赵民按：

很多人担心机器会从人那里抢走工作，我并不不这样认为。就现在人工智能的具体现状而言，现在对这个技术的夸张的成分是比较多的，但人工智并没有那么厉害。同时，有一个优越于人类的智能，就是超人类智能，我不害怕人工智能的到来。

神经网络学派的发展

最早的计算机，在最开始的时候，被称为电子大脑。实际上第一部电脑的诞生也就意味着人工智能的诞生。人工智能有两个不同的学派，第一个学派就是知识学派，也叫做符号学派，还有另一个学派叫神经网络学派。他们两个学派几乎是同时开始的，但是符号学派在人工智能领域长期是占上峰。为什么会造成这种局面呢？因为神经网络在当时的计算机的条件下，是非常难以实现的，但是改变这一局面的就是摩尔定律。计算机性能越来越强大，速度越来越快，价格也越来越便宜，神经网络也变得可以实施了，我们进入了深度学习时代。

首先神经网络成为了现实，再进一步就是深度学习，深度学习是在很多层的神经网络基础上。很多人认为，2006年是深度学习的初生之年，因为2006年发现了多层的深度学习网络。2012年深度学习的网络取得了非常大的成就，就是图象的识别。接下来每一年深度学习网络都有特别重大的突破，现在我们看到的是深度学习对于识别音频和语言的最前沿的成果。

我们现在生活的这个时代，人机对话非常盛行。图片识别的技术也日新月异，越来越准确。2012年，神经网络学会了去识别猫，但是，当时他们是一共用了16000个处理器才完成的这个任务。这也是现在人工智能的一个奥秘所在， GPU这么小的一个体积，但是性能是非常强大的。

现在机器翻译的质量也是越来越高，所以现在许多大公司都向人工智能的初创公司进行投资，AI的初创公司的估价现在都很高。去年有一个很大的新闻，就是一个叫AlphaGo的软件打败了人类的围棋大师。虽然这并不是第一次机器打败人类，但是因为这件事是由谷歌下属的一个公司做的，所以有很多的媒体对此进行了大篇幅的报道。 

因为现在AI的性能真的是很强大，有许多人对于AI心有忌惮。比如有个人在旧金山成立了一个组织，希望可以将AI用到有益的地位，而不是对人类有害的地方。机器人也取得了同样的进步，甚至人工智能也涉及到了艺术领域，去年有一个非常著名的神经网络的艺术创作者，展出了一些人工智能化的一些画。神经网络首先学会了人类艺术家的画风，给它任何一个图片，都可以转化成这个风格的图画。

人工智能的真实用处

人工智能的成果的确也令人叹为观止，我也很理解为什么人们对于人工智能有一些恐惧。但是就现实中人工智能的一些真实的用处，我们的体会就会大不一样。

我们现在经常说机器人和无人驾驶汽车，但是他们只能在结构化程度非常高的程度下进行工作。我们必须制造一个环境，明确的告诉他们什么可以做，什么不可以做。在那样的环境中，即使智商很低的人也可以开车。所以在那样结构化程度很高的环境中，汽车也可以自己驾驶，就是无人驾驶。能做到这一点的秘诀在于结构化环境，无人驾驶汽车在一些美国的城市或者是拉丁美洲很难去成为现实，因为环境特别的混乱。机器能识别一只猫，让人觉得特别的印象深刻，但是别忘了任何一只老鼠也可以识别猫，老鼠也并不需要16000台电脑的帮助去识别一只猫。

AlphaGo取得的成绩非常令人惊叹，但是也看一下背后所支持的那些技术。它有一个很庞大的数据集，里面包含了15万场比赛。而且很重要的一个事实就是机器强大的运算能力。AlphaGo只可以干一件事情，就是下围棋。用一个非常简单的运算来解释，AlphaGo需要消耗440千瓦的能量才能完成一件事情，而人类的大脑只需要用20瓦的能量。人类的大脑只需要用20瓦的能量，但是可以做很多事情，可以下围棋，过马路，做面对面的交流，还有许多其他的事情。也许AlphaGo真的是让人非常的惊讶，但是440千瓦的能量，你看一下旁边的普通的人，20瓦，究竟谁更加的智能，答案显而易见。

还有一个很重要的事实，就是神经智能只有在很大的数据集的前提下才可以工作。我做了一个这样的数据的列举，这些是神经网络背后的数据级的量级。比如说李飞飞建立了庞大的数据集，三年以后图象识别的技术取得了非常长足的发展。如果说你读到一个新人说神经网络取得了什么样的进步，你一定要注意在这个成就取得的许多年前，肯定有人已经建立了一个相关的庞大数据集。有人就建立了这个逻辑数据集，希望神经网络可以去学习。

大家别忘了，神经网络是依靠计算机的速度越来越快而实现的，如果说计算机的发展终止了以后，神经网络将去往何处呢？下场将如何呢？在这个过程中要看到人工智能的有限。

中国机器人行业的发展未来