2016年人工智慧領域的總結與思考：未來將面臨的五大考驗
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。
1）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。
2）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。
3）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。
4）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。
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。
1）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。
2）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。
3）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。
4）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。