已经很久没有落笔写点什么，突然拔高写些未曾涉足的领域，十足有些尴尬，但毕竟是兴趣，便且对人工智能作出粗浅的理解，当切作为文字沉淀的第一次练手。

人工智能自15年开始变得异常火热，好像全世界引爆了又一次人工智能风暴，从人工智能助手到无人车，大大小小的场景都能看到其应用的身影，但我认为无外乎不出以下几个分类：

第一类认知，自然语言处理，计算机视觉和音频处理等，机器通过与外界交互，对外界的信息进行收集及解释，例如：机器翻译，图像识别等；第二类预测，通过对某一特定场景海量信息进行分析处理，推理预测之后其行为和结果，例如，推荐系统；第三类决策，通过多方的信息分析处理，针对某一事件作出最优决策，例如，行车路线，动态调价等；第四类集成解决方案，多重技术合作解决问题，例如：自动驾驶，智能家具等。这四类分类的核心类似类人能力，即“认知-预测-决策”具象于人思考问题的时间轴属性，希望便于理解。

说到人工智能，不得不先说其发展。

一个概念从想象，到基本假设及逻辑推理（人类思考过程可以机械化）历经2000年，再到数理逻辑的思辨，直到1956年达特茅斯会议人工智能正式诞生，至此，人工智能开启大起大落2次跃进，而今第三次热潮已经席卷全球。但说起这第三次热潮，总能看到些与过去的异同之处，分析几点，其一：数据样本基础，共知的是人工智能是基于海量数据的处理分析，而过去数据量级局限了人工智能的发展，这里应该算是互联网的功绩，正是因为互联网的发展才引发信息爆炸，代谢出足量的数据基础；其二，算法的创新，深度学习的深入探索，是加速人工智能发展较为重要的环节，核心的神经网络增加了其应用场景的深度；其三：硬件提升，gpu本身的提升增加了算法的运算量，加之对新方向的探索，例如，fpga或asic架构的探索提升应用层的落地，切实的加速了人工智能在应用面的发展； 其四，基础设施的建立（云计算机房），基于云计算的发展为人工智能创造出发展大环境，使更多的创业者涌入加速人工智能商业进程；其五，人才基础，虽然目前人工智能的人才仍然供不应求，但比起之前，在传统it及互联网多年的发展孕育下，奠定了人才趋势基础；其六，政策基础，多国分分出台政策来支持发展人工智能，部分大国甚至把其作为国家战略，以供孕育技术发展及应用落地；其七，资本驱动，之前的人工智能发展大部分趋于政府资助，如今更多的是政策下资本驱动力，形成成熟的市场生态，加速行业发展。

这里我可能需要强调政策的作用力，毕竟需求决定市场，而政策是市场的催化剂。

人工智能是一个需要长期孕育的行业，单独依靠市场无法有效的影响其发展进程，相反单靠政策也同样不行，国家政策应当具有引导性，加大市场杠杆作用，充分发挥出市场价值。欧美已经把人工智能作为影响未来的国家实力的重要因素；另外，美国已经把人工智能作为其国家战略，而我国，国务院印发《中国制造2025》等都强调发展对人工智能领域的探索及应用，充分看到各国对人工智能的倾爱。这绝非空穴来风，尤以我国为例，个人认为，首先，由于中国的发展具有一定的历史特色，改革实体业一直缺乏长足进展加之人口老龄化趋于严重，无法直接进行有效的产业升级将可能由于消费升级带来严重的经济后果，例传统工业改造升级4.0需要新的技术驱动，而人工智能其属性之一预测恰好可以优化产能，大数据驱动消费品生产大大解决产能浪费；次之，中国改革开发以来，著以房地产为经济引擎半资本主义发展模式，后经过互联网转型为数字经济体，成为中国经济的增长拐点，但伴随人口红利减弱及互联网发展进入后半程，国家需要引入新一轮创新寻求出路，而人工智能所展现的想象空间巨大，加之互联网衍生的数据样本充足，正好给予人工智能滋生发展的大环境，最终可能促使中国弯道超车进入世界强国的最好时机。

