人工智能的发展方向和机遇
近年来，人工智能是热门的，几乎每个人都在讨论人工智能相关的话题，同时，在各个领域也有许多突破。 笔者梳理了当前人工智能的发展现状，并分享了自己对人工智能未来的一些猜测和看法。
人工智能的发展方向和机遇
现在人工智能有很多突破，特别是在应用方面有大量突破，但实际上，人工智能技术的底层研究进展并不多。 最新的发展之一是发展一个公司的深层头脑。 一段时间前，阿尔法·戈，打败了李·深·明德研究了一个系统，它打败了人类德克萨斯人。
玩过德州扑克的朋友可以感觉到，德州扑克比玩围棋要复杂得多。因为围棋里所有的信息都是全信息，是知道的；而德州扑克，你对面的玩家肯定不会让你知道他手里的牌，所以是信息不足。 为了克服人类玩家没有足够的信息，在某种程度上，人工智能又迈出了一步。
但这种进步只是弱人工智能。 正如前哨所说：弱人工智能比人类强，强人工智能比人类弱。 到目前为止，在强大的人工智能方面还没有进展。
去年美国计算机专家和图灵奖得主朱迪亚·珀尔(Judea Pearl)在一本新书中提到了人工智能专家一个有趣甚至有些尴尬的事实：“人工智能在结构上或理论上并没有对系统进行评估，例如，你的结构更好，或者你的理论更好，但只有结果。” 人工智能是一门科学吗？ 答案令人怀疑。 所以珀尔说，“人造的情报现在已经成为炼丹术。 “
因此，现阶段人工智能最大的瓶颈是理论和实践底层技术的发展。
这是我读“为什么”时笔记的地图，强烈建议对人工智能感兴趣的朋友读原著。
人工智能的发展方向和机遇
虽然面临理论和底层发展的瓶颈，但人工智能毕竟取得了进步。 根据王玉权老师2019年的报告，结合作者对人工智能领域的认识，可以概括为以下三个发展方向。
在过去，机器学习曾经用海量数据训练，但现在希望用尽可能少的数据训练。
但人工智能一定不能满足于此，人类可以推理，可以判断没有数据的事情如何做，小数据不能真正模拟人类的判断。
我们可以想象这样的场景：在一个雨天的夜晚，你在一条崎岖的山路上开车，前面的路中间有一堆土，有一个看似穿着警服的在土边挥手，挥舞着旗子让你失望，你还是不？ 如果你不这样做，你几乎不能冲过去，但如果你下来，按照指示。 这个时候，我们普通人会有一个很复杂的推导，比如邻里安全好吗？ 晚上天黑的时候，附近有问题吗？ 再说，我们会去见这个警察。 他穿的是真警服吗？ 周边交通导流是否安装？ 如果只有一个人站在那里没有相应的交通导流装置，很多人会认为这是错误的，会想办法冲过去。
所有这些复杂的判断不仅仅是一种铺垫和涉及社保，以及其他许多与交通无关的问题。 这些问题到目前为止还不可能通过自动驾驶仪来判断。
这就是为什么5级自动驾驶仪几乎无法在商业上使用。 除非人工智能的下一个突破来了，否则人工智能真的有能力分析智能。 虽然人工智能的一个方向是小数据，但它仍然不是数据，它仍然是基于统计，而不是推理和因果关系，这就是“为什么质疑人工智能”一书的地方。
作者不是技术背景，对计算能力概念的理解有限。
从计算能力的角度来看，一方面要有足够的计算能力；另一方面，5G的到来使我们的云计算能力也加强。并且由于响应速度的提高，云计算能力可以更好地补充局部和边缘计算能力，使云和终端形成集成的人工智能计算能力。
这实际上是对整体的补充，而不是革命性的变化。
现在机器也可以终身学习。
一旦机器具备了终身学习的能力，就会使我们整个人或企业，特别是在行业中，采用人工智能的策略来产生本质的变化。 如果机器不能终身学习，我们不必担心引入人工智能，直到人工智能系统足够好。 但如果机器能终身学习，最好的策略是首先引入人工智能，因为虽然它在引入时可能不那么智能，但它会学习和提高自己，这将是一个较晚的竞争对手的大领先，这甚至与硬件无关。
