人工智能的發(fā)展進程邁入了一個新的高峰，特別是在全球科技、商業(yè)、投資領(lǐng)域乃至國家戰(zhàn)略層面占據(jù)著至關(guān)重要的位置。AI技術(shù)與產(chǎn)品也在一夜間進入了大眾認知的范疇區(qū)間，一個與之觸手可及的時代正在全面到來。

在計算機科學領(lǐng)域，終端產(chǎn)品一直是整個業(yè)界技術(shù)變革驅(qū)動下的產(chǎn)物，喬布斯的那句“用戶從來都不知道自己需要什么(產(chǎn)品)”曾暗中契合了終端產(chǎn)品形態(tài)未知性的歷史事實。在智能移動觸屏手持問世之前，蘋果、微軟和其他廠商在PDA(個人數(shù)碼助理，俗稱掌上電腦)的產(chǎn)品研發(fā)上進行過不少嘗試，也曾產(chǎn)出了一批諸如Apple Newton、Palm 、Pocket PC這些風靡一時的產(chǎn)品，但是后來它們皆為智能手機所取代，且后者成為了繼PC之后真正長期穩(wěn)定的智能終端形態(tài)。事實上近年來關(guān)于新技術(shù)產(chǎn)品形態(tài)的爭議不僅于此，同期炙手可熱的VR/AR同樣經(jīng)歷了這一風波。在觀點與思辨的沖撞之下，關(guān)于人工智能的技術(shù)走向和產(chǎn)品形態(tài)演變是個值得思考的問題，這關(guān)系到當下市場和消費者需要什么樣的人工智能。

● 技術(shù)形態(tài)的過去、現(xiàn)在與未來

人工智能歷史源遠流長，在現(xiàn)代意義的人工智能技術(shù)與課題確認之前，更多是以理論和探索的形式存立，也就是算力和方法論。在方法論的問題上，博弈論的發(fā)展始終貫穿人工智能進化全過程，直到今天運用的蒙特卡洛樹搜索、人工神經(jīng)網(wǎng)絡、深度學習等技術(shù)絡給予其極大的實現(xiàn)空間，而在這之前，控制論與早期神經(jīng)網(wǎng)絡占據(jù)著主導地位。而算力是制約人工智能發(fā)展的又一瓶頸，但這個問題隨著可編程計算機與計算機網(wǎng)絡的演進得到了較好解決，特別是如今分布式計算和云計算的成果基本解決了當前AI的算力需求，所以今天我們在人工智能瓶頸上所面臨的依舊是方法論的問題。

1956年的達特茅斯會議確立了現(xiàn)代人工智能課題研究，這一領(lǐng)域才真正進入從理論探索到實踐落地的過渡階段。在此之后人工智能經(jīng)歷了兩次低潮，雖然表面上都與算力和算法的瓶頸相關(guān)，但事情的背后都隱藏著時代對應用生產(chǎn)遲遲久候未至的不滿。“發(fā)明從來不是為了發(fā)明而誕生”，西方哲學家如是說，這就好比工業(yè)革命的發(fā)生，許多人眼里工業(yè)革命是瞬間爆發(fā)的，實際上它經(jīng)歷了一個必要的過程，引發(fā)技術(shù)革命的乃是需求，而非發(fā)明本身。

經(jīng)歷低潮之后的研究者們大徹大悟，他們相繼拋開諸如“強人工智能”爭議和“中文房間”這樣的諷刺，開始致力于如何率先實現(xiàn)技術(shù)價值，哪怕是一丁點成果亦可成為對業(yè)界一針強心的提振。“人類怎么思考是次要的，現(xiàn)在需要的是解題的機器，而不是讓機器像人一樣思考!”在此類觀點刺激下，邏輯學派與反邏輯學派率先取得成果，這直接推動了邏輯運算的改進與大量面向?qū)ο缶幊趟枷氲恼Q生。

在知識革命的年代，專家系統(tǒng)曾備受青睞，這是大數(shù)據(jù)的前生。專家系統(tǒng)是一類從大量專業(yè)領(lǐng)域知識數(shù)據(jù)中邏輯推演解答該領(lǐng)域問題的AI程序。該技術(shù)早期在醫(yī)學領(lǐng)域嶄露頭角，上世紀70年代的MYCIN系統(tǒng)通過診斷血液傳染病和選用抗菌素類藥物治療一例中顯示了專家系統(tǒng)的威力。專家系統(tǒng)的數(shù)據(jù)積累與運用由于局限在某一狹小的專業(yè)領(lǐng)域，從而避免了泛化的常識問題，這種簡單的設計讓AI開始變得實用起來。

專家系統(tǒng)之后AI在商用上有了明確的方向，越來越多的研究者開發(fā)了復雜的數(shù)學工具，使AI技術(shù)加速落地各種領(lǐng)域應用，這包括工業(yè)設計、醫(yī)療診斷、金融分析、各類賽局、搜索引擎、語音識別等等。在算力和算法的突破上，IBM深藍是第一個里程碑，時隔近二十年的AlphaGo可以視為前者的延伸。由于傳統(tǒng)啟發(fā)式搜索的人工智能在圍棋算法中難有突破，分布式計算就有了用武之地，比如在與其他圍棋程序的測試比賽中，聯(lián)網(wǎng)版的AlphaGo相比單機版本其勝率要明顯提升。

AlphaGo人機大戰(zhàn)后的一個啟示是，人工神經(jīng)網(wǎng)絡深度學習、基于運籌學的各類算法、仍有待提升的分布式計算算力將成為未來一個階段人工智能技術(shù)的重要航向。

