“人工智能市场即将迎来最好的时代”？过去六十年反复提起可能这次有些不一样

对人工智能而言， 2016年注定不平凡。

这一年，人工智能领域的奠基人明斯基去世——这离他提出人工智能概念过去了整整60年；3月中旬，阿尔法狗与李世石的围棋之战，后者的虽败犹荣也换来了大众范畴对AI的敬畏；也在这一年，有越来越多的人工智能产品从实验室脱颖而出，步入人们的生活。

10月26日，华夏幸福主办的2016产业中国年会在北京举办。其中，一场同期由中国人工智能学会主办、华夏幸福与CAAI模式识别专业委员会承办的论坛颇为惹眼——“2016人工智能青年创新峰会”。中科视拓董事长、计算机视觉专家山世光，云知声董事长、语音识别技术应用专家黄伟，微软亚洲研究院视觉计算组组长、资深计算机视觉专家华刚，清华大学教授季向阳，依图科技CEO、计算机视觉专家朱珑，图森互联CTO、联合创始人侯晓迪等嘉宾站在产业界的高度，分享了关于人工智能的远见。

人工智能迎来“黄金时代”

事实上，人类历史的底层驱动力永远都是技术——以及让“技术扩散”的产业化过程，技术商业化无疑是实现产业升级的关键节点。

科技企业与资本市场的青睐，令人工智能市场即将迎来最好的时代——在过去的60年，这种乐观情绪也曾反复出现。计算机视觉专家山世光就在峰会发言时指出：这一轮人工智能热潮并非第一次，也许还不是最后一次，上世纪60年代和80年代分别出现过一次人工智能热潮，但寒冬相继而来，“前两次人工智能出现热潮的时候，一个源起是因为一些著名的人工智能科学家给出了一些预测和承诺，但这些预测和承诺没有达到，所以进入寒冬。而这一次跟过去是不同的，这次热潮不是基于承诺，而是基于进步。”——嗯，如今产业界几乎达成的共识是：更廉价的并行计算、更优质的算法、以及更庞大的数据量，终于可以让人工智能作为一个“时代”的前缀。

事实上，从微软亚洲研究院视觉计算组组长华刚在本次峰会发言中对计算机视觉——人工智能一大重要支脉的回顾即可看出，在人工智能得以井喷的所有拐点里，深度学习理论的日趋完善尤为关键。深度学习可以让机器拥有某种类似于“自我学习”的能力。华刚在演讲中转述了马里兰大学一位教授的观点：深度学习模型就像一个和面机一样，你把很多东西放进去，它出来一盆非常好吃的东西。中国工程院院士、中国人工智能学会理事长李德毅也曾指出：“人工智能的核心不仅仅是算法，更是学习。在今天大数据环境下，可以把程序放到数据里，让程序围着数据转，形成数据驱动的人工智能。如果能够通过记忆认知、计算认知、交互认知三位一体的认知网络，形式化脑认知，形成决策脑，就可展现出人工智能的井喷局面和灿烂前景。”

这也就不难理解，为何这一轮人工智能的技术转折点，会与数据量的井喷并行出现，后者是“喂养”人工智能的“养料”。就像山世光所说，“深度学习的基本模型很多都是在上世纪80、90年代出现，为什么那时候没有像现在做得这么好？因为它缺乏一个条件就是大数据。”——重要的是，在不少业内人士看来，人工智能与数据的共生关系对中国是一种利好。

本次论坛嘉宾、云知声董事长黄伟指出，人工智能的普及离不开大数据，而大数据一定和海量的用户密切相关，所以人工智能是中国赶超世界的良机，我们以前做芯片不如美国人，机械制造不如德国人，但在人工智能领域是有机会的。

最后，颇值一提的是，这一轮人工智能享受的红利中，除了技术本身的日趋成熟，如黄伟在本次峰会发言时指出：“不能忽视用户习惯的养成，在过去十多年中国互联网发展过程中，我们的用户已经养成了非常高的用户习惯。这个技术的成熟和用户需求之间就能产生非常好的结合点，使得我们在某些领域把我们今天的AI技术能够更加成熟，而且能够做到产品化、商业化。”

“人工智能+”带给创业者机遇

人工智能将迎来与其他行业井喷式的落地——或者说，商业化过程。翻看国内外科技资讯，语音识别、图像识别、人脸识别、机器翻译、聊天机器人、虚拟助手、个性化内容推荐、无人驾驶……某种意义上，人类社会正在从“互联网+”向更高阶的“人工智能+”跃迁。同时，这也意味着未来将会出现一个数万亿美元的巨大市场。

因为市场巨大，在面对具体乃至细碎的应用场景时，人工智能在各领域的产业化落地，绝不可能被巨头垄断，无论是觅得一个尚未爆发的核心技术，还是将人工智能搁置到自身所在的传统行业，都为创业者留下了诸多可能。正如2015年产业中国年会嘉宾、“预言帝”凯文·凯利所言:人工智能将成为最重要的技术。

而若将视角切换至中国这片机遇甚多的土地，正如依图科技CEO朱珑博士在本次人工智能青年创新峰会上指出的观点，他结合自己十余年的学术研究心得将创业融入其中，将两个行业纬度的相关性进行了梳理。在他看来，虽然现阶段中国与美国尚有距离，但正因为中国存在着一些特殊的命题（譬如人口优势），所以适合去做某些挑战或是世界级的研究。“它能决定我们这一帮年轻人，无论是技术从业者还是产业从业者能去挑战这些高度。”朱珑表示。

产业化需要外部力量助推

未来由现实造就，而现实抵达未来的路径之一即是“试错”。这一轮人工智能的技术落地也有些许问题。如山世光所言，“我们需要理性去判断这一轮的人工智能热潮的真正进步到底有多大。”

最易察觉的即是对于市场需求的误判。不难理解，当颠覆性技术来临，创业者的集体亢奋在所难免，并很容易产生“伪需求”产品，流于概念而失败。最典型的例子也许就是已逐渐退热的智能硬件领域。

诚如李德毅所言：“真正创业的人能够冷静思考。很多人看到这个趋势，因为觉得只要趋势对了，我们往里钻就不会吃亏。但是我觉得更重要的还是要想想自己的强项、自己的亮点、市场的卖点、创意的痛点，分析透了，再下海更好。”

除此之外，中国数据资源的相对封闭也很大程度阻碍人工智能领域的发展速度。山世光就表示：开放数据，开源，是国内学术界和工业界做的不够好的地方，国外开源社区有非常多的人愿意做贡献，这样就可以使得整个行业和整个生态发展得更快。

另一方面，更为重要的是产学研之间,还尚未大面积形成成熟的共赢机制。相对其他领域互联网创业，虽然有深度学习技术的加持，但人工智能创业门槛依旧相对高企，且很多是综合性的复杂产业，由创意到最终量产，往往需要外部力量的支持。

正因如此，在人工智能产业技术落地的关键一瞬，华夏幸福扮演着重要的产业化助推者角色。譬如，在其产业载体中，最具代表性的产业园之一是香河机器人产业园，后者定位为“京津冀地区机器人产业高地”，试图为这一领域的企业提供最大化的扶持。

毫无疑问，受益于时代与技术的发展，以及华夏幸福在“技术商业化”之路上的贡献，势必将中国人工智能的发展推向更好的未来。