人工智能的未来（上）
强人工智能和弱人工智能，你了解多少？
1、强人工智能和弱人工智能
人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的 达特矛斯会议上提出的：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性。另一个定义指人工智能是人造机器所表现出来的智能。总体来讲，目前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
2、强人工智能
强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
3、弱人工智能
弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
弱人工智能是对比强人工智能才出现的，因为人工智能的研究一度处于停滞不前的状态下，直到类神经网络有了强大的运算能力加以模拟后，才开始改变并大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解强人工智能和弱人工智能的内容与差别，对定义争论不休。
就现下的人工智能研究领域来看，研究者已大量造出看起来像是智能的机器，获取相当丰硕的理论上和实质上的成果，如2009年康乃尔大学教授Hod Lipson 和其博士研究生Michael Schmidt 研发出的 Eureqa计算机程序，只要给予一些数据，这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式，等于只用几十个小时就自己重新发现牛顿力学公式，这计算机程序也能用来研究很多其他领域的科学问题上。这些所谓的弱人工智能在神经网络发展下已经有巨大进步，但对于要如何集成成强人工智能，现在还没有明确定论。
强人工智能能否在可见的未来实现？
也许有一天人工智能能够帮助人类做科学研究，使得科学技术进步更快？
权威机构罗兰贝格：强人工智能的未来已来，将会这样渗透你的生活
人工智能(Artificial Intelligence, 即AI)浪潮似乎已经到来，在服务、零售、交通及金融等各个领域的商业应用逐渐成为现实。本文分析了人工智能的发展及在商业领域的潜在应用，以期对转型中的企业、创业公司、投资公司和政府有所启示。
1人工智能的演进
工业革命以来，机器逐渐取代许多以往的由人工执行的简单操作，但仅仅局限于依据预先输入的指令行事，缺乏自主能动性。随着硬件设备及算法的不断演变，如今的机器更能模仿人脑的决策过程，具备一定的学习、感知和逻辑推理能力，并朝着创造性思考、通用性场景处理的方向进阶。
演进发展路径
按照人工智能的发展路径，当前市场上存在两种类型的人工智能：弱人工智能(Artificial Intelligence, 即AI)和强人工智能(Artificial General Intelligence, 即AGI)。
弱人工智能主要模仿人脑的基本功能，如感知、学习、记忆和决策等，需在特定情境下表现人脑智能。目前的市场以弱人工智能为主，其技术、算法和应用都相对成熟，商业应用的表现也可圈可点，竞争相对激烈，很多互联网巨头已在人机语音交互、图像识别、数据分析和预测等领域实现技术突破和商业应用。
强人工智能需要结合情感、认知和推理等人脑高阶智能，并能通用到各种场景中，是未来人工智能的主要发展方向。由于技术壁垒非常高，强人工智能目前仍处于早期探索阶段，但未来的发展空间不可估量，国内外一些由顶尖科学家领导的创业公司正在各个垂直领域努力寻求技术突破。
当技术突破了人类的极限，会出现超人工智能(Artificial Super Intelligence)，其能力将超过人类且能不断进化和自我完善，这一点正是令人担忧的。人类无法预测和控制超人工智能，甚至很有可能会被比自己更聪明、强大的超人工智能所毁灭。当然，这种担心还为时尚早。
弱人工智能的能力与局限
弱人工智能具备 “数据处理”、“自主学习”及 “快速改进”三大基本能力，能够将大量数据进行存储—学习—应用—改进的循环，但其局限在于无法进行推理或通用学习，并需要大量的数据样本归纳与不断的试错练习。因此，“人”对实现弱人工智能的应用非常重要：需要“人”设计解决问题的方法，需要“人”寻找、识别并分享有用的数据，也需要“人”对机器的行动进行反馈。
大量高质量且有意义的数据样本(约1000万样本)及如何获得数据样本是弱人工智能进行商业应用的关键成功要素，也是拥有海量数据的互联网巨头得以取得不俗成绩的原因之一。
