2016年即將過去，這一年中相信諸位ICT業內人士聽得最多的詞就是AI（人工智能），無論是企業還是媒體，凡是和ICT著邊的，都多少要冠以AI的字眼，否則就有OUT之嫌。但實際情況又如何呢？

所謂追根溯源。這里我們不妨回溯下今年比較重要或者說引起媒體和業內對于AI關注或者炒作的幾個節點或者說是標志性事件，而對于這些標志性事件的解讀和延展無疑會讓我們看到AI的本質。

一、谷歌旗下AI公司DeepMind開發的Alpha Go神經網絡在與世界圍棋冠軍李世石的“人機大戰”中以絕對優勢獲勝，進而引發了業內對于AI的關注，之后AI開始頻頻出現在科技媒體和企業的報道中；

二、谷歌主打AI的無人駕駛汽車在路側中出現首例事故和特斯拉的Autopilot（自動駕駛系統）頻頻出現的致死事故，盡管是負面的新聞，但還是激發了業內對于AI的關注，并以自動和無人駕駛汽車的熱炒體現出來；

三、是亞馬遜裝有Alex語音識別技術的Echo音箱所謂的暢銷以及有“互聯網女皇”之稱的 Mary Meeker 發布 2016 年度網絡趨勢報告時對于Echo以及AI的熱捧和向好的預測；

四、美國總統大選中名為MogIA的人工智能系統成功預測出川普將成為美國總統；

五、是圖形芯片公司或者說是其自己標榜為人工智能公司的英偉達股價的暴漲。

首先我們看下Alpha Go在圍棋中戰勝李世石究竟依靠的是什么？其實對于計算機與人類在棋類的博弈，早在1997年計算機首次擊敗了等級分排名世界第一的棋手。加里?卡斯帕羅夫以2.5:3.5 1勝2負3平）輸給IBM的計算機程序“深藍”，當時全球媒體和高科技界都驚呼標志著人工智能進入了新時代。

此前1988年，“深藍”的上一代“深思”是第一個贏過國際象棋特級大師的電腦；1996年，“深藍”成了第一個贏了國際象棋世界冠軍的電腦。需要說明的是。深藍重1270公斤，有32個大腦（微處理器），每秒鐘可以計算2億步，輸入了一百多年來優秀棋手的對局兩百多萬局。

相比之下，AlphaGo最初通過模仿人類玩家，嘗試匹配職業棋手的過往棋局，其數據庫中約含3000萬步棋，計算能力是當初“深藍”的3萬倍。這里我們看到的與“深藍”相比最大的不同是AlphaGo在數據和計算能力上的優勢。

在此也許有人會說AlphaGo贏在其龐大復雜的神經網絡，但根據Tian yuandong和AlphaGo的論文，如果不做任何搜索（實際上考驗的是計算能力），只是根據“棋感”（其實就是估值函數），CNN（神經網絡）最好能達到KGS 3d的水平，也就是業余1段的水平。

而MCTS算法在沒有Value Network的情況下在9x9的棋盤上能戰勝人類高手，其實印證了AlphaGo在殘局的實力是搜索（計算）起重要作用，也就是殘局的計算能力碾壓人類。但眾所周知的事實是，計算機的計算能力遠強于人類早已經是常識。

對此，微軟亞洲研究院常務副院長芮勇在評價AlphaGo時曾對媒體表示：

“今天所有的人工智能幾乎都是來自于人類過去的大數據，沒有任何一個領域的能力源自自我意識，不管是象棋還是圍棋，計算機都是從人類過去的棋譜中學習。其他領域也是類似，計算機在做圖像識別的時候，也是從人類已有的大數據中學習了大量的圖片。

在面對人類從來沒有教過的問題時，計算機就會一竅不通。假如讓 AlphaGo 去下跳棋，它就會完全傻掉。甚至說把圍棋的棋盤稍作修改，從 19×19 的格子變成 21×21 的格子，AlphaGo 都招架不住，但是人類就沒有問題。”

牛津英語詞典對智能（intelligence）的定義為“獲取并應用知識的能力”。以數字經濟麻省理工學院（MIT）數字經濟倡議的研究員兼AI意見領袖湯姆?達文波特（Tom Davenport）的話來說：“深度學習并不是深刻的學習。”

另一位專家奧倫?埃佐尼（Allen Institute of AI）也有類似意見：“AI只是簡單的數學的大規模執行。”簡單說，現在的AI實質只是一種強大的計算方式，并沒有達到人腦那種堪稱智能的方式。

而花了15年的時間在IBM研究院和IBM Watson團隊工作的專家Michelle Zhou，作為該領域的專家，其將AI分為三個階段。

第一個階段是識別智能，在更加強大的計算機里運行的算法能從大量文本中識別模式和獲取主題，甚至能從幾個句子獲取整個文章的意義；第二個階段是認知智能，機器已經超越模式識別，而且開始從數據中做出推論；第三個階段的實現要等到我們能創建像人類一樣思考、行動的虛擬人類才行。

而我們現在只處于第一階段，“識別智能”，也就是說，人們說的“人工智能”里面有很大一部分其實是數據分析，還是原來的套路或者說是“舊瓶裝新酒”而已。

無獨有偶，如果說上述AlphaGo最終還是依靠強大的計算能力體現出所謂AI優勢的話，那么接下來我們要說的谷歌和特斯拉的自動和無人駕駛汽車則在簡單的數據分析上都出現了偏差。

最典型的表現就是此前一直被吹捧的谷歌無人駕駛汽車，今年在時速低于2英里的情況下竟然發生了交通事故，且按責任劃分當屬谷歌。

如果我們拿當時谷歌無人駕駛汽車發生事故時的選擇和結果與此次人機大戰中的每步棋的選擇與結果比較的話，對于AI（例如AlphaGo）來說，前者不知道要容易多少倍（谷歌無人駕駛系統比人類最大的優勢就是預判對方的行為，并做出應對）。