所以，每个行业都需要看看人工智能能否更快更好地引入自己的行业。 因为人工智能真的很像互联网，很多人说人工智能是互联网的下一代，因为它具有广泛的适用性，所有行业都有可能从人工智能中受益。
人工智能的采用仍然存在一些障碍，特别是对于不在该行业的公司。 一些传统公司通常认为，建立一个人工智能部门，招募很多人来做人工智能，就是在做人工智能。 但到目前为止，人工智能专家仍然缺乏，在未来五年内可能不会稀缺，但它们仍然稀缺。
稀缺性的一个主要特征是，许多大型IT公司都在大声疾呼：现在随着我们抢夺人工智能人才，主要竞争对手是华尔街。 为什么？因为当人工智能技术基本达到顶峰时，你可以判断它在单个项目中具有很强的优势。 这一单一优势将被各行各业所采用，最早的使用必须是利用这一优势大量收入和利润的行业，金融无疑是最理想的行业，所以利用人工智能炒股几乎成为华尔街的标准。
虽然没有多少独立的人工智能基金公司，但事实上，大多数基金公司都储备人工智能人才。 判断短期的跌宕起伏，用人工智能做短期的操作肯定比人强，这已经是事实了。 当然，这并不意味着没有机会，因为现在人工智能比人更好，但多个集成商有着显著的优势。
因为这些判断都是非常全面的东西，涉及到科研发展的趋势，包括研究开发的进展，技术能力的变化，包括产业格局的变化，甚至业务特征的变化，也包括市场的接受，用户的变化。
从这个意义上说，人工智能的判断相对不清楚。 换句话说，你问人工智能明天能不能买到股票，它的答案肯定比问一个人好，但你问一个公司五年后发展良好，你最好问人类专家。这表明，人们仍然有机会，不是为了单个项目的长度而与人工智能竞争，而是在综合方面获得优势，甚至每个具有人工智能的个体都可以帮助我们，但总的来说我们可以超越人工智能。
因为人工智能可以给企业带来很多钱，所以华尔街现在很受人工智能专家的欢迎，所以现在很多IT公司都把华尔街当作竞争对手。 这种竞争不是指市场竞争，而是指人才竞争。 然后，在大多数情况下，人工智能专家不愿意去传统行业，因为传统行业往往有一个长的研发周期，它不像短期炒股，研发周期很短，见效很快。
现在中国的人工智能有一个大问题，是过热后出现了一些人工智能独角兽。
压力表现在两个方面：
一方面，必须继续从市场上吸引人才。 因为它是独角兽，所以它给出的期权价值特别高。 虽然这个选项显示很高，但并不意味着员工真的得到了这个值。 但是市场认可这种价值，所以会对人才形成强烈的吸引力，导致很多人工智能的人愿意去独角兽，因为有高薪和高选择，而不是去传统行业。 传统行业的薪酬没有那么高，而研发需要另一个周期，不能马上看到效果，回报产生了差异，因此大多数人都会选择去独角兽企业。
因为人工智能在去年，前年在这样一个话题上，今年甚至会继续喊，也就是说，所谓的人工智能叫好与否。 虽然人工智能很热，各种新的应用层出不穷，但你看看人工智能企业，似乎他们的收入和利润增长并不那么令人满意。
该层面主要涉及人工智能相关硬件企业。 坦率地说，这些企业在未来还是很难预测的，公司在这个专业领域做研发(FPGA)的机会比较大，现在做脑型计算芯片，人工智能计算芯片，通用性比较强，压力会更大。 因为其实这种芯片需要打造生态，这种芯片一个leade行业是NVIDIA（英威达）。
英伟达有数千名工程师帮助其芯片为各种应用做场景开发，或应用支持，加强了英伟达的生态完整性。 例如，在相同的自动驾驶解决方案中，Aviva重视如何为客户提供全面的服务。 基于此，英伟达制作了虚拟测试系统。 这个虚拟系统允许自动驾驶仪在虚拟道路上运行并加速。 此外，还可以同时在多个虚拟环境中运行，显示似乎有100辆车，1000辆车同时运行，快速积累足够的里程，使人工智能系统足够强大，足够智能。
