以人工智能為核心的技術(shù)，是正在興起的新產(chǎn)業(yè)革命的基礎(chǔ)。

許成鋼教授作為著名經(jīng)濟(jì)學(xué)家，將從制度經(jīng)濟(jì)學(xué)更宏大的視角為我們剖析人工智能這場(chǎng)產(chǎn)業(yè)革命的時(shí)代背景和關(guān)鍵要素。本文部分?jǐn)?shù)據(jù)摘選許成鋼教授主導(dǎo)研究的《中國(guó)人工智能指數(shù)報(bào)告》。

以下，盡情享用。

一、第四次產(chǎn)業(yè)革命

在當(dāng)下，許多人都有這個(gè)共識(shí)：我們正在經(jīng)歷一場(chǎng)剛剛開始的產(chǎn)業(yè)革命，而這個(gè)產(chǎn)業(yè)革命的核心部分是人工智能。

這里需要交代一下產(chǎn)業(yè)革命的重要性，我們習(xí)慣性地將世界上的國(guó)家分為發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家，這種差距是產(chǎn)業(yè)革命之后才有的，產(chǎn)業(yè)革命之前，各國(guó)沒有太大差距。

第一次產(chǎn)業(yè)革命，產(chǎn)生于英國(guó)，核心內(nèi)容是人造動(dòng)力，即蒸汽機(jī)的發(fā)明。

第二次產(chǎn)業(yè)革命，產(chǎn)生于英美，核心內(nèi)容是電力的發(fā)明。

第三次產(chǎn)業(yè)革命，產(chǎn)生于英美，核心內(nèi)容是計(jì)算機(jī)的發(fā)明。

第四次產(chǎn)業(yè)革命正在興起，它跟第三次產(chǎn)業(yè)革命有很多相似之處。

首先，第四次產(chǎn)業(yè)革命的核心技術(shù)是人工智能，這個(gè)技術(shù)在此之前已經(jīng)有了相當(dāng)程度的發(fā)展。就如同第三次產(chǎn)業(yè)革命時(shí)，作為核心技術(shù)的計(jì)算機(jī)的基本原理，在20世紀(jì)40年代已經(jīng)形成了，但它對(duì)社會(huì)的影響是后來才產(chǎn)生的。

其次，產(chǎn)業(yè)革命早期存在著巨大的不確定性，沒有人知道新技術(shù)會(huì)對(duì)社會(huì)產(chǎn)生什么樣的影響，甚至連接下來需要什么樣的器件都沒人知道。

我有意地在強(qiáng)調(diào)這些內(nèi)容，是因?yàn)楝F(xiàn)在發(fā)生的事情跟那時(shí)非常相似。

正在興起的第四次產(chǎn)業(yè)革命誕生于美國(guó)，我們之所以要在這里討論產(chǎn)業(yè)革命的誕生地，是為了討論產(chǎn)業(yè)革命得以誕生的背景條件。

1.產(chǎn)業(yè)革命誕生的背景條件

今天，各國(guó)政府都高度重視人工智能，世界上至少有18個(gè)國(guó)家制訂了人工智能的發(fā)展戰(zhàn)略和行動(dòng)方案。

今年2月份，美國(guó)總統(tǒng)特朗普頒布行政令，其中包括要大規(guī)模調(diào)動(dòng)聯(lián)邦政府的資金，用在人工智能上。

俄國(guó)總統(tǒng)普京說得很玄乎，他說人工智能不僅對(duì)于俄羅斯是未來，也是全世界的未來，這一領(lǐng)域的領(lǐng)先者將稱霸世界。

①  創(chuàng)新過程

那么，什么樣子的制度才能夠促進(jìn)科學(xué)研究發(fā)展？我們先來看一看愛因斯坦的觀點(diǎn)。

為什么要提愛因斯坦？因?yàn)?00多年前愛因斯坦的突破奠定了今天世界的基礎(chǔ)，我們至今生活在愛因斯坦的世界里。

他說，如果我們?cè)缇土私馕覀冋谧龅墓ぷ鳎覀兊墓ぷ骶筒荒芊Q之為研究了。這句話非常深刻。

沒有人能計(jì)劃他做的工作，因?yàn)闆]有人能事先知道具體該怎么做，這個(gè)世界應(yīng)該是什么樣子。所有突破都是在過程中摸索的，而不是事先知道的。