● 當前的AI產(chǎn)品的格局與風向

由于技術(shù)突破帶來的算法與算力的滿足，未來十年內(nèi)人工智能將在不同應用領(lǐng)域開花結(jié)果，盡管當下各種市場預測有所差異，但爆發(fā)期的增長趨勢是不會改變。IDC預測認知系統(tǒng)和人工智能市場(包括硬件和服務)將會從2016年的80億美元增長到2020年的470億美元，復合年增長率(CAGR)達到了55%。其中軟件應用占180億美元，軟件平臺占50億美元，服務和硬件占240億美元。IBM聲稱，認知計算擁有2萬億美元的市場，其中醫(yī)療健康就占了2000億美元。Tractica則預測直接和非直接的人工智能應用將會從2016年的14億美元增長到2025年的598億美元，CAGR為52%。另外，Cowen預測81%的科技公司正在或計劃投資人工智能，其中像微軟、谷歌這樣的軟件巨頭會沖在最前面。

從眼下格局來看，人工智能在消費級市場和企業(yè)級/專有領(lǐng)域分別斬獲是中長期趨勢。在現(xiàn)有消費領(lǐng)域的產(chǎn)品落地中，智能音響的大混戰(zhàn)已經(jīng)打響，巨頭亞馬遜、谷歌、微軟、蘋果悉數(shù)進場。智能音響作為人工智能語音識別技術(shù)的落地形態(tài)大肆登場，這是令國內(nèi)消費領(lǐng)域所始料未及的，其中原因一方面，重移動場景的國內(nèi)市場和具備了成熟的中產(chǎn)家居場景需求的北美市場存在較大差異，這使得智能音響大戰(zhàn)在大洋彼岸鏖戰(zhàn)正酣之時國內(nèi)市場卻不見多大動靜;另一方面，科技巨頭各自坐擁的AI語音助手有著迫切推上硬件終端，借助語音交互、內(nèi)容服務和第三方應用繼續(xù)比拼生態(tài)整合。由此可見，智能音響產(chǎn)品背后的角逐，乃是巨頭間各自AI技術(shù)實力和原有平臺影響力的較量。

語音交互何以成為人工智能在消費領(lǐng)域扎堆落地的產(chǎn)品形態(tài)，有三點原因至關(guān)重要。首先，在移動互聯(lián)時代語音交互具備優(yōu)良的工具屬性，一個智能勤懇的助手如影隨形，它能夠精準理解你的命令，迅速執(zhí)行準確結(jié)果，用戶只需兩步即可：提問——完成。中間是一個黑箱，你看不到過程，結(jié)果卻非常準確。其次，智能語音有著打破傳統(tǒng)APP壁壘的天然入口屬性，在這種架構(gòu)設計下，各個APP的獨特性被剝?nèi)?，只剩下最純粹的功能且都融合在語音助手里，其平臺的優(yōu)越性得到彰顯，載體也不局限于移動設備，像智能音響這樣的產(chǎn)品形態(tài)亦能脫穎而出。第三，也是最重要的，語音交互解放了雙手和眼，為人機交互拓展了另一個可能性，設想AI智能化大幅提升的將來，這或?qū)⒁I(lǐng)一次新的計算機終端革命。

企業(yè)級落地在數(shù)據(jù)分析、市場自動化等方面率先鋪開，企業(yè)將會大規(guī)模采用智能應用棧，因為信息部門正從記錄系統(tǒng)向智能系統(tǒng)過渡，今天的智能應用正在一步步重新定義企業(yè)軟件的未來，且速度會越來越快，一個顯著的例子是CRM、ERP軟件智能化。

全球最大企業(yè)級軟件公司甲骨文與CRM新秀Salesforce于去年幾乎同時啟動AI助理計劃，借助人工智能技術(shù)，將AI助理的預測和反饋能力嵌入其銷售、服務、營銷、分析、商業(yè)、物聯(lián)網(wǎng)以及社區(qū)等云服務中，實現(xiàn)流程再造、業(yè)務調(diào)度以及生產(chǎn)力的顯著提升。而相比傳統(tǒng)軟件公司在AI技術(shù)和數(shù)據(jù)積累方面的貧瘠，微軟似乎擁有更多話語權(quán)，同時整合CRM、ERP提供端到端一整套服務的Dynamics365推出人工智能版，其內(nèi)置Insights、智能預測服務和工作流優(yōu)化功能，原生嵌入 Power BI 和 Cortana智能，一次打通AI交互+云+智能關(guān)系洞察的高等級應用。

由此可見，在企業(yè)級市場/專有領(lǐng)域部署的AI技術(shù)其產(chǎn)品形態(tài)與上世紀的專家系統(tǒng)雖有目的上的相似，但在現(xiàn)代人工智能機器學習、算法認知和分布式計算等技術(shù)加持之下，其設計原理與架構(gòu)本質(zhì)早已翻天地覆?？梢灶A見的是，生產(chǎn)力+AI的組合將在未來的企業(yè)級領(lǐng)域大行其道。

最后

我們需要什么樣的人工智能，最好的方式是讓業(yè)界和市場給出答案。值得注意的是，人工智能的發(fā)展仍然嚴格遵循技術(shù)革新的歷史進程，這是不變的科學規(guī)律。同時，以當下人工智能技術(shù)發(fā)展水平來看，思考如何讓人工智能創(chuàng)造更多價值，比起“AI威脅論”的恐懼渲染似乎更有意義。