喜大普奔人工智能进入指数式发展阶段

　　高通公司副总裁、高通风险投资中国区总经理沈劲
　　人工智能已经进入一个指数式发展的阶段：经历了初期曲线平缓的增长，到后期增长曲线非常陡峭，速度让人出乎意料。
　　指数式发展的推动力
　　人工智能发展的推动力主要包括三个方面：计算个人化、计算网络化和大数据。
　　首先，计算个人化使得人工智能的研发从精英阶层扩展到大众。早期的研究机构主要是大学和政府，只有它们才有研发人工智能所必备的超级计算机。集成电路的发明和发展促成了计算能力快速上升和成本大幅下降。上世纪80年代浙江大学使用的小型机PDP11的运算能力远远不如我们今天使用的手机。
　　其次，计算网络的价值增长也呈现指数式，例如，有4个节点的网络有12个有方向的连接，而400个节点的网络有多达159600个连接。今天的网络连接数（即价值）正在直线上升。
　　再次，随着信息终端的普及和物理世界的数字化，数据正在爆炸增长，更是指数式增长。今天全球的数据量累计超过了10Zettabytes，其中90的数据是在过去两年中产生的。
　　近年来，人工智能领域的创业和研发活动越来越活跃。根据VentureScanner在2015年8月的统计，近十几年，全球人工智能领域的创业公司达到了855家，它们共获得87。5亿美金的风险投资。根据量化公司Quid的数据，在2013年有322家人工智能公司获得至少20亿美金的投资。据CBInsights的数据，2014年投资人工智能领域的金额比2013年增加了3倍。
　　人工智能创业分布在13个不同的领域，包括机器学习、计算机视觉、语音识别、智能机器人等。
　　正是因为计算能力的增强和数据量的极大增长，机器学习成为人工智能领域进步最快的分支，所获得的投资额占总投资额的45。机器学习是用数据和以往的经验优化计算机模型的性能指标。比如说，制造手机有100多道工序，如果我们通过编程让机器人一步一步地按照程序完成，这不是机器学习。如果智能机器人通过观察工人制造手机的过程，再经过不断试错，最后达到可以自行制造的程度，这才是人工智能。
　　大数据之前，因为没有足够的数据来训练模型，所以模型优化的进程缓慢。今天数据足够多了，运算能力大幅上升，优化模型的速度也随之加快了。最近量子计算机带来了实现更强大的运算能力的希望。
　　大公司越来越活跃
　　先说谷歌。其于2010年正式启动汽车自动驾驶项目，2012年获得美国首个自动骂驶车辆许可证。到了2016年年初，谷歌的自动驾驶汽车己经累计行驶了225万公里。
　　2014年谷歌收购了深度学习公司DeepMind，同年10月它发布了一种全新的模拟神经网络。同样在2014年，谷歌开始开发一套能够整合海量数据的语音系统，使得语音识别的精准度从2012年的84提升到了2014年的98。
　　2012年，谷歌大脑可以在1000万张图片中成功识别出一只猫。从2010年到2014年，谷歌的图像分类识别精确度提高了4倍。在2013年，它还收购了8家机器人公司。
　　再来看Facebook。深度学习的鼻祖级科学家YannLeCun在2013年加入Facebook，使其图像识别和自然语言处理技术飞速提高。2014年，Facebook的脸部识别准确率达到97。
　　接着是IBM这支人工智能领域的老牌劲旅：2014年宣布组建WatsonGroup，同时推出两项Watson顾问服务，一项帮助企业获得足以洞察海量数据的能力，另一项使得数据可视化。同年8月，IBM发布能模拟人类大脑的SyNAPSE（自适应塑料可伸缩电子神经形态系统）芯片，该芯片有100万个神经元内核，而功耗仅为70毫瓦。
　　最后说百度。它在2014年5月引入深度学习专家AndrewNg，并由其组建百度北美研究中心，随后发明了DeepSpeech语音识别方法，可以在嘈杂环境中实现81的识别准确率。同年4月，百度发布大数据引擎，提供大数据存储、分析和挖掘技术，在医疗、金融和交通领域有具体的应用。
　　机器聪明了，人怎么办？
　　英国伦敦大学科学家的研究表明，自1950年以来，人们的平均智商升高了20点，相当于平均每10年人类的智商值提高3。
　　人工智能技术能够用来提高人的能力吗？我们将人工智能在教育领域的应用总结为以下7个方面。
　　自动作业修改：语音识别和语义分析技术使得自动批改作业成为可能。数学等学科的作业自动批改相对容易，作文的自动批改也已经开始了。
　　个性化学习：大数据可以描述每个学生的学习特性。根据伦敦一个研究机构的分析，人们的学习方法可以分为70种。
　　智能辅导系统（ITS）：比如可汗学院就是一个优秀的智能辅导系统，可以帮助我们学习数学、科学、人文科学和计算机科学。
　　互动学习环境（ILE）：更多建设性学习（或者说学生自己决定学习科题），学生更主动，更多个性化，以及学生收到更多反馈。
　　通过仿真游戏学习：目前最成功的仿真是飞行模拟器。在模拟机上飞行和真机没有两样，只是训练更加便捷。
　　对教学体系的反馈和评测：人工智能为学校招生、学习场所建设和课后活动提供创新的解决方案。
　　相信这方面的创新刚刚开始。科学家和创业者不仅应该关心机器的能力，更要在乎我们自身的能力。
　　编辑元素：
　　人工智能的发展路线
　　1950年，起步艾伦图灵预言人工智能将超越人类智能
　　1951年，马文明斯基完成第一台神经网络机SNARC
　　1956年，达特茅斯会议正式确定这个领域
　　1950年1970年，斯坦福大学、麻省理工学院分别开发移动机器人和聊天机器人
　　1970年1980年，计算机的运算能力和内存有限，发展陷入瓶颈
　　1980年1987年，发展兴旺，日本和美国投入大量的资源
　　1987年1993年，再次进入发展冬天，人工智能专用电脑的性能落后于IBM和苹果
　　2006年，雷库兹韦尔在《奇点临近》中预言机器智能将在2045年超过人类
　　2011年，美国《时代》杂志封面故事：《2045年人类机器结合获永生》（2045：TheYearManBecomesImmortal）
　　2014年，三名俄国科学家发明的超级计算机Eugene和一些专家在网上对话5分钟
　　进入指数式发展阶段