近年來的三大突破推動了人們期待已久的人工智能的到來。
　　1. 廉價的并行計算
　　思考天然就是一個并行過程，數(shù)十億神經(jīng)元同時運(yùn)作來創(chuàng)造同步的皮層計算波。為了打造作為AI軟件主要架構(gòu)的神經(jīng)網(wǎng)絡(luò)，需要多個不同的進(jìn)程同時進(jìn)行。神經(jīng)網(wǎng)絡(luò)的每一個節(jié)點(diǎn)都大致代表大腦的一個神經(jīng)元，與周邊節(jié)點(diǎn)互動，理解接收到的信號。為了理解一個說出來的詞，程序必須能聽到所有相關(guān)的音素；為了識別一張圖片，它需要看到每一個像素以及周邊像素；這些都是需要深度并行計算的任務(wù)。但直到最近，通常的計算機(jī)芯片都只能一次處理一項任務(wù)。
　　這一切從十多年前就開始改變了，圖形處理單元（GPU）芯片的出現(xiàn)，可以用來滿足視頻游戲中繁重的視覺和并行計算需求，即每秒需要多次重新計算數(shù)百萬像素。這一任務(wù)需要一塊專門的并行計算芯片，作為PC主板的補(bǔ)充。這種并行圖形處理芯片奏效了，游戲性大幅飆升。到2005年，GPU價格大降。2009年，斯坦福大學(xué)的吳恩達(dá)（Andrew Ng，現(xiàn)已加入百度）及其團(tuán)隊意識到，GPU芯片可以并行運(yùn)行神經(jīng)網(wǎng)絡(luò)。
　　這一發(fā)現(xiàn)釋放了神經(jīng)網(wǎng)絡(luò)新的可能性，使得神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)的連接數(shù)可達(dá)數(shù)億。傳統(tǒng)處理器計算一個一億節(jié)點(diǎn)神經(jīng)網(wǎng)的所有級聯(lián)可能性需耗時數(shù)周。而吳恩達(dá)發(fā)現(xiàn)，一個GPU集群完成同一任務(wù)只需一周。如今，諸多使用云的公司使用運(yùn)行在GPU之上的神經(jīng)網(wǎng)絡(luò)，比如識別照片中用戶好友的Facebook，為其5000萬訂戶提供可靠推薦的Netflix。
　　2. 大數(shù)據(jù)
　　每一種智能都需要教育。就算是天生能進(jìn)行分類的人腦，也需要看到十幾個例子，才能分辨貓和狗。這一點(diǎn)對于人工智能而言更是如此。即便是編得最好的程序也需要玩至少一千局國際象棋才能表現(xiàn)良好。AI突破的部分原因是我們收集到的海量數(shù)據(jù)，為訓(xùn)練AI提供了所需的材料。巨型數(shù)據(jù)庫、自追蹤、網(wǎng)絡(luò)cookie、在線足跡、TB級存儲、十幾年的搜索結(jié)果、維基百科以及整個互聯(lián)網(wǎng)都成了讓AI變得更聰明的老師。
　　3. 更好的算法
　　數(shù)字化神經(jīng)網(wǎng)絡(luò)發(fā)明于20世紀(jì)50年代，但計算機(jī)科學(xué)家們花了數(shù)十年時間來駕馭100萬到1億個神經(jīng)元之間龐大的組合關(guān)系。解決問題的關(guān)鍵是按層來組織神經(jīng)網(wǎng)絡(luò)。就比如識別人臉這個相對簡單的任務(wù)。當(dāng)一個神經(jīng)網(wǎng)絡(luò)中有一組比特被發(fā)現(xiàn)符合某個模式（比如眼睛）時，這一結(jié)果就會傳輸給神經(jīng)網(wǎng)絡(luò)的另一層來進(jìn)一步解析。下一層可能會將兩只眼睛組合到一起，然后將這一有意義的結(jié)果傳輸給下下一層，而下下一層又可以將這一結(jié)果與鼻子的模式聯(lián)系在一起。識別一個人臉可能需要幾百萬個節(jié)點(diǎn)（每個節(jié)點(diǎn)都會生成供周圍節(jié)點(diǎn)使用的結(jié)果），層數(shù)可達(dá)15層。2006年，當(dāng)時供職于多倫多大學(xué)的Geoff Hinton對這一方法進(jìn)行了一次關(guān)鍵改良，并將它命名為“深度學(xué)習(xí)”。他能從數(shù)學(xué)上優(yōu)化每一層的結(jié)果，從而使學(xué)習(xí)速度加快。幾年后，深度學(xué)習(xí)算法被移植到GPU上，速度提升巨大。深度學(xué)習(xí)算法并不足以保證復(fù)雜的邏輯思考，但它是目前所有AI必不可少的組成部分，包括IBM的Watson、Google的搜索引擎以及Facebook的算法。
　　
　　這一由并行計算、大數(shù)據(jù)和深度學(xué)習(xí)算法組成的完美風(fēng)暴使得進(jìn)行了60年的AI一夜成真。而這一交叉也表明，只要這些技術(shù)趨勢延續(xù)下去（也沒有理由不延續(xù)），AI將繼續(xù)得到改進(jìn)。
