第二章 AI复兴：深度学习+大数据=人工智能（第2/20页）

1998年，我来到北京创立微软亚洲研究院的时候，正值当时人工智能的热潮开始消退，人们对热潮中随处可见的盲目情绪心有余悸，很多人甚至不愿再用“人工智能”这个词来指代相关的研发领域。在学术圈子里，一度有很多人觉得，凡是叫“人工智能”的，都是那些被过分夸大，其实并不管用的技术。结果，我们为微软亚洲研究院设定科研方向的时候，就经常主动回避“人工智能”这个字眼儿，而是选用“机器视觉”“自然语言理解”“语音识别”“知识挖掘”之类侧重具体应用领域的术语。

仅仅因为人工智能的表现与普通人的期望存在差距，我们这些研究人工智能的人就羞于提及“人工智能”，这真是一件尴尬的事儿。

那么，今天这次人工智能热潮会如何发展呢？第三次人工智能热潮有何本质上的不同？几年后的我们是否还会像前两次那样，不但忘掉了曾经的兴奋，还愤愤地说人工智能都是骗子？学术界、投资界、商业界乃至普通大众还会像此前两次那样在热闹了一阵子之后就归于沉寂，甚至跌入冰点吗？

用高德纳技术成熟度曲线看AI发展史

和前面那张搞笑的“人工智能发展成熟度曲线”不同，学术界、产业界和投资界在谈到技术高潮与低谷时，经常会引用高德纳咨询公司（Gartner）推荐的技术成熟度曲线。

这条曲线显示出，几乎每一项新兴且成功的技术，在真正成熟之前，都要经历先扬后抑的过程，并在波折起伏中通过积累和迭代，最终走向真正的繁荣、稳定和有序发展。

图19　高德纳咨询公司（Gartner）技术成熟度曲线（CC BY-SA 3.0，Wikipedia）29

如图19中的曲线所示，一种新科技的研发过程通常是这样的：初创公司接受第一轮风投，开发出第一代产品，虽然不成熟，但足以吸引一批早期接受者——粉丝。在早期阶段，产品的优点被粉丝放大，大众媒体跟风炒作，将该技术推向一个充满泡沫的膨胀期。随着盲目的追捧者激增，跟风研发、生产的初创公司越来越多，产品的不足被无限放大，负面报道开始出现，供过于求的市场竞争中，大批跟风入局的初创公司不是被兼并，就是走向倒闭，只有少数拥有核心竞争力的坚持了过来。跌入低谷后，第二轮、第三轮风投资金注入大浪淘沙后仅存的中坚企业，新一代技术和产品也随之问世，整个技术曲线步入稳步攀升的平台期和成熟期，潜在用户的接受程度也从5%以下逐渐提升到20%到30%，初创企业和风投资本开始迎来高额回报。

这条曲线概括了绝大多数高新技术的发展历程。更重要的是，每年高德纳公司都会根据当年度所有流行技术的发展、成熟状况，制作出一张当年各流行技术在高德纳曲线上的发展位置图示，标示出每种前沿技术是处在萌芽期、泡沫期、低谷期还是成熟期，以及每种未达成熟期的技术还需要几年才会真正成熟起来。技术人员、投资者经常根据高德纳曲线来判断时代潮流，选择投资方向。

将高德纳技术成熟度曲线对应到人工智能波折起伏的发展历程中，其实不难看到，人工智能此前两次表现出的热潮，更多应该被理解为一项新兴技术在萌芽期的躁动以及在泡沫期的过分膨胀。

20世纪50年代到60年代，伴随着通用电子计算机的诞生，人工智能悄然在大学实验室里崭露头角。以艾伦·图灵（Alan Turing）提出图灵测试为标志，数学证明系统、知识推理系统、专家系统等里程碑式的技术和应用一下子在研究者中掀起了第一拨人工智能热潮。但那个年代，无论是计算机的运算速度还是相关的程序设计与算法理论，都远不足以支撑人工智能的发展需要。例如，计算机科学和人工智能的先驱艾伦·图灵就曾在1951年发表过一份写在纸上的象棋程序30，可惜当年的计算机难以实现这样复杂的运算。这就像探险家发现新大陆一样，第一次踏足新大陆和真正让新大陆蓬勃发展起来是根本不同的两件事。于是，从20世纪60年代末开始，无论是专业研究者还是普通公众，大家对人工智能的热情迅速消退。

20世纪80年代到90年代，也就是我在卡内基-梅隆大学发明非特定人连续语音识别技术并将其用于苹果计算机系统的时代——那的确是人工智能研究者和产品开发者的一个黄金时代。传统的基于符号主义学派的技术被我和其他同时代研究者抛弃在一边，基于统计模型的技术悄然兴起，并在语音识别、机器翻译等领域取得了不俗的进展，人工神经网络也在模式识别等应用领域开始有所建树，再加上1997年深蓝计算机战胜人类棋王卡斯帕罗夫，普通人的积极性一度高涨起来。但是，那个时代的技术进步还不够好，不足以超过人类对智能机器的心理预期。拿语音识别来说，统计模型虽然让语音识别技术前进了一大步，但还没有好到可以让普通人接受的程度，测试环境稍稍变化就会造成识别效果大幅下降。那时，我在苹果公司开发的语音识别应用就更多被用于演示和宣传，实用价值十分有限。从整体上看，那一拨人工智能热潮仍然笼罩着浓厚的学术研究和科学实验色彩，虽然激发了大众的热情，但更像是跌入谷底前的泡沫期，远没有达到与商业模式、大众需求接轨并稳步发展的地步。