三、人工智能时代兴起

“实现人类水平的智能”这一最初的梦想曾在20世纪60年代令全世界的想象力为之着迷，其失败的原因至今仍众说纷纭。最终，各种因素的合力将人工智能拆分为各自为战的几个子领域。

如今，已年过半百的人工智能终于实现了它最初的一些目标。而现在，人工智能比以往的任何时候都更加谨慎，却更加成功。

不可否认，人工智能的许多能力已经超越人类，如围棋、德州扑克；如证明数学定理，学习从海量数据中自动构建知识，识别语音、面孔、指纹，驾驶汽车，处理海量文件，进行物流和制造业的自动化操作等。

机器人可以识别和模拟人类情绪，甚至充当陪伴员和护理员，人工智能的应用也因此遍地开花，进入人类生活的各个领域。

人工智能的深度学习和强化学习成了时代强音，一个普遍认同的说法是：2012年的ImageNet年度挑战开启了这一轮人工智能的复兴浪潮，ImageNet是为视觉认知软件研究而设计建立的大型视觉数据库，由华裔人工智能科学家李飞飞于2007年发起，ImageNet把深度学习和大数据推到前台，也使资金大量涌入。

近年来，人工智能开始写新闻，经过海量数据训练学会了识别猫，IBM超级计算机“沃森”战胜了人类智力竞赛的两任冠军，谷歌AlphaGo战胜了围棋世界冠军，波士顿动力的机器人Atlas学会了三级跳远。新冠肺炎疫情发生后，人工智能更是落地助力医疗：智能机器人充当医护小助手，智能测温系统精准识别发热者，无人机代替民警巡查喊话，人工智能辅助CT影像诊断……

究其原因，人工智能技术的商业化离不开芯片处理能力的提升、云服务的普及及硬件价格下降等。

海量训练数据及GPU（Graphics Processing Units）提供的强大而高效的并行计算促进了人工智能的广泛应用。用GPU来训练深度神经网络，所使用的训练集更大，所耗费的时间大幅缩短，占用的数据中心基础设施更少。

GPU还被用于运行机器学习训练模型，以便在云端进行分类和预测，从而在耗费功率更低、占用基础设施更少的情况下能够支持远比从前更大的数据量和吞吐量。与单纯使用CPU（Central Processing Units）的做法相比，GPU具有数以千计的计算核心、可实现10～100倍的应用吞吐量。

同时，人工智能芯片的价格和尺寸不断下降和缩小。2020年，全球的芯片价格比2014年下降70%左右。随着大数据技术的不断提升，人工智能赖以学习的标记数据获得成本下降，并且对数据的处理速度大幅提升。而物联网和电信技术的持续迭代又为人工智能技术的发展提供了基础设施。2020年，接入物联网的设备超过500亿台。代表电信发展里程的5G将为人工智能的发展提供最快1Gbps的信息传输速度。

这一切，无不昭示着我们正迎来的时代——人工智能时代。