　　隨著改進(jìn)的繼續(xù)，這一基于云的AI將日益成為我們?nèi)粘Ｉ畈豢苫蛉钡囊徊糠帧５@一切都有代價。云計算遵循收益遞增的法則（有時候也被稱為網(wǎng)絡(luò)效應(yīng)），即網(wǎng)絡(luò)越大，增長越快。網(wǎng)絡(luò)越大，對新用戶的吸引力就越大，從而使得網(wǎng)絡(luò)變得更大，這又進(jìn)一步增大了吸引力，如此往復(fù)。提供AI的云也遵循同樣的法則。越多人使用AI，AI就會變得越聰明。一旦一家公司進(jìn)入這一良性循環(huán)，它就會變得更大，增長得更快，沒有任何新興競爭對手能與之匹敵。因此，未來的AI將由兩到三家大的通用云AI公司統(tǒng)治。
　　半人半AI
　　1997年，Watson的前任深藍(lán)擊敗了當(dāng)時的國際象棋大師Garry Kasparov。在機(jī)器又勝了幾場類似的比賽后，人類基本上失去了對此類比賽的興趣。你可能以為這就是故事的結(jié)局了，但Kasparov意識到，如果自己也能像深藍(lán)一樣立刻訪問此前國際象棋棋局的海量數(shù)據(jù)庫，他能表現(xiàn)得更好。如果這一數(shù)據(jù)庫工具對于AI來說是公平的，為什么人類不能用呢？為了探索這一想法，Kasparov率先倡導(dǎo)人加機(jī)器比賽的概念，即用AI增強(qiáng)人類國際象棋選手，而不是人類對抗機(jī)器。
　　如今這類比賽被稱為自由風(fēng)格國際象棋比賽，選手們可以使用任意對抗技術(shù)，可以單人上，也可以完全按照國際象棋計算機(jī)的要求移動棋子，或者如Kasparov 所倡導(dǎo)的成為“半人半AI”選手。“半人半AI”選手將聽取AI提供的下棋建議，但通常會不顧這一建議，就像我們在汽車上使用GPS導(dǎo)航一樣。在2014年的自由風(fēng)格國際象棋冠軍賽中，純粹的國際象棋AI引擎贏了42場比賽，而“半人半AI”選手贏了53場比賽。現(xiàn)在最優(yōu)秀的國際象棋選手就是“半人半AI”的Intagrand，這是一個由人類和多個國際象棋程序組成的團(tuán)隊。
　　但最令人驚訝的是：AI的出現(xiàn)并沒有降低純?nèi)祟悋H象棋選手的表現(xiàn)。相反，便宜、超級聰明的國際象棋程序激發(fā)了更多人來玩國際象棋，聯(lián)賽場數(shù)增多，選手們也變得更好了。現(xiàn)在的國際象棋大師人數(shù)是深藍(lán)擊敗Kasparov時的兩倍多。如今排名第一的人類國際象棋選手Magnus Carlsen接受了AI的訓(xùn)練，他被視為最像計算機(jī)的人類國際象棋選手，同時也是有史以來排名最高的人類國際象棋大師。
　　AI定義了人類
　　如果AI能幫助人類成為更好的國際象棋選手，它也能幫助我們成為更好的飛行員、醫(yī)生、裁判和老師。大多數(shù)由AI完成的商業(yè)工作都將使用專門的軟件AI，比如某個AI能將任意語言翻譯成另一語言，但在其他方面就無能為力了；能開車，但不能對話；或者能回憶起YouTube上所有視頻的每一個像素，卻不能預(yù)測用戶的日常工作。在未來10年中，人們直接或間接打交道的AI中有99%會是高度專一的專家AI。
　　事實(shí)上，這并非真正的智能，起碼不是我們所認(rèn)為的智能。實(shí)際上，智能可能是一種傾向，尤其是如果我們認(rèn)為“智能”是自我意識的話。我們希望自動駕駛汽車只專注于道路，而不是和車庫爭論。醫(yī)院里的Watson應(yīng)該專心于自己的工作，而不是想是否應(yīng)該先主修英語。隨著AI的發(fā)展，我們可能要預(yù)防AI產(chǎn)生意識，最高級的AI服務(wù)可能會以無意識來標(biāo)榜自己。
　　相反，我們想要是人工智慧而非智能。與通常的智能不同，智慧專注、可度量，具有專門性。智慧也能以完全不同于人類認(rèn)知的方式思考。這種非人類思考方式的有趣例子是，IBM研究人員在今年3月的西南偏南大會上演示了用Watson生成菜譜。其中一個菜譜是使用了酸橘汁腌魚和油炸車前草的炸魚和薯條。有人試吃了后，感覺味道還不賴！人類可能根本就想不到這種菜譜。
　　非人類智能不是問題，而是功能。AI的主要優(yōu)點(diǎn)就是它們的異類智能。AI思考食物的方式與大廚不同，從而也能讓我們以不同的方式思考食物，思考制造材料、衣服，思考金融衍生物，或是任一門類的科學(xué)和藝術(shù)。人工智能的異類性對我們的價值將比其速度或力量更大。
　　AI將幫助我們更好地理解智能。過去，我們會說超智能AI將駕駛汽車，或是在國際象棋大賽上擊敗人類。而一旦AI做到這些事情，我們就覺得這些成就并不足以稱之為真正的智能。AI取得的每一次成功都重新定義了自己。
　　但我們不只是在重新定義AI的含義，我們也在一直重新定義人類的含義。在過去60年中，隨著機(jī)械加工復(fù)制了我們曾以為只有人類具有的行為和能力，我們不得不改變之前將人類與機(jī)器區(qū)分開的看法。隨著更多種類AI的發(fā)明，我們將被迫放棄更多被視為只有人類具有的東西。我們將在接下來的十年或一個世紀(jì)中面對一場永久的身份危機(jī)，不斷追問人類存在的意義。最諷刺的是，日常使用的實(shí)用性AI帶給人類最大的好處不是增加了效率，帶來了豐饒經(jīng)濟(jì)，或是進(jìn)行科學(xué)研究的新方式，而是幫助定義人類。我們需要AI來告訴我們是誰。