人工智能技術(shù) ，根據(jù)傳說，當(dāng)一項新技術(shù)產(chǎn)生并成熟時，會經(jīng)歷如下過山車發(fā)展軌跡，稱為高德納曲線（Gartner  Curve）。然而，人工智能的發(fā)展軌跡比這一條更引人入勝。到現(xiàn)在為止，可以說有三起三落。當(dāng)然，這第三次下降還沒有到來，也不一定會到來。想要了解更多可以看下大數(shù)據(jù)前景怎么樣

　　我在這個行業(yè)十幾年了：博士期間學(xué)的語音學(xué)什么的，畢業(yè)后去MSRA做這個。雖然我們的兩位院長李開復(fù)先生和洪小文，先生都是語音系出身，但他們并不能改變這個項目在整個醫(yī)院的地位。因為在那個年代，沒有多少人工智能應(yīng)用程序可以投入戰(zhàn)斗。更不用說，如果你向網(wǎng)絡(luò)世界提到你是“人工智能”，那就像在兩會偷看色情一樣尷尬。事實上，那是人工智能發(fā)展的第二次衰退。以史為鑒，可以知興亡。為了探索人工智能，的發(fā)展前景，我們簡要回顧了人工智能發(fā)展的三個大起大落

　　一年或60多年前，達(dá)特茅斯會提出了“藝術(shù)”智能”，目的是讓成熟的計算機(jī)代替人類解決一些感知、認(rèn)知甚至決策的問題。這樣一個話題如此引人入勝，以至于很快引起了大量學(xué)者的關(guān)注，相關(guān)研究也如火如荼地進(jìn)行著。這是第一次。

　　第二，起初，學(xué)者們解決人工智能問題的思路是通過專家制定規(guī)則來教機(jī)器下棋、讀字符甚至識別語音。在今天看來，這種方法完全相反。雖然人類的視聽器官非常發(fā)達(dá)，但卻無法總結(jié)提煉其中的規(guī)律，結(jié)果人工智能美好的愿景揭示了殘酷的現(xiàn)實，學(xué)者們發(fā)現(xiàn)解決問題已經(jīng)遙遙無期，圍觀群眾一度認(rèn)為人工智能的學(xué)者都是騙子。是第一個秋天。

　　第三，既然不可能靠人的引導(dǎo)，就要犧牲“實事求是”這個法寶，從數(shù)據(jù)中統(tǒng)計規(guī)律。在這種統(tǒng)計方法下，一些簡單的問題如人臉識別和手寫識別取得了很大的進(jìn)展，而在當(dāng)時最困難的問————詞匯的連續(xù)語音識別中，這種統(tǒng)計方法也以前所未有的方式在實驗室中創(chuàng)造了一個“基本可用”的系統(tǒng)。這時，我們感到我們已經(jīng)找到了解決人工智能問題的基本思路。是為了第二個。

　　第四，數(shù)據(jù)統(tǒng)計模型方法流行后，很快遇到了瓶頸：數(shù)據(jù)量的提高并不總能帶來識別率的提高。當(dāng)然，我們早就知道“深模型”比“淺模型”有更好的數(shù)據(jù)學(xué)習(xí)能力，但是這個模型計算起來極其昂貴，我們只能期待。以語音識別為例，“基本可用”和“實用”的差距十幾年都沒有跨越，于是大家轉(zhuǎn)而悲觀，認(rèn)為人工智能只是一個夢。是為了第二個秋天。

　　5.自第二個秋天以來，很少有學(xué)者繼續(xù)在“深度神經(jīng)網(wǎng)絡(luò)”中與線上戰(zhàn)斗，因為這樣做沒有資金。其中有一個老杰弗里

　　韓丁和他的學(xué)生亞歷克斯一起發(fā)現(xiàn)，用GPU計算神經(jīng)網(wǎng)絡(luò)可以大大提高速度，所以這個模型可能是實用的。一旦實用化，深度模型可以瘋狂吸收數(shù)據(jù)的優(yōu)勢就會發(fā)揮出來，因此在語音識別、圖像識別等領(lǐng)域取得了長足的進(jìn)步。是為了第三種情況。

　　當(dāng)然，工業(yè)界看到的第三種情況，比我們上面輕描淡寫地提到的要壯觀得多。但是，不要太在意，因為各行各業(yè)的老板們，不管過去是搞黑生產(chǎn)、賣假貨還是劫機(jī)，都已經(jīng)變成了人工智能的忠實粉絲和行業(yè)先鋒，去年，當(dāng)我聽到一家上市公司的老板歇斯底里，在財報中大叫他要在人工智能，投資幾千萬美元時，我不禁感慨：修腳的人可以掛著返老還童的大旗，但不要說他們做的是精準(zhǔn)醫(yī)學(xué)！雖然人工智能的第三個案例確實有了質(zhì)的發(fā)展，考慮到是人工智能的工人提出了這些沉積物，我認(rèn)為第三個案例會到來，但這不是行業(yè)本身的疑問，而是一種自我凈化。

　　人工智能產(chǎn)業(yè)的發(fā)展趨勢，由于大規(guī)模數(shù)據(jù)和大規(guī)模計算能力的基本方法論的成熟，未來的發(fā)展路徑非常明確：在那些數(shù)據(jù)儲備充足、商業(yè)價值明確的場景中，人工智能將快速發(fā)展并致力于此，產(chǎn)業(yè)中期發(fā)展會非常好；但是在醫(yī)療和教育領(lǐng)域，電子數(shù)據(jù)的整理和積累是需要時間的，可能需要很長的開發(fā)過程。至于人工智能，的核心問題，即“認(rèn)知”問題，我認(rèn)為到目前為止還沒有任何方法論上的突破，更談不上解決辦法，但這個話題太大了，我們再找機(jī)會談吧。