回顧今年國內政策方向和科技巨頭的戰略佈局，不難看出2018年是大資料、AI、網際網路三大基礎設施技術賦能各行各業的重要一年，發展產業網際網路、產業智慧與產業大資料已成為眾多公司的重要戰略目標。然而，今年的寒冬也同樣凜冽。國內經濟處於下行週期，加之中美貿易戰的影響，引發了一些失業潮、跑路潮、返鄉潮……不少企業都已扛不住寒冬的壓力紛紛開始裁員。那麼，在這個號稱“寒冬”的時代，人工智慧會同樣遇冷嗎？
一、今年人工智慧寒冬論強勢來襲
在人工智慧誕生這60年間，發展過程起起落落，先後經歷了 Pre-AI 時代、黃金時代、第一次低谷、第二次繁榮、第二次低谷，我們目前正處於第三次浪潮之中。與前兩次不同，第三次人工智慧的熱潮迎來了全面商業化的爆發。網際網路興起產生的海量資料、以及摩爾定律帶來的計算力的突飛猛進，推動了深度學習技術在人工智慧領域的普及，並促進語音識別、影像識別等技術快速發展並且迅速產業化。不過，在今年5月底，“人工智慧寒冬論”再次強勢來襲。當時，計算機視覺領域的專家 Filip Piekniewski 發表了一篇名為《AI Winter Is Well On Its Way》的文章。他指出，人工智慧寒冬必將到來，並列出了三個論據：深度學習技術沒有突破進展；深度學習無法擴大規模；自動駕駛瀕臨崩潰。
今年10月，Filip Piekniewski又發表了一篇文章，用這半年來人工智慧的發展給“人工智慧寒冬論”提供支撐。首先，他提到如李飛飛、吳恩達等人工智慧領域的“大牛”在社交媒體上的活躍度已經遠不如之前。然後，以特斯拉的完全自動駕駛為例，結合自動駕駛領域最近一段的動態，給出了“自動駕駛汽車的未來變得越來越不確定”的結論。同時，他還談到了DeepMind和OpenAI最近的發展現狀，稱它們最近變得相當安靜，在一些關鍵問題上並沒有太多的進展。結合這些事實，Piekniewski得出結論：“更多的媒體已經開始注意到，我們已經處於一個巨大的人工智慧泡沫之中了，這讓人工智慧行業已經沒有了多少“新鮮空氣”。但我認為，這個泡沫的最終破滅還需要一段時間，接下來的6個月很可能會非常有趣。”
二、業界其他大佬並不認同
關於此番人工智慧寒冬論，業界其他大牛大多表示並不贊同。
Facebook 首席科學家Yann LeCun認為，這篇文章純屬無稽之談，Facebook、Google、Microsoft以及其他公司正緊密地加強 AI 佈局。Facebook現在擁有一個專注於 AI 研究的團隊。Microsoft事業部有三個部門，其中兩個包含了“AI”名稱(並沒有提及“Windows”或“Office”)。Google 將其整個研究院重新命名為“GoogleAI”。三家巨頭在大力地招聘 AI 科學家及工程師，並沒有看出減速現象。
而吳恩達則認為，人工智慧不會再度經歷一個冬天。之前的人工智慧冬天到來，是因為人工智慧並沒有創造太多的經濟價值，而且相對來說，人工智慧研究團隊的工作被誇大了。在今天來看，人工智慧已經成為一種類似於網際網路和電力的通用技術，能夠適用於許多行業。人工智慧的興起已經有了堅實的基礎，有大量的公司正在透過人工智慧來獲取收入，人工智慧已經有了一個清晰的路線圖來創造大量的價值。自動化開始變得無處不在，這是不會消失的。
持有同樣觀點的還有Geoff Hinton。上週，他在接受記者採訪時說道，不會有人工智慧的冬天，因為 AI 技術已經用於手機。在舊人工智慧的冬天，人工智慧實際上不是你日常生活的一部分，但現在它是。
總結Yann LeCun、吳恩達和Geoff Hinton三位大牛的觀點，就是目前科技巨頭依舊將發展AI作為重要戰略目標，而如今人工智慧技術不同於往日，逐漸開始從實驗室和產業界飛入尋常百姓家，成為一項可以實用的技術，並且賦能各行各業。下面，我們可以透過分析2018年人工智慧的進展來支援他們的觀點。
