過去幾年，人工智能（AI）的火爆似乎掀起了新一波的互聯網技術浪潮，無數技術人轉移陣地、投身其中。但是隨之而來的，是各種有關人工智能和機器學習技術的夸夸其談。可以說，在計算機科學領域中，從來沒有出現過如此眾多且毫不專業的人對某一技術領域如此趨之若鶩——即便對于二十世紀八十年代從事尖端硬件的人來說，這也是匪夷所思的事情。

近期，備受矚目的暢銷書作家、《人類簡史》和《未來簡史》的作者尤瓦爾赫拉利就講述了人工智能將對民主產生的影響。他的言論中充斥著對當前人工智能技術能力的極大信心，他說與Google同宗的DeepMind所開發的國際象棋軟件具有“創造性”、“富有想象力”，甚至擁有“天才本能”。此外，在英國廣播公司BBC的人工智能紀錄片中，吉姆·阿爾哈利利（Jim Al-Khalili）和DeepMind的創始人丹米斯·哈薩比斯（Demis Hassabis）講述了人工智能系統如何取得了“真正的發現”，而且還“真的提出了一個新的想法”，然后“憑自己的直覺”開發出了策略。

各種層出不窮的言論在使用夸張和擬人的手法來描述蠢笨機械化的系統，不一枚舉。現在，則是時候回頭仔細看看基礎硬件的現實了。

過去30多年，人工智能沒有任何重大進步

人們喜歡通過神話、比喻和借助計算機屏幕等人為形式來討論有關計算機技術，比如“直覺”、“創造力”和神奇的“策略”。AI專家從AI的行為中找出特定的模式并將其稱為“戰略”，但神經網絡并不知道“戰略”是什么。如果真的有“創造力”，那也是DeepMind研究人員的創造力，他們設計、管理和訓練了AI。

今天的AI系統是用大量的自動化試錯訓練出來的，每個階段都需要通過一項稱為反向傳播的技術來反饋錯誤并調整系統，以減少將來的錯誤，從而逐步提高AI在特定任務（如國際象棋）上的表現。

目前可以大幅提升AI（“機器學習”和所謂的“深度學習”）系統效率的方法主要以這種反向傳播技術為基礎，而這項技術發明于二十世紀六十年代，并于二十世紀八十年代中期由Geoffrey Hinton應用到神經網絡。

換句話說，在過去30多年中人工智能并沒有任何重大的概念進步——目前我們在人工智能研究和媒體上看到的大部分內容都是通過大量昂貴的計算硬件和復雜的公關活動渲染的一個古老的想法。

這并不是說DeepMind的工作沒有價值。協助開發者生成新策略和想法的機器非常有趣，特別是由于巨大的復雜性導致人們難以理解該機器的操作。在世俗文化中，技術的魔力和神秘非常誘人，而且在枯燥的工程領域出現一些非常神秘的東西是非常受歡迎的。

但遺憾的是，DeepMind的機器里并沒有靈魂。

一位上世紀九十年代的年輕程序員打破了傳統

所有圍繞DeepMind機器大做文章的行為都會讓人想起二十年前，一個非比尋常且意義深厚的“機器學習”系統給技術界所帶來的那種興奮感。

1997年11月，蘇塞克斯大學計算神經科學與機器人中心的研究員阿德里安·湯普森登上了那一期“新科學家”的封面，其題目是：“原始硅打造的生物——讓達爾文主義迷失在電子試驗室，一睹新的造物主。高效精干的機器，無人能理解。 ”而湯普森能登上封面的原因是他的作品引起了很大的轟動。

湯普森打破了傳統，在電子硬件上發展了機器學習系統——而不是使用傳統的軟件方法。他選擇這樣做是因為他意識到所有數字計算機軟件的功能都會受到計算機二進制開關的限制。相比之下，人類大腦的神經元得到了很好的進化，可以思考各種微妙且不可思議的復雜物理和生化過程。湯普森假設，通過自然選擇的自動化過程讓計算機硬件進化，就可以模擬出硅介質的所有實際物理屬性，而計算機的數字開關正是由這些硅介質構成，因此可能會產生某種東西有效模擬人類大腦的組成。