当然，自人工智能诞生之初，就因其所展现的想象空间带来了很多无形的社会矛盾，思辨争论从未停歇。

首先，未来人工智能是否能超越人类的问题，就问题本身是不确定性的，也就注定思考这类问题本身是低效的，不如思考如何把控人工智能的行业规范及建立正确的社会价值观，作出适当的政策约束创新的斜枝，当然单就目前来看，人工智能还远远不足以达到那个高度；第二点，人工智能领域的发展最终可能诞生巨头企业，因此其企业拳头威力巨大，被极个别反社会分子或利益集团消极利用产生的结果及余波无法估量，人工智能犯罪因其想象空间变得不可控，因此，政府对企业的监管及企业对于技术后门的设定都需要提上桌面，以防患未然；第三点，对于人工智能代替部分人的就业问题，失业潮带来的政治经济影响不容忽视，但就人工智能的发展演变是需要时间的，同时会诞生新的就业空缺，以此置换。例如中国，电商带物流，虽然线下商超一段时间出现大量停业潮，但就其转向物流供应，使国内逐渐建立较为完整的供应链体系，其创造的基础面服务人员数量巨大，此间还未提及对应的线上客服就业量，其就业平衡并没有因为一个领域的走弱而失衡，另外，中国人口老龄可能化引发的社会生产力剧降，而恰恰人工智能会有效的解决此类问题；第四点，学习数据是人工智能一个重要的环节，但如今很多数据信息存在很多不良因素，例如：歧视，那作为做人工智能对数据的解析及决策很可能带有其数据本身的属性，个人认为算法应当在此时体现更大的价值，就如同一棵即将长歪的小树和辅助成长的工具一样，有效的筛选数据和创新算法本质上有希望优化解决此类问题；第五点，影响全球政治环境，因存在数据鸿沟，人工智能最终将加大国家之间的经济差距，对于小国，数据量不足限制其人工智能的发展，所以应当有效的把控其优势而非趋于风口，虽未来多数产业都将受人工智能影响改善社会生产力，但加强国家与国家合作，对利输送可以有效的降低社会不稳定因素，不能因为一个结果而把一系列问题归咎于工具，这本身就是抑制创新的愚昧想法。

人工智能是很多国家的机遇，但面对发展，个人认为需要冷静思考当下应当被看重问题。

其一，人工智能的发展一定是长期多阶段性的，它的发展决然与互联网有诸多的不同，因此我们更需要理智对待，强调阶段性发展，自上而下的，从国家规划到企业发展，从企业家决策到寻常百姓认知，普及人工智能的阶段性理解，充分评估技术所处于的发展阶段，尽可能规避低效的试错成本，最终达成人工智能对社会的价值主张。

其二，建立张弛有度的行业规范，处于人工智能的发展初期，如果过大捆绑法律法规及纳税标准，无疑是限制了行业的发展，但也不能任其野蛮生长，最终不仅产生恶性竞争影响市场环境更甚出现高频的技术犯罪影响社会。

其三，过度强调人工智能核心环节，缺乏对其上游的作用。

数据规范问题，对于数据处理过程中，很大劳动力都趋于标记数据或者排清脏数据等问题，从两个节点进行优化，1. 教化数据产生时自主的打标签（这里应该倡导产品教化，有目的性的引导数据生产者）  2. 如李飞飞那样公益化数据标签体系，以更高的格局推动人工智能领域的发展。

加强对芯片的投资力度，以提高算法执行的数据运算量，尤其以我国为例，中高端芯片绝大数依靠进口，所以芯片业的发展对我国而言凸显的尤为重要，当然也同时整个行业较为重要的入口。

其四，加速商业化演变，目前大多数人工智能只寄于技术本身提升或非应用价值的产品，其有价值的商业产品屈指可数，无形中加大资本投资压力。探索产品化方案将会在下一篇文章做出自己粗浅的见解。