為何中國能在人工智能領域迅速躋身國際先進國家行列？這將對中國甚至全球經濟產生怎樣的影響？本文將從以下三個方面進行回答：人工智能最新進展的本質，中國在人工智能領域取得的進步與中國科技生態系統的獨特優勢相吻合的方式以及人工智能應用軟件的經濟影響。

    人工智能最新進展的本質：從發明到應用

    傳統上，人工智能一直是計算機科學的一個領域，致力于構建一套計算機系統以執行人類安排的任務。在過去幾年間，科研人員一直在討論以及實驗不同的方法來構造這些系統。人工智能應當將現有的知識通過編碼輸入計算機系統中嗎（專家系統）？或者應當使用軟件來模仿大腦的學習過程，然后計算機在此基礎上進行自我學習（神經網絡）？

    學術界不同陣營對此問題的看法在幾十年間爭論不休。雖然在20世紀80至90年代，國際上許多頂尖的研究人員已經創造出許多能夠執行具體任務的人工智能程序，但是這些人工智能系統通常不夠一般化，對企業而言效用有限。在這一時期，人工智能的重心依然集中在實驗室，這一領域仍停留在一個發現的時代。

    十年前的兩大變化使得這一狀況得到轉變：互聯網帶來的數據大爆炸以及一種名為深度學習的神經網絡方法的誕生。互聯網帶來的數據大爆炸以計算機可以處理的方式記錄了許多人類活動，而深度學習則為人工智能系統提供了一種更好的從數據中學習的方式，使它們能夠發現不同數據點之間微妙的聯系。當今人工智能應用的核心，就是通過深度學習在海量數據中概括出人類難以發覺的細微聯系的能力。

    具體而言，這種遠超人類的分析能力賦予了計算機兩種新功能：感知能力以及決策復雜問題的能力。對于感知能力，數字設備只能捕捉和再現圖像和聲音，而人工智能系統則可以識別和理解這些圖像和聲音中的內容。對于復雜問題的決策，人工智能系統不再局限于由人類編碼的“如果—那么”規則，而是根據從數據中發現的內容學習更為靈活的規則。將這些能力和軟件、硬件結合起來，可以讓人工智能承擔許多社會任務。

    在深度學習以及數據爆炸的催化下，人工智能已經由發現的時代步入了應用的時代。對人工智能前沿領域的研究仍在如火如荼地進行，這些領域的發現可能會帶來無數新的可能性。但目前人工智能領域的重心已經從精英化的實驗室研究進入了具體應用的現實世界。深度學習和大數據使人工智能進入了一個新的領域。

    影響人工智能的因素：人才、數據、企業生態系統以及政府政策

    從發明到應用的轉變對人工智能進步產生了重大影響，也因此決定了哪些國家可能在人工智能的應用方面引領世界。這種轉變包含了四個關鍵因素：研究人才、數據、企業生態系統以及政府政策。

（一）科研人才

    在發明的年代，一個國家在人工智能領域的實力主要取決于少數精英研究人員的質量：最優秀的學術人才能夠將知識的邊界向外拓展。但是隨著人工智能的重心從實驗室里的研究轉變為商業應用，它帶來了一個類似的轉變，從重視精英研究人員的質量轉向重視合格工程師的數量：這些人能夠將突破性的進展應用于數百個不同的行業。

    美國是世界上擁有最多拔尖研究人員的國家，通過對人工智能領域的分析可以得知，人工智能的研究人員主要集中在美國和加拿大，并且絕大多數都隸屬于美國的研究機構。這就是為什么美國在人工智能發明的年代能夠取得領先地位，并且進入應用的時代時，他們比自己的同行有優勢。

    但是當人工智能進入商業應用領域時，美國的領先地位不再穩固。中國的研究人員尚未在深度學習領域取得突破性進展，但是中國的研究人員和工程師數量占據了優勢。

（二）數據

    隨著人工智能進入應用時代，數據的應用量得到了大幅提升。數據可以被視為支撐人工智能運行的原材料。總的來說，一個由合格的普通研究人員設計的、以大量訓練數據為基礎的算法，將勝過一個由最優秀的人工智能科學家設計的但用較少數據進行訓練的算法。

    在發明的時代，由于無法將當前的技術水平商業化，人工智能領域將重點放在學術出版上，而學術出版往往需要新的算法設計才能通過同行評審。僅僅通過向現有算法提供大數據以獲得更好的性能是不足以發表學術論文的。但這種方式足以在市場上生產一種更優秀的產品，數據已經成為人工智能公司最寶貴的資源之一。這使得競爭優勢從擁有最頂尖研究人才的公司，轉向擁有最大用戶數據儲備的公司。

（三）企業生態系統

    中美兩國的企業生態系統都具有以下幾個特點：無與倫比的規模、多元化的資金結構、相似的產品垂直市場以及高創新能力。但當涉及到文化規范時，它們在很大程度上存在分歧，這影響了人工智能應用的速度和性質。這些文化差距中最引人注目的是對待模仿、重復以及迅速擴展他人開創的成功商業模式的態度。

    硅谷以及美國的科技生態系統擅長于從0到1的創造。在美國的科技環境里，那些僅僅依靠模仿現有模型的行為被整個行業所鄙夷。中國的科技生態系統則與此不同，往往是在從1向n推廣的進程中表現出色。中國的科技企業家在嘗試全新創意時往往比較保守，但是在模仿和改進一種已經被證明成功的商業模式時，他們會大刀闊斧地前進。

    對于企業而言，中國的這一創新過程不一定會獎勵最擅長原始創新的公司，而是獎勵那些最擅長重復和執行的公司。而對于系統整體而言，這個過程在探索利用新技術或業務模型的多種不同應用方面非常有效。

    在過去幾十年間，這一進程在中國反復上演。它造就了許多模仿者，并且使得市場上真正具有創新能力的企業家越來越少。數以萬計的人力和資本被投入到幾乎是同質的企業中，而這些企業中的絕大多數都會慢慢為市場所拋棄。

（四）政府政策

    政府政策在驅動中國人工智能發展方面的作用是顯著的但常常被人誤解。政府常常挑選優勢企業進行補貼，或者發布命令規定應當發展的技術。

    如果人工智能對經濟的影響遠小于當前預期，那么投入人工智能的資源可能是一種浪費。另外，由于許多人工智能技術都已經成熟，選擇哪些進行支持對公共部門來說是一個問題。政府的參與絕不是技術領先的先決條件，但隨著人工智能更深入地滲透到現實系統中，政府參與可能會加速技術產生經濟影響。

    本文由培訓無憂網長沙牛耳教育專屬課程顧問整理發布，希望能夠對想參加長沙大數據分析培訓的學生有所幫助。更多大數據分析培訓課程資訊歡迎關注培訓無憂網大數據人工智能培訓頻道或添加老師微信：1503333605010

      注：尊重原創文章,轉載請注明出處和鏈接 http://www.hebeijilong.cn/news-id-4361.html 違者必究！部分文章來源于網絡由培訓無憂網編輯部人員整理發布,內容真實性請自行核實或聯系我們，了解更多相關資訊請關注人工智能頻道查看更多，了解相關專業課程信息您可在線咨詢也可免費申請試課。關注官方微信了解更多：150 3333 6050