在回答人工智慧達到了什麼程度這個問題之前，我們先要了解人工智慧的概念是什麼？

人工智慧(Artifical Intelligence, AI)是指計算機擁有像人一樣的智慧能力，是一個融合電腦科學，統計學，腦神經學和社會科學的前沿綜合學科，可以替代人類實現識別，認知，分析和決策等多種功能。比如你說一句話，機器可以識別分析並進行反饋，且有一定的類人學習能力。

毫無疑問，這種技術的發展是顛覆性和廣泛的，覆蓋範圍會涉及到各行各業。而人工智慧在矽谷也是最受歡迎的行業，一個人工智慧工程師的薪水甚至可以達到8位數。由此可見，人工智慧的發展以及火熱程度都是被人看好的。

那麼為什麼人工智慧如此火爆？當前人工智慧發展到了什麼程度呢？

先來看幾個案例：

一個小規模面板病腫瘤病理閱片比賽，一方是來自北京，雲南和內蒙的醫生們，另一方是國內研發的醫療影像人工智慧，結果AI勝。

2016年AlphaGo 4:1戰勝了李世石，AI勝。

當前在製造領域，越來越多的人類被機器人替代。根據麥肯錫的報告顯示，到2030年，會有8億人類因人工智慧失業。

這一切的一切都說明人工智慧在逐步的發展，且在逐步的走向替代人類的方向上進步並展現了無比大的優勢，因為它機械，精確，受外界干擾小，精力集中且不知疲倦。

但是迄今，像《終結者》裡超強的人工智慧還沒有出現。

當前的一切人工智慧還處在弱人工智慧層面，比如AlphaGo，比如深藍，比如Watson。原理還都是通過統計資料歸納出的資料模型去做單一的工作。而當前階段的所謂機器學習還處在高度擬合的層面，與科幻片中的具有獨立意識，自主心智和機器情感還相差甚遠。怎麼形容呢？你可以理解成，中間還差著好多個愛因斯坦。

就算是聽起來高大上的人工智慧醫療，現階段的資料採集也基本看人工，而資料的標註也是人類在做，人類在這方面需要提供先進的經驗給機器學習。資料還不完善，且應用的成本還比較貴，屬於發展的早期。

而對於人工智慧會導致一部分人失業的問題，其實人工智慧在造成失業的同時也會創造不少新的崗位出來，只是針對個體需要做長期規劃和轉型，如果真的被人工智慧代替，那也不用怨天尤人，只能怪自己不爭氣了。

在當前5G發展後，物聯網逐步興起，大量的資料會產生並被管理，進一步會應用在人工智慧的領域。隨著技術的不斷髮展，我們沒有理由不質疑總有一天人工智慧會真的像電影裡演的會逐步替代人類。技術的發展牽引下的社會體系完善還需要時間，如果節奏跟不上，很可能人工智慧會失控。然而，我們需要考慮和擔心的應該是，為了發展而發展的情況下，每年的商業化目標是人工智慧發展最直接的動力，在盈利目標的牽引下，很可能也會帶人類入萬丈深淵。

所以，根本的前提是整個社會都需要控制好節奏，按照既定的節奏發現，如果一個新技術失去了掌控，那也不是為人類造福了，那對全人類都是一場災難。

結束語：

人工智慧當前還處於弱人工智慧發展階段，仍然是發展的早期。想要一個看你一眼，或者抱一下就知道你是否發燒的機器人很容易，如果想要一個有感情的大白，還做不到。不過聊天可說不準了，通過聊天軟體和你聊天的人是你的愛人還是AI呢？(細思極恐)

1.人工智慧在語音方面的突破

小米電視之前推出主打”高性價比”的全球首款人工智慧語音電視小米電視4A，只需一個語音按鍵，便可實現關鍵詞搜尋、熱度排行、開啟應用遊戲等10類語音互動功能。無獨有偶，長虹近期推出CHiQ人工智慧電視新品Q5N和OLED電視新品Q5A系列，主打的功能還是語音控制。

2.人工智慧在影象處理方面的突破

過不了多久，所有人都可以通過人工智慧對一張圖片或是對視訊進行復雜的處理。舉個栗子，SmileVector是一個推特機器人，可以生成任何明星照片微笑的動圖，如果輸入一張人臉圖片，它可以通過深度學習神經網路生成它們微笑的表情。

3.人工智慧在自然語言方面的突破

通過網際網路搜尋引擎，發掘、建立語音資訊資料庫，利用雲端計算、大資料、自然語義分析、機器學習和深度神經網路技術進行語音資訊聚類處理.

