有人說現(xiàn)在是人工智能的春天，有人說是夏天，還有人悲觀一點，說是秋天，秋天的意思就是冬天馬上就來了。

作為人工智能的學者，我們該怎么看待這件事情，我們能做些什么？不管大家怎么預測，至少今天還是一個人工智能的黃金時代。

為什么這么講呢？接下來先給大家展示一些最近人工智能取得的成果，確實是之前十幾年我們完全想不到的。

小米電視日前推出主打”高性價比”的全球首款人工智能語音電視小米電視4A，只需一個語音按鍵，便可實現(xiàn)關鍵詞搜索、熱度排行、開啟應用游戲等10類語音交互功能。無獨有偶，長虹近期推出CHiQ人工智能電視新品Q5N和OLED電視新品Q5A系列，主打的功能還是語音控制。

實際上，在市面上海爾、TCL等已經(jīng)推出了所謂的可進行語音搜索的人工智能電視。小米電視最重磅的功能是支持人工智能語音控制，號稱老人孩子都能使用，可以用很自然的語言對電視進行聲控。

智能語音正在向著私人助理機器人方向快速發(fā)展，在大數(shù)據(jù)、人工智能、機器學習等技術的支撐下，可為每個人量身定制自己的個性化私人助理。

私人助理會根據(jù)用戶的行為和使用習慣，幫助用戶網(wǎng)上購物、安排出行、調整設備、智能提醒、聊天解悶。

私人助理可以提供越來越多的線下生活服務，如訂餐廳、訂外賣、購買電影票、醫(yī)院預約等操作。

過不了多久，所有人都可以通過人工智能對一張圖片或是對視頻進行復雜的處理。舉個栗子，SmileVector 是一個推特機器人，

可以生成任何明星照片微笑的動圖，如果輸入一張人臉圖片，它可以通過深度學習神經(jīng)網(wǎng)絡生成它們微笑的表情。

雖然這些圖片也許并不完美，但它們完全是自動生成的，這是人工智能在圖像處理領域的又一進步。

也許不久之后，圖片、聲音和視頻造假都將變得容易。想象一下，假如新版本的 Photoshop 可以像用 Word 編輯文字一樣輕松編輯圖片，

你還會相信自己的眼睛嗎？

Smile Vector 只是新技術的冰山一角，我們很難對現(xiàn)代人工智能多媒體處理技術做出全面的概述，但我們能夠找出其中一些有意思的應用。

例如：從一張 2D 圖片中創(chuàng)建 3D 面部模型；使用人類“模型”實時改變視頻中人物的面部表情；改變圖片中的光源和陰影；

為無聲視頻自動生成聲音；在總統(tǒng)選舉直播中讓特朗普變成禿頭；用視頻剪輯“復活”朋友等等。這些事例只是其中的一小部分。

通過互聯(lián)網(wǎng)搜索引擎，發(fā)掘、建立語音信息數(shù)據(jù)庫，利用云計算、大數(shù)據(jù)、自然語義分析、機器學習和深度神經(jīng)網(wǎng)絡技術進行語音信息聚類處理，

力求得到更準確的答案。在實際生活場景下，用戶口語化表述更加多樣，容易產(chǎn)生歧義，人機交互難度非常大。

微軟在構建Bing和Azure過程中成熟應用了NLP，計算語義學，情感分析，邏輯或者統(tǒng)計機器學習，信號處理，大規(guī)模計算，云端存儲和響應，

本地硬件加速等技術，所以Cortana實現(xiàn)了更加貼近生活的自然人機交互。Siri基于WolframAlpha，WolframAlpha是一個計算知識引擎，

而不是搜索引擎，用戶在搜索框鍵入需要查詢的問題后，該知識引擎將直接向用戶返回答案，而不是返回一大堆網(wǎng)頁鏈接。

前面說的這些語音、圖像、語言，聽起來還都是一些感知方面的東西。大家也知道，最近這段時間，

人工智能在一些傳統(tǒng)我們認為可能很難由機器來取得成功的領域也獲得了突破。比如騰訊已經(jīng)在對戰(zhàn)中加入人工智能，利用人工智能技術來打游戲。

碰到過的人都知道，這種游戲機器人雖然只能按既定的設置去完成游戲，但是能跟玩家完成簡單的配合輔助等基本細節(jié)。

也許在我們眼里它只是達到了所謂“菜鳥”玩家的水準，一旦成熟，我相信它會發(fā)現(xiàn)一些平時我們自己都玩不出來的竅門。

大家都知道AlphaGo非常火，使用了深度增強學習的技術，經(jīng)過了非常長的訓練時間，引用了大量數(shù)據(jù)做self－play，

最終是以壓倒性的優(yōu)勢，4：1戰(zhàn)勝了當時的世界冠軍李世石。在去年的IJCAI上面，AlphaGo主要的開發(fā)人員做了一個keynote，

說自戰(zhàn)勝了李世石之后，AlphaGo并沒有停下腳步，因為它是一個self－play的process，可以繼續(xù)訓練，只要給他足夠的運算時間和樣例，

它就可以不斷地去訓練。所以也能理解為什么今年年初Master重新回到大家視野里，可以對圍棋高手60連勝，因為這個差距太大了。

這些事情都是以前人們覺得人工智能不可以去企及的領域。但正是因為這些計算機科學家、人工智能科學家不斷地去模仿人的決策過程，

比如他們訓練了value network，訓練了policy network，就是怎么樣根據(jù)現(xiàn)在的棋局去評估勝率，去決定下一步該走什么子，

而不是走簡單的窮舉，用這些value network來對搜索樹進行有效的剪枝，從而在有限的時間內(nèi)完成一個非常有意義的探索，

所有這些都是人工智能技術取得的本質的進展，讓我們看到了一些不一樣的結果。