近期，據外媒報道，硬件革命將人工智能推向主流，它大大削減了 AI 系統的訓練時間和成本，沒有讓 AI 變成了一場鮮有人能夠參與的軍備競賽。

人工智能早就不是什么新鮮話題了，茶余飯后我們也經常討論以后有哪些行業可能會被人工智能替代。然而看到這則新聞的時候，筆者還是頗受震動——又一個近在咫尺的領域受到了機器人的“入侵”，這也意味著，人工智能時代離我們真的已經非常近了。

一位在大學工作的老師給筆者講了另一個故事：有一次期末考試，他教的那門課叫外國報刊閱讀，考試中是允許學生使用詞典的。然而臨到考試才發現，現在大部分學生已經沒有紙質版的詞典了，大家平時用慣了手機 APP。但是考場紀律不允許帶手機，這就出現了一個窘境。最后學生不得不臨時去圖書館借了一批紙質詞典，手忙腳亂了一番才得以進入考場。

這個故事告訴我們，面對新技術帶來的新情況，無論從制度上還是從技術手段上，很多時候我們其實并沒有真正做好準備。

“人工智能來了”，對很多人來說這句話似乎還只停留在口號階段，卻沒有意識到人工智能早已滲透進了我們生活的方方面面。比如大家還在對無人駕駛汽車保持觀望態度，卻不知無人駕駛地鐵已經安全運營十多年了。2008 年建成的首都機場 T3 航站樓擺渡小火車、2010 年開通的廣州地鐵 APM 線，就已經采用了無人駕駛技術。生病就醫，幾乎全流程都可以用智能科技解決：在醫院抽幾管血，回家上網就可以查看體檢結果;2014 年，筆者的父親接受了機器人“達芬奇”實施的手術。去年有同事買了幾支翻譯筆，還在嘲笑說翻譯得不夠準確，今年再試，就覺得有了驚人的進步;但即便如此，大家還是堅持認為，翻譯機器無法勝任文學翻譯……

翻譯機器真的翻譯不出帶有感情的文字？機器人炒出來的菜就一定是“沒有靈魂”的嗎？筆者倒覺得，我們對人工智能的預判可能太過保守了。人工智能來了，現有的行業都將迎來顛覆性的變革，如果不能認識到這一點，就說明我們對人工智能時代還是沒有做好充分準備。

如今大學生在選擇專業的時候，也常常會被這些問題困擾：既然翻譯可以由機器完成，我們為什么還要學外語？機器人可以代替醫生工作，我們為什么還要學醫？無人機都開始送貨了，快遞小哥是不是就要失業了？大家都在試圖尋找一些相對比較“安全”的學科和行業，都希望自己的工作暫時還不會受到太大的影響。殊不知，新技術突飛猛進，沒有哪個行業是絕對安全的。

業界在談及人工智能的發展時往往將算力作為最為核心和重要的因素，從投資情況來看嗎，算力也是獨占半壁江山。我們不否認算力之于人工智能發展的重要性，但是核心算法的缺失也會制約人工智能的發展和突破。

算法是人工智能早期研究和發展的熱點，從人工智能概念提出開始，算法一直在不斷地發展和演進。從供給的角度來看，學術界是人工智能理論和算法的開創者，在人工智能理論和算法的早期發展過程中起到了核心的作用，從決策樹到神經網絡，從機器學習到深度學習，推動算法不斷演進和進步。

“中國有多少數學家投入到人工智能的基礎算法研究中？”日前，在上海召開的院士沙龍活動中，中國工程院院士徐匡迪等多位院士的“徐匡迪之問”引發業界共鳴。徐匡迪指出，我國人工智能領域真正搞算法的科學家鳳毛麟角，如果這種情況不改變，我國人工智能應用很難走向深入、也很難獲得重大成果。

“徐匡迪之問”之所以能引發行業共鳴，正是因為我國人工智能產業的創新能力不夠強大，產業發展過度依賴開源代碼和現有的數學模型，真正屬于中國自己的東西并不多。

當然也有聲音提出，既然代碼是開源的，拿來用就好，為什么還有可能被“卡脖子”？

開源代碼是可以拿過來使用，但專業性、針對性不夠，效果往往不能滿足具體任務的實際要求。以圖像識別為例，用開源代碼開發出的 AI 即使可以準確識別人臉，但在對醫學影像的識別上卻難以達到臨床要求。“例如對肝臟病灶的識別，由于邊界模糊、對比度低、器官黏連甚至重疊等困難，用開源代碼很難做到精準識別。在三維重構、可視化等方面難以做到精準反應真實的解剖信息，甚至會出現誤導等問題，這在醫學應用上是‘致命’的。”