雖然電腦的粗略運算能力可超過人類，但它不可能具備人類所有精細的特徵，因為人類對自己的大腦擁有的許多微妙能力並不瞭解，更無從仿模相應軟體。

人工智慧在不久的將來，或者在未來幾年，一定會質的提升.人工智慧得到了全球從學術界到應用領域的高度重視，為了使我們的明天更加美好，為了使中國在人工智慧領域趕超國外先進行列，我們應該加大研究和投入力度，培養更多的超一流人才。

未來我們將進入三無社會，三無社會，大家聽說過沒？未來我們將無生意可做資訊透明，無差價可賺，未來我們將無工可打之前，傳統社會遵循的是大工業時代的標準化流程和邏輯，只要執行命令，無需承擔後果，未來公司開始平臺化，你必須思考和解決問題，併發揮特長，為社會創造價值，否則你就沒有存在的價值，未來我們將無機可投法律法規不斷完善，資訊愈發透明，不存在灰色，輸入了未來價值，創作者將大行其道投機者將無所遁形，未來每一個人都是一個獨立的經濟體之前資源是一個人的最大財富，未來信用才是一個人的最大財富，大資料推動下，未來規定人們的不再是法律，而是信任之前我們對手總是在身邊，夥同哈里冒出來，未來跨界打劫，迅速迭代的時代，你永遠不知道你的敵人什麼時候什麼地方冒出來，未來沒有穩定的工作，只有穩定的能力渭南得會賺錢，更重要的是讓自己值錢，人們都在賺錢，但不是人人都值錢，賺錢是外在的短期行為，值錢才是內在的長期，結果未來的社會只有售後，沒有銷售，只有連結，沒有營銷，只有客服，沒有中介，未來不會再有貧困人口，但是會產生大量無用人口，因為人工智慧，萬物互聯大資料時代啟動20%的人社會就可以良性運轉，而那些沒有知識，沒有抱負，沒有思想懶惰，不學習，不主動的人將被摺疊起來，雖然社會財富足以養活他們吃喝，但它們沒有價值，沒有不能借債，不能納稅，只能沉迷於遊戲和各種娛樂八卦裡過著一種糜爛頹廢的生活！

人工智慧現在已經能實現很多功能了，比如語音識別——李開復博士當年做的工作奠定了很多當今識別系統的基礎。這裡忍不住說一下，Siri本身的技術並沒有特別大的亮點，真正nb的是它的模式（語音識別直接與搜尋引擎結合在一起，產品體驗做得好。而且關鍵是這樣的模式能採集到更多資料，使得系統的精度越來越高）

自然語言理解——目前看到的最強的結果應該是IBM Watson。但其實我們現在用的搜尋引擎、中文輸入法、機器翻譯（雖然其實還不怎麼work）都和自然語言理解相關。這塊兒不是我的專業。

資料探勘——隨著近年資料量的瘋狂增長，資料探勘也有了長足進步。最具有代表性的是前幾年著名的Netflix

challenge（Netflix公司公開了自己的使用者評分資料，讓研究者根據這些資料對使用者沒看過的電影預測評分，誰先比現有系統好10%，誰就能贏100萬美元）最後這一比賽成績較好的隊伍，並非是單一的某個特別nb的演算法能給出精確的結果，而是把大量刻畫了不同方面的模型混合在一起，進行最終的預測。

計算機視覺——目前越來越多的領域跟視覺有關。大家可能一開始想到的都是自動駕駛。雖然大家都在說googleX的無人車，

但實際上現在無論是商業上，還是技術整合上最成功的演算法是Mobile Eye的輔助駕駛系統。這個公司也是目前computer

vision領域最掙錢的公司。

從實現新功能方面說，視覺的發展的趨勢主要有兩方面，A)

整合更多的模組，從問題的各種不同方面，解決同一個問題（比如Mobile Eye，就同時使用了數十種方法，放到一起最終作出決策） B)

使用新的資訊，解決一個原來很難的問題。這方面最好的例子是M$的Kinect，這個產品最讓人拍案叫絕的就是那個紅外pattern投影儀。

人工智慧是用機器模擬人類的大腦，使機器具有人類智慧的技術科學。人工智慧分為弱人工智慧和強人工智慧。弱人工智慧是機器看上去具有智慧但並不能像人類樣具有意識和推理能力，強人工智慧則完全類人化，像人類一樣具有自主意識和推理能力。目前人工智慧發展的階段還處於弱人工智慧。