他還說，想象力是最高形式的研究。

想象力就不是別人能告訴你的，而是你自己想象的，科學(xué)家和科學(xué)家之間的差距全在想象力上。

當(dāng)我們講制度的時(shí)候，管理制度都是自上而下的，核心內(nèi)容是如何提供激勵(lì)機(jī)制，也就是獎(jiǎng)懲。

愛因斯坦認(rèn)為像他這樣做研究的人，如果只因?yàn)槲窇謶土P和貪圖獎(jiǎng)勵(lì)才能努力工作，那就成了一群無可救藥的人了。

②  激勵(lì)機(jī)制

當(dāng)我們講創(chuàng)新的時(shí)候，制度的核心問題是激勵(lì)機(jī)制。

因?yàn)閯?chuàng)新碰到的第一個(gè)問題是：在一個(gè)社會(huì)中，你怎么知道誰是可以進(jìn)行創(chuàng)新的人？第二個(gè)問題是：什么東西在驅(qū)動(dòng)他的創(chuàng)新？

其實(shí)，這種革命性的、突破性的發(fā)明創(chuàng)造的原始動(dòng)力是好奇，而不是為了有用。為了有用，是想不出革命性的東西的。

歷史上的那些科學(xué)家，與電相關(guān)的法拉第、赫茲，與計(jì)算機(jī)相關(guān)的圖靈，與人工智能相關(guān)的麥卡錫等，包括發(fā)現(xiàn)量子力學(xué)、固體物理、半導(dǎo)體、DNA、RNA以及測(cè)定人類基因圖譜的這些科學(xué)家，他們的驅(qū)動(dòng)力都是好奇心，都是來自于探索這個(gè)世界的渴望。

緊接著，就需要跟隨性的研究和應(yīng)用性的研究，這些研究需要外來激勵(lì)機(jī)制的支撐。

在原始突破階段，好奇心本身是最強(qiáng)的激勵(lì)機(jī)制，但到了跟隨性、應(yīng)用性階段，內(nèi)心的滿意度會(huì)弱一些，而外來的名利刺激就非常重要。比如，各種獎(jiǎng)勵(lì)包括論文、獎(jiǎng)金等。

再到實(shí)用目的階段，就必須有巨大的外來刺激，也就是在市場(chǎng)上直接獲得商業(yè)利益的激勵(lì)。

當(dāng)我們講產(chǎn)權(quán)時(shí)，就是在講市場(chǎng)機(jī)制。個(gè)人的產(chǎn)權(quán)決定了如何分配資源。

制度指的就是在這個(gè)社會(huì)經(jīng)濟(jì)里，誰擁有資源，誰決定資源配置，這個(gè)問題直接就決定了這個(gè)集體中有沒有創(chuàng)新的自由，有沒有創(chuàng)新的動(dòng)力。

簡(jiǎn)單總結(jié)一下，科學(xué)技術(shù)的重大突破基本上都不來自于計(jì)劃，而是來自于無數(shù)的自由探索。這里非常重要的是兩個(gè)關(guān)鍵詞，第一是自由，第二是無數(shù)，二者缺一不可。

而無數(shù)的自由探討是需要制度保證的，因?yàn)榉浅２淮_定性，沒人知道誰能做成，所以需要大量的探索，最后的結(jié)果一定是優(yōu)勝劣汰出來的，大多數(shù)探索會(huì)失敗，個(gè)別會(huì)勝出。

2.產(chǎn)業(yè)革命是創(chuàng)造性的破壞過程

“創(chuàng)造性的破壞過程”這個(gè)概念是熊彼得40年代提出的。

首先，產(chǎn)生的革命性變化背后，最重要的是對(duì)發(fā)明家、企業(yè)家提供激勵(lì)機(jī)制。

在市場(chǎng)制度下，核心是知識(shí)產(chǎn)權(quán)，產(chǎn)權(quán)里面包括了兩個(gè)大部分，一部分是有形資產(chǎn)的產(chǎn)權(quán)；一部分是知識(shí)產(chǎn)權(quán)，這是無形資產(chǎn)。

創(chuàng)新越重要，對(duì)知識(shí)產(chǎn)權(quán)的保護(hù)就越重要，你可以想象當(dāng)盜竊、侵犯知識(shí)產(chǎn)權(quán)的行為在一個(gè)社會(huì)上盛行，就嚴(yán)重摧毀了創(chuàng)新的激勵(lì)機(jī)制。

所以在一個(gè)社會(huì)里，是不是有很多人、很多機(jī)構(gòu)愿意從事重大的、困難的、冒風(fēng)險(xiǎn)的創(chuàng)新工作，直接和有沒有對(duì)知識(shí)產(chǎn)權(quán)的保護(hù)有關(guān)。

