人工智能为何红得发烫？
不得不说，人工智能已经走到了一个关键节点。说得难听点叫瓶颈，说得好听点叫爆发点。虽然看起来距离黑科技还有一定的距离，但是谁能保证说，在我们的有生之年不会看到人工智能突破技术和伦理的瓶颈，迎来一波新的爆发呢？
人工智能编年史
人工智能的开端，来自阿兰·图灵所发表的一篇论文：机器能够思考吗？为了检验这一点，阿兰·图灵设计了一个广为人知的规则：图灵测试。他预言，在2000年将有足够聪明的机器通过测试。但让人非常遗憾的是，他的预言直到2014年才被一台英国雷丁大学的超级计算机所打破。
在1955年，美国斯坦福大学计算机科学家约翰·麦卡锡第一次提出了人工智能概念。在此之后的漫长时间里，美国可以说一直领跑全球人工智能领域。在1997年，IBM所制造的“深蓝”就击败了国际象棋棋手卡斯帕罗夫，一时轰动全球。2016年，谷歌的AlphaGo又拿下了围棋选手李世乭，甚至在快棋赛中打遍中国各路围棋好手。如果说一开始的深蓝使用的还是比较粗笨的穷举法，那么AlphaGo在围棋中所采用的各种策略，已经非常接近于人类的思考方式—甚至相对于人类，它更不容易被战局所迷惑，也不会被感情所左右，在判断时更为精准或者说冷酷。
从深蓝到AlphaGo，人工智能走了将近20年，而AlphaGo的到来，更是让无数人都在思考：技术临界点真的要出现了吗？
技术临界点真的要来了吗？
近一两年，人工智能即将突破技术临界点的论调甚嚣尘上。然而，这个“即将”究竟还有多远，却没人能回答。因此，我们不妨来看看，现阶段人工智能所遭遇的一系列挫折。
首先，就是成熟的人工智能产品还并没有出现。人工智能由于存在有相当高的技术门槛，至今依旧是许多实力雄厚的高科技企业的“专属玩物”。但很遗憾的是，即便聚集了顶尖的相关领域研究人员，这些企业依旧没有在近几年拿出真正能够有普及价值的产品。
比如，三星曾信誓旦旦地宣布要在Galaxy S8和S8+中，应用自家的智能语音控制功能Bixby，甚至还野心勃勃打算将Bixby预装到其他智能设备（包括苹果的设备）之中。然而，直到5月1日，这一功能才终于通过系统升级提供，而且这一功能只支持韩国用户。
其次，除了手机，自动驾驶更是难言成绩斐然。在2014年，谷歌推出了无人驾驶原型车，但在此之后，围绕着无人驾驶技术的最醒目关键词，竟然是“车祸”。在2016年，特斯拉完成了“无人驾驶汽车首杀”，导致司机死亡。
即便是目前测试时间最长的谷歌自动驾驶汽车，在过去整整的6年时间里，依靠55辆谷歌自动驾驶汽车，也只测试了209万公里的数据，同时还发生了11起小交通事故。而研究人员认为，只有在测试数亿乃至数千亿公里之后，才能验证其在减少交通事故方面的可靠性，也就是说，在样本不够多之前，无人驾驶汽车依旧只是一个遥远的愿景而已。
说到谷歌，咱们又不能不提到它在另外一个人工智能领域闹的乌龙—那就是Google Photos。曾经把一张有两个黑人的照片直接标记为“大猩猩”，结果引来了一阵舆论大哗—要知道，在一贯追求稳扎稳打的硅谷，这样的失误几乎不可原谅。
从这几个例子中来看，咱们就能知道，尽管雷声很大，但现在的人工智能产品依旧还只能停留在小打小闹的不靠谱阶段中。那么，产品本身靠不住，相关技术储备是否已经准备好了呢？也未必。现在看来人工智能的技术储备并不完善。
人工智能需要巨大的运算量，而目前相关设备的芯片可选择范围窄，性能差，说穿了就是技术人员拿来自high一下可以，但是想要以此进入千家万户，还缺乏量产的基础。