可惜的是，谷歌無人駕駛汽車在這次事故中體現出了智能系統沒能完全判斷準確人類的行為，還做出了最令人失望，可能也是最有悖于人類駕駛員的選擇，并最終導致事故的發生。

至于特斯拉，在今年屢屢發生事故之后，其升級了到了Autopilot 2.0系統，并發布了第二段自動駕駛技術的演示視頻。

官方聲稱 Autopilot 2.0 系統的硬件得到了相當巨大的提升，環車共配備 8 個攝像頭，達到 360 度全車范圍覆蓋，最遠檢測可達 250 米。另外搭載了 12 個超聲波傳感器用于視覺系統的補充，對物體的距離、軟硬精準度有更大的提升。

增強版的前置雷達可以穿越雨、霧、塵環境，豐富視覺系統的探測數據。特別是里面集成了 Nvidia PX2 處理芯片，運算能力比起第一代自動駕駛系統要高 40 倍。

盡管如此，通過視頻分析中出現的諸如無論有沒有來往車，每一次需要轉彎時都會停下來再繼續轉彎；逼停了了一輛正常行駛的白色小車以及在完成一次轉彎之后，突然無緣無故自動剎車等諸多問題看，Autopilot 2.0依然沒有逃出計算能力和大數據簡單分析結果呈現的范疇，并非真正的AI系統。

提及亞馬遜的Echo，其實就是語音搜索和識別，而提及此領域，蘋果的Siri、微軟的Cortana或Google Now早就與智能手機綁定，但我們看到更多的實際應用場景是人們經常以搞笑的方式誤聽或者誤解語音指令。

關于語音搜索，谷歌依然在致力于克服諸如語音識別、自然語言理解、對話理解的挑戰上，而這些挑戰早在3年前就已經存在。而從亞馬遜Echo的諸如語音查詢天氣或新聞、播放 Spotify 音樂、預約 Uber 叫車、訂購披薩外送等應用看，這些在手機上早已實現，其有別于手機的AI特性究竟體現在哪里呢？

相反，盡管語音識別已經取得了長足進步，但多數人仍會沿用手勢操作和觸摸界面。在可預見的未來，這種趨勢恐怕難以改變。究其原因，主要在于語音識別服務需要依賴龐大的數據和具有捕捉自然狀態下的真實對話的能力才是真正的AI。

所以盡管在語音識別上，有些廠商稱其識別率已經實現90%以上，但基于自然狀態下真實對話的能力要求，就算是95%的準確率也不足以滿足人們的需求。而在被問及何時才能通過自然語言與數字助理交流，并得到滿意的答案時，即便是對最高水平的神經網絡學家而言，這項技術仍然有很多謎團有待解開。

有很多工作只能通過不斷試錯來改進，沒有人敢保證某項技術調整可能產生什么樣的后果。根據現有的技術和方法，這一過程大約要耗費數年時間，甚至有專家稱，我們永遠無法知道何時能夠實現突破，何時能讓Alexa和Siri與人類展開真正的對話。

可見，即便是今年被熱捧的亞馬遜Echo也并非真正的AI，只是其在特定環境下（例如室內和特定的數據庫）的表現強于相應的對手而已。

至于AI在美國總統大選中的預測，我們這里暫且不說那些預測失敗的所謂AI系統，僅就成功預測大選結果的MogIA系統，其公司創始人Rai也承認，目前AI系統對“諷刺表達”、“反話”的識別能力有限，網民們的言論可能被系統錯誤解讀。

比如，即使特朗普的Twitter賬號下有大量的網民互動，也不代表這部分網民傾向于支持特朗普，但相關話題的活躍度會被AI系統歸入民意預測依據看，其根本具備真正的AI能力，其僥幸猜中的成分很大。

其實縱觀此次美國總統大選的AI預測之戰，無論是贏家還是輸家，其背后反映出的AI在數據和算法上均存在或主觀或客觀的缺陷，并導致最終的結果也存在相當偶然的因素，

最后看以AI名義股價暴漲的英偉達。我們先看看最新季度英偉達的財報表現。

總營收20億美元，同比增長53.6%。其中圖形芯片部門的營收在其總營收中占比85%，同比增長52.9%，為17億美元；數據中心業務同比增長兩倍，為2.4億美元；汽車業務同比增長60.8%，為1.27億美元。

從營收的構成上，不難看出，支撐英偉達的核心業務依舊是傳統PC市場的圖形芯片（獨立顯卡），而涉及到AI相關領域或者是與AI密切相關（例如數據中心）業務的營收僅占到其總營收的1/10左右。所以僅從營收看，英偉達遠稱不上是一家AI芯片公司。

至于所謂與AI相關的收入，無非是諸如谷歌、微軟、特斯拉這些主打AI概念的公司需要計算能力更為強大的芯片而已。而英偉達的GPU（圖形芯片）恰好滿足了這種強計算能力的需求。

此外，從英偉達爆發的與英特爾在所謂AI芯片誰強誰劣的口水戰中，雙方均強調或者說惟一強調的核心依然是在計算能力上看，所謂的AI能力只是雙方計算能力上的一種博弈而已，與AI似乎沒有任何的關聯。

綜上所述，通過今年與AI相關的重要節點和事件看，其實所謂的AI依舊是計算能力和大數據簡單分析輸出的一種深化，盡管各家都打著AI的名義，但按照真正AI的定義和應用場景看，不要說實現真正的AI，就連基本的計算能力、大數據分析和輸出上都存在不足，甚至是誤判。