高校首個致力于人工智能領域高端人才培養、創新成果研發和高層次團隊培育的實體性學院。

可見一斑，人工智能行業現在有多浮躁。而長期的這種浮躁風帶來的，就是人工智能淪為人工智障的悲哀。

看點

03

人工智能的前路：成人培訓不如專業教育

不得不說，雖然這次南京大學人工智能學院可能與報道中的“首個”不符，但確實是能讓人工智能擺脫人工智障的的唯一途徑。

人工智能需要的是繼續深耕，而深耕歸根結底仍然在“人工”上，我國的人工智能方面的人才稀缺，而國內對于這方面的教育也跟不上，普通中高等教育中，完全沒有涉及人工智能的專業課程。

網上有過人討論人工智能是否可以像時下火熱的編程速成課一樣，開展速成的成人培訓，增加人工智能方面的從業者，人才。

很可惜答案是否定的，首先，短期速成的培訓班，很難于“人才”二字掛鉤，現在流行的成人培訓課，往往只是為了應聘某一職位，而被填鴨式的速成培訓。一位技術人才，還是需要大量的時間的深耕才能孕育。

其次，人工智能無法做到像JAVA、C語言等目前流行的成人速成課一樣，只需要一些基礎知識，便可以進行速成。根據從業人士反映，人工智能作為一門算法課程，需要扎實的線性代數等數學方面的基礎，在此基礎上還需要掌握入門機器學習算法，能夠嘗試用代碼實現算法，自己能實現功能完整的模型等一些列復雜切高要求的教育過程，這無疑是短期培訓無法實現的。

所以說人工智能能夠開展專業的教育類專業，無疑是對今后發展的最正確投資。互聯網炒概念，博傻的思路終究無法真正扶持一個產業，真正能讓一門科技發展的，仍然是教育?；ヂ摼W新潮的概念一個又一個，但真正繞了一圈，終究逃不過“科教興國”四個字。