曾幾何時，AI（人工智能）成為了諸多企業(yè)的口頭禪，不管這個企業(yè)身處什么產(chǎn)業(yè)，是什么樣的企業(yè)，好像不帶上AI就落伍了，媒體更是天天充斥著各種AI的報道，我們也是聽得耳朵磨出了糨子。在此我們不妨以業(yè)內(nèi)公認的AI或技術或市場中的代表IBM、谷歌和亞馬遜為例，看看AI的技術和市場究竟如何？

IBM“沃森”（IBM Watson）：被疑為噱頭 商業(yè)化成本高企無實效

提及沃森，這個自從 6 年前在美國答題秀節(jié)目Jeopardy 中打敗人類選手，就占據(jù)了無數(shù)的新聞頭條，并最早商業(yè)化（主要用于醫(yī)療領域癌癥的檢測和預防）的所謂AI系統(tǒng)。不過，隨著時間的推移，近期沃森卻屢屢遭受業(yè)內(nèi)的質(zhì)疑。

例如華爾街投行杰富瑞分析師詹姆斯?基斯納（James Kisner）發(fā)布的關于IBM人工智能“沃森”（IBM Watson）的研究報告就稱：IBM對沃森的投資很難給股東帶來價值回報，并用案例說明了IBM沃森存在的廣泛問題，即該案例來自IBM沃森與MD安德森癌癥中心之間的合作，即在向沃森項目浪費了6000萬美元之后，MD安德森癌癥中心最終停止了與IBM在這方面的合作，并承認這項技術尚未準備好臨床使用。而MD安德森癌癥中心的情況并非個案。多名人工智能領域的創(chuàng)業(yè)者都表示，他們在金融服務和生物科技領域的客戶在與IBM打交道時都有過類似經(jīng)歷。

與華爾街投行的分析相比較，今年五月，在CNBC的金融市場觀察欄目“Closing Bell”上，風險投資人Chamath Palihapitiy更是語出驚人：“實話實說，Watson就是個笑話。我認為，IBM非常擅長利用銷售和營銷手段，來誘導信息不對稱的人掏腰包。”

而美國認知科學會創(chuàng)始人 Roge Schank認為 沃森根本不是認知計算系統(tǒng)，IBM 有夸大吹噓嫌疑，并做了如下論證，即為了展示沃森的超凡智能，IBM 從 2015年以來在熱播電視節(jié)目中投放了沃森的廣告。在廣告中，沃森程序與搖滾靈魂人物鮑勃?迪倫進行了對話。

對此，Schank 指出，這個廣告恰恰說明沃森完全沒有理解迪倫的作品。盡管“時間流逝”之類的詞匯在迪倫的作品中時常出現(xiàn)，但所有熟悉迪倫作品的人都知道，迪倫是一位抗爭歌手，他的歌曲最關心的是民權、反戰(zhàn)這些主題。不過，迪倫歌的歌詞里并沒有直白地寫著“反戰(zhàn)歌曲”、“民權運動”。沃森只根據(jù)詞頻統(tǒng)計等方式找到“時間流逝”、“愛情凋零”，而沒有真正理解迪倫作品的真正主題。

谷歌DeepMind：除了圍棋 技術與商業(yè)化類“沃森”前景不明

至于谷歌，去年AlphaGo依賴人工智能挑戰(zhàn)號稱最難的人類游戲圍棋大獲成功，讓人工智能背后的“深度學習”廣為人知，也把谷歌此前收購的AI科技公司DeepMind推到了公眾面前。對此，就像前微軟亞洲研究院常務副院長芮勇所言，想要實現(xiàn)真正的人工智能還有很長的路要走，今天所有的人工智能幾乎都是來自于人類過去的大數(shù)據(jù)，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。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， AlphaGo都招架不住，但是人類就沒有問題。AlphaGo可以打敗三十多歲的李世石，但它的學習能力不及一個5歲的小孩，這二者是有很大區(qū)別的。

與沃森相比，DeepMind則剛剛進入商業(yè)領域的應用。去年七月，谷歌宣布DeepMind已找到方法將谷歌數(shù)據(jù)中心的制冷用電量減少2/5。它的算法先分析數(shù)據(jù)中心的操作日志來理解任務，然后通過反復模擬運行來優(yōu)化過程。同樣，DeepMind也已經(jīng)進入醫(yī)療行業(yè)。去年11月，公司獲得了首個付費項目，與NHS公立醫(yī)院皇家自由倫敦醫(yī)院（Royal Free London）簽下五年的合同，為其處理170萬份病歷。此外，DeepMind還獲得了訪問其它倫敦醫(yī)院兩個數(shù)據(jù)庫的權限，即DeepMind利用AI軟件分析了約100萬份視網(wǎng)膜掃描報告成功找到了退行性眼疾的早期征兆，或通過頭頸部癌癥圖像讓AI軟件學會區(qū)分健康和癌組織之間的不同。

從上述DeepMind的商業(yè)化看，與沃森類似，均需要首先獲取現(xiàn)實世界的大數(shù)據(jù)，即使擁有大量數(shù)據(jù)的可供挖掘的谷歌，運用AI及機器學習技術改進醫(yī)院、電網(wǎng)及工廠等系統(tǒng)時，獲取其具體操作數(shù)據(jù)也非常重要。原因很簡單，沒有人類提供的背景數(shù)據(jù)，哪怕極為簡單的挑戰(zhàn)，現(xiàn)有的AI技術也無法勝任。因此，當前的AI技術實際上并不“智能”，也不是解決問題的萬能手。

