2016年12月29日，大概又是一個會被載入史冊的日子。名叫SkyNet，哦不，是”Master”的圍棋AI，開始了第一次對人類的血洗。

在奕城的第一晚，Master十戰全勝；第二日，橫掃韓國第一人樸廷桓九段、世界第一人柯潔，比分都是2比0；第三日，陳耀燁九段、金庭賢五段、范廷鈺九段、羋昱廷九段和唐韋星九段依次落馬；再之后是古力、時越、金志錫、井山裕太；到了1月4日，聶衛平老先生以7目半落敗。最終戰績，Master 60勝0負1平（平的那局是因為掉線）

自此，Artificial Intelligence（AI），這個在2016年已經如日中天的buzzword，再一次傳遍大街小巷。人們沉浸在對AI的崇拜、慌亂與恐懼之中，然而作為吃瓜群眾的筆者卻在想一個問題：如果DeepMind沒有事先與各國棋院通氣，整個事件如何能進行得如此順利，在時間上如此緊湊？所有重要的世界高手，都在短短幾天的時間窗口內騰出了時間，如果說沒有提前策劃和組織，實在有點難以置信。掐指一算自從3月份AlphaGo的橫空出世，DeepMind已有9個月時間沒有在圈外露臉，大概它也感受到了營銷的壓力吧。

其實縱觀2016年，在阿爾法狗狗的帶領之下，AI界隔三差五地在圈內外制造著騷動：3月，除了人盡皆知的AlphaGo事件，李開復關于人工智能博士200w＋美金年薪的文章刷屏；4月，Google著名的深度學習框架TensorFlow發布分布式版本；6月，Prisma上線，紅極一時；8月，Google發布基于深度學習的NLU框架SyntaxNet； 9月，Google上線基于深度學習的機器翻譯，索尼用人工智能寫了兩首歌；10月，微軟宣布語音識別達到人類水平；11月，計算機視覺學術大牛李飛飛老師下海進入工業界；12月，DeepMind在NIPS16會議上宣布DeepMind Lab開源。一切的一切，都在各大媒體冠以【重磅】開頭的新聞標題之下，一次次地牽動著廣大吃瓜群眾的神經——然而這些成就實際上離我們的生活又是那么的遙遠。

在科技的歷史上，從未有任何一項科技，在它的大規模真實應用之前，有持續一年甚至幾年的營銷運動。在這個風口之上，在這個AI幾年的造勢運動把人們的期望與恐懼推上一個歷史頂點，而其真正落地應用又遙遙無期的一個尷尬節點，是時候冷靜下來回顧一下AI的營銷史了。

一、一些概念和歷史

有幾個概念需要先明確一下，因為我發現在今日媒體的狂轟濫炸之下，有大批AI民科是分不清像“人工智能”、“機器學習”、“深度學習”這些概念的關系的（例如我認識的非科班出身的人有90％認為機器學習＝深度學習）。當然這些概念的含義也一直在“與時俱進”，不過學界還是有一個相對統一且合理的認知，可以幫助我們闡述問題。下面這張圖描述了其中最重要的幾個概念之間的關系

“人工智能”這個buzzword，常常會因為營銷或者新聞報道的需求而被賦予不同的含義，其外延有時等同于“機器學習”，有時不等同，所以最外圈的這個等號并不完全準確。不過在2016年被大家普遍討論的這些“AI”，可以認為基本上就是機器學習。內部的四個小圈則是學術上有確定外延的四個概念，代表了當前最重要的四個問題領域，是需要明確的重點概念。

有監督學習（supervised learning）——讓機器觀測到一些輸入，并告訴機器在這些輸入下應該產生什么樣的輸出。機器通過這些數據學習出一個模型，之后給它新輸入的時候，它能夠根據模型預測應該產生什么樣的輸出。比如機器看到一個圖片，可以判斷圖片中的物體屬于哪一個分類。

無監督學習（unsupervised learning）——讓機器觀測到一些輸入，而沒有標準輸出，讓機器自行去總結這些輸入數據有什么統計特征，并生成有意義的產出。例如自動把大批文章聚成相似的幾類，又例如給計算機看一些小狗小貓的照片，讓計算機自動生成一些新的（與看過的相似但又不同的）小狗小貓的照片。