在知識(shí)產(chǎn)權(quán)的保護(hù)中，離不開一個(gè)非?；镜母拍?，就是壟斷。

什么是專利？專利就是在一個(gè)規(guī)定的時(shí)間段里擁有壟斷權(quán)，這是合法的，也是必須的。

第二個(gè)基本要素就是市場(chǎng)的優(yōu)勝劣汰。

只有在優(yōu)勝劣汰的過程中，才有可能進(jìn)行大規(guī)模的篩選，把不滿足市場(chǎng)需要的東西篩下去，把優(yōu)秀的東西凸顯出來。

這也是為什么創(chuàng)新是高度不確定的，你發(fā)明的東西能不能在市場(chǎng)上成功，這是事先無法預(yù)料的。

第三個(gè)基本要素就是保護(hù)民間投資。

為什么民間投資如此重要？

民間投資是在市場(chǎng)上操作的，它的靈活性與對(duì)市場(chǎng)的判斷相關(guān)。沒有民間投資的話，大量的個(gè)人發(fā)明是很難獲得資助的。

保護(hù)民間的投資，本身也就是在保護(hù)個(gè)人發(fā)明。

所以，產(chǎn)業(yè)革命為什么叫做“創(chuàng)造性的破壞過程”，指的就是這個(gè)優(yōu)勝劣汰的過程。優(yōu)勝劣汰的劣在歷史上曾經(jīng)是特別好的，只是因?yàn)樾碌臇|西來了，把它取代了，把它淘汰了。

當(dāng)我們看到新東西出現(xiàn)的時(shí)候，很多人想的是怎么能夠后來居上，其實(shí)你跟著別人走，永遠(yuǎn)不可能超過別人，只有你發(fā)明一個(gè)別人沒有的東西，你才有可能做到超越。

3.深而廣的人工智能應(yīng)用革命

我們繼續(xù)進(jìn)行人工智能的討論。從下圖可以看出，人工智能是個(gè)大概念，機(jī)器學(xué)習(xí)是人工智能里的一個(gè)概念，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)里的一個(gè)概念。

舉個(gè)自動(dòng)駕駛的例子。

人工智能必須依靠布置在車上的大量傳感器來感知外部情況，在感知過程中會(huì)制造出大量數(shù)據(jù)，這些數(shù)據(jù)被深度神經(jīng)網(wǎng)絡(luò)里（人造的神經(jīng)網(wǎng)絡(luò)）讀取，然后通過計(jì)算來決定以什么速度、往哪個(gè)方向走，所謂自動(dòng)駕駛指的就是這個(gè)。

全自動(dòng)的無人駕駛的最大困難在于，處理復(fù)雜狀態(tài)下的車和車之間的協(xié)調(diào)問題。

傳感器要收集所有的相關(guān)信息，而且這些信息需要立即處理，這時(shí)候問題就來了，現(xiàn)在的傳輸系統(tǒng)無法做到立即處理。

為什么5G重要？5G解決的就是這個(gè)問題。

如果所有車都在5G環(huán)境中行駛，傳感器上的信息可以實(shí)時(shí)互傳，接下來才需要人工智能的處理、計(jì)算等等。

所以全自動(dòng)的無人駕駛什么時(shí)候能推廣，5G是個(gè)先決條件。沒有5G，就無法保證數(shù)據(jù)的實(shí)時(shí)送達(dá)，也無法用人工智能去實(shí)時(shí)計(jì)算。

另一個(gè)例子是阿里，阿里每年光棍節(jié)的交易是全球最大的，這是阿里創(chuàng)造的世界紀(jì)錄。它是怎么做到的？靠的是人工智能。

阿里從美國(guó)請(qǐng)來一流的人工智能教授，領(lǐng)導(dǎo)著500人團(tuán)隊(duì)設(shè)計(jì)的人工智能，用來保證高速處理這么多單的交易，才使得每年的光棍節(jié)可以搞這么大。

再者，螞蟻金服能夠迅速利用網(wǎng)絡(luò)方式提供貸款，靠的也是人工智能。

二、中美人工智能指數(shù)

下面跟大家分享《中國(guó)人工智能指數(shù)報(bào)告》的數(shù)據(jù)。

《中國(guó)人工智能指數(shù)報(bào)告》由我和武漢大學(xué)大數(shù)據(jù)與云計(jì)算實(shí)驗(yàn)室主任崔曉暉教授團(tuán)隊(duì)共同研究制作。希望幫助大家更好理解中美人工智能發(fā)展現(xiàn)狀。