是否掌握核心算法將決定未來的 AI“智力大比拼”中是否擁有勝算。用開源代碼“調教”出的 AI 頂多是個“常人”，而要幫助 AI 成長為“細分領域專家”，需以數學為基礎的原始核心模型、代碼和框架創新。

在獲得同樣數據的前提下，以開源代碼運行，AI 深度學習之后或許能輸出結果，但由于訓練框架固定、算法限制，當用戶進行具體的實際應用時，將很難達到所期望的結果，而且難以修改、完善、優化算法。

而從底層算法做起，那么整個數學模型、整個算法設計、整個模擬訓練‘一脈相承’，不僅可以協同優化，而且可以根據需求隨時修改，從而真正解決實際問題。基礎算法往往是指研究共性問題的算法，它涉及到基礎數學理論、高性能數值計算等學科，可以應用到多種實際問題中;而針對性強的應用算法往往會應用到具體問題所涉及的“具體知識、先驗信息”，從而更好地解決實際應用問題。

人工智能的時代依然是應用為王的時代，沒有實際應用價值的技術是沒有生命力的，對于人工智能技術來說，需要找到典型的應用和典型的應用場景，才能幫助提升該場景下的能力，并解決問題，這樣的人工智能技術才是有價值有意義的。AI 要應對的現實生活是復雜、多變的，當能夠“應對自如”時，才能夠促成產業的“繁茂”。

谷歌的第二代 TPU AI 芯片。谷歌使用人工智能來提供諸如搜索、翻譯和面部檢測等服務，但它的 AI 芯片在數據中心運行。現在，AI 芯片正擴展到手機、個人電腦、汽車等領域

這次是 ai 技術的一小部分運用，真正支持 ai 技術全面曝光，背后的是機器學習以及物聯網的應用，它是利用人腦模擬而建立成的，當你使用真實數據，來訓練機器的神經網絡后，會變得非常聰明，可以識別垃圾郵件，攝像頭捕捉下的違規行為，或者是計算機，自己給自己編一段合適的程序。

AI 將變得無處不在。例如，Facebook 首席執行官馬克·扎克伯格（Mark Zuckerberg）在國會作證的近 10 個小時里，他提到了應對虛假賬戶和錯誤信息的許多潛在 AI 解決方案。同時 AI 也已經是蘋果、三星和華為等手機制造商常用的熱門詞匯。

芯片分析公司 Linley Group 的首席分析師林立·葛文那（Linley Gwennap）在處理器會議上表示：“大多數新的高端智能手機都有 AI 加速器，包括蘋果 iPhone X 的 A11 芯片和華為 Mate10 的麒麟 970。我們已經看到，AI 正逐漸應用于高檔手機，隨著時間的推移，它可能會繼續流向低端手機。”

AI 芯片可能不僅僅被用于智能手機上，這得益于公司制定芯片的發展目標，以及來自移動芯片巨頭 ARM 的 Trillium AI 項目等努力。這意味著今天的計算機智能革命才剛剛起步，它最終可以幫助亞馬遜和谷歌的數字助理擴展到新設備上，讓你的汽車識別行人和周圍的一切，讓你的電腦更聰明，可自動進行照片和視頻編輯等。

以網絡安全攝像頭為例，它可以讓你的家庭網絡和寬帶連接成為一個持續的視頻流。葛文那解釋稱：“你真正想要的攝像頭能夠看到現場，然后說什么都沒發生，不需要上傳視頻。當發生變化時，它可以發送圖像或通知。”葛文那預計，個人電腦可以在相對強大的主處理器上運行 AI，但隨著更多的軟件使用該技術，它們也會得到 AI 芯片。像 Photoshop 和 Premiere Pro 這樣的 Adobe Systems 軟件已經將處理器推向了極限，該公司已經引入了 Sensei AI 技術，以加快像照片編輯這樣的任務。

使用英偉達技術的無人駕駛汽車，安裝上的各類的傳感器，利用英偉達的圖像處理技術以及 npc 技術可以自動識別路上可能遇見的障礙物， 幫助汽車躲避和剎車。

隨著無人駕駛技術的進步，汽車將獲得 AI 大腦。名為 Synopsys 的公司在會議上展示了自己的方法，用于管理從雷達、激光雷達、攝像頭和其他無人駕駛汽車中收集到的大量數據。

責任編輯：ct