不得不說，人工智能已經走到了一個關鍵節點。說得難聽點叫瓶頸，說得好聽點叫爆發點。雖然看起來距離黑科技還有一定的距離，但是誰能保證說，在我們的有生之年不會看到人工智能突破技術和倫理的瓶頸，迎來一波新的爆發呢？
人工智能編年史
人工智能的開端，來自阿蘭·圖靈所發表的一篇論文：機器能夠思考嗎？為了檢驗這一點，阿蘭·圖靈設計了一個廣為人知的規則：圖靈測試。他預言，在2000年将有足夠聰明的機器通過測試。但讓人非常遺憾的是，他的預言直到2014年才被一台英國雷丁大學的超級計算機所打破。
在1955年，美國斯坦福大學計算機科學家約翰·麥卡錫第一次提出了人工智能概念。在此之後的漫長時間裡，美國可以說一直領跑全球人工智能領域。在1997年，IBM所制造的“深藍”就擊敗了國際象棋棋手卡斯帕羅夫，一時轟動全球。2016年，谷歌的AlphaGo又拿下了圍棋選手李世乭，甚至在快棋賽中打遍中國各路圍棋好手。如果說一開始的深藍使用的還是比較粗笨的窮舉法，那麼AlphaGo在圍棋中所采用的各種策略，已經非常接近于人類的思考方式—甚至相對于人類，它更不容易被戰局所迷惑，也不會被感情所左右，在判斷時更為精準或者說冷酷。
從深藍到AlphaGo，人工智能走了将近20年，而AlphaGo的到來，更是讓無數人都在思考：技術臨界點真的要出現了嗎？
技術臨界點真的要來了嗎？
近一兩年，人工智能即将突破技術臨界點的論調甚嚣塵上。然而，這個“即将”究竟還有多遠，卻沒人能回答。因此，我們不妨來看看，現階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産品還并沒有出現。人工智能由于存在有相當高的技術門檻，至今依舊是許多實力雄厚的高科技企業的“專屬玩物”。但很遺憾的是，即便聚集了頂尖的相關領域研究人員，這些企業依舊沒有在近幾年拿出真正能夠有普及價值的産品。
比如，三星曾信誓旦旦地宣布要在GalaxyS8和S8+中，應用自家的智能語音控制功能Bixby，甚至還野心勃勃打算将Bixby預裝到其他智能設備（包括蘋果的設備）之中。然而，直到5月1日，這一功能才終于通過系統升級提供，而且這一功能隻支持韓國用戶。
其次，除了手機，自動駕駛更是難言成績斐然。在2014年，谷歌推出了無人駕駛原型車，但在此之後，圍繞着無人駕駛技術的最醒目關鍵詞，竟然是“車禍”。在2016年，特斯拉完成了“無人駕駛汽車首殺”，導緻司機死亡。
即便是目前測試時間最長的谷歌自動駕駛汽車，在過去整整的6年時間裡，依靠55輛谷歌自動駕駛汽車，也隻測試了209萬公裡的數據，同時還發生了11起小交通事故。而研究人員認為，隻有在測試數億乃至數千億公裡之後，才能驗證其在減少交通事故方面的可靠性，也就是說，在樣本不夠多之前，無人駕駛汽車依舊隻是一個遙遠的願景而已。
說到谷歌，咱們又不能不提到它在另外一個人工智能領域鬧的烏龍—那就是GooglePhotos。曾經把一張有兩個黑人的照片直接标記為“大猩猩”，結果引來了一陣輿論大嘩—要知道，在一貫追求穩紮穩打的矽谷，這樣的失誤幾乎不可原諒。
從這幾個例子中來看，咱們就能知道，盡管雷聲很大，但現在的人工智能産品依舊還隻能停留在小打小鬧的不靠譜階段中。那麼，産品本身靠不住，相關技術儲備是否已經準備好了呢？也未必。現在看來人工智能的技術儲備并不完善。
人工智能需要巨大的運算量，而目前相關設備的芯片可選擇範圍窄，性能差，說穿了就是技術人員拿來自high一下可以，但是想要以此進入千家萬戶，還缺乏量産的基礎。
