这一波人工智能泡沫将会怎么破灭？ 第1页

数据用完然后破灭……

目前的人工智能仍然不能创造新的学习数据，这一波红利的主要原因是之前互联网时代积累的大数据到了一个临界点可以足够做出比较好的学习结果，而计算机的运算能力过剩正好可以用来计算，最后是Google和云计算公司以及业界积累了大量的分布式集群运算的经验，才带来了这一次人工智能的井喷式发展。但是目前数据仍然是燃料，如果数据用完了，那么人工智能的发展必然会放缓甚至停滞。其实很多人工智能的理论并不新鲜，之前做不出这样的效果最要命的就是数据不够……

谢邀

泡沫的破灭是商业周期的变化，是人类金融社会机制的正常现象，但泡沫的出现与否都不能掩盖机器智能快速发展的事实。因此，与其关注金融现象，不如多思考如何理解机器智能发展的规律，加以利用，把握先机。

人类对于机器智能的发展，有一个非常大的局限性，就是把人类的思考方式，作为衡量是否智能的标准，导致容易错误地估计机器智能的发展。我们总是认为，只有像人类一样能够流畅地对话和理解彼此，才是真正的智能。很多人喜欢吐槽聊天机器人（或者人工助理等等），经过这么多年的发展，依然不能理解人类语言，只能用作无聊讲笑话的小玩具，并因此否定机器智能的进步。然而，事实是，机器智能的进步，比如对语言的理解，是以另外一种方式飞速前进着。在搜索引擎、机器翻译、推荐系统等各种应用中，都有体现。

如果不想错误地估计机器智能的发展，理解机器智能的进步，我们首先要理解人类与机器的不同。 人类智能与机器智能有很多不同之处，这里只说一点：可复制性。

人类的教育理论发展了这么多年，但是，面对不同的人，哪怕我们施展同样的教学方法，有的人能举一反三，灵活掌握，有的人却是一团浆糊。但机器不同，机器智能的训练方法是可复制的。用同样的训练方式，一定会得到一样的训练结果，这意味一旦训练的方法有了突破，所有的机器智能都能更上一步。

不但训练方法可以复制，训练出来的模型同样可以复制，并大规模的部署。当第一个车牌识别系统被开发出来，立马全世界所有车牌识别的问题都可以解决。这一点人类同样也做不到，拿翻译这个任务来说，我们能做的只能是靠教育系统培养一代一代的学生，既不能保证数量，也不能保证质量。

这样的可复制性还有一个优势，就是可以让机器自己与自己训练提升，不必受制于人类的极限，这意味着只要任务明确，机器就一定会比人类做的好。AlphaGo 在早期靠的是学习人类的棋谱，而后期就开始与自己相互博弈，提升自己。

人类智能的进步依赖天才推进极限，以及良好的教育系统拉高平均值，倘若天才离世，我们会认为这一领域的研究可能倒退，如果战乱导致教育系统停滞，我们会担心下一代的发展。但机器智能的发展，因为这种可复制性，是渐进的，是被广泛应用的，是永远不会后退的，并且是普通人难以察觉的。

无人车的出现就是一种渐进的发展。几十年前人类幻想，有一天车会自己开动，能带我们去任何我们想去的地方，这无异于痴人说梦。但几十年的渐进式的发展，我们有了电动助力转向，有了定速巡航，有了盲点提示，有了自动变道，再加上电子地图的发展，以及图像识别的突飞猛进，无人车的出现一下子变得近在咫尺。机器智能的每一个进步都是微小的，但是组合起来就能最终成为我们期待的智能系统。

无人车的出现会大规模替代司机，而这个模式是一个可以被借鉴的模式。如果我们要创立一个智能系统来替代律师或者医生，我们首先要花费数年为律师和医生打造各类任务明确的智能系统，在不断地服务医生的过程中积累数据，理解医疗过程，最终掌握医疗能力，完成终极系统的搭建。与无人车一样，一定是有无数小的部件需要开发，数据需要积累，在渐进的过程中达到最后系统的搭建。

机器智能的发展不是一蹴而就，立刻成形。如果对于机器智能的理解容易有误，往往也会导致商业模式有误，我在这个答案中也提到，能够真正掌握算法，并且能应用到真实商业环境的人，才是市场最需求的人：2016~20 年硅谷需求量最大的是什么方向的技术人才？

最后，说到大家爱吐槽的聊天机器人，认为机器在理解人类语言上没有进步，这是错误的。Google 的搜索、翻译，Facebook 的信息流，Amazon 的推荐系统，都是建立在大规模的语言理解上的。这些公司能够在每个人身上赚钱越来越多，是因为对于大家的行为和语言理解的越来越准确，但是这种准确是在大规模系统的度量上，不是像人类的对于每个句子精确含义的理解上，这也是机器智能与人类智能的不同，有机会再细说。

话说回来，倘若有一天机器能够完全理解你的语言，这意味着机器可以同时理解世界上所有人的语言，所有种类的语言，甚至人类从发明语言开始横跨几千年的语言。我们在机器面前无法躲藏，所有的语言都会被理解的通通透透。

这样的世界会发生什么呢？我们真的期待这一天早些到来吗？

----

@陈然

现在总体上看还不怎么存在泡沫，可发展的应用和项目实在太多。

接下来如果还是以深度学习为主的话，主要的方式是需要产生更多的数据。AI可能会跟各行各业结合，甚至其他行业会为了深度学习特性而改变结构，生产更多的数据。现在很大程度上的问题不是数据太多，而是数据太少。这一整轮的革新目前来看大概可以涉及所有已知行业，是很持久的过程。

如果一定要说最终会产生怎样的泡沫和破灭的话，我觉得以现在的知识背景是很难想象的。人类社会除非大崩坏，现在也看不到什么新的增长点了。也许会一直持续到发展出强人工智能的一天吧，那时候就不太需要继续研究了 >.<