人工智慧是一門自然科學和社會科學廣泛交叉的前沿科學。自1956年提出人工智慧的概念，發展到今天已經有了極大的進步，主要得益於計算機、網際網路的飛速發展。特別是“深藍”戰勝人類棋手，極大的激發了全人類的關注。

目前，中國已經把人工智慧產業作為國家發展的主導產業。中國的人工智慧技術已走在世界前列，在很多領域已經是世界領先，如人臉識別技術，機器視覺技術等。國家鼓勵在機器視覺，生物識別，自動駕駛，專家系統，自動規劃，智慧搜尋，定理證明，博弈，自動程式設計，智慧控制，機器人學，語言和影象理解，遺傳程式設計等方面繼續加強研究和投入。

人工智慧作為科技創新產物，在促進人類社會進步、經濟建設和提升人們生活水平等方面起到越來越重要的作用。國內人工智慧經過多年的發展，已經在安防、金融、客服、零售、醫療健康、廣告營銷、教育、城市交通、製造、 農業等領域實現商用及規模效應。

人工智慧是需要人力、腦力、開發、高等技術與不斷的研究和嘗試等等一系列超高難度的作業才能完成的科技產品。當然這種研究是得到國家和人們大力支援的發展。它的發展對國際影響力是非常大的。人工智慧也可以定義為高仿人類，雖然不可能會像人一樣具有靈敏的反應和思考能力，但人工智慧是按照人類的思想結構等等的探索而開發的研究。

人工智慧的開發最主要的目的就是為了替人類做複雜、有危險難度、重複枯燥等的工作，所以人工智慧是以人類的結構來設計開發的，人工智慧在得到較好的開發後國家也是全力給予支援。人工智慧的開發主要也是為了幫助和便利人類的生活。所以人工智慧的定義一直以來都是以“協助人類”而存在的。人工智慧概念的火熱促進了不少行業的興起，比如域名，許多相關的.top域名已經被註冊。

以後可能在很多傳統行業，比如銀行，會有人工智慧幫你得到更好的收益。信用卡或其他的貸款會由人工智慧來決定哪些人士可以安全地放貸，而且會還錢。然後再往下人工智慧可以開始動了，就可以進入工業機器人、商業機器人，終進入家庭機器人。

德勤科技、傳媒和電信行業於推出《全球人工智慧發展白皮書》，深入研究人工智慧技術步入商業化階段後，在全球各主要城市的創新融合情況。

《白皮書》深入研究人工智慧技術步入商業化階段後，在全球各主要城市的創新融合應用概況，以及其將對金融、教育、數字政務、醫療、無人駕駛、零售、製造業、智慧城市等各行業帶來的深刻變革。

人工智慧正全方位商業化，在各個行業引發深刻變革。目前AI技術已在金融、醫療、安防等多個領域實現技術落地，且應用場景也愈來愈豐富。人工智慧的商業化在加速企業數字化、改善產業鏈結構、提高資訊利用效率等方面起到了積極作用。

在中國，我們政策與資本推動下，如今的京津冀、長三角、珠三角成為人工智慧企業分佈最多的地區，是北京、上海領跑全國。

比如上海通過提供稅收優惠、資金補貼、人才引入、優化政務流程等措施優化營商環境，吸引大量投融資資金、人工智慧企業以及人才，科研實力突出。促進人工智慧產業鏈上下游企業形成規模效應，提升城市人工智慧產業實力。

人工智慧在製造業領域的應用潛力被低估，優質資料資源未被充分利用。製造業專業性強，解決方案的複雜性和定製化要求高，所以人工智慧目前主要應用在產品質檢分揀和預測性維 護等易於複製和推廣的領域。然而，生產裝置產生的大量可靠、穩定、持續更新的資料尚未被充分利用，這些 資料可以為人工智慧公司提供優質的機器學習樣本，解決製造過程中的實際問題。

根據烏鎮智庫的一項研究，美國有2905家人工智慧公司，中國有709家，英國有366家，印度有233家，在加拿大有228家，以色列有173家，德國有160家。

全球人工智慧中心數量排名前二的兩個國家之間有一種協同關係：基於LinkedIn的調查，中國的最大的人工智慧僱主之中，約有一半是美國公司。

世界上絕大多數人工智慧中心位於美國，以舊金山灣區為核心，它佔地最大的是頂級研究型大學斯坦福大學、加州大學伯克利分校和加州大學聖地亞哥分校。它已經成為著名的FLAG公司(Facebook，LinkedIn，Amazon/Apple，谷歌)的虛擬AI人才庫，在那裡，普通機器學習領域的科學家的收入高達293，000美元。在過去的五年裡，這個面積只有700平方公里的地區吸引了全球41%的投資。此外，2月的第31屆AAAI人工智慧會議也在舊金山舉行。

