为何人工智能能取得如此突飞猛进的发展？四个指数趋势告诉你答案！

Toby Walsh是澳大利亚新南威尔士大学（CSIRO）的教授，Data61 （CSIRO）研究小组组长，人工智能方面的专家。Walsh教授在悉尼首席信息官峰会上发表主题演讲时说道：CIO（首席信息官）们其实不需要担心人工智能会对未来造成威胁，我们距离生产出与人类大脑高度匹配的机器人还有很远的路程。

Walsh教授认为，我们目前造出的机器人虽然执行任务的水平超过人类，但它们只会按照我们的要求去执行任务，只能算是一个无意识的文字工具。我们如果想要生产出与人类能力完全一致的机器人或许还需要很久，可能是50年，也可能是100年，甚至是永远。

尽管如此，Walsh教授还是很高兴人工智能威胁论的话题能够成为CIO们关注的焦点，并且出现在战略商业计划中。

Walsh教授说到：“人工智能是当前人们最喜欢的科目之一，同样也是我小时候最喜欢的科目。我们读过很多的科幻小说，梦想着一个满是智能化电脑和机器人的未来，这样的未来似乎已经快要到来。”

我们或许想要问这样一个问题：人工智能能够在今天取得这样突飞猛进的发展，到底是基于怎样的因素？Walsh教授将答案总结于四个指数趋势。

第一个指数趋势是摩尔定律，由于物理量子限制等技术问题导致摩尔定律失效。英特尔宣布，今后晶体管数量再也不会每两年翻倍一次。

Walsh教授表示，尽管如此，我也并不担心这个领域的发展会受到限制。在过去的20年，芯片研发人员一直处于很懒散的状态。他们只是缩小了806数据结构，在芯片的设计上并没有太大的创新。但是我们看到了DPU（分散处理单元）的价值，我们在硬件中看到了更多有趣的东西，比如机器学习。这将会使我们在相同的晶体管数量下进行更多的计算。虽然摩尔定律在技术上已经消亡，但仍存在很大的创新空间，并将为计算机的发展赋予更大的动力。

第二个指数是不断升级的数据量。在企业家心里，运营和客户数据永远排在第一位。Walsh教授表示，如今的数据量比过去翻了几番，这对于人工智能来说是一个大契机。我们现在做的很多事情，尤其是机器学习，都属于数据培训。

Walsh教授补充到，目前人工智能的一个不足点是机器学习的速度过于缓慢。机器学习虽然是模仿人类的思维去学习，但是与人类不同的是机器学习是从例子中模拟学习。最先进的机器学习仍然需要从几十万甚至是几百万的例子中学习。但唯一的好处是海量的数据得以收集，我们可以从大量的数据中迅速得到想要的信息。

第三个指数趋势是算法方面的突破进展。Walsh教授表示，在过去的几年里，随着深度学习的发展，算法的性能呈指数级增长。

第四个指数趋势是流入该领域的资金数量。Walsh教授表示，通过这种方式，您可以衡量该领域的风险投资数量，可以预估AI领域的参与人数以及创业公司的数量，并且这些数量每两年就会翻一倍。

“将这四个趋势放在一起，就是人工智能取得重大进展的秘诀。”但Walsh教授强调，尽管人工智能前景可观，但想要生产出达到人类执行能力的机器人，未来还需面临很多棘手挑战。

考虑到技术的局限性，Walsh教授认为，今天的人工智能可以完成一些实时性强的重复性高的任务，例如瞬间识别人脸功能。

说到这里，那么我们一般都会让机器人帮助我们做哪些工作呢？一般分为这四类：肮脏的（dirty）、无趣的（dull）、困难的（difficult）、危险的（dangerous），我们称之为4D。从这种意义上讲，机器人也确实是一个有意思的存在。

如今随着科技的发展，人们对科技的要求越来越高，实际应用需要涉及更复杂的自动化和人工智能，聊天机器人就是人工智能实际应用的一个很好的例子。

文章最后，笔者用Walsh教授的一句话作为结尾：“在我们担心人工智能可能带来威胁之前，我们真正需要处理的是地球更紧迫的问题，比如气候变化！”