人工智能从上世纪50年代就开始发展了，其实不是个新学科。这东西的难点在于是个跨学科项目，对这个话题进行阐述，很难不落入盲人摸象的尴尬怪圈。此次IT领袖峰会上有很多互联网大佬对人工智能发表了意见，有些是从产业角度来说的，有些是从研发角度来说的，更有一些鸡汤类的话只是听听就可以了。而其中，对人工智能阐述最为精准的，窃以为是微软的沈向阳先生。
沈向阳的话是这么说的：“人工智能的研究方向大体可分为两块，一块是感知方面，一块是认知方面。现在人们感受到的主要是机器在语音和视觉方面的发展，即感知层面。接下来5到10年，机器在感知方面的发展将非常快，会超过人类。这主要是因为三方面原因，一是互联网的出现产生了海量数据，二是强大的运算能力和新的算法使这些数据可以被处理，三是 学习在过去五六年取得突破，并被许多互联网企业应用，才使很多以前不能解决的问题现在可以解决。”
什么是人工智能的感知和认知？用人来类比的话，感知就是人的视觉、触觉、听觉，与外界的沟通方式等，认知就是人对某个事情和现象的认识，反应、分析、决策、执行。在人工智能领域，人的感知和认知特征是差不多的，目前很多企业正在用机器模拟人的感知和认知，但还是处于非常初级的地步，大都只能在感知计算方面打转转。
举个简单的例子，很容易就能在市场上找到做感知计算人工智能的公司，如做语音的科大讯飞、虫洞、做人脸识别的Face++等，但并不容易找到做认知计算人工智能的公司，因为那毕竟距离太远，技术难度太大。在认知计算领域做得最好的是IBM的watson，相比感知计算产品，watson更注重信息分析，自然语言处理和机器学习等认知计算，被应用在医学和金融领域。
感知计算和认知计算谁更重要？其实是不言而喻的。人每天都会接触外界信息，起床后看到下雨了，就知道出门要带伞，“看到”和“知道”，这是两个层次的问题。当然，如果没有感知计算，就不会有后面的认知计算，因为你连天下没下雨都不知道，怎么做出出门要带伞的决策呢？但问题在于，感知是很容易被替代的，看不到可以听或通过别的什么方式，而出门要带伞的这个认知则是唯一的。
为什么目前市面上这么多做人工智能的公司？因为感知计算是较为适合小公司创业的领域，如果说感知计算和认知计算各占人工智能的一半，那么感知计算至少可以切成几百个小等分，每个等分足以容纳几十家小公司进去钻研了，而认知计算的那一半，也就能切成几个小等分，不是大公司是绝无创业成功的可能的，即便是大公司，也未必能做成。
但是，我们一般人理解中的人工智能，应该绝大多数属于认知计算范畴，即机器像人一样思考，具有分析和推力能力，还可以下决策，执行动作。感知计算只是提供了机器同外界进行交互的方式，技术成熟后当然可以藏身传感器中，为机器提供现实世界精准的信息，以供机器的认知计算能力得以发挥。不过，这虽然也可以算人工智能，但怎么看也都是太过浅层的东西。人类距离真正的人工智能，似乎还有不短的距离。
人工智能自诞生以来共有过五次热潮，如今的这股热潮，与前几次有很明显区别。80年代末神经网络学科的建立，90年代互联网技术的发展，促成了最新的这次人工智能热潮。人工智能从离线走向在线，从单机走向网络环境，从单目标求解走向多目标求解，有了互联网数据的支撑，其应用环境似乎被一下子拓展开了，拥有了更大的练兵场和实验田，而非像20年前的深蓝那样仅作为单个智能主体而存在。不过这也并不能保证，这一轮人工智能热不会像前几次一样退潮。
本次IT领袖峰会上，有人认为AlphaGo做的是人类能做到的事情，做人类做不到的事情才叫本事，这种为人类叫屈的鸡汤并不鲜见，20年前败在IBM更深的蓝手下的卡斯帕罗夫，叫屈的姿态其实更为花式。事实上，目前人工智能能做到的全是人类做不到的事情，而人类能做的事情，人工智能却很少可以做到。人脑是记不住几亿盘棋局的，也没办法存储古往今来所有棋手的棋谱，这些机器全能做到。但人看一张图片时，一眼就能分辨出具体特征，而机器即便去看一张写了几十个注解的图片，也还是无法理解其中包含的所有信息。
让人工智能像人一样思考、推理、决策，实在是太难了，难到也许这一代人有生之年看不到那一天。但目前人工智能的发展过程，还是很值得一看的，很多机器能做人做不了的事情，本身就能给人类社会创造巨大价值，最终机器是不是能拥有和人一模一样的思维模式，其实并不重要。人工智能最有可能的方向，也许是建立起一套自己的思维体系，而这套体系将与人的思维极大不同，这也正是为何霍金、马斯克等人对人工智能有可能的破坏作用忧心忡忡的原因。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
