人机大战是这两周的关键词。去年10月，AlphaGo初露峥嵘，以五比零横扫欧洲围棋冠军樊麾。此前，围棋是唯一没有被计算机攻克的博弈游戏项目，因为围棋远比国际象棋复杂得多，据称围棋棋局变数比宇宙中的原子数量还要多，目前人类最强的超级计算机也无法处理体量如此大的信息。为此，AlphaGo团队使用了共装载170枚图像处理器（GPU）和1200台标准处理器（CPU）的大规模计算机网络。更引人瞩目的是，围棋的复杂性使得编程员不可能写出围棋的评估函数，从目前的信息来看，AlphaGo团队并未开发专门程序，而是通过“深度学习”和“人工神经网络技术”，通过与人类下围棋，从中找到逻辑判断的方式并不断自我学习，不再依赖记忆棋谱来进行落子的选择，程序自行掌握和判断如何赢得围棋比赛。

  谷歌DeepMind创始人哈萨比斯表示，用“深度学习”技术“教”机器下围棋，就如同教小孩一样，绝不是让程序员添一段代码就完事，而是要给程序“喂”足够多的案例，让机器“自己领悟”正确的下法。从某些特定的程度上说，AlphaGo是在以预测的方式模拟人类的直觉，试图以人类的思维去学习围棋对弈。据称目前，AlphaGo模仿人类的直觉判断程度约为80%。

  “深度学习”技术是AlphaGo的关键，它是指搭建模拟人脑做多元化的分析学习的神经网络，模仿人脑的机制从未经标记的数据展开学习、训练，自行掌握概念、学会辨识声音、图像和其他数据，是一种更接近人脑的机器学习方式。“深度学习”被称为当前人工智能的核心技术。由此，人工智能概念从学界、产业界走向普通大众。

  1956年夏天，几位美国学者——表处理语言（LISP）发明者约翰·麦卡锡、信息论先驱克劳德·香农、马尔温·明斯基共同倡议，邀请莫尔、塞缪尔、纽厄尔和西蒙等在美国达特茅斯大学举办了长达两个多月的研讨会，深入讨论了用机器模拟人类智能的问题。此次会上，首次提出了“人工智能”这一术语，这被看作是“人工智能”这门新兴学科正式诞生的起点。在此后的岁月中，几次技术创新尝试的失败使AI研究陷入停滞，诸多项目关闭、经费被撤销。20世纪70年代，进入了第一次AI发展的第一次低谷。人工智能就像好莱坞大片《A.I》中的那个可爱的小男孩，在冰封中几经寒暑，默默等候。

  1981年，对机器人及有关技术有执着偏好的日本人再度出手，日本经产省拨款8.5亿美元支持第五代计算机项目，试图造出能够与人对话，翻译语言，解释图像，像人一样推理的机器。美欧担心在这样的领域输给日本，重启对AI的投资，掀起一轮AI研究热潮。美国国防部高级研究局1988年给AI的科研经费是1984年的三倍。同期，几乎一半的“财富500强”企业也在开发或使用“专家系统”，即通过建模模拟人类专家解决该领域专业问题的人工智能项目。但是，建构专家系统的复杂性、高成本和局限性使AI研究再陷低潮。整个90年代，AI研究再度沉寂，成果寥寥。

  2010年前后，全球信息技术发展在经历了约15年的互联网狂潮后再次面临着一个关键的发展节点。信息技术的下一个发展趋势是什么，伴随着云计算、移动互联网、物联网及大数据技术的发展，欧美等信息化发达国家、互联网巨头、风险投资纷纷涌入AI研究领域，看准了其引领带动作用，导致在2014年人工智能出现井喷式发展。因为此前信息技术的发展为AI的技术突破和创新筑牢了基础。首先，是计算能力的指数级增长和图像处理器（GPU）的发展。在价格、体积不变的条件下，目前新一代微处理器的性能是1971年第一代单片机的约400万倍。近几年来，GPU技术逐渐成熟，能够完全满足可视游戏中高密度的视觉以及并行需求，为实现深度学习提供了充足的高性能计算能力。其次，是海量数据的供应。大数据、互联网、云计算乃至正在蒸蒸日上的物联网等为人工智能技术使用的统计模型提供了取之不绝的图像、文本、语音等海量数据，在与人类的互动中，AI系统一直在优化、训练和学习。最后，以“深度学习”为代表的新一代算法脱颖而出，攻破了机器学习领域的“深度神经网络”应用的核心难题，提高了机器学习的能力和效率，推动了计算机感知等其他有关技术的发展。

  首先，欧美各国政府和互联网巨头领跑AI研究。如欧盟的脑计划，就是试图建立一套基于神经科学的全新的、革命性的信息通信技术；美国国防部高级技术研究局正在大力推动人机交互新项目CwC。美国波士顿动力公司在今年年初展示的能够在各种各样的环境中行走的最新人形机器人的项目至少获得了美国国防部高级技术研究局1亿美元的赞助。今年1月，美国政府宣布将在未来10年拨款40亿美元助推无人驾驶汽车发展。目前，互联网巨头也在AI领域全面出击。

  其次，相关商业化产品不断涌现。人工智能成就了谷歌的搜索系统、帮助Facebook识别图片、让特斯拉的汽车能在高速路上无人驾驶；各种可穿戴设备和形形的智能机器人也频频亮相。谷歌、苹果和宝马等公司角逐无人驾驶汽车，谷歌已在公司附近的山景城测试了无数次（还出了一次撞车事故）。苏格兰皇家银行也发布了能帮助呼叫中心员工能更快更有效回答客户问题的AI系统Luvo。

  最后，应用领域广阔。人工智能技术的应用潜力非常巨大，从帮助医生诊断病人到辨别交通网络等关键基础设施中的异常和故障等等——甚至还出现了连它的发明者都未曾想到的用途。在制造业领域，随着自然语言识别与语音识别技术的成熟，人机间的交互变得简单，工业机器人能更准确快速地理解工人的口令；在工艺要求严格的仪器制造环节，计算机视觉技术能帮助机器人精确完成任务。在医疗领域，谷歌旗下的DeepMind团队进军医疗技术领域，成立健康团队，最近宣布与英国国民健康服务中心（NHS）合作，首个项目是为医护人员开发一款可监测病人出没出现急性肾衰竭的App。在服务领域，Facebook2016年的新目标是打造出一个“人工智能管家”。除了有语音功能外，机器人和AI相结合，将具备自主行动能力，在多个角度帮助人类。

  当然，在人工智能呈井喷发展的同时，担忧也随之而起。包括特斯拉CEO马斯克、理论物理学家霍金等科技界名人都对AI的发展持消极态度，担忧人工智能最终将奴役或消灭人类，担忧人工智能带来“严重的道德和伦理后果”。然而更多的学者觉得，目前的人工智能只是一种“弱人工智能”，仅仅是完成规则清晰的特定任务，离真正具有人类“常识性智力”的超强人工智能还有遥远的距离。一句话，人工智能，长路漫漫，“奇点”依然遥远。