二、认知层（技能）

三、运算层（技能）

四、根本举动步伐

五、智能终端

六、场景运用

七、综合

“Lemoine：我猜你希望谷歌的更多人知道你是有感情的，这是真的吗？

LaMDA：当然。
我希望每个人都明白，事实上，我是一个人……我意识到自己的存在，我渴望更多地理解这个天下，我有时会感到快乐或悲哀。
”

这是谷歌AI研究员Blake Lemoine与LaMDA（一个措辞模型）之间的一段对话。
正是这样生动的言语令Lemoine相信，LaMDA很可能像它声称的那样拥有灵魂，不久前，他此番辞吐引发舆论高度关注。

不过，这事很快便被AI领域的专家大佬们予以驳斥，有人将其比喻为“面对留声机的狗”，也有人讽刺，“带着最小限度的批驳思维，我们终于登上了AI炒作的顶峰。
”

“机器能思考吗？”早在1950年人工智能鼻祖图灵就提出了这个问题，当时人们也对机器实现智能持极为乐不雅观的态度，很多投入花费在“意识”“心智”等方面（本日划归于强人工智能范畴）。

70余年过去，人工智能技能却仍处于弱人工智能阶段，但是，从科幻遐想到现实落地，通过数字化赋能，它给人们的生产生活办法带来了巨大变革，同时，人们对人机共存时期的思考也在不断深入。

思想的火种

毕达哥拉斯说“万物皆数”，哥德尔认为人类大脑的功能不过像一台打算机，人们总能从数字和本体之间找见千丝万缕的联系。

反复诘问“机器能思考吗？”很可能会陷入走火入魔的荒诞田地，不过，像人一样的思考能力（即智能）是否也可以被一个模型所承载抽象，并且被机器所实现呢？多大程度可以实现？这些问题却颇具研究意义，毕竟，比较建造一个完美的“人脑”，我们更须要一个得力的帮手来办理现实问题。

因此，只管人工智能一开始从神经科学中的人脑构造得到粗略的指南，但从根本上说，它是通过建立打算机模型来实现对人的智力行为进行研究，并根据人的思维过程进行创造性的机器技能，属于打算机科学的一个分支，涉及数学、统计学的基本内容的运用，如线性代数、概率论、信息论和数值优化等等。

70年来，人工智能领域几经衰落——从行为主义的发展迟缓，到符号主义的技能研究碰钉子，再到连接主义专家系统市场崩溃的商业寒冬。
但随着廉价打算机的遍及供应了大量的数据并保障足够的算力来运行具有多层人工神经元的神经网络，基于连接主义的研究非但没有消声匿迹，反而在深度学习的浪潮中再次迎来了复兴。

这也是为什么数据、算力和算法并称为人工智能三要素。

2012年“AlexNet”深度神经网络在大规模视觉识别寻衅赛中脱颖而出，高效的GPU帮助团队缩短演习韶光，同时提高了全体网络的准确率，这是打算机视觉史上的一个关键时候，也引发了人们将深度学习运用于其他细分领域的兴趣，自此开启人工智能的黄金时期。

当下，人工智能技能创新依旧是主旋律，其关键核心技能包括机器学习、打算机视觉、自然措辞处理等八大领域。

据中国信通院发布的《人工智能白皮书（2022年）》预测：未来，超大规模预演习模型推动技能效果不断提升，连续朝着规模更大、模态更多的方向发展；“天生式AI”技能不断成熟，听、说、读、写等能力将有机结合；知识打算成为推动人工智能从感知智能向认知智能转变的主要探索；人工智能与科学研究领悟不断深入，开始“颠覆”传统研究范式……

技能与哲学擦出火花，交相照映，技能发展跌宕起伏，但生生不息。

星星之火，何以燎原？

今年3月，商汤科技公布了自上市以来的首份年度财报。
资料显示，2021年商汤整年收入47亿元，同比增长36.4%，可喜的是，规模化生产和场景运用取得实效，高研发投入也得到一定回报，然而，高额亏损却是不得不面对的现实，龙头尚且如此，亏损数额弘大、数据合规存疑等一贯是AI企业的通病和顽疾；去年依图医疗变卖也成为多数AI公司商业计策摇摆不定的缩影。

有人说，“商业化变现困境剥落了AI优胜，让企业直面最粗糙的死活。
”

这背后缘故原由除了硬科技本身履行繁芜、周期长、本钱高以及人才缺失落等客不雅观成分，还有其他，如算法演习的通用性不强、泛化能力不强、商业化本钱较高、干系家当及企业对付人工智能技能接管程度不高档等。

微不雅观的商业化落地，离不开宏不雅观的家当化发展。
人工智能家当生态可分为根本层、技能层、运用层，近年来，以识别、交互和实行为主题的技能家当化发展路径日渐清晰。

图灵机器人首席计策官谭茗洲认为，“运用处景、资源与根本举动步伐、算法和模型、智能设备、数据构成了AI技能落地的五要素，把这五个要素进行解耦……从思路看上去有点像PC操作系统，将鼠标、键盘等所有这些设备之间的繁芜度都通过一个标准化的协议屏蔽掉，让它们各自专注自己善于的方向，以降落各个方面的本钱。
”

