所謂的統計學的范疇其實就是基于龐大的數據庫，基于強大的算力，找出人們行為和習慣的確定性部分，再通過機械化的呈現來代替原本需要人做的事情——但只有人工智能真正“智能”，而非“機械”，它才能真正成為第四次工業革命的“顏值擔當”，最終為下一個時代增色。

有關人工智能的話題吵吵嚷嚷了很長一段時間。

雖然在資本的加持、巨頭的擁躉之下，人工智能儼然已經成為后互聯網時代的全新熱門領域。

但是，在一片熱鬧之后，人們似乎并未特別明顯地感受到所謂的人工智能給人們的生活帶來的些許改變。

有關無人駕駛的實驗還在持續，對于刷臉支付的討論依然熱烈，我們所了解的人工智能或許僅僅只有我們看到的這些這么簡單，這顯然與我們對于人工智能的期望有很大差距，因為按照我們對人工智能的界定，它是要成為人類第四次工業革命的“顏值擔當”的。

不幸的是，人工智能并未朝著我們期望的方向發展，而是更多地走向了統計學的范疇。

所謂的統計學的范疇其實就是基于龐大的數據庫，基于強大的算力，找出人們行為和習慣的確定性部分，再通過機械化的呈現來代替原本需要人做的事情。

如果僅僅只是將人工智能停留在這樣一個范疇，顯然有些低估了人工智能的內涵和意義，而對于這種方向的不斷堅持可能會讓我們失去人工智能發展的最佳時機。

很顯然，人工智能絕不僅僅只是統計學的范疇，除了對人類的行為和習慣進行簡單的模仿之外，它還應該具有更加豐富的概念和內涵。

因為只有人工智能真正“智能”，而非“機械”，它才能真正成為第四次工業革命的“顏值擔當”，最終為下一個時代增色。

什么樣的人工智能才是真正意義上的智能？

于是，人們不禁要問：究竟什么樣的人工智能，才是真正意義上的智能？

在我看來，所謂的人工智能若想成為真正意義上的智能，必然需要具備如下幾個方面的特征：

首先，人工智能必須是智能的

現在人們對于人工智能的理解多半還停留在“無人”上，他們認為所謂的“無人”就是智能。

其實不是。真正意義上的人工智能必須是智能的。所謂的智能就是可以根據真實情況做出更加合適、更加有效的反應，而不僅僅只是機械地做重復、簡單的動作。

所以，人工智能想要真正稱得上是真正的智能，必然需要告別簡單、重復的機械性工作，真正根據具體的情況做出應激的反應，而非教條式的反應。

因此，所謂的人工智能必須是應激、應變的，而不是預先被設定好的，簡單、機械、重復式的動作。

其次，人工智能必須是超前的

這里所說的“超前”，其實就是可以盡可能多地提前預知到那些傳統時代無法預知和判斷的東西，從而可以減少錯誤的操作和失敗，最終減少成本支出，提升行業的運行效率。

如果僅僅只是根據已經發生的去做應對方案，很顯然并不是人工智能。

如何做到超前呢？

其實，這就需要基于強大的大數據庫和超快速的算力來實現。

基于互聯網時代對于人們行為和消費數據的積累，我們可以通過統計范疇的計算來判斷未來將會發生的事情，從而提前做出預案，減少盲目判斷造成的損失。

這僅僅只是初級階段，隨著人們數據量的不斷積累，算力的不斷提升，深度學習的不斷加強，即使不經過統計，我們依然可以判斷出未來事物的走向，這才能算得上是真正意義上的“超前”，而這才是真正意義上的“智能”。

再次，人工智能必須能自我學習和進化

可能聽上去有些危言聳聽，但是，如果人工智能無法跳出機械學習和人工改造的范疇的話，所謂的人工智能或許僅僅只是機械式進化的另外一個比較新潮的代名詞而已。

因此，真正意義上的人工智能，必然也必須要能夠自我學習和進化。

所謂的自我學習和進化主要是指人工智能本身可以根據以往自身的經驗以及外部行業出現的改變來做出反應，不需要人的介入即可進行自我進化。

只有人工智能可以自我學習和進化，它的發展才能真正跳出“人工”的藩籬，真正進入到一個真正由自我智能所驅動的全新時代。

基于以上的分析，我們不難看出：真正意義上的人工智能其實并不是像現在我們看到的“無人”、“機械”這么簡單，而是具有更加深厚的內涵和意義。

當下的人工智能多半還僅僅只是停留在統計學的范疇之下，只是人們根據以往的大數據所進行的一些預判性的工作，并未達到自我學習和進化的目的。正是因為如此，當下所謂的人工智能更像是一個過客，必然會被新的智能科技新方式所取代。

存在的隱憂

盡管當下的人工智能相當火爆，但是，在這一片火爆下，同樣有隱憂存在。人工智能市場必然會經歷一場洗牌，才能真正回歸正道。

第一，人工智能的投入和產出不對等

對于人工智能行業來講，投入和產出的不對等是困擾其發展的根本困境所在。我們看到的很多的人工智能企業之所以會對資本如此依賴，正是由這種原因所導致的。

當人工智能作為第四次工業革命的主角尚未真正對制造業、物流業、金融業等傳統行業進行深度改造和應用之前，這個行業的投入和產出將會持續處于不對等的狀態。

這種不對等的狀態所導致的一個最為直接的結果就是人工智能企業陷入到了不斷依賴融資，不斷持續投入的死循環。當資本難以為繼的時候，人工智能市場的洗牌將會是在所難免。

未來，只有那些真正找到投入和產出平衡的人工智能玩家，才能在這場變局當中存活下來。

第二，人工智能的技術和應用不順暢

有關人工智能的研究其實已經達到了一個相當成熟的階段，包括深度學習、神經網絡、圖像識別等技術，但是，這些人工智能的技術距離落地其實還很遙遠。

當人工智能的技術和應用不順暢的時候，其實，這個行業的發展是處于一種并不順暢的發展狀態下的。

理論的不斷拓展，落地的不斷陷入困難，其實背后是人工智能行業發展并不健康的表現。當人工智能的理論與應用無法對等的時候，我們發現的是人工智能的參與者們在推出的一些應用，其實是落后的。

當這個行業進入洗牌期的時候，只有那些真正可以將人工智能的最新研究成果進行落地的玩家，或許才能真正成為真正的王者。那些無法將最新研究成果落地的玩家，終將會被市場淘汰。

第三，人工智能并未形成體系和規模

雖然人工智能是未來的一個發展方向，但是，它在整個行業的發展過程當中依然是小眾的。目前，我們看到的人工智能的應用依然是零星的、個體化的幾個行業，并未形成規模化的效應。

在人工智能并未被社會全面接納的時候，雖然行業是一片藍海，但是，同樣對參與者們提出了更高的要求和標準。

只有那些真正能夠在當下略顯空白的大市場環境下，找到適合自身的發展方式的人工智能玩家，才能真正在這樣的市場沙漠里存活下來，對于那些找不到合適的生存之道的玩家，或許將會被市場淘汰。

當人工智能行業的發展進入冰火兩重天的發展狀態時，有關這個行業發展的矛盾開始暴露。盡管行業異常火爆，市場前景依然光明，但是，不可否認這個行業將會面臨更多新的挑戰。

經歷了資本和巨頭追捧的繁華似錦之后，人工智能行業或許同樣將會經歷一場洗牌才會真正成熟。

畢竟，基于統計學范疇的人工智能并無太多新意，同樣不會有光明的前途。

來源：人人都是產品經理