人工智能领域的许多从业者或许还记得16年前斯皮尔伯格导演的电影《人工智能》。在这部经典之作中，无比渴望人类妈妈母爱的机器人小男孩大卫最终跳海自杀，“尸体”在被海水淹没的游乐园里静静坐了两千年。电影中的大海可以长久平静，现实中资本的海洋却在时刻变迁。资本只追逐回报，哪里有广阔的价值洼地，它就在哪里汇聚成海。如今在人工智能领域，海量资本已经汇聚了很久，洋面越来越高。许多人相信，人工智能领域泡沫即将破裂，退潮可能就在眼前，市场将会告诉人们到底哪些人在裸泳。
发展浪潮
1956年8月，约翰·麦卡锡召集世界知名的人工智能与认知学专家、计算机科学家等在达特茅斯学院开了一场“人工智能夏季研讨会”。在长达两个月的会议期间，与会者最终没有达成普遍共识，但由于这场会议的存在，1956年仍然被视为人工智能的元年。
英国著名的数学家和逻辑学家阿兰·图灵被公认为人工智能的关键奠基人。在短暂的人生中，他在计算机科学和人工智能领域均有开创性建树。在生命的最后一段时间里，阿兰·图灵更是对人工智能无限着迷而难以自拔，期间他提出的测试人工智能的方法也为无数后来者开辟了一条道路。
按照中国工程院院士、中国计算机协会理事长高文的观点，人工智能是指用计算机仿真出来的类似人的智能行为。时至今日，在60多年的发展历程中，科学家在这一领域取得了丰硕成果，当然，在所难免地，在理念、研究重点以及发展阶段划分等方面也存在一些争议。
根据国家网信办官网上的相关材料，世界人工智能的发展大体经历了三波发展浪潮。其中第一波以1956年达特茅斯会议为起点，繁荣持续了大约18年。当时人工智能领域的科学家们贡献了许多世界级的算法，包括后来成为谷歌AlphaGo算法核心的贝尔曼方程。
尽管当时人工智能领域充满乐观情绪，但瓶颈还是逐渐凸显。科学家们不得不接受这样一个事实，即至少在当时，人工智能只能做一些很简单的任务，稍微复杂一点便无能为力。受限于当时大数据库的缺乏和计算机不敢恭维的内存和处理速度，即便想让人工智能达到儿童的认知水平也是一种奢望。于是约在1974年前后，人工智能第一波发展浪潮中积累的大量泡沫终告破裂。
到了70年代末，随着沉入低谷的人工智能终于迎来了新的契机。人工神经元网络、BP算法等新技术取得突破，人工智能专家把研究重点放在了“知识处理”上，相关程序在字符识别、简单的人脸识别等领域也受到了广泛欢迎，人工智能的第二波发展浪潮随之开始。
然而和第一次一样，在人们再一次的狂热追捧中，相关技术实用范围很窄的弱点越发明显。与此同时科学家也发现，神经元网络可以解决单一问题，但对于复杂问题则似乎束手无策。于是约在1987年前后，失望的资本再次撤退，人工智能的第二波泡沫也破裂了。
时至今日，我们正处于人工智能的第三波发展浪潮中。这波浪潮始于1993年，在新的数学工具、摩尔定律等的理论基础上，算法、计算能力以及数据等相关技术创新重新点燃了人们对于人工智能的热情，尤其是近几年来，人工智能在创投领域炙手可热。
在此我们需要注意的是，人工智能的第一波发展浪潮的繁荣期约为18年，第二波约为7年，而第三波从1993年延至今日，已有25年，是第二波的三倍多，是第一波的1.4倍。换句话说，人工智能的第三个繁荣期已经持续了超过一代人的时间。
当下繁荣
人工智能的第三波繁荣有其特殊背景。前两次发展浪潮提供了重要的技术和人才积累；PC、互联网以及移动通信技术等已经大范围普及，广泛渗透到了现代生活的各个方面；同时这一阶段的科学家们越来越重视人工智能的实用性和功能性。
基于种种因素，在第三波发展浪潮中，人工智能的使用范围显著拓展，并在更多领域的应用方面表现出了更大程度的适应性。
斯坦福大学计算机系终身教授、全球人工智能领域最具影响力的科学家之一李飞飞曾这样形容人工智能第三波发展浪潮：“我看到了人工智能正在经历的历史时刻，那就是它已经走出实验室，进入了产业应用的阶段。”现实也正是如此，人工智能在第三波发展浪潮中，最显著的特点就是更大范围的产业应用。
2017年11月下旬，今日头条召开了一次创作者大会。在会上其创始人张一鸣表示，作为一款基于数据挖掘的推荐引擎产品，今日头条一直在利用人工智能技术，有效降低内容创作者的粉丝获取成本，显著提升粉丝的活跃率。其模式为，通过人工智能进行大数据挖掘和推荐，把好的内容精准匹配给更多有针对性的读者，有效提高粉丝转化率，让更多创作者赚到更多的钱。
而在2017年5月，快递企业分拣机器人工作的短视频也曾引起广泛关注。此前的快递分拣环节主要由人力完成，由此引发的暴力分拣问题也一直为社会诟病。如今越来越多的快递企业开始引入人工智能分拣。工作人员只需把快递放到分拣机器人上，机器人便会自动完成扫码、称重、分拣流程，并以最优路线把它运送到指定位置，以便集中配送。有条不紊的分拣机器人永不疲倦，同时可以在分拣环节减少大部分人力成本。