1.學(xué)術(shù)領(lǐng)域，中國(guó)學(xué)術(shù)論文激增，但千級(jí)期刊論文引用遜于美國(guó)。

在學(xué)術(shù)會(huì)議參與方面，中美兩國(guó)學(xué)者參加學(xué)術(shù)會(huì)議呈不斷增長(zhǎng)趨勢(shì)，而美國(guó)每年都要高出中國(guó)。

▲圖1:中美人工智能期刊論文年度發(fā)表量對(duì)比

從1995年至今，雖然美國(guó)在人工智能領(lǐng)域發(fā)表的論文數(shù)量整體超過中國(guó)，但是中國(guó)的增長(zhǎng)速度較快。

▲圖2：中美學(xué)者參加所有人工智能學(xué)術(shù)會(huì)議的總數(shù)

人工智能領(lǐng)域的迅速發(fā)展，使得大量學(xué)者常常會(huì)把自己的短期研究成果首先會(huì)發(fā)表在學(xué)術(shù)會(huì)議上（甚至只發(fā)表在學(xué)術(shù)會(huì)議上），之后便投入到實(shí)踐工作中。

而學(xué)術(shù)會(huì)議的常規(guī)是，申請(qǐng)者的論文得到會(huì)議學(xué)術(shù)委員會(huì)或組織者接受，才獲得參會(huì)資格。因此，參會(huì)人數(shù)通?？梢砸暈闀?huì)議論文發(fā)表的數(shù)量。

▲圖3：中美人工智能期刊論文被引用總數(shù)

為了進(jìn)一步將兩國(guó)學(xué)者發(fā)表的論文質(zhì)量進(jìn)行對(duì)比，報(bào)告將論文的引用數(shù)量劃分為了6個(gè)等級(jí)進(jìn)行分析，分別是千級(jí)(引用量 1000 及以上)，百千級(jí)(引用量 500-999)，百級(jí)(引用量 100-499)，十級(jí)(引用量 10-99)，個(gè)級(jí)(引用量 1-9)以及零 級(jí)(引用量 0)引用量文章。

統(tǒng)計(jì)的次數(shù)是每篇論文截止 2018 年 10 月的總引用次數(shù)。

以千級(jí)和零級(jí)兩個(gè)極端的級(jí)別為例：

▲圖4：中美千級(jí)期刊論文引用總數(shù)量對(duì)比分析

對(duì)有高等級(jí)影響力的千級(jí)論文（是指每一篇論文被引用的數(shù)字超過了1000次），中國(guó)與美國(guó)差距巨大，中國(guó)只有個(gè)別的產(chǎn)生大影響力的論文，而在美國(guó)則比較多一些。

▲圖5：中美零級(jí)期刊論文發(fā)表總數(shù)量對(duì)比分析

這一部分是發(fā)表的這些論文是從來沒有被任何人引用過的。

從2011年之后，中國(guó)大幅度的超過美國(guó)，而且超過了很多，這個(gè)很有趣。

為什么中國(guó)很多論文從來不被引用？原因可能有兩點(diǎn)：

第一，這些論文討論的問題是在比較狹窄范圍里的應(yīng)用問題，有興趣的人少。

第二，中國(guó)的激勵(lì)機(jī)制所致。中國(guó)的科研體制是計(jì)算研究人員在國(guó)際期刊上發(fā)了多少篇文章，為了職稱評(píng)定，學(xué)者被迫拼命發(fā)文章，卻不注重文章的影響力和價(jià)值貢獻(xiàn)。

2.人才分布，AI人才中國(guó)是精英模式，美國(guó)則量大面廣。

決定一國(guó)人工智能長(zhǎng)期競(jìng)爭(zhēng)力的是人才要素，美國(guó)的人工智能工程師遠(yuǎn)比中國(guó)多。

▲圖6：根據(jù)從業(yè)時(shí)間分為五個(gè)不同類別進(jìn)行的中美AI人才分布對(duì)比

據(jù)領(lǐng)英（LinkedIn）人才數(shù)據(jù)庫(kù)顯示，中國(guó)的AI人才總數(shù)為5萬人，而美國(guó)的AI人才總數(shù)為83萬人。美國(guó)AI人才總數(shù)是中國(guó)的16.5倍之多。

