AI領域的總結與思考：未來將面臨的五大考驗
OFweek機器人網訊：這兩天，有朋友感慨道：“2016年對人工智慧來說是意義非凡的一年，或許在技術領域的感知並不明顯，在商業層面的「成功」卻是前所未有的。”是呀，從年初AlphaGo和李世石的圍棋大戰，再到一場場和人工智慧有關的發佈會。不管怎樣，人工智慧終於跳出了實驗室的禁錮，成為活躍在科技領域的核心力量。
一、人工智慧時代正在到來
每當一個事物興起的時候，隨之而來的就是大量的觀點與推測，其中最受歡迎的往往是那些最大膽的；而後每增加一個論據，都會讓我們對這個觀點更加深信無疑。就像從Alpha Go戰勝李世石後，人工智慧在輿論中強勢回暖，而後李彥宏在世界互聯網大會上的言論，也再度加強了人們對它的關注。
不僅百度，馬化騰在2015年6月的演講中也說道：人工智慧是我最想做的事情。馬雲也在2015年5月內部信中寫道：未來三十年雲計算、大資料、人工智慧等技術將會讓無數的夢想成真。
目前國際互聯網巨頭紛紛入場， 亞馬遜的Alexa、蘋果的 Siri、微軟的 Cortana，作為人工智慧的第一塊敲門磚，已經被較為廣泛的使用；搜索、翻譯、地圖、無人車，深度學習的影子無處不在，人工智慧正在重構人類的生活。
同時，伴隨互聯網的高速發展和底層技術的不斷進步，人工智慧所需的「能源」正在不斷完善。
數據量： 2000年至今，互聯網及移動互聯網的高速發展使得資料實現了量的積累，據IDC預測，2020年全球的大資料總量將為40ZB，其中有七成將會以圖片和視頻的形式進行存儲，這為人工智慧的發展提供了豐厚的土壤。
深度學習演算法：多倫多大學教授Geoffrey Hinton（致力於神經網路和深度學習研究）的學生在業內知名的圖像識別比賽ImageNet中利用深度學習的演算法將識別錯誤率一舉降低了10%，甚至超過了穀歌，深度學習進而名聲大噪。2015年，微軟亞洲研究院視覺計算組在該項比賽中奪冠，將系統錯誤率降低至3.57%，已經超過了人眼。
高性能計算：GPU回應速度快、對能源需求低，可以平行處理大量瑣碎資訊，並在高速狀態下分析海量資料，有效滿足人工智慧發展的需求。
基礎設施成本：雲計算的普及和GPU的廣泛使用，極大提升了運算效率，也在一定程度上降低了運營成本。IDC報告顯示，資料基礎設施成本正在迅速下降，從2010年的每單位9美元下降到了2015年的0.2美元。
與此同時，巨頭和創業公司也相繼投入資源和成本進行商業化探索，但技術本身尚有足夠大的成長空間，當前仍處於早期階段。
二、人工智慧帶來的機會
我們看到，目前人工智慧領域的企業主要集中于以下三個層面：
基礎層：關注人工智慧基礎支撐硬體或資料平臺基礎；
技術層：包括有關機器識別與深度學習的演算法和技術設計；
應用層：包括通用應用和行業垂直應用等。
圖片來源：易觀智庫
在極客幫創投創始合夥人蔣濤看來，大公司在這三個層面贏家通吃，而小公司只能依靠單點突破，以及在傳統行業優勢上進行突圍。
大公司（100億市值以上）的主戰場在於爭奪未來人工智慧的制高點，這分為兩個方向，第一個方向是爭奪未來人工智慧的入口，包括家居的入口、汽車的入口等等，這些未來的入口扮演著比較重要的交互作用，例如Google的語音交互，百度的百度大腦。
一、人工智慧時代正在到來
每當一個事物興起的時候，隨之而來的就是大量的觀點與推測，其中最受歡迎的往往是那些最大膽的；而後每增加一個論據，都會讓我們對這個觀點更加深信無疑。就像從Alpha Go戰勝李世石後，人工智慧在輿論中強勢回暖，而後李彥宏在世界互聯網大會上的言論，也再度加強了人們對它的關注。
不僅百度，馬化騰在2015年6月的演講中也說道：人工智慧是我最想做的事情。馬雲也在2015年5月內部信中寫道：未來三十年雲計算、大資料、人工智慧等技術將會讓無數的夢想成真。
目前國際互聯網巨頭紛紛入場， 亞馬遜的Alexa、蘋果的 Siri、微軟的 Cortana，作為人工智慧的第一塊敲門磚，已經被較為廣泛的使用；搜索、翻譯、地圖、無人車，深度學習的影子無處不在，人工智慧正在重構人類的生活。
同時，伴隨互聯網的高速發展和底層技術的不斷進步，人工智慧所需的「能源」正在不斷完善。
數據量： 2000年至今，互聯網及移動互聯網的高速發展使得資料實現了量的積累，據IDC預測，2020年全球的大資料總量將為40ZB，其中有七成將會以圖片和視頻的形式進行存儲，這為人工智慧的發展提供了豐厚的土壤。
深度學習演算法：多倫多大學教授Geoffrey Hinton（致力於神經網路和深度學習研究）的學生在業內知名的圖像識別比賽ImageNet中利用深度學習的演算法將識別錯誤率一舉降低了10%，甚至超過了穀歌，深度學習進而名聲大噪。2015年，微軟亞洲研究院視覺計算組在該項比賽中奪冠，將系統錯誤率降低至3.57%，已經超過了人眼。
高性能計算：GPU回應速度快、對能源需求低，可以平行處理大量瑣碎資訊，並在高速狀態下分析海量資料，有效滿足人工智慧發展的需求。
基礎設施成本：雲計算的普及和GPU的廣泛使用，極大提升了運算效率，也在一定程度上降低了運營成本。IDC報告顯示，資料基礎設施成本正在迅速下降，從2010年的每單位9美元下降到了2015年的0.2美元。
與此同時，巨頭和創業公司也相繼投入資源和成本進行商業化探索，但技術本身尚有足夠大的成長空間，當前仍處於早期階段。
二、人工智慧帶來的機會
我們看到，目前人工智慧領域的企業主要集中于以下三個層面：
基礎層：關注人工智慧基礎支撐硬體或資料平臺基礎；
技術層：包括有關機器識別與深度學習的演算法和技術設計；
應用層：包括通用應用和行業垂直應用等。
圖片來源：易觀智庫
在極客幫創投創始合夥人蔣濤看來，大公司在這三個層面贏家通吃，而小公司只能依靠單點突破，以及在傳統行業優勢上進行突圍。
大公司（100億市值以上）的主戰場在於爭奪未來人工智慧的制高點，這分為兩個方向，第一個方向是爭奪未來人工智慧的入口，包括家居的入口、汽車的入口等等，這些未來的入口扮演著比較重要的交互作用，例如Google的語音交互，百度的百度大腦。