不管是智能数据挖掘和精准推荐，还是快递分拣机器人，都只是人工智能第三波发展浪潮的一个缩影。实际上在这波浪潮中，人工智能已经在安防、医疗、金融、家居、招聘、语音识别、新零售等传统行业获得了产业化应用。此外在无人驾驶、智慧农业、内容创作、护理陪伴等领域，人工智能也在快速渗透。
至少从某个侧面看过去，人工智能在产业应用上似乎流光飞舞，令人瞩目。鉴于其广阔的应用前景和发展潜力，世界主要国家和地区也纷纷把人工智能提到战略高度，制定了相关发展规划。但这并不意味着当前人工智能越来越大的泡沫不会破裂。
基于技术突破，业界对人工智能充满乐观期待，进而赢得资本对这个领域的青睐。但一段时间以后，技术变现的瓶颈会越发明显，耐心耗尽的资本转身抽离，华丽的泡沫瞬间化为乌有，这是前两次人工智能泡沫从产生到破裂的基本逻辑。我们身处的这个繁荣阶段只怕也难以突破这个范畴，至少支撑当前这一波人工智能浪潮的三大技术基石的瓶颈正日益清晰。
深度学习作为这次人工智能浪潮技术核心之一，目前相比以前的相关技术而言，只是具备了更加强大的模式识别方法而已，其内在缺陷似乎仍暂时无解——包括推理能力、短时记忆能力、无监督学习能力等的缺乏。在作为人工智能“食粮”的数据层面，其积累速度在不断加快，但并非所有数据都是可用的，也并非都是人工智能系统能够顺利理解的。而算力层面的问题就更明显了，虽然人工智能芯片的计算能力也在不断增强，但目前的人工智能芯片在物理结构上和人脑差距极大，而我们至今对人类大脑的思维过程还不甚了了，又能将人工智能芯片改进到什么程度？
泡沫将破
2016-2017年间，谷歌AlphaGo先后击败了世界最顶尖的围棋高手们，引起惊呼一片。实际上，人类第一次在棋牌上输给人工智能的案例可以追溯到1997年。这一年5月11日，IBM的下棋程序“深蓝”击败了著名的国际象棋大师卡斯帕罗夫。
在此之前的1957年，亦即达特茅斯会议的第二年，世界知名的经济学家、社会学家、心理学家、计算机学家司马贺便预言，10年之内人工智能就将在棋盘上击败人类，结果预言失败。到了1968年，麦卡锡本人也和国际象棋大师列维打赌，认为下一个10年中，人工智能将战胜列维，但最终结果是麦卡锡输给了列维两千美元。
实际上倘若从司马贺做出预言算起，到深蓝击败卡斯帕罗夫，人工智能在棋盘上战胜人类用了40年时间。这至少能在一定程度上证实，很多时候人们对于人工智能的技术突破速度过于乐观。人工智能前两个繁荣期中泡沫的先后破灭，在很大程度上同样是业界和市场领域过于乐观而技术变现始终跟不上资本预期的结果。
这个关键问题在当前这一波发展浪潮中同样存在。虽然目前人工智能在一些特定领域的产业化应用已成现实，但其变现规模相比于资本宏大的期待显得过于渺小。人工智能在更多领域的产业应用上还有着遥远的路程要走，再加上相关领域企业的估值偏离度越来越高，在技术变现规模达到要求似乎依然遥遥无期之际，谁都不能确定资本的耐心还剩多少。毕竟，这一波繁荣已经持续了四分之一个世纪，一些公司的估值泡沫也着实不小。
事实上，至少一部分业界人士已经越来越正视这个问题。
早在2016年10月，周鸿祎在接受采访时就表示，现在这一波人工智能领域中存在泡沫，新的公司如果不和深度学习、人工智能等扯上关系，似乎都有些不好意思。仅仅5个月后的2017年3月，李开复抛出了更进一步的观点，即如今的人工智能领域的投资和项目估值中存在严重泡沫，出现了许多伪人工智能的需求和产品。“我见了一个做内衣的，也说自己是人工智能企业，这是非常不正常的现象。”他这样对媒体说。
此外，其他诸如百度创始人李彦宏、阿里云总裁胡晓明、科大讯飞董事长刘庆峰、大拿科技创始人罗欢、禀临科技联合创始人彭博等均对当前人工智能领域中的泡沫及其危险性表示认同。而仿佛是对这一观点的印证，腾讯研究院和IT桔子于2017年8月联合发布的《2017 年中美人工智能创投现状与趋势研究报告》中指出，仅在2017年上半年的6个月里，中国和美国倒闭的人工智能公司已经超过50家。下半年的统计尚未出炉，预计不会比上半年好到哪里。
最后需要指出的是，在这样一个行业内，泡沫大概终究难以避免，而泡沫破裂也未必全是坏事。即便泡沫终至破裂，也并非意味着这是个虚假的行业。相反，作为人类未来技术的重要发展方向，人工智能的巨大前景和无限潜力是被广泛认同的。泡沫的破裂不会改变这一点，而只会拂去流沙，为成色十足的行业骨干留下更为广阔的战场。只是一心投机的缺乏创新能力的裸泳者们大概要提前穿上短裤，以免在行业资本退潮之际过于狼狈。
当然，泡沫破裂了，投入的资本减少了，整个人工智能行业可能不得不面临更为严峻的挑战。不过换个角度来看，投资回归理性，行业才能更健康。走过了这段征程，真正具备创新能力的人工智能相关企业也必将留下一个更大的年轮，以更加强壮的姿态迎接新的春天。（人民日报）
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
