随着人工智能，AI（Artificial Intelligence）的应用前景逐渐明朗，各大高科技公司开始重金投资这个领域。2014年8月，IBM发布了模仿人脑神经元结构的芯片TrueNorth，功耗仅为现有芯片功耗的1/1 000。百度投资3亿美元在硅谷建立新的研发中心，并聘请人工智能专家、斯坦福大学的吴恩达教授担任首席科学家。吴教授是深度学习方面的专家，同时还是在线教育网站Coursera的创始人。
2013年初，谷歌收购了由深度神经网络理论提出者、“深度学习之父”、多伦多大学教授杰弗里·希尔顿（Geoffrey Hinton）创立的DNNResearch，并于今年1月以6.5亿美元的价格收购了英国的人工智能公司DeepMind。
人工智能时代要来了？还是已经来了？
人工智能应该用来做什么
人工智能应该用来做什么？这个问题从来不乏争议。
早在20世纪70年代，施乐PARC研究中心的首席科学家马克·威斯尔（Mark Weiser）针对信息爆炸的问题，提出人工智能的最高境界是像无处不在的小精灵一样，预测人类的需要，并自动提供相应的服务。他与MIT媒体实验室的创始人尼古拉斯·尼葛洛庞帝（Nicholas Negroponte）发生了激烈的辩论，后者认为人工智能应该是一种类似于机器人管家或仆人的Agent，根据人类的指令而行。
马克·威斯尔创立了“普适计算（Ubiquitous Computing）”这一重要的研究领域。继威斯尔之后，他的追随者相继提出了基于情景的计算（Context-Aware Computing），通过跟踪人的位置和行为，来分析其意图和需求，并自动去执行。
威斯尔本人用充满诗意的语言，去描述了人与智能环境无间共栖的场景：
清晨唤醒我的铃声，会与我今天上午日程表上的活动相关。快节奏预示着8点有重要会议，而舒缓的轻音乐则告诉我一上午都会空闲。我透过窗户上的透明显示器，看到家附近的各种过客留下的步履。紫色的爪印是小猫的，红色的是小狗的，绿色的则是人的。
2000年前后，惠普、飞利浦、诺基亚等厂商相继投入千万美元，赞助MIT和Stanford等科研机构，开展关于“情境智能（Ambient Intelligence）”的研究。微软和通用电气更是设立了自己的实验室，专门研究智能环境中的交互。但是，由于当时的人工智能算法还不够准确，这些实验并没有最终进入产品阶段。2006年，也就是深度学习算法刚刚冒出苗头，还未被主流研究者所广泛接受的时候，人工智能研究者开始反思：无处不在的计算是否真的如马克·威斯尔所描绘的那样美好？
智能环境的设计师应该如何决定：哪些功能应该由机器自动完成，哪些应该留给人类来决定？以一个常见的智能家居应用场景为例：早上起床后，灯光会自动点亮，电视或收音机自动打开，窗帘拉起，浴缸里开始自动放热水，牛奶在加热，面包在烘烤……这似乎很惬意。但是，自动化不等于智能化，人不是千篇一律的机器，会有各种临时状况，每天的心情和感觉不一样，用户今天想去街上买豆浆喝，可是机器已经把牛奶热上了。
另一个问题是，人工智能作出的决定，应该由谁来负责？例如，智能家居决定停止空调运转，如果家中有婴儿，由于高温而受到伤害，那么是空调供应商，还是家居设计师，或是决定安装智能系统的家长来为婴儿的受伤负责？又如，无人驾驶的汽车发生了交通事故，坐在车内的人都没有控制方向盘，那么谁是肇事者？
威斯尔以前的合作者约翰·布朗（John Seely Brown）提出，人工智能不应该一味将人视为被动接受服务的对象，而应该给人更多主动选择的权利。不能一味用人工智能来剥夺人类思考的必要性，而应该找到一个合理的平衡点，让人可以继续拥有做创造性的思考和最终判断的权利。
带来第四次浪潮
英国科幻大师亚瑟·克拉克爵士曾说过：“任何一项足够先进的技术，初看起来都与魔术无异。”当魔术背后的玄机被公开，它的魔力就消失了。也就是说，一种技术一旦在日常生活普及，也就失去了那层让人觉得“智能”的神秘面纱。人手一台的“智能”手机，以及具有语音识别功能的Siri都是近在眼前的例子。