英國倫敦是歐洲最集中的人工智慧中心。藉助於來自劍橋、牛津和帝國理工學院的人才庫，倫敦促進了有關於雲端計算和人工智慧硬體的研究。半導體公司ARM也創始於劍橋。

北京作為中國的經濟和政治中心，北京擁有全國43%的人工智慧初創中心。在斯坦福大學計算機科學系教授李飛飛的帶領下，谷歌在北京開設了一個人工智慧中心，作為其在中國的最新擴張努力。中國的搜尋巨頭百度總部設在北京，並正積極在高速公路上測試其無人駕駛車輛。中國的深度學習技術國家工程實驗室由百度牽頭組建。

深圳有大約20%的中中國人工智慧公司。這座城市長期以來一直是一個技術中心，在製造業和硬體方面都具有很強的專業知識。近年來，深圳培育了網際網路巨頭騰訊和國際移動運營商華為。像曠視科技、億圖視覺和商湯科技這樣的初創公司都在這裡設有辦事處。作為一個地方性的科技中心，深圳成功地聚集了來自中國南方各地的人才。

中東海灣地區為特拉維夫為中心，它的Habima廣場是當地人工智慧初創企業的家，比如Twiggle。近年來，微軟、蘋果和Uber分別收購了以色列初創公司Equivio、RealFace和Otto。英特爾是首家在以色列開設研發中心的公司，最近在附近的Ra‘anana和Haifa開設了人工智慧中心。谷歌在該國僱傭了600多名工程師，其中一半以上來自特拉維夫大學。300多家跨國公司在此擁有研發設施。

如今人工智慧已成為全球新科技和新生產力最大推動力之一，未來，它將持續誕生更強勁的力量。

人工智慧，現在的訓練方法是基於統計學分析的，是讓機器記住兩件事的相關性，而不是因果性。後者才是真正的人工智慧，如同我們科幻電影裡看到的一樣，能夠基於因果關係，進行邏輯分析。不過，這個遠遠超過人類目前的科技水平。

在圍棋ai阿爾法元的訓練中，研發人員給ai輸入了圍棋的基本規則，輸贏判定方法和贏棋目標，並且給ai輸入了更高效分析相關性的演算法，然後就讓ai在電腦裡自己跟自己下棋。ai在超級電腦上的運算速度非常快，一天可以下幾百萬盤。每一次出招的組合，都被ai記住了，並分析出每一種下法、每一步跟最終輸贏之間的相關性。用這種方法，僅用幾個月，阿爾法元就超過了自己的初代版本。併成了一個人類永遠無法企及的存在。不過，這仍然是相關性學習，ai還是不能理解為什麼。在一些因素更為複雜，並且不能全程電腦的模擬的訓練的專案裡，效果並不是完全理想。因為很難做到像模擬圍棋一樣忽略地球時間，一天百萬盤的去試錯。

人類能理解因果性，所以人類可以運用邏輯推理，可以舉一反三或舉一反三百，可以用很少的資料，去推理很多的資訊。而相關性訓練，則是用百萬次的試錯，歸納出一個一。用很多的資料，總結很少的資訊。

所以，我們離真正的人工智慧，或者叫人工智慧，還差的很遠。

1，機器人的語言，視覺，行走系統都可以了，

2，但是還是有一點機械，不隨意，不自然。

3，機器人的思維可以根據輸入程式和語言自己分析了。

未來世界上人工智慧的世界，發展趨勢是大勢所趨。前景一邊光明。其實人工智慧早就融入到我們的生產生活中了，只是最近才使用這個名詞而已。人工智慧就是自動化。工廠企業早就自動化了。沒有完成自動化轉型的都倒閉了。進化要發展的方向就是高度自動化，廣泛自動化，全面自動化。

而人工智慧的行業發展趨勢，由於大規模資料+大規模算力的基本方法論已經成熟，今後的發展路徑是十分清楚的：在那些資料儲備充分、商業價值清晰的場景，人工智慧會迅猛發展，投身於這樣的行業中期發展會非常好；而醫療、教育這類領域，由於電子化資料的整理與積累尚需時日，可以需要一個較為漫長的發展過程。

未來人工發展也是一個趨勢！