搜狗智能机器人“汪仔”依靠强大的搜索引擎和数据，可完成基本的人机对话，“速记”的准确率也远高于国内顶尖速记高手。基于海量的大数据和强大的云计算能力，阿里巴巴的ET能实现直播实时字幕、看图说话、个性化推荐与体育视频分析。在美国，亚马逊推出实体店面Amazon Go，消费者在店里随意选购商品时，人工智能会在后台通过实时图像识别技术将这些商品放进虚拟购物袋。结束购物时，消费者可直接离开，费用将从消费者的亚马逊账户中扣除，大大节省了排队买单的时间和麻烦。
可见，实现弱人工智能应用的成本非常高，目前的商业应用也主要集中在减少企业运营成本、提高效率和降低风险及提升用户体验，在创新的商业模式应用上还有待突破。
强人工智能的能力与发展
在弱人工智能三大基本能力的基础上， 强人工智能还具有如人脑一样的完整推理能力(Robust Reasoning)，即掌握学习的方法，减少对“人”的依赖。此能力有多种不同的技术实现路径，例如迁移学习(Transfer Learning)、小数据推理等，甚至不只是一种技术，而是多种技术的叠加。
迁移学习是人类的本能，核心是发现共性(共同特征)，在一个模型训练任务中针对某种类型数据获得的关系也可轻松应用于同一领域的不同问题。让机器具备此能力对人工智能的未来发展和商业应用有三大重要意义：小数据学习，而非依赖成本高昂的海量数据；触类旁通，实现通用功能，而非学习的应用仅限于一个领域；个性化服务，应用于个人化的场景中。
小数据推理是指用样本量小且存在不确定性的数据样本进行推理，并通用到其他场景中，这更符合现实中的大多数情况，但其难点在于推断部分，而现阶段的发展目标是创建一个稳定的计算平台来进行推断。
另外，强化学习(Reinforcement Learning)的进一步发展也为强人工智能的技术突破创造了可能性。强化学习的最大优势在于机器可以理解这个世界，在正常运行中学习，随后利用自己所学的知识完成人类指定的任务，纠正自主行为。特别是最近提出的“一次性学习”(One-shot Learning)正在尝试用很小的样本量进行学习——攻克此技术难题后，强化学习的发展速度将得到大幅提升。
可见，强人工智能应用的成本相对低于弱人工智能。在商业应用方面，除了能够进一步降低成本和提高效率，还会出现许多创新的商业模式和用户体验，甚至能够完成人类不能完成的活动，进行高价值的创造。如何打好组合拳以实现多种技术叠加的最大效应，是将来要解决的一大问题。
2强人工智能的潜在商业应用
未来3-5年，弱人工智能会继续在商业流程简单重复、不受外部复杂环境影响并可具备数字化输入和输出的领域进行大量应用，并部分取代人类的工作。从功能性分析，人工智能的商业应用主要有六大功能，且在各行业都有相应的应用场景：战略优化/资源配置、静态个性化建议、预测及分析、发现新问题/趋势、处理无规则数据以及产品价格优化。
人工智能商业应用的六大功能及在各行业的应用场景
同时，强人工智能技术上的突破会在符合以下商业特点的领域形成潜在应用：商业问题个性化突出，只有小样本数据；问题结构和流程较复杂，需不断适应和通用学习；对外部环境的变化要求低，可不断适应外部环境的变化；商业问题还有很多人类未知的领域需要探索。
强人工智能技术上的突破会在符合以下商业特点的领域形成潜在应用
未来5-15年，强人工智能会在医疗服务、服务型机器人和在线教育等领域有较大规模的应用，并彻底改变商业模式。
医疗领域
医疗领域的痛点多且复杂，个性化问题突出，而强人工智能的技术突破会在“辅助诊疗”、“智能影像”及“药物研发”等方面创造价值。
辅助诊疗：通过对影像数据的分析、语音病例的录入以及对病例的全面分析，人工智能可提出多种不同的治疗方案，医生则可根据病人的实际情况来做出专业判断，选择最适合病人的治疗方案。通过人工智能的辅助诊疗，医生可以有更多的时间来诊疗更多病人及进行更复杂的手术。
智能影像分析：在中国，由于影像分析造成的误诊率平均高达27.8%，其中恶行肿瘤的误诊率高达约40%。同时，医学影像数据每年增长约30%，而影像学医生数量的年增长率仅约4%。因此，人工智能在医学影像上的应用不仅能帮助解决误诊率问题，还可大大弥补医生资源的不足。
药物研发：从发现分子到FDA批准往往需要约97个月的时间，而且只有约12%的分子药物能够成功上市。据初步估算，若使用人工智能筛选早期药物分子并辅助临床实验，可在全球范围内降低约280亿美元的药物研发成本，助更多疗效好的新药更快面市以治愈更多病人。
人机交互领域
强人工智能可以在语音的基础上突破语义及情感等方面的局限，真正做到无障碍与人沟通。具备此能力的机器人可在老年看护等医疗领域、金融领域的数字挖掘、各领域的行政秘书等方面创造巨大商业价值。
在线教育领域
强人工智能将通过智能辅导系统、个性化自适应学习系统等提供更高水平的个性化学习来影响教育市场，根据学生的不同要求，在某些主题给予更多重视并总结教训，按照学生的进度提供帮助。在K12(幼儿园到高中)及高等教育的市场应用前景光明。
3对有关方面的启示
传统企业
