為何說人工智慧是一場精妙的商業炒作？

從2016年3月的AlphaGo圍棋比賽中以4-1擊敗李世石距現在已經三年了。近年來，在谷歌等大公司的牽制下，“人工智慧”一詞屢見不鮮。隨著人機戰爭的結束，“人工智慧”風口也被引爆到了極致。在任何地方都可以看到“智慧”專案：智慧語音、智慧揚聲器、智慧電話機器人、智慧手錶（手環）、各種智慧家居等等。

如今，人工智慧是“深度學習”的突破的產物（難怪演算法部那麼難擠進）。深度學習演算法本質上是一種神經網路，早在20世紀40年代就提出了，神經網路並在80年代達到了研究熱潮。

如果要深糾“深度學習”演算法只不過是將神經網路的隱含層加多了而已，本質上還是神經網路。 而“神經網路”演算法，所依賴的數學基礎就是機率論。簡單點說，語音識別演算法在語料庫中找到最接近的文字；自動駕駛演算法算出最安全的行車路線；AlphaGo下棋時，總是算出勝率最大的落子等等。

 

如果只是從演算法層面去看待人工智慧，那麼現在的人工智慧所用有的也僅僅是演算法層面上的升級，相較於80年代是沒有核心本質上面的區別，還不具備自主思考的能力，那麼為什麼曾經的人工智慧與現在的差別如此之大呢？例如電話機器人，在人機互動體驗上逐漸有取代客戶的趨勢？關鍵點還是在於大資料。

追本溯源的話，早在1980年，著名未來學家托夫勒在其所著的《第三次浪潮》中就熱情地將“大資料”這一個概念提出，並稱之為 “第三次浪潮的華彩樂章，但是直到2011年6月，世界著名的管理諮詢公司麥肯錫公司才發表了以一次大資料包告，這也是大資料的首次實際應用。

現在，“大資料”這個詞經常和“人工智慧”一起提到。它還有一個很俗氣的名字——“許多許多的資料”。例如，使用者資料（網頁、使用者瀏覽或購買的物品，甚至一些聊天軟體的內容）、流量資料、天氣資料、股市資料等，隨著網際網路使用者數量的激增和伺服器儲存計算能力的提高，儲存和分析“許多許多資料”成為現實。

 

因為在商業宣傳上面的需要“很多很資料”這個詞彙，完全不能和“大資料”三個字相比。 

“大資料”是從英文"big data"直譯過來，如果這個概念最先從中國發明出來，可能就叫 “宏資料”是不是感覺格調就不一樣了。

按照現在業界的認可，人工智慧有三個層次： 

一、運算智慧

快速計算和記憶儲存能力。 

二、感知智慧

視覺、聽覺、觸覺等感知能力。人和動物都具備，能夠透過各種智慧感知能力與自然界進行互動。自動駕駛汽車，就是透過鐳射雷達等感知裝置和人工智慧演算法，實現這樣的感知智慧的。  

三、認知智慧

通俗講是“能理解會思考”。人類有語言，才有概念，才有推理，所以概念、意識、觀念等都是人類認知智慧的表現。

 

其實上面1，2兩個智慧都在軟體層面上實現了，人機互相的介面做得更容易讓人使用，但距離真正智慧還是有差距。但是商業的力量很可怕, 可以改變一個詞彙的意思！ 現在“智慧”兩字幾乎等同於“好用”，如果一個產品換成好用後，完全說得通，並且更好理解，只不過沒有“智慧”二字高大上而已，沒有“智慧”二字更具商業宣傳價值而已。

類似某某傢俱，打著人工智慧旗號，其實就是在固定程式下面的框架式回答，甚至技術的最高原理只與感應燈原理類似。

知道了最近幾年的“人工智慧”是商業詞彙，但我們能做的確實不多。畢竟也是大佬們玩的遊戲，作為吃瓜群眾的我們不可能讓人們去忘記“人工智慧”這個詞。不過，我們自己可以做到加強一下就這個詞彙的抵抗力，在選購商品時如果出現“人工智慧”家居之類的詞彙，得看它是否真的是自己所需，還只是打了這個標籤。

從圖靈機-馮諾依曼體系結構到現在可以說是沒有本質上的突破。如果要硬說是進步，應該是晶片和5G的進步提高了AI的運算能力，就好似上文中提到的智慧電話機器人，一款電話機器人好不好用還是看資料和系統運算能力。

雖然現在這場“人工智慧”熱潮有點兒名不副實，但資訊科技給予一些企業的幫助是實實在在的特別是外呼型的企業，能夠帶去不小的便利。這是一個不錯的時代，至少我們還有期盼，等基礎物理學的突破。量子、弦論或M理論的完備，全新數學分支的建立。為實現有別於機率的智慧演算法提供理論支援，腦生物學的突破。徹底弄明白人腦結構、為何會產生意識，並且為之建立精準的數學模型。 打破圖靈機-馮諾依曼體系結構計算機的出現時候，就是真正人工智慧實現的時候吧！