任何一个成功的技术都会经历“研发创新、早期应用、主流化、被更好的技术取代”这一周期。随着深度学习技术在学术界广泛研究和工业界的应用，它有望在不久的将来变成如同GPS和智能手机一样普及的技术。用户在经历了最初对它的效果的惊奇之后，也会习以为常。不使用深度学习技术的产品会如纸质地图和功能手机一样，变成老古董和异类。
21世纪将是人类从后工业化社会进入后人工智能社会的世纪。现在人们习以为常的垃圾邮件过滤、商品推荐、网页搜索，都已经融入了人工智能的元素。人工智能大范围普及之后，下一个革命性的技术是什么？有人预言是“人工知觉（Artificial Sentience）”。
事实上，机器智能之间的战争已经拉开了帷幕。例如，垃圾邮件过滤功能的基本原理就是用关键字、词频分析等自然语言理解的算法，来区分垃圾邮件和有用的邮件。然而垃圾邮件的制造者为了绕过自动过滤算法，会使用机器人自动产生读起来更像有用邮件的垃圾邮件。垃圾邮件产生器与过滤器之间的战争，在不知不觉中推进了自然语言理解这一人工智能领域的发展，最终甚至能够教会机器真正理解人类的思维方式。
谷歌自然语言理解项目的总监雷·科兹维尔（Ray Kurzweil）在近作《奇点将至》中提出，21世纪之内，电脑与人体的融合将成为可能，甚至将人的意识数字化后上传到电脑中，使人获得永生。
与此同时，人工智能将极大地改变商业模式和劳动力市常诺贝尔经济学奖获得者保罗·克鲁格曼已经在构想人工智能技术普及带来的第四次浪潮，并称之为“偏袒资本的技术进步”——随着技术进步，工作机会将减少，而员工的工资将会降低。正如工业自动化让福特通用汽车公司生产线上的工人失业一样，智能的机器算法将让一些传统的金领职员失业，例如：出纳、会计、精算、统计、股票交易。这些工作的共同特点，是基于重复经验所总结出的确定规则，从业人员执行的是一个归纳（Deduce）的过程。而深度学习技术最擅长的正是从海量数据中归纳出确定性的规则，并应用到新的数据上。
当然对于工作机会的减少，也有乐观的观点，例如谷歌创始人佩奇预言机器将大幅度提高整个社会的产出和效率，因此人们也就可以缩短工作时间。佩奇表示：“多数人喜欢工作，但他们也同样喜欢花更多的时间陪伴家人或者追求自己的业余爱好。而且这样做的另一个好处是，通过减少工作周数，你可以把工作分配给更多的人去做。”
会超越人类吗?
现在比较主流的人工智能，是用计算机算法来帮助人类完成一些任务。这种观点将人脑看成一个黑箱，通过收集这个黑箱的输入输出来模仿黑箱的功能。黑箱内部的算法与人脑的结构和机理相去甚远。但是，有一些特立独行的人工智能学者选择了完全不同的研究方式。
人类意识的核心就是在不同层次的“怪圈”之间的递归。如果我们联系深度神经网络的核心“自编码”算法，正是这种“指向自身的怪圈”。侯世达在发表《集异璧之大成》之后的几十年里，专心研究“思考是什么”以及智能和意识之间的关系。他在最近的一次采访中这样概括“思考”：“思考就是尝试去触及你身处境况的本质。”
迄今为止的机器智能，都还只是在模仿人类的逻辑思维，即意识的部分；而真正驱动人类行为的本源性的潜意识还停留在心理学领域，远没有被计算机科学家们充分认识，更谈不上模仿了。
作曲、编导、新产品设计这类凭借直觉的创造性工作，人工智能在未来10年里还无法取代。创造的实质是想到别人从未想到的东西，此时不仅需要应用现成的规则，更需要突破现有规则。引领时代的是设计，设计的核心是决定做什么，而技术只能跟随设计，解决怎么做的问题。在创意驱动的产业，核心的资源是创新的想法，所以控制无形的知识产权（例如专利、版权）的机构和个人将获得最高的利润。美国著名的专利运营公司InterDigital只有290名员工，每个员工2012年带来的收入是93万美元。相比之下，同是2012财年，苹果公司在全球雇用了8万个员工，这些人给公司带来了550亿美元的利润，平均每人超过69万美元。而遍布全球的44万名麦当劳员工，每人创造的利润则只有18万美元。
相关文章
