人工智能到底有多神奇？

本文原标题：《人工智能到底有多神奇？它真能让房价下跌吗？》

2016年10月13美国政府发了两份报告：《为未来人工智能做好准备》和《美国国家人工智能研究与发展策略规划》，百度李彦宏认为人工智能是未来，而与此同时360的老周近来则发了篇《人工智能泡沫有多大》的文章来探讨人工智能在搜索以及娱乐上的落地方式。毫无疑问的人工智能已经成为这个时段的热点，但它究竟和过往几次有什么不同？是再一次人们的集体错觉还是说一场席卷社会和企业的变革真的已经开始？核心制约因素是什么，这篇文章探讨这个问题。

人工智能上的正反馈

新技术的展开从来不是因为人们的喜好和热情，而是依赖于技术-商业（有时候是军事）上的正反馈循环。CPU的变小与变强，网速的持续提高事实上都是这种正反馈的结果。人工智能此前两次失败的很难看，主要原因就是有愿景但并没有实际产生出太大的商业价值。

我们的社会、经济都严重依赖于人类的智能，可以讲智能是人类文明的根基，而人工智能对人类智能形成替代，所以人工智能从来不缺愿景。任何一个点的突破比如图像识别都可以让人联想到看家、查交通违规等多种场景。人工智能此前一直缺的就是它要能真的能持续产生商业价值。落到看家、查交通违规的例子上，就意味着技术上它必须足够精确，降低误报率，真的能履行人的部分职责，达到可用的程度。达到可用的程度可以看成是一个落地的起点，这之后需要的则是进一步的投入要能让这种商业价值扩大，比如不只能看家还能巡逻，不只能查交通违规还能辅助驾驶。

初步可用，投入可以让商业价值放大这两者如果同时具备，那技术-商业的正反馈就可以形成。一旦形成这种正反馈，那这种技术的摊开就不是人力可以改变的。第一次人工智能浪潮更多是受制于第一点，人们在那时候似乎并没给人工智能找到特别好的应用；第二次人工智能浪潮则更多的止步于第二点，80年代确实有些专家系统被成功部署，并为公司节约数以千万美元计的费用，比如第一个成功的商用专家系统R1在DEC成功运转，此后DEC陆续部署了40个专家系统，但这种展开显然并没有获得持续的回报，也就没能持续下来。

这次人工智能浪潮之所以看着有点不一样，关键就在于这种正反馈已经初步形成，并比此前两次范围和深度大大有所增加：

技术上，一边Deep Learning大幅提高语音识别等的精度，比如语音识别就从大约20年前的70%提升到现在的95%以上，另一边GPU的持续进步则不断提高计算速度，根据nVidia的数据，训练速度提升60倍，inference则提高16倍左右。

商业上，机器学习已经成为一种标配，DeepMind尝试把AlphaGo的算法运用到Google IT运营中，结果把运营费用降低了40%。苹果则用机器学习改善各个地方的用户体验，比如PAD笔上的防误触。总体来看可以讲AI向各行业全面渗透已经成为基本趋势。(责任编辑：方向)