未来3-5年，随着弱人工智能技术愈发成熟，其商业应用会呈爆发式增长。企业应厘清未来战略目标，尽早布局人工智能，构建新的竞争优势。传统企业应认识到人工智能在企业运营和产品创新上的价值，根据企业自身的战略目标，通过与互联网巨头、创业公司的合作或自己孵化创业公司等方式，尽早着手人工智能在各个垂直领域的应用，完成企业转型和商业模式突破，为企业的未来打下坚实基础。
创业公司
在强人工智能领域深耕技术和算法，建立技术壁垒。尽早布局垂直应用领域，创建品牌并抢占市场。当技术逐渐实现突破时，开始实施商业应用试点，并将应用的盈利投入于更高阶段技术与算法的研究，由此形成良性循环。在强人工智能领域，由顶尖科学家领导的新型创业公司具有超越互联网巨头的强大潜力，有望实现“弯道超车”。
投资机构
可持续关注探索强人工智能的技术/算法(迁移学习、小数据推理等)的创业公司以及聚焦垂直领域应用的创业公司(个性化教育，医疗、服务机器人等)，并重点探讨这些创业公司的估值。
政府
建立完善的数据生态系统，提高数据的开放性和透明性，并引入国际化的有效数据。此外，政府还应提早准备与人工智能发展相关的法律法规和政策，针对人工智能带来的公平性、安全性、隐私以及社会化应用等一系列问题，帮助社会轻松采纳人工智能应用，扩展收益，并缓和其失败及所犯错误带来的负面效应。
我相信很快会到来。主要因素是算法，人脑的思考过程归根结底也是知识记忆+方法，这与电脑的核心：存储+算法基本一致。说算力不够的那都是借口。电脑的处理速度已经远远超过人脑的处理速度，电脑能处理的逻辑复杂度也远远超过人脑。之所以电脑笨，是因为人脑经过几百万年的进化升级，内部算法早已是炉火纯青，巧妙至极。电脑算法要达到这种程度并非易事。仅增加算力是徒劳的，因为人脑的功耗与电脑相比几乎可以忽略，说明人脑并没有用太巨大的算力。如果科研人员有足够的耐心去摸清楚这些算法细节，就能实现可思考的强人智能。俗话说，最大的敌人是自己。人工智能更是如此，用自己的大脑去研究自己的大脑就是在与自己PK。关键是愿意干这种事的人太少，大部分人更愿意去弄数据，以量取胜，数据量大了就觉得算力不够，于是进入死胡同。
弱到强需要一个转变的过程，目前弱人工智能的应用场景都很局限，对数据依赖性极高，稳定性几乎没法分析，一个“人工智能”产品背后究竟有多少人工？又有多少智能？
从目前来看，逆强化学习加上迁移学习是一个比较可能迈向下一步智能的方向，再结合量子计算，所以我很看好Google和UCB这一票研究者。
可以
这也是人智能的体现，因为人可以通过感知环境（声、光、触、味等等等）对即将发生对事情进行预测，并预先准备好对应对反应方式；
就像你找你的女神聊天；
你会根据当前环境，之前发生对事情，对方说过对话做过对事等等等进行预测，大脑中形成一个决策树，给未来各种可能提供方案，最有可能发生的一批结果将存如你的内存，让你可以感知到，而一些你不知道的结果可能大脑已经预测到了，只是优先级较低，在发生的时候才会调出来；
这个时候，一个超出决策树已有方案范围的情况（或者优先级极低）发生时，你就卡住（死机、或者正在计算查询结果）回答不上来了；
（当然，因为人家是女神，和你的算法，存储的信息不太一样，决策树大概率匹配不到方案，这种运行死机是常有的事）
目前的弱人工智障已经有这方面的初步体现了，会去做一些简单的计算，在简单环境中找出概率较高的可能结果，例如和人类打dota的OpenAI；
如果未来算法、量子计算机、存储技术突破，可以分析一些天文数据，可能可以做到预测未来的能力，即使可能只有几毫秒；（甚至在这样的技术条件下，当前的物理学体现都会发生革命性突破）
人工智能的发展，取决于算力的提升和算法的改善，在现有条件下，个人觉得突破有困难。不过量子计算的时代已经不远了，在算力突破的基础上，再改进算法，也许就能看到希望的曙光了。
利益相关，人工智能在读，先匿名。其实从头到尾人工智能这个概念只不过是一些有心之人强行营造出的一个·噱头罢了，不会真有人以为几行代码就能运行出能自己学习工作的强人工智能吧。除此以外，人工智能本专业所要学习的知识也是模棱两可，哪怕强人工智能在媒体眼中可以实现，可能也只是一些有心之人为了迎合大众的需求创造出的噱头罢了。最后说一下我自己的见解。人工智能不过是随着社会节奏加快人们逐渐懒于思考而一些有心之人创造出的最简单的去解决问题的代码而已。这难道不是这个社会的悲哀吗，人们懒于思考，刷着一些无用的视频流，以为自己了解了这个世界，以为自己眼界得到了前所未有的提高，其实只不过是一些汲取着一些无用垃圾的fw而已。
实现不了，因为没有存在的意义。
机器人会思考？你打算留多少时间让它思考而不是工作？人工智能的存在是为人的利益服务还是为自身服务？
工具有了思维就脱离了工具的范畴。
并非想象力束缚了我，目前的社会发展模型，对人工智能的需求是提高产能、替代低技术性与高危险的工作内容。