提及數(shù)據(jù)，在人機大戰(zhàn)前，DeepMind耗費了數(shù)年時間學習圍棋。參加《危險邊緣》問答的沃森，研發(fā)人員輸入了數(shù)TB的有關問答節(jié)目和自然語言實例的數(shù)據(jù)，來幫助它理解這一節(jié)目的問答模式。只有靠人類這樣有針對性的密集“訓練”，這些機器才能表現(xiàn)得如此出色。會議安排助手X.ai這類看似簡單的應用程序卻花費了數(shù)年時間學習與會議安排相關的事項，才達到可投入商用的水平。而它們運作的過程，更類似于基于計算力提升之下的大數(shù)據(jù)分析和輸出，遠沒有創(chuàng)造性的推理。而眾所周知的事實是，在數(shù)據(jù)的處理（其實就是一種高速的運算），機器的能力早已經(jīng)遠遠超過人類。

對此，有分析稱，DeepMind未來可能無法單單通過利用AI程序解決復雜問題的方式創(chuàng)造大量營收，但DeepMind AI軟件通過分析數(shù)據(jù)所獲取的有用信息已經(jīng)足夠讓谷歌為當初的競標所投入的巨資值回票價。看到這里，相信業(yè)內(nèi)應該知道DeepMind的本質(zhì)以及谷歌打著AI旗號的真實目的了吧。

亞馬遜Alexa：仍屬快速信息檢索 涉及自然語言識別折戟沉沙

最后看亞馬遜。其所謂的AI是隨著采用智能語音技術Alexa的Echo音箱的熱銷而為業(yè)內(nèi)所知，某種程度上也代表了亞馬遜AI的水平。但從其應用看，智能語音服務范圍大都是在信息檢索，幫助用戶獲得資訊。絕大多數(shù)的內(nèi)容是不牽涉“推理”（對用戶自然語言的理解）的查詢類信息服務。如果用戶問到在基礎信息以上，一旦牽涉推理的問題，不僅是Alexa，幾乎所有的智能語音識別（包括谷歌、微軟）都無能為力。

以亞馬遜的Alexa為例，去年一名六歲的女孩在跟Echo內(nèi)置人工智能語音助手Alexa聊天時，意外訂下了價值170美元的玩具和一盒重達四磅的餅干。雖然孩子的媽媽在收到一個不知打哪來的訂單確認電話后立刻進行了取消操作，但該訂單卻已經(jīng)被處理，且一個跟孩子身高幾乎相同的玩偶就在隔天送來了。最后，他們無奈地決定將這一玩偶捐贈給當?shù)貎和t(yī)院。

又如亞馬遜Alexa誤聽指令向孩子提供成人內(nèi)容，即小孩向亞馬遜Alexa下達指令：“Alexa，請播放‘Digger digger（一首兒童歌曲）’。”之后，亞馬遜個人助手通過算法進行識別，竟然認為孩子想聽***內(nèi)容。稍后，孩子的父母才意識到發(fā)生了什么事，可惜他們已經(jīng)無法阻止Alexa繼續(xù)播放聲音。

上述說明自然語言（真正的AI能力）的“難題”離最終的解決依然存有差距。因為不同的應用（問答、情感分析、機器翻譯、部分語音標簽）需要有不同的模型架構(gòu)：強監(jiān)督式記憶神經(jīng)網(wǎng)絡、樹形長短記憶網(wǎng)絡、雙向LSTM限制隨機域（CRF）、動態(tài)記憶網(wǎng)絡等。即使在研究中出現(xiàn)一些非常有潛力的新想法，設計、工程合成、可擴展的對話系統(tǒng)與這些想法的結(jié)合依然處于非常復雜的狀態(tài)，離商用還很遙遠。所以，當被問及何時才能通過自然語言與數(shù)字助理交流，并得到滿意的答案時，就連吳恩達這樣的頂尖科學家也無法給出確切答案。即便是對最高水平的神經(jīng)網(wǎng)絡學家而言，這項技術仍然有很多謎團尚待解開。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(diào)整可能產(chǎn)生什么樣的后果。根據(jù)現(xiàn)有的技術和方法，這一過程大約要耗費數(shù)年時間。

正是在這些科技大佬的鼓動下，AI正有走向泛化的趨勢。據(jù)統(tǒng)計，到去年年底，在財富500強企業(yè)中，就有180家對外宣稱自己要啟動相關的人工智能項目，甚至有廣告研究公司大膽預估，到了 2020 年，人工智能技術可能會出現(xiàn)在幾乎所有的新科技產(chǎn)品的宣傳之中。另據(jù)Gartner 在研究了 1000 家宣稱自己使用了人工智能的技術供應商后發(fā)現(xiàn)，大部分所謂的人工智能技術，采用的依舊是基礎的、基于規(guī)則的機器學習和分析技術（例如上述的IBM的沃森和谷歌的DeepMind）。這些技術，早在人工智能這個概念被熱炒之前，就已經(jīng)出現(xiàn)并被業(yè)內(nèi)所使用。更為關鍵的是，這些技術的能力遠遠未達到可以被稱得上“人工智能”的程度。