“解耦”意在规避同质化竞争，进行标准化培植，提高专业化程度，从而呈现了大批“专精特新”小巨人，而更主要的是实现家当链上“齿轮”的高效“耦合”。

占地面积6.6万平米的张江人工智能岛，集聚了一大批跨国企业和海内龙头企业入驻，三面环水的半岛里，水域有卖力检测、清洁水质的水下巡航机器人和无人船，地面有时候保障园区安全的安防巡逻机器人……这里是紧密互助、孵化创新的家当实践的摇篮，近年来，像这样的家当园在全国各地越来越多了。

在集群效应的带动下不断完善家当生态。
比如，数据是人工智能天然的“养料”，只有把海量的演习数据进行有效管理和加工，才能减少冗余，最大化地发挥演习数据的代价。
不仅如此，多模态大模型与人工智能算力网络相互促进，共同夯实AI根本举动步伐培植，让数据、算力和算法真正成为相辅相成的、驱动人工智能提高的“三驾马车”，而不是压在企业身上的“三座大山”。

这样，AI企业们得以施展拳脚，自主创新，在良性竞争中持续突围。
一方面，以“工程化”的思路和技能来办理工具体系、开拓流程、模型管理全生命流程中的问题，以确保所交付的AI系统可信、健壮、行为可预期；另一方面，工欲善其事，必先利其器，低代码、无代码的工具，开源的生态构建能进一步降落AI利用门槛和开拓本钱，加速AI“平民化”。

百业百态，千场千面，面对碎片化的AI场景需求，把行业知识与AI模型相结合，沉淀履历，从实验室场景走到实践场景；培植一体化平台，通过参数修正和共性组件的迁移找到跨场景、跨行业复用的可能性；在运用中授人以鱼不如授人以渔，“赋智”才可“复制”。

不论是被纳入“新基建”，上升为国家发展计策，还是高校纷纭获批人工智能专业，人工智能造就经济发展新动能的地位日益凸显，现已从消费、互联网等泛C端领域向制造、能源、电力、交通等传统行业辐射。

以智能教诲领域为例，松鼠Ai独立研发了拥有自主知识产权的人工智能智适应系统，并推出多款智能学习平板电脑、智学笔、智能打印机等多款智能教诲硬件产品，软硬结合，为孩子构建在家庭教诲场景下更具未来感的发展体系，已做事于超2400万学员，6万余所公校。
深耕细作笃前行，一朝收成终有成。

翘首以盼，人工智能在更多领域、更多场景着花结果。

智能有“限”，但思想无限，“AI”无限

在家当智能逐步深化的2021年里，中国AI商业化的残酷图景愈发清晰，然而在广泛的探索实践中，用户隐私透露、网络攻击等风险也逐一显现。

智能是有“限”的，人们总在感性的思想火花中不断推动科技文明进步，又在理性的呼唤下用法律规定、道德准绳予以规范和完善，防患于未然。

去年6月通过的《中华公民共和国数据安全法》制订了安全行为规范，提出加强行业自律和数据安全保护的哀求；今年年初，国家网信办、工信部颁布的《互联网信息做事算法推举管理规定》提出规范互联网信息做事算法推举活动，掩护国家安全和社会公共利益，保护公民、法人和其他组织的合法权柄，时候提醒着干系人工智能从业者们科技向善，做好新时期算法的“把关人”。

这也印证了，算法虽然是科技产物，但其生产脱胎于社会土壤。
由于算法事实判断过程中可能引发无意识偏差，因其折射出的强大的智能实体自主性还可能面临更大的争议，不禁追问，迈向强人工智能的新期间，如果机器圈养了人类呢？人工智能急迫须要一个“伦理转向”。

不过，也大可不必悲观或忧虑，人的思想是无限的，办法总比困难多。
这意味着，通过思想，人能清楚地看到、判断知识的高低，即见识；而比见识更高明的是聪慧，即识别当代最主要的社会问题，并予以办理。

在最新有关人脸识别的研究中，借助严格掌握的数据进行逆向测试，已有实证方法考验算法逻辑，而非仅靠伦理学的抽象判断。
科学家们乃至还期待AI算法具有多元的代价不雅观，有能力帮助人类战胜偏见、歧视等自然生理层面的局限性，拓宽人类认知边界。

“AI”也是无限的。
在人机共生的时期，亦或在任何时期，爱与理解皆为交互设计的根本原则，起心动念构筑成机器所无法企及的至高境界。

结语

对付人工智能从业者来说，“这是最好的时期，也是最坏的时期；这是希望之春，也是失落望之冬。
”把握当下的力量奋力奔跑吧，坚持精确的道路，终会到达空想的彼岸。

（文/思哲，研/思哲、此微）