实际上，目前各大企业热炒的大数据概念，也并非100%靠谱—至少大数据完美miss了“英国脱欧”和“美国大选”之类的重大话题。失误的原因之一，是因为人们在面对某些问题时，会下意识地隐藏自己的真实选择，尤其是这样的选项被认为是不太正确的时候。而大数据却不会意识到人类的这种微妙心理，而是仅仅以各种数据去套用公式，得出来一个错误的结论。
最后，人工智能还有一个很大的问题，就在于它的感知能力还没有突破。所谓的感知能力，并不仅仅在于它能“看到”以及“听到”，还有“理解到”。比如说比尔·盖茨就提到过人工智能的阅读能力—这可绝对不仅仅是一个翻译软件所能达到的。中文更甚，因为语境的不同，让同样一句中文很容易产生很大的歧义，而人工智能如何才能分辨出其中的区别，做出正确的选择呢？这正是目前的人工智能所难以达到的境界。如果不能实现这一点，那么人工智能只不过是一个会抓取关键词，然后通过数据搜索选择回答方式的机器人而已。
我们不能总是宣传说人工智能马上就要到来。虽然这次我们找对了路，但真正能像人类一样理解语言的A I暂时还不存在，我们离得还很远呢！—微软CEO 纳德拉
人工智能热背后的逻辑
尽管坑很大，但巨头们还愿意往其中跳，这其中有很多原因。首先就是人工智能热，其实是一种炒出来的“虚热”。很多公司只是蹭热点，骗投资而已，尤其是一些创业团队及新产品，没有噱头就抱着人工智能的大腿创造噱头，反正大家都在跟风。类似的戏码，之前已经在智能手机和移动游戏等逝去的风口中多次上演。
而对于一些大公司来说，他们追捧人工智能，则是源于一种本能的焦虑。在过去十年时间里，像诺基亚与摩托罗拉这样的企业已经证明了，抓不住风口，就算是行业老大，要崩溃也不过是区区几年时间而已。正所谓王权没有永恒，抓住新的风口，就等于抓住了发展的命脉。
而大企业对于人工智能的投入，他们所在意的往往并非是现在的利益，而是未来的可能。而对于一些“船大难掉头”的企业，比如百度与乐视这样的企业来说，人工智能更是他们转型的一个工具，他们需要这么一个新的故事，让别人忘记那些陈年黑历史。
当然，不论是创业团队还是大公司，人工智能概念在目前阶段对于他们来说也绝非是只有付出，没有收入的亏本买卖。这一概念只要玩得好，就能为他们带来相当的融资能力，激发他们的创业热情—当然，这个热情会转为成功，还是锤子手机式的失败，那就是另外一回事了。
做人工智能的正确方式
怎样才算是做人工智能的正确方式呢？首先，因地制宜。比如，Facebook所擅长的是社交，而阿里巴巴所擅长的是电子商务，他们的人工智能产品也围绕着社交和电商展开。要是有一天阿里巴巴想不开，去玩社交人工智能，那么就算再有钱，也不过是为他人做嫁妆。而截止发稿前，腾讯也推出了语音助手APP《腾讯叮当》，唱的就是这一出。
其次，循序渐进。不指望一口气就憋出一个“黑科技”去打出翻身仗。而是要学会降低用户的期望值，少用PPT吹，多用产品来打动用户，积累口碑。比如当年的乐视，就是靠PPT忽悠了一群人，结果现在传说中的乐视汽车依旧活在PPT之中，乐视公司也隔三差五要闹出什么负面新闻来。若是当时少做几张PPT，闷声发大财，也许现在乐视的压力就没有那么大了。
最后，就是要培养自己的人才队伍。腾讯就刚刚任命了语音识别专家、微软语音和对话集团前首席研究员俞栋博士为AI Lab副主任。再比如，亚马逊就非常注重于培养储备自己的人工智能人才。有统计数据显示，仅2016年亚马逊就为了挖人花了15亿元人民币。而在国内，像百度这样的公司也开启了自己的百度技术学院，宣称要为中国培育AI人才。
简单来说，准确定位、低调行事与人才到位，这才是未来人工智能获得进步的三驾马车。