后來的事實也證明了他是正確的。

湯普森在他的實驗室中對FPGA（一種數字硅芯片，其數字開關之間的連接可以反復重新配置）的配置進行了改進，以便區分兩種不同的音頻音調。然后當湯普森在查看FPGA芯片內部開關之間的連接是如何通過改進過程配置的時候，他注意到一種令人印象深刻的高效電路設計——僅使用了37個元件。

不僅如此，該改進電路已經超出了數字工程師的理解范圍。37個組件中的一些沒有與其他組件電連接，但是一旦從設計中移除這些組件，整個系統就會停止工作。對于這種奇怪情況，唯一的解釋就是該系統在它所謂的數字組件之間利用了某種神秘的電磁連接。換句話說，該改進過程為了執行“計算”，已經卷入了系統組件和材料模擬的真實世界的特征。

作為一位二十世紀九十年代的年輕研究員來說，湯普森的工作發現確實令人驚嘆。計算機不僅設法發明了一種全新的電子電路，而且超越了人類電子工程師的能力，更重要的是它還指向了開發計算機系統和AI的方法。

獅頭工作室（現已解散）的經典游戲Black＆White，DeepMind創始人丹米斯·哈薩比斯最初擔任該工作室AI組組長

所以究竟是什么情況？為什么湯普森幾乎無人知曉，而后來的哈薩比斯卻為Google的母公司Alphabet贏得了滿堂彩，而且BBC還為之制作了謳歌的紀錄片？答案就在于時機。

人工智能還“時髦”嗎？

早在二十世紀九十年代，人工智能就已經十分時髦了。

現在三十多年過來了，AI不僅承擔起了引發“第四次工業革命”的重任，還是行業重點投資的下一個方向。雖然DeepMind的數字AI系統不是很擅長針對復雜的真實世界（如天氣或人腦）進行建模，但它們還是非常適合處理在線二進制世界的鏈接、點擊、點贊、共享、播放列表和像素等問題。

除了市場契機已至，DeepMind還深諳吸引觀眾的技巧。DeepMind通過培養技術的神秘性來推銷技術和高級人員，但它的演示始終只是玩簡單的、有計算規則的游戲，因為游戲具有媒體和公眾的高度關注以及視覺趣味性的優勢。實際上，該技術的大多數商業應用都將是相當平庸的后臺業務應用程序，例如優化Google數據中心（Google保存服務器的地方）的電源效率。

湯普森和哈薩比斯有一個共同點（除了他倆都是英國人以外），他們都擁有必要的技術和創造力，從而能夠有效地訓練和改進他們的系統，但是這種對人類的技術和創造力的依賴性很顯然是所有“人工智能”或機器學習系統的弱點，它們各自的技術也非常脆弱。

例如，湯普森的系統不能在與訓練環境不同的溫度條件下工作。同樣地，DeepMind擅長的一個視頻游戲（雅達利的Breakout）中，僅僅是改變擋板的大小就能讓AI的成績一落千丈。這種脆弱性是由于DeepMind的AI軟件不知道什么是擋板，甚至不知道什么是視頻游戲；它的開關只能處理二進制數。

不可否認，近年來機器學習系統取得了很大的進步，但這一進步主要是通過大量投入傳統計算硬件來實現的，而不是通過激進創新。在不久的將來，芯片集成技術將觸及極限，設計效率（即用更少的硬件進行更多處理）將在商業上更加重要，也許在那一刻可進化形式的硬件將流行起來。

人工智能會是下一個技術浪潮嗎？

技術是一個升級創新的過程，而不是通過“包裝”渲染的“虛假”式繁榮。而回顧每一次的技術浪潮，從最初的Web時代，到移動、云計算時代，然后是現在的人工智能、區塊鏈、物聯網浪潮，也并不是每一步都走得正確，也是經過了反復的迭代和推陳出新。

