現在會不會一地雞毛不清楚，但是最後的最後，這些應該還是會成功的，這個應該就是大勢了。其他的不說，單獨拎出來人工智慧說一說吧。人工智慧現在很火熱，但是呢，其實人工智慧的起源比我們想象的要早得多。

人工智慧第一次熱潮

人工智慧的提出早到什麼時候呢？在20世紀50年代，也就是1950年左右，已經有人工智慧的說法了，這個是計算機剛剛誕生的年代，這個時代的計算機還被運算速度特別快的數學計算工具，但是艾倫圖靈就思考到了計算機是否能像人一樣思考。

1950年10月他提出了著名的圖靈測試，這個測試至今還視作檢測人工智慧的標準之一。

指測試者與被測試者（一個人和一臺機器）隔開的情況下，透過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試後，如果有超過30%的測試者不能確定出被測試者是人還是機器，那麼這臺機器就通過了測試，並被認為具有人類智慧。

當時人工智慧在研究者當中掀起了第一波熱潮，人們認為在幾年內，計算機肯定能夠透過圖靈測試，但是受到計算機效能和算法理論的侷限，計算機屢屢失敗，人工智慧的熱潮慢慢退卻。（其實到今天也還沒計算機真正意義上的透過圖靈測試。）

人工智慧第二次熱潮

第二次熱潮，大概是在20世紀80年代，主要是源於語音識別的突破性進展，讓機器認識每個音節音素，然後透過音節音素去分辨字和單詞。但是讓機器去學習人類的思維，去識別人類的語言，機器越學越學不懂。

事實證明，計算機的“思維”方法與人類的思維方法之間，似乎存在著非常微妙的差異，以至於在計算機科學的實踐中，越是拋棄人類既有的經驗知識，依賴於問題本身的資料特徵，越是容易得到更好的結果。——李開復

後來，基於資料的統計建模，利用資料本身建立大型基於語音資料的語料庫。但是侷限於計算機能力和資料的不足。這次熱潮也慢慢的淡化了，不過這基於資料統計模型的思想開始廣泛傳播。

人工智慧第三次熱潮

人工智慧的第三次熱潮是從2016年到今天。在這次人工智慧是基於深度學習+大規模計算+大資料而成的。深度學習，可以簡單地這樣理解，把一堆資料丟給機器，告訴他我需要得到什麼資料，讓它自己去學習判定。

今天的人工智慧，是有用的人工智慧。 ——李開復《人工智慧》

這一次，計算機的計算效能和處理能力大幅提高，大資料的蓬勃發展為人工智慧帶來了學習資料。同時，這一次熱潮和前兩次不同，前兩次是以學者和政府為主導，而這次是以商業為主導，人工智慧與產業的結合，已經有了成熟的條件和應用場景，或許將真正掀起時代革命的大波浪。

所有隻要技術是有用的技術，思維概念是正確的思維概念，哪怕這一次失敗了，一地雞毛，在未來也會被不斷的提出，不斷的嘗試，直至成功。