如果把中國(guó)人工智能領(lǐng)域所有的從業(yè)人員（領(lǐng)英里面搜集到的），按照他們已經(jīng)工作多少年劃分的話，可以看到，中國(guó)人工智能領(lǐng)域工作10年以上的不到39%，相比之下，美國(guó)超過71%的人工智能領(lǐng)域的人，工作了10年以上。

在中國(guó)，人工智能是更年輕的行業(yè)，而在美國(guó)雖然領(lǐng)域是年輕的，但是里面的多數(shù)人并不年輕，是有充分經(jīng)驗(yàn)的。

▲圖7：根據(jù)子領(lǐng)域劃分對(duì)比的兩國(guó)AI人才分布比例

人才分布方面，中國(guó)在智能交通/自動(dòng)駕駛，智能/精準(zhǔn)營(yíng)銷, 硬件/GPU/智能芯片需求比例要多于美國(guó)，但在算法、機(jī)器學(xué)習(xí)的方面，美國(guó)不但人才的比例比中國(guó)大，人才總數(shù)也是中國(guó)的20多倍。

3．產(chǎn)業(yè)領(lǐng)域，AI創(chuàng)業(yè)公司數(shù)量少于美國(guó)。

從產(chǎn)業(yè)領(lǐng)域的角度看，中國(guó)活躍的人工智能創(chuàng)業(yè)公司在2012年之前要多于美國(guó)，但是在2012年以后美國(guó)超過中國(guó)，且增長(zhǎng)速度大幅度提升，而中國(guó)在2015年以后開始下降。

▲圖8：中美人工智能領(lǐng)域創(chuàng)業(yè)公司數(shù)量對(duì)比

據(jù)了解，美國(guó)私營(yíng)部門正在開足馬力發(fā)展AI技術(shù)。美國(guó)與人工智能有關(guān)的企業(yè)數(shù)量遠(yuǎn)超中國(guó)。

美國(guó)的投資力度似乎也很大，例如，谷歌公司、蘋果公司、臉書網(wǎng)站、國(guó)際商用機(jī)器公司（IBM）、微軟公司和亞馬遜公司等總部設(shè)在美國(guó)的企業(yè)，其研發(fā)支出總計(jì)高達(dá)540億美元，其中大部分開支進(jìn)入人工智能科研領(lǐng)域。

最近二十幾年里，中國(guó)活躍的人工智能初創(chuàng)公司整體上呈快速發(fā)展趨勢(shì)，2016年超過400家，達(dá)到頂峰。

中國(guó)活躍的人工智能初創(chuàng)公司數(shù)字在2012年之前多于美國(guó)，但是在2012年以后被美國(guó)超越。

尤其是在2016年之后，美國(guó)的人工智能初創(chuàng)公司數(shù)量快速上升， 2018年超過600家，而中國(guó)則在2016年之后下降，在2018年降至不到200家。

4.開源軟件包的使用和開發(fā)，93%的中國(guó)研究者使用的開源軟件包是美國(guó)開發(fā)的。

中國(guó)在最近三年里，關(guān)注人工智能開源軟件包的總數(shù)迅速上升，并在2017年秋超過了美國(guó)。

▲圖9：中美 AI 研究者的 AI 軟件包關(guān)注總數(shù)對(duì)比

但是，幾乎93%的中國(guó)研究者使用的人工智能開源軟件包，是美國(guó)的機(jī)構(gòu)開發(fā)提供的。中美兩國(guó)人工智能研究者使用最多的軟件包是Google開發(fā)的TensorFlow。

在2018年初，中美研究人員對(duì)此的關(guān)注人數(shù)，分別達(dá)到將近9000人和約7000人。

整體上中、美AI研究者關(guān)注美國(guó)機(jī)構(gòu)開發(fā)的開源AI軟件包的數(shù)字，相當(dāng)于他們關(guān)注中國(guó)機(jī)構(gòu)開放的軟件包數(shù)字的20幾倍。

這表明中國(guó)研究者在基本算法方面，對(duì)美國(guó)開源軟件包的依賴。

5.公眾認(rèn)知及媒體報(bào)道，中國(guó)對(duì)AI的公眾認(rèn)知正面情感高于美國(guó)。

從公共認(rèn)知及媒體報(bào)道的角度看，中美兩國(guó)對(duì)于人工智能的報(bào)道正面情感要高于負(fù)面情感，而中國(guó)的正面情感比例相對(duì)更高一些。