Web和操作系統的年代

自從第一個RFC（Request For Comments）于1969年發布以來，互聯網協議就有了一個分散的開發過程，并且形成了獨特的標準。雖然定義協議是分散的，但使用這些協議的核心平臺（例如思科路由器）仍然是專有的并且是封閉的。而思科1990年的首次公開募股開啟了不可思議的Web時代。

由于主要的網絡供應商都有自己的硬件，所以雖然局外人可以為協議規范做出貢獻，但只有網絡公司的開發人員才能將這些協議添加到他們的平臺。思科創建了各種公司，然后經歷各種收購或合并，直至互聯網泡沫破滅。

這之后的操作系統、桌面應用程序也都經歷了類似的戰斗。無論是20世紀90年代的Netscape和IE，還是今天的Chrome、IE和Firefox，瀏覽器一直是令人垂涎的應用程序，因為它是網絡的前端。

移動開發導致消費升級，云端混戰開啟統治時代

當蘋果公司推出App Store后，與網頁類似但功能更豐富的移動應用程序迎來了消費者能力升級的新時代。但是對于開發人員來說，有些人可能認為移動開發進入的門檻太低，這個對所有人開放的領地注定難以形成創新，才會導致現在的應用商店遍布垃圾、充斥著復刻和模仿。不過事實證明，仍有一小部分人成功創建了出色的應用程序，但絕大多數的人卻仍是無所作為。

而“得云者得天下”的云計算時代，在2006年開啟。彼時，谷歌推出了“Google 101計劃”，并正式提出“云”的概念和理論。此后，亞馬遜、微軟、惠普、雅虎、英特爾、IBM等公司紛紛入局，云端混戰。其中亞馬遜在采用AWS的云計算功能和新時代的定價方面做得非常出色，Google和微軟緊隨其后。

在云計算模式下，用戶借助云服務提供商的計算資源、存儲空間和各種應用軟件，就可以把連接“顯示器”和“主機”的電線變成網絡，把“主機”變成云服務提供商的服務器集群。也因此，近年來一大批的企業為了追求低成本和高性能而借助云計算實現數字化轉型。

區塊鏈、物聯網、人工智能主導下一波技術浪潮

區塊鏈、物聯網和人工智能則最有望成為下一個技術浪潮。

區塊鏈以其獨特的技術計算方式獲得了企業和用戶的熱烈追捧，而2016年印發的《“十三五”國家信息化規劃》中提出的“加強區塊鏈等新技術的創新、試驗和應用”更是為其加了一把火，在技術圈炒得火熱。2017年世界經濟論壇發布的白皮書《實現區塊鏈的潛力》，則提到了區塊鏈技術能夠使信息互聯網向價值互聯網的新時代轉變，開創更具顛覆性和變革性的互聯網時代。從目前來看，區塊鏈的技術應用雖不夠完善，但發展前景卻很值得期待。

物聯網（IoT）在過去的十年中經歷了幾次起伏。就進入門檻而言，構建物聯網設備的大多數軟件（甚至硬件）構建模塊都是常用的，但將商用物聯網設備推向市場是一項重大任務。物聯網已從一些標準化中受益，但它也是一個非常分散的空間，僅僅因為有“標準”并不意味著公司必須使用它們。因此，雖然未來的物聯網發展將會涉及到生活的各個領域，但是如何將其潛力發揮極致也是開發者和市場重要的一大命題。

而人工智能領域，正如前文所述，它是一個有著完備生態和豐富工具的技術，但是現階段的人工智能還不成熟，仍是基于以往研究的“美化”和“包裝”。不過正如各大科技巨頭們爭相涌入的勢頭一般，也正像Gartner2017年成熟度曲線所呈現的那樣，有了創新和突破，“真正的”人工智能很快就會到來。

未來已來，但是會以何種姿勢呈現，取決于技術市場和開發者們。