實際上，目前各大企業熱炒的大數據概念，也并非100%靠譜—至少大數據完美miss了“英國脫歐”和“美國大選”之類的重大話題。失誤的原因之一，是因為人們在面對某些問題時，會下意識地隐藏自己的真實選擇，尤其是這樣的選項被認為是不太正确的時候。而大數據卻不會意識到人類的這種微妙心理，而是僅僅以各種數據去套用公式，得出來一個錯誤的結論。
最後，人工智能還有一個很大的問題，就在于它的感知能力還沒有突破。所謂的感知能力，并不僅僅在于它能“看到”以及“聽到”，還有“理解到”。比如說比爾·蓋茨就提到過人工智能的閱讀能力—這可絕對不僅僅是一個翻譯軟件所能達到的。中文更甚，因為語境的不同，讓同樣一句中文很容易産生很大的歧義，而人工智能如何才能分辨出其中的區别，做出正确的選擇呢？這正是目前的人工智能所難以達到的境界。如果不能實現這一點，那麼人工智能隻不過是一個會抓取關鍵詞，然後通過數據搜索選擇回答方式的機器人而已。
我們不能總是宣傳說人工智能馬上就要到來。雖然這次我們找對了路，但真正能像人類一樣理解語言的AI暫時還不存在，我們離得還很遠呢！—微軟CEO納德拉人工智能熱背後的邏輯
盡管坑很大，但巨頭們還願意往其中跳，這其中有很多原因。首先就是人工智能熱，其實是一種炒出來的“虛熱”。很多公司隻是蹭熱點，騙投資而已，尤其是一些創業團隊及新産品，沒有噱頭就抱着人工智能的大腿創造噱頭，反正大家都在跟風。類似的戲碼，之前已經在智能手機和移動遊戲等逝去的風口中多次上演。
而對于一些大公司來說，他們追捧人工智能，則是源于一種本能的焦慮。在過去十年時間裡，像諾基亞與摩托羅拉這樣的企業已經證明了，抓不住風口，就算是行業老大，要崩潰也不過是區區幾年時間而已。正所謂王權沒有永恒，抓住新的風口，就等于抓住了發展的命脈。
而大企業對于人工智能的投入，他們所在意的往往并非是現在的利益，而是未來的可能。而對于一些“船大難掉頭”的企業，比如百度與樂視這樣的企業來說，人工智能更是他們轉型的一個工具，他們需要這麼一個新的故事，讓别人忘記那些陳年黑曆史。
當然，不論是創業團隊還是大公司，人工智能概念在目前階段對于他們來說也絕非是隻有付出，沒有收入的虧本買賣。這一概念隻要玩得好，就能為他們帶來相當的融資能力，激發他們的創業熱情—當然，這個熱情會轉為成功，還是錘子手機式的失敗，那就是另外一回事了。
做人工智能的正确方式
怎樣才算是做人工智能的正确方式呢？首先，因地制宜。比如，Facebook所擅長的是社交，而阿裡巴巴所擅長的是電子商務，他們的人工智能産品也圍繞着社交和電商展開。要是有一天阿裡巴巴想不開，去玩社交人工智能，那麼就算再有錢，也不過是為他人做嫁妝。而截止發稿前，騰訊也推出了語音助手APP《騰訊叮當》，唱的就是這一出。
其次，循序漸進。不指望一口氣就憋出一個“黑科技”去打出翻身仗。而是要學會降低用戶的期望值，少用PPT吹，多用産品來打動用戶，積累口碑。比如當年的樂視，就是靠PPT忽悠了一群人，結果現在傳說中的樂視汽車依舊活在PPT之中，樂視公司也隔三差五要鬧出什麼負面新聞來。若是當時少做幾張PPT，悶聲發大财，也許現在樂視的壓力就沒有那麼大了。
最後，就是要培養自己的人才隊伍。騰訊就剛剛任命了語音識别專家、微軟語音和對話集團前首席研究員俞棟博士為AILab副主任。再比如，亞馬遜就非常注重于培養儲備自己的人工智能人才。有統計數據顯示，僅2016年亞馬遜就為了挖人花了15億元人民币。而在國内，像百度這樣的公司也開啟了自己的百度技術學院，宣稱要為中國培育AI人才。
簡單來說，準确定位、低調行事與人才到位，這才是未來人工智能獲得進步的三駕馬車。