以认知系统来说，一方面，需要在传统的计算机上做延展，包括用 FPGA、图形处理器来做加速，使它更好地支撑认知应用。另一方面，如何构建模仿人脑功能的新一代的计算机系统也还需要探讨。

比如发达国家已充分认识到人工智能的战略意义，除了加速将新技术落地到产业，美国、欧盟和日本从2013年起都开始设立「大脑研究计划」，要为人工智能找到更为本质的支撑系统。

还有随着去年资本新规出台、资本寒冬等政策和市场的变化，融资难的问题让大波人工智能创业公司走到破产边缘。根据《北京人工智能产业发展白皮书(2018)》对国内AI创业公司数量和投资的统计显示，截至2018年5月8日，全国人工智能企业4040家，但其中拿到风险投资的公司合计1237家(含31家已上市公司)，占总数的30%，也就是说，有70%的公司仍然拿不到投资。

在人工智能技术竞赛中，国内的人工智能团队开始名列前茅。科大讯飞、商汤、旷视、寒武纪、地平线等展露头角的人工智能创业公司。除了互联网巨头、新兴人工智能创业公司，还有传统的生物识别公司都在人工智能领域试图占领「高地」。

比如眼神科技CEO周军从开始筹划创业。 2003年指纹识别研发成功，并开始在银行业落地应用。2007年又研发出虹膜算法，到2015年，基于深度学习的人脸识别技术和产品就已在全国20多家银行上线。

这波人工智能浪潮能够看出，技术创新的驱动力不再是由国家建设为主，民营企业已经有足够的能力去研究、应用科技界*前沿的技术，并且来影响政府机构对技术方向的判断。

可是前两次的历史经验告诉我们，超乎寻常的期待，总是会得到超乎寻常的失望。尤其是媒体、资本、市场的探测灯都在寻找下一个Big Thing, 人工智能恰好满足对实现他们对科幻场景的期待。

此后，深度学习技术在图像、语音、自然语言处理上都实现了低误差突破。2011年以来，微软研究院和谷歌都用DNN技术降低了语音识别错误率20%～30%，在2012年，DNN技术在图像识别领域取得惊人效果，在ImageNet上将错误率从26%降低到15%。

学术界对人工智能研究的热情暴增。联合国联合国世界知识产权组织今年发布份《2019技术趋势——人工智能报告》显示，从50年代到2016年，科研人员已提交超过34万份人工智能发明申请，发表的科学出版物超过160万篇(部)。而这其中的超过半数是2013年以后公开的。其中在国别总申请量方面，美国、中国、日本排在前三位。

很多公司也看到了深度学习神经网络的潜力。百度是较早成立专注深度学习研究院的公司，引进了大量的人才。像Fackbook前资深科学家徐伟、AMD异构系统前首席软件架构师吴韧、Twitter和Facebook数据中心建设的负责人Ali Heydari、曾训练世界级人工神经网络的Adam Coates等人才都加入了当时百度2013年在硅谷正式成立的百度实验室。

在人工智能技术竞赛中，国内的人工智能团队开始名列前茅。科大讯飞、商汤、旷视、寒武纪、地平线等展露头角的人工智能创业公司。除了互联网巨头、新兴人工智能创业公司，还有传统的生物识别公司都在人工智能领域试图占领「高地」。

比如眼神科技CEO周军从开始筹划创业。 2003年指纹识别研发成功，并开始在银行业落地应用。2007年又研发出虹膜算法，到2015年，基于深度学习的人脸识别技术和产品就已在全国20多家银行上线。

这波人工智能浪潮能够看出，技术创新的驱动力不再是由国家建设为主，民营企业已经有足够的能力去研究、应用科技界*前沿的技术，并且来影响政府机构对技术方向的判断。

可是前两次的历史经验告诉我们，超乎寻常的期待，总是会得到超乎寻常的失望。尤其是媒体、资本、市场的探测灯都在寻找下一个Big Thing, 人工智能恰好满足对实现他们对科幻场景的期待。

聚光灯之后隐藏的阴影是什么？这会又是一场魔术障眼法吗？人工智能的第三次寒冬会到来吗？

市场上还有很多这样对人工智能的「质疑声」。中国人工智能学会副会长任福继看来，「过去30年来，人工智能在应用方面成果看起来风生水起，但实质上特别是在理论方面并无重大突破，而仅仅是依赖上世纪80年代开始的数据驱动，也就是大数据驱动的机器智能进化。加上云计算和物联网的出现，人工智能在算力和数据层面开始有了新的助力。」

也就是说深度学习也并不是开启通往人工智能巅峰的一块罗塞塔石碑。这个理论本身是通过大量数据分析，找出重复的特征活着数据之间的统计关联性，并不是因果和本质上的特征。

目前的人工智能还集中处于「弱人工智能」阶段，在特定功能场景下的专用智能，比如语音识别、图像处理和物体分割、机器翻译、无人驾驶等领域有重大的突破，甚至能够接近或超越人类的水平，但还不能适应复杂的新环境和不断涌现出新的功能。比如对噪音数据的识别并不理想、对语义理解还仅限于娱乐。

另外，人工智能想要把IT 产业带向 「认知时代」，不仅仅需要人工智能算法的创新，还需要构建认知系统、认知平台、认知算法、认知应用等完整的生态链。

以认知系统来说，一方面，需要在传统的计算机上做延展，包括用 FPGA、图形处理器来做加速，使它更好地支撑认知应用。另一方面，如何构建模仿人脑功能的新一代的计算机系统也还需要探讨。

比如发达国家已充分认识到人工智能的战略意义，除了加速将新技术落地到产业，美国、欧盟和日本从2013年起都开始设立「大脑研究计划」，要为人工智能找到更为本质的支撑系统。

还有随着去年资本新规出台、资本寒冬等政策和市场的变化，融资难的问题让大波人工智能创业公司走到破产边缘。根据《北京人工智能产业发展白皮书(2018)》对国内AI创业公司数量和投资的统计显示，截至2018年5月8日，全国人工智能企业4040家，但其中拿到风险投资的公司合计1237家(含31家已上市公司)，占总数的30%，也就是说，有70%的公司仍然拿不到投资。

和美国市场相比，国内的IT环境发展还参差不齐，人工智能发展伴随着企业数字化、云化等多重变革重叠，很难一步到位，快速落地。投资人在投项目的时候优先考虑的是市场的有效性，反而不是技术的性。

人工智能很可能像互联网一样，成为电、水一样的存在，进入到各行业。根据Gartner 副总裁、智能机器人领域分析师汤姆·奥斯汀所言，目前科技巨头、知名大学、研究机构分别在深度语音识别、 深度影像识别、深度神经网络、自然语言处理上发力，也许要到 2050～2075 年人工智能市场格局才会稳定下来。

人工智能从「弱人工智能」到「强人工智能」的进化，究竟有多大的希望？

可能还是取决于我们对世界的认知，以及对自我的认知。毕竟人类大脑很大部分仍然处于「我们不知道自己还不知道」的状态。