这是它对环境的建构，这是非常重要的。 而国内大多数芯片企业，只一味强调自己优越的计算能力，没有生态建设的能力，很难与阿维达竞争。当然，英伟达也有一个缓慢而艰苦的过程。 事实上，两三年前，黄仁勋演讲的时候，他还在想象人工智能在各行各业的突破，非常发散。 但到去年，该业务已经非常专注，并将足够有利可图。
这一级别的重点是在基础平台和应用程序上工作的企业，如云计算提供商。
美国几乎所有的IT巨头都花了很多钱建造大型云计算平台，并拥有强大的人工智能支持，其中最领先的是亚马逊的AWS和谷歌。 所以这几乎成为行业共识，未来的云计算人工智能，即使在5G之后，使云计算人工智能无处不在，成为标准，很快就会发现人工智能就像自来水一样，无处不在。
中国是一样的，现在更领先的是阿里云，腾讯，百度也在努力，但现在看来阿里还是比较领先的。 当然华为在制造自己的云。 中国也会有一些大云，也有很多市场空间，因为中国的IT市场并不比海外小很多。
所以这层会发展。 这一层的核心是除了提供基本的云计算能力之外，还提供一些额外的人工智能能力。 这种人工智能能力将使人工智能的基本应用不是由人工智能提供商提供的，而是由云平台直接提供的。
什么是基本应用？ 现在还没有明确的定义，这里我举几个例子供大家理解和讨论。
视觉识别，包括面部识别，成为基础应用。 因为在更多的公众监控和视觉识别中，可以快速逮捕逃犯，帮助社会安全。这形成了一个巨大的市场，现在大量的独角兽正在追逐市场。
但从长远来看，市场可能对独角兽不太友好：一方面，政府将形成统一的大市场，未来应该开放，从一个充满客户的国家到一个客户，市场在某种程度上是不存在的；另一方面，很可能不是今天的独角兽，而是直接由基础云平台提供，如阿里、腾讯或华为。
主要原因是这种能力并不复杂，特别是与云，直接从云是最简单的，只要未来周围有摄像头，就可以利用云的能力实现智能面部识别或图像识别。
除了面部识别，现在的一大热点就是动作识别，甚至叫动作指纹。 我们每个人都有自己的步态、运动和姿势的具体规则，通过人工智能能分析，只能通过我们的行动来知道这个人是谁。 现在还有一个特征，就是跨摄像机，跨域连续分析。 即通过运动捕捉，可以跨越多个摄像机，可以了解一个人的行为轨迹。 虽然这个人的脸不被识别，但它可以通过行动来识别。 虽然人工智能在今天仍然是一项研究任务，但它很快将成为一种基本能力，通过云计算提供。
此外，还有一些基本的图形识别能力，包括另一个流行的市场，医学图像识别。 医学中的X光或B超图像识别很可能在未来集成到云中。 提供商可能是云中的第三方公司或大型IT服务提供商，但未来将由云提供。 这也成为一项基本服务。
根据以上所述，未来许多基础能力很可能成为基于云的提供商，而真正的应用能力应该是基础较少，不太常见，并与行业充分集成。 虽然它也使用了大量的基本功能，甚至云基础设施，但由于其行业特性，云提供商无法使用它。
事实上，许多人工智能系统都是这样的，自动驾驶仪会蓬勃发展，这意味着汽车可能更多，而不是更少，但司机可能会失去工作。
这一层面将有大量人工智能相关应用公司蓬勃发展。这些应用公司非常明确，一定要有自己的行业特色，因为人工智能技术本身不能形成壁垒，真正可以形成的壁垒一定是行业，也就是行业数据，行业经验和行业准入都会是你的壁垒。 这就要求我们找到这个障碍，做生意。
所以任何一个先进的领域都不代表只要领先好，还必须找到自己的壁垒和竞争优势才能做好。