近日，ins上的一位模特红了。粉色的蘑菇头搭配着时尚的穿着，以日本街道为背景的照片都有着一种浑然天成的日系潮流感。但当你仔细读过个人简介才会惊呼，这位名为imma的模特并不是一位真实的人类，而是一名虚拟模特。智能化作为未来的趋势，诞生了imma这样的AI虚拟模特，也让我们看到了人工智能已经离我们越来越近。
如同电的诞生一样，AI技术正在改变每个行业，智能设备、IOT、人工智能、云计算，越来越多新技术的兴起使行业效率得到有效提升，加速了行业转型发展。从16年开始，我们的生活刮起了一股人工智能的风潮，一部分企业开始涉足人工智能领域，短短数年，国内诞生了诸如旷视科技、商汤科技、极链科技Video＋＋、依图科技等优秀的初创AI企业。AI已经给谷歌、百度、微软和Facebook等领先的科技公司中创造了巨大的价值。那么AI离我们究竟还有多远？
什么是人工智能？
其实从广义上说，人工智能的应用已经非常广泛，各大新闻客户端会根据你的阅读兴趣推送相关新闻、电商平台也会根据你的购买习惯推送相关商品，这些都可以称为人工智能。从云计算到大数据，人工智能已经具备了相对坚实的基础。其中，大数据称得上是人工智能赖以开展的生产资料，而云计算则是人工智能发展的生产工具。不过，从当下人工智能的发展现状看，大部分的人工智能还停留在大数据分析阶段，距离真正的人工智能还有一定的距离。
人工智能正在告别新一轮概念炒作
如果说60年前人工智能概念的提出，多少有些科幻成分。那么，今天人工智能概念的再次出现却带有强烈的现实意义。从AlphaGo在围棋领域战胜人类选手后，人工智能又开启了新一轮的发展热潮。与以往人工智能凭借强大的算法战胜人类不同，在围棋领域，人工智能展现出了机器学习的能力。
我们一直梦想着有一个通用的模型，可以建模整个世界，使各种各样的问题都能够迎刃而解，这便是通用人工智能的最终目标。但事实上，我们现在所研究的人工智能，都是针对某一特定问题的算法或模型，比如图像的分类，目标的检测，视频的理解等等。在特定的问题上，深度学习给我们带来了惊人的表现，但是一旦离开特定的领域，算法与模型的性能会大幅度下降。
从我们的目标来看，通用人工智能意味着如何来提高神经网络的泛化能力。所谓泛化能力，指机器学习算法对于新的样本的适应能力，即对于未知的数据也可以得到很好的结果。比如迁移学习中的一个例子：我们使用欧洲人的面部表情图片来训练一个模型，然后用来识别其他欧洲人的面部表情，识别结果通常可以不错，但是用来识别亚洲人的表情，结果会一落千丈，远远达不到预期，即此时模型的泛化能力很差。
人工智能的下一个突破点：应用场景
无论是围棋、象棋还是德州，人工智能在这类棋牌游戏中能否战胜人类，已经基本没有悬念。但如果人工智能只能做到这些，这一新兴技术的魅力也会大打折扣。
如今，人们对这类人机大战开始变得漠不关心，开始期望在几乎所有的工作和生活场景中应用这一新技术，就如同当年计算机、互联网出现之初一样。彼时，计算机的应用让人们进入无纸化的信息时代，而互联网的应用则让人们得以打破信息传输的边界，真正让世界变得更加互联互通。
从目前的态势看，人工智能所带来的革命性将远超计算机和互联网，因为它要做的是要代替，或者说部分代替人类的思考。现在，我们发现人工智能的应用还可以推广到更多的场景中，比如金融、医疗、交通、文娱等众多行业。人工智能带给人们的，不仅是通过数据分析呈现的规律和帮助人们进行决策，更多的是规避人类被情绪、感情等因素的干扰，帮助人们做出更加合理的决策。
不过，相比较人工智能技术的演进，当下人工智能最重要的任务是如何普及到更多的应用场景中，并真正在这些场景中为人们所应用。人工智能不断获取新的数据、进行持续且深度的学习，才是发展的关键。而从目前市场应用的角度看，人工智能还只是在一些特殊的领域和特殊的地方应用而已，并没有普及，也很难真正发挥其作用。从实验室到普及全社会，人工智能显然还有一个相当长的路要走。
（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。 ）
