近日，ins上的一位模特紅了。粉色的蘑菇頭搭配著時尚的穿著，以日本街道為背景的照片都有著一種渾然天成的日系潮流感。但當你仔細讀過個人簡介才會驚呼，這位名為imma的模特并不是一位真實的人類，而是一名虛擬模特。智能化作為未來的趨勢，誕生了imma這樣的AI虛擬模特，也讓我們看到了人工智能已經離我們越來越近。

如同電的誕生一樣，AI技術正在改變每個行業，智能設備、IoT、人工智能、云計算，越來越多新技術的興起使行業效率得到有效提升，加速了行業轉型發展。從16年開始，我們的生活刮起了一股人工智能的風潮， AI離我們究竟還有多遠？

人工智能興起

其實從廣義上說，人工智能的應用已經非常廣泛，各大新聞客戶端會根據你的閱讀興趣推送相關新聞、電商平臺也會根據你的購買習慣推送相關商品，這些都可以稱為人工智能。從云計算到大數據，人工智能已經具備了相對堅實的基礎。

其中，大數據稱得上是人工智能賴以開展的生產資料，而云計算則是人工智能發展的生產工具。不過，從當下人工智能的發展現狀看，大部分的人工智能還停留在大數據分析階段，距離真正的人工智能還有一定的距離。

人工智能正在告別新一輪概念炒作

如果說60年前人工智能概念的提出，多少有些科幻成分。那么，今天人工智能概念的再次出現卻帶有強烈的現實意義。從AlphaGo在圍棋領域戰勝人類選手后，人工智能又開啟了新一輪的發展熱潮。與以往人工智能憑借強大的算法戰勝人類不同，在圍棋領域，人工智能展現出了機器學習的能力。

我們一直夢想著有一個通用的模型，可以建模整個世界，使各種各樣的問題都能夠迎刃而解，這便是通用人工智能的最終目標。但事實上，我們現在所研究的人工智能，都是針對某一特定問題的算法或模型，比如圖像的分類，目標的檢測，視頻的理解等等。在特定的問題上，深度學習給我們帶來了驚人的表現，但是一旦離開特定的領域，算法與模型的性能會大幅度下降。

從我們的目標來看，通用人工智能意味著如何來提高神經網絡的泛化能力。所謂泛化能力，指機器學習算法對于新的樣本的適應能力，即對于未知的數據也可以得到很好的結果。

比如遷移學習中的一個例子：我們使用歐洲人的面部表情圖片來訓練一個模型，然后用來識別其他歐洲人的面部表情，識別結果通常可以不錯，但是用來識別亞洲人的表情，結果會一落千丈，遠遠達不到預期，即此時模型的泛化能力很差。

人工智能的下一個突破點：應用場景

無論是圍棋、象棋還是德州，人工智能在這類棋牌游戲中能否戰勝人類，已經基本沒有懸念。但如果人工智能只能做到這些，這一新興技術的魅力也會大打折扣。

如今，人們對這類人機大戰開始變得漠不關心，開始期望在幾乎所有的工作和生活場景中應用這一新技術，就如同當年計算機、互聯網出現之初一樣。彼時，計算機的應用讓人們進入無紙化的信息時代，而互聯網的應用則讓人們得以打破信息傳輸的邊界，真正讓世界變得更加互聯互通。

從目前的態勢看，人工智能所帶來的革命性將遠超計算機和互聯網，因為它要做的是要代替，或者說部分代替人類的思考。現在，我們發現人工智能的應用還可以推廣到更多的場景中，比如金融、醫療、交通、文娛等眾多行業。

人工智能帶給人們的，不僅是通過數據分析呈現的規律和幫助人們進行決策，更多的是規避人類被情緒、感情等因素的干擾，幫助人們做出更加合理的決策。

不過，相比較人工智能技術的演進，當下人工智能最重要的任務是如何普及到更多的應用場景中，并真正在這些場景中為人們所應用。人工智能不斷獲取新的數據、進行持續且深度的學習，才是發展的關鍵。

從目前市場應用的角度看，人工智能還只是在一些特殊的領域和特殊的地方應用而已，并沒有普及，也很難真正發揮其作用。從實驗室到普及全社會，人工智能顯然還有一個相當長的路要走。