人工智慧其實很早就有了，看看老古董的《終結者》電影，那是一個老概念，但是為什麼最近幾年突然又火爆起來了。

推動者其實是谷歌，神經網路上世紀80年代就已經存在了，本輪火爆的源頭是加拿大的Geoffrey Hinton傑弗裡·辛頓，這個加拿大教授在《科學》發表一篇文章，給出了“梯度消失”問題的解決方案——透過無監督的學習方法逐層訓練演算法，再使用有監督的反向傳播演算法進行調優。簡單說就是鍛鍊機器，讓他從資料中得到訓練，變得更“聰明”。這就是深度學習演算法。

2013年傑弗裡·辛頓領導的小組採用深度學習模型AlexNet奪冠。於是2013年穀歌就收購了他的公司DNNresearch。接下來就是吳恩達和Jeff Dean推動的深度神經網路了，後來這個方法逐漸形成了引爆的應用，那就是圍棋界的AlphaGo，還記得這傢伙透過隱姓埋名的方式挑戰全球高手的過程嗎？

在AlphaGo的成就讓谷歌看到了很多可能性，但是當時這個市場沒有參與者，人工智慧方面有很多種可能性，很多科學家已經努力了半個世紀。谷歌認為自己找到了解決方案，於是就推動演算法開源，培養全球的程式設計師往AI方向進發，實際上就是深度學習神經網路的方向走。

你看，和安卓系統的思路一樣，演算法一開始就是谷歌公開的東西，所以在這方面程式的技術難度縮小了很多，但是運用在哪個領域卻是個問題。比如你是運用在語音還是在人臉識別，又或者是無人駕駛。這些拓展都是全球開發者在填補。谷歌就是典型的挑事人，然後坐在一邊看AI的發展。

相對於過去的人工智慧，語音翻譯，人臉識別，無人駕駛都有進步。但是這到底是資料訓練之後反向修補的做法，人類的神經和電腦的神經有本質的區別，我們的腦回路會走捷徑，而人工智慧不會。

所以現在就出現了模仿神經網路的人工智慧晶片，想要人工智慧像人一樣思考和解決一些問題，華為的麒麟970就宣稱有NPU模組（嵌入神經網路晶片）。但有這個晶片和實際達到人腦效果之間，十萬八千里，這只是在終端增加了一個深度學習神經網路，讓手機逐漸來懂使用者的偏好。

可以說，如今無人駕駛，大約套L4階段，部分地區緩慢通行，並且設定路況引數，有人監看的情況下，能達到L5，也就是完全自動駕駛，但是體驗來看，至少在未來數年無法擺脫駕駛員監管這些無人駕駛裝置。而語音同步翻譯如今依然會出現很多歧義詞彙。因為機器在識別多音字語境方面有難度。比較可靠的是人臉識別，不過也有小學生拿著照片直接讓人臉識別臉盲。其實這些都是機器透過資料學習的結果，資料龐大，但是人類容易出現隨機性行為，也就是我們有時候捉摸不定。而機器只知道按部就班。

不要指望人工智慧會大跨步提高生產能力，這方面很多人都被忽悠了。他的確改善了我們的生活，比如英語不好的有時候根據人工智慧的翻譯能夠理解個大概。但是別指望他真的變成人類。至少我們這一代看不到。

如你所見，人工智慧沒有演算法壁壘，里程碑就是深度學習，後面的都是補充。那麼，人工智慧對於中國真正重要的，就是資料，所以，你可以認為人工智慧就是資料的延伸。而這裡依然需要大量的應用開發工作。可以說人工智慧方面我們不是起點，但是是如今重要的推動者。只不過對應的競爭方面，我們也遇到了不少的瓶頸。比如無人駕駛方面，就有科學家在呼籲更多高精地圖的測繪開放，增加精準度。

當前，5G技術己經應用，這對在全球推進智慧化時代是必備的條件之一。我們知道，第一次工業革命是蒸汽機時代，即機械動力推動了工業化。第二次工業革命是電的時代，即電做動能，推進了遠端通訊如電報，電話，也開始了電燈照明，發電機電動機。第四次工業革命是什麼？就是智慧時代。我從幾個方面來解讀智慧時代。

第一個方面是，人工智慧和無人駕駛，機械人的研究已經廣泛應用在工業製造業，農業，服務業，軍事，教育文化，科技創新研發領域，助推智慧時代的快速開啟。工業製造業機械人可以實現更精準的高難度的生產作業，特別是對人類有害的材料或氣體等。例如上海羊山深水碼頭，是典型的智慧化。農業現代管理中如對疾蟲害調查防制等。製藥業機械人作用優勢也十分明顯。無人機軍事甪途前景無量等。

第二個方面是，中國網際網路+助推智慧化時代。中國的雲計算中心，大資料，網際網路+等，系統工程，再加5G快速推進，可能實踐智慧駕馭，遠端操控，天際測量，海洋工程等等。運用雲計算大資料網際網路+成熟技術，對物流，交通，金融支付，服務業，遠端科技創新研發協作，工業製造業聯合生產高度融合，醫院遠端手術操控指導，智慧教育學習，設計，等等都會產生新的界域，推進中國主導引領引爆第四次工業革命。

第三個方面是，中國在智慧時代的佈局及深遠意義。中國在人工智慧，工業二0二五，5G通訊技術，材料科學，生命科學，航天工程，海洋工程，聚變反應堆新能源新動能，已構建新體系。國家級大裝備近百項，天眼，上海超級光源中心，己建的二十多大科技創新城，國家級四百多科技創新試驗中心和試驗室。資金，資源，人力，物力，在基礎研究，應用研究，超前項研究，多領域發力。第一二三次工業革命與中國無關，第四次工業革命中國是主角！

中國的高鐵，超高壓送變電，全國公路網，網際網路+網路，5G通訊，航空航海網路，構建了當下全球最完備基礎設施網路。年十億噸鋼鐵，二千八百萬輛汽車，構建了全球最大產能，市場構建成全球第一大市場。相信中國在智慧化時代會騰飛。

現在沒什麼人說強AI了。業界都很有默契地把人工智慧和大資料神經網路畫等號，彷彿只有掌握海量資料和算力才有資格玩人工智慧。

這些資源掌握在誰手裡，這些玩家會藉助“人工智慧”主要來提高利潤率還是承擔更多社會責任，都值得用時間來考驗。

求人不如求己。對個人來說，程式設計都還沒有成為每人都能利用的工具，更不用說人工智慧了。而程式設計入門的一大門檻就是英文。

可以比較一下中英命名的例程對比，取自一本Java原版程式設計書籍：

換成中文後，程式照樣正確，因為Java早已支援使用中文命名識別符號。而語義一目瞭然了許多：

推廣在教程中使用中文命名，可以促進程式設計人才的培養，節省在很多時候本不需要的英語學習成本。

程式設計成為一項普及的技能後，不僅能使得更多人跟上人工智慧發展的腳步，也能對於某些壟斷玩家起到制約作用。