▲圖10：中國(guó)、全球(英語國(guó)家)人工智能文章正負(fù)比例

《中國(guó)人工智能指數(shù)報(bào)告》收集的媒體大數(shù)據(jù)顯示，在2014年之前，中國(guó)媒體對(duì)人工智能的正面報(bào)道略多于負(fù)面，差距不大。此后，負(fù)面報(bào)道持續(xù)下降，正面報(bào)道逐年增加，全面壓倒負(fù)面報(bào)道。

相比之下，全球英語世界的報(bào)道，多數(shù)屬于沒有正負(fù)之分的中性。

在2013年到2015年之間，正負(fù)報(bào)道之間的差距曾經(jīng)大幅度縮小。在2016之后，正面報(bào)道大幅度提高，而負(fù)面報(bào)道則沒有顯著變化。

這個(gè)趨勢(shì)與2016年之后美國(guó)人工智能投資初創(chuàng)企業(yè)的快速增長(zhǎng)高度相關(guān)。

總之，在深度學(xué)習(xí)的應(yīng)用方面，如果我們只看規(guī)模，中國(guó)和美國(guó)已經(jīng)非常接近有一些地方甚至是超過。

但是，在人工智能的基本算法、芯片、傳感器等等許多的方面，中國(guó)都落后于世界上多數(shù)的發(fā)達(dá)國(guó)家，除了美國(guó)外，還有比如，英國(guó)、德國(guó)、日本、以色列等國(guó)家。

美國(guó)的AI產(chǎn)業(yè)布局非常完善，基礎(chǔ)層、技術(shù)層和應(yīng)用層都有涉及，尤其是在算法、芯片和數(shù)據(jù)等產(chǎn)業(yè)核心領(lǐng)域，積累了強(qiáng)大的技術(shù)創(chuàng)新優(yōu)勢(shì)，各層級(jí)企業(yè)數(shù)量全面領(lǐng)先中國(guó)。相比較而言，中國(guó)在基礎(chǔ)元器件、基礎(chǔ)工藝等方面差距較大。

三、人工智能：巨大的機(jī)遇和挑戰(zhàn)

人工智能的發(fā)展，無論是速度、廣度，還是深度已經(jīng)是革命性的。

比如金融監(jiān)管、會(huì)計(jì)、網(wǎng)上客服等等很多服務(wù)都不是真人提供的。電商的快速交易，以及網(wǎng)上金融的相關(guān)領(lǐng)域，背后基本上都是人工智能在支撐。

我這里主要提及高技術(shù)領(lǐng)域、金融領(lǐng)域和零售領(lǐng)域，因?yàn)樵谶@三個(gè)領(lǐng)域里，背后支撐運(yùn)營(yíng)的都是人工智能。

很多領(lǐng)域都會(huì)深刻地被它改變。

從技術(shù)角度來概要一下這方面的發(fā)展，我想要強(qiáng)調(diào)的要點(diǎn)是：目前人工智能或深度學(xué)習(xí)的應(yīng)用方面，核心在于能不能應(yīng)用在于你所在的那個(gè)場(chǎng)景，你要有能力識(shí)別它，有能力去執(zhí)行它，深度學(xué)習(xí)里的核心部分就是，你走得快，形成規(guī)模，你的邊際成本就幾乎是零。

而你能不能走得早，全在于你有沒有能力識(shí)別你的場(chǎng)景。如何識(shí)別能否應(yīng)用深度學(xué)習(xí)的場(chǎng)景？靠你和人工智能專家的聯(lián)手。

最后，當(dāng)我們做對(duì)比時(shí)，我們看到人工智能的整體狀態(tài)，這里我們應(yīng)該重視三個(gè)方面：

1.新算法

新算法中一定會(huì)有重大突破，會(huì)打破我們熟悉的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，打開廣泛的應(yīng)用大門。

這里非常重要的部分是，算法跟物聯(lián)網(wǎng)怎么連接，自己解決數(shù)據(jù)搜集問題，這是其中的重要部分。

2.量子計(jì)算

這是一個(gè)全新的領(lǐng)域，跟人們已經(jīng)知道的計(jì)算機(jī)沒有太大關(guān)系，這就取決于整個(gè)物理科學(xué)、量子力學(xué)方面的基礎(chǔ)研究。

3.傳感器

物聯(lián)網(wǎng)顧名思義就是每一個(gè)東西上都有傳感器，傳感器的研究依賴于物理學(xué)、化學(xué)、生命科學(xué)等基礎(chǔ)學(xué)科。這不是你想發(fā)明就能發(fā)明出來的，那是無數(shù)人的想象力積累出來的。

這就是今天分享的主要內(nèi)容，謝謝大家。