三、2018人工智慧領域的發展情況
人工智慧產業依然高速前進
雖然今年的資本市場遇冷，但是 AI 領域卻沒有冷卻的跡象。
盤點2018年全球融資最多的十家科技技術公司，中國有四家公司上榜，包括商湯科技、優必選、京東和依圖科技。根據 CV Source 的資料，2018 上半年由於商湯科技、雲從科技、優必選科技等企業獲得高額投資，因此中國 AI 領域今年上半年的融資額已經超過 2017 年全年。
排名 | 公司 | 2018總融資額 | 成立年份 | 總部 | 所在領域 |
1 | Uber | 31億美元 | 2009年 | 舊金山 | 無人駕駛 |
2 | 商湯科技 | 22.2億美元 | 2014年 | 北京 | 人工智慧 |
3 | Cruise Automation | 16.5億美元 | 2013年 | 舊金山 | 無人駕駛 |
4 | PTC | 10億美元 | 1985年 | 馬薩諸塞州尼姆達 | 工業自動化 |
5 | 優必選 | 8.2億美元 | 2012年 | 深圳 | 消費機器人 |
6 | 京東 | 5.5億美元 | 1998年 | 北京 | 物流自動化 |
7 | Zoox | 5億美元 | 2014年 | 加利福尼亞州福斯特市 | 無人駕駛 |
8 | Ocado | 4.4億美元 | 2000年 | 英國哈特菲爾德 | 物流自動化 |
9 | 依圖科技 | 3億美元 | 2012年 | 上海 | 人工智慧 |
10 | Auris Health | 2.2億美元 | 2007年 | 加利福尼亞州雷德伍德市 | 醫療機器人 |
2018年全球融資最多的十家科技公司
儘管獲得融資並不能保證取得成功，譬如今年10月籌得1.495億美元資金的Rethink Robotics關門大吉，Airware和Jibo在分別燒錢1.14億美元和7300萬美元以後也遭遇了類似的命運，但是融資在擴充企業的規模和創新能力方面還是至關重要的，同時我們也可以看出，資本市場對 AI 的前景依然看好。
除了 AI 創業公司的鉅額融資，國內科技巨頭今年也在 AI 領域取得了一些突破性的成績。
7月，百度李彥宏在百度 AI 開發者大會上宣佈全球首款 L4 級量產自動駕駛巴士“阿波龍”正式量產下線，並稱正在研發 AI 晶片——崑崙；9月，阿里巴巴杭州雲棲大會上釋出了首款 L4 車輛協同自動駕駛新能源車，並宣佈成立平頭哥半導體公司，大力發展 AI 晶片；10 月華為全聯接大會 2018 上，華為輪值董事長徐直軍公佈了華為的 AI 發展戰略，以及全棧全場景 AI 解決方案，其中包括 Ascend（昇騰） 系列晶片：昇騰 910 和昇騰 310。隨著國內科技巨頭紛紛加入 AI 晶片的戰局，預計明年中國的 AI 晶片市場將迎來一波大豐收。
除了2018年人工智慧產業方面的進展，在知名問答平臺上Quora上，有人還總結了技術、道德倫理方面的成果，該回答不僅獲得高贊，且被Yann LeCun轉發支援：
AI炒作與恐懼情緒逐漸開始降溫，人們更多關注公平性、可解釋性等具體問題
2018年，一連串圍繞人工智慧醜聞的核心是問責制問題：當人工智慧系統傷害我們時，誰負責？如何理解並解決這些危害？干預點在哪裡？需要哪些額外的研究和監管來確保這些干預措施有效？
儘管目前問題的答案很少，當前的人工智慧治理框架無法確保問責，然而我們很高興地看到，今年整個行業開始將關注重點放在更為具體且擁有解決可能的問題身上。例如，從業者們圍繞公平性原則進行了大量討論——除了與這一主題相關的各類會議（例如 FATML 以及 ACM FAT）之外，谷歌公司還開始釋出線上課程。除此之外，今年得到廣泛重視的議題還包括人工智慧的可解釋性、解釋能力以及因果關係。
深度學習仍然地位穩固，並在實踐當中超越影像分類這一傳統應用方向（特別是在自然語言處理方面表現良好）
儘管深度學習能否作為最為普遍的人工智慧正規化這一問題仍然存在不少爭議，但可以肯定的是：第一，深度學習絕不會就此止步；第二，深度學習還遠沒有達到其能夠達到的高度。
在 2018 年，深度學習方法在計算機視覺之外的領域——從語言處理到醫療保健——取得了前所未有的成功。事實上，深度學習最重大的影響很可能出現在自然語言處理（簡稱 NLP）領域，例如今年最令人印象深刻的 AI 應用，都是自然語言處理類。
在 5 月的 Google I/O 2018 開發者大會上，Google Duplex 技術成為了今年科技行業最大的頭條之一。這是一項可以讓機器人在電話中進行自然對話並完成實際任務的新技術，結合了自然語言處理、深度學習和文字語音轉換，其效果讓人真假難辨。10 月，Google AI 團隊新發布的 BERT 模型，在機器閱讀理解頂級水平測試 SQuAD1.1 中表現出驚人的成績：兩個衡量指標上全面超越人類，並且在 11 種不同 NLP 測試中創出最佳成績。在計算機視覺處理中，人們越來越多地採用預訓練好的大型網路來提取特徵，然後再進行後續任務，而 BERT 的突破則為預訓練在 NLP 領域的應用指明瞭方向。
除此之外，Allen 的 ELMO、Open AI 的 transformers，這些模型都堪稱“自然語言處理領域的 Imagenet 時刻”，它們能夠提供隨時可用的預訓練與通用模型，亦可針對特定任務進行微調。當然，除了語言模型之外，今年還出現了其它一些進步——例如 Facebook 的多語言嵌入等等。值得強調的是，我們還看到上述乃至更多其它方法被快速整合至通用性更高的自然語言處理框架當中——包括 AllenNLP 以及 Zalando 的 FLAIR。
四、企業依然不能太過樂觀
儘管很多AI領域大牛認為人工智慧寒冬不會到來，但這也並不意味著人工智慧的發展態勢非常好。
首先，在技術突破方面，儘管人工智慧領域各類基礎性突破有所增加，但其絕對數量仍然不夠樂觀。目前缺乏突破性成果的主要原因，在於現有方法及其變體仍有著大量的實踐性應用空間，因此從業者們很難或者不願冒險探索那些尚不具備實用意義的方向。
其次，在產業發展方面，很多企業經營者對人工智慧技術的實際發展水平抱有不現實的期望。
吳恩達就此曾舉例說，他經歷過很多這樣的情況：經常有執行長在演講臺上宣稱，他們公司在人工智慧方面做了什麼，利用人工智慧做了什麼。但如果與他們的工程師交談，這些工程師會說，“不，我們沒有這樣做，我們也不知道該怎麼去做。”事實上，這種情況在自動駕駛領域並不少見。此前，自動駕駛汽車事故頻發，馬斯克信誓旦旦的完全自動駕駛能力，也一再延後上線，最後乾脆在網站上刪除了車輛“完全自動駕駛”選項。
為此，吳恩達也從經驗中學習總結出一套AI商業化方法論。他指出，將傳統行業與機器學習簡單結合，並不會形成智慧化公司，並從招聘人才組建AI團隊，挑選AI專案，到戰略結合方面提出了自己的思路見解。
“這是最好的時代，也是最壞的時代”，英國文學家狄更斯這樣描述工業革命發生後的時代。對於 AI 來說，這同樣是最壞的時代，也是最好的時代。
儘管目前AI產業存在很大泡沫，但顯然並非百害而無一利。馬雲在今年回嗆雷軍“站在風口，豬都能飛起來”的這句名言時說，“風停了，摔死的都是豬”。對於AI產業而言，大浪淘沙，去偽存真，當這一輪AI泡沫退去，那些擁有資料、技術，並真正理解應用場景的公司，最終將成為這波人工智慧浪潮中的最大贏家。同時，只有人們不斷問責和監督人工智慧技術、提出道德倫理要求並探討可行的解決路徑，在技術突飛猛進發展時不忘法律監管範圍與時俱進，如此才能最大程度地讓AI造福於人類，不至於讓人類對AI的恐懼情緒持續蔓延。