10月13美国政府发了两份报告：《为未来人工智能做好准备》和《美国国家人工智能研究与发展策略规划》，百度李彦宏认为人工智能是未来，而与此同时360的老周近来则发了篇《人工智能泡沫有多大》的文章来探讨人工智能在搜索以及娱乐上的落地方式。毫无疑问的人工智能已经成为这个时段的热点，但它究竟和过往几次有什么不同？是再一次人们的集体错觉还是说一场席卷社会和企业的变革真的已经开始？核心制约因素是什么，这篇文章探讨这个问题。

　　人工智能上的正反馈

　　新技术的展开从来不是因为人们的喜好和热情，而是依赖于技术-商业（有时候是军事）上的正反馈循环。CPU的变小与变强，网速的持续提高事实上都是这种正反馈的结果。人工智能此前两次失败的很难看，主要原因就是有愿景但并没有实际产生出太大的商业价值。

　　我们的社会、经济都严重依赖于人类的智能，可以讲智能是人类文明的根基，而人工智能对人类智能形成替代，所以人工智能从来不缺愿景。任何一个点的突破比如图像识别都可以让人联想到看家、查交通违规等多种场景。人工智能此前一直缺的就是它要能真的能持续产生商业价值。落到看家、查交通违规的例子上，就意味着技术上它必须足够精确，降低误报率，真的能履行人的部分职责，达到可用的程度。达到可用的程度可以看成是一个落地的起点，这之后需要的则是进一步的投入要能让这种商业价值扩大，比如不只能看家还能巡逻，不只能查交通违规还能辅助驾驶。

　　初步可用，投入可以让商业价值放大这两者如果同时具备，那技术-商业的正反馈就可以形成。一旦形成这种正反馈，那这种技术的摊开就不是人力可以改变的。第一次人工智能浪潮更多是受制于第一点，人们在那时候似乎并没给人工智能找到特别好的应用；第二次人工智能浪潮则更多的止步于第二点，atv，80年代确实有些专家系统被成功部署，并为公司节约数以千万美元计的费用，比如第一个成功的商用专家系统R1在DEC成功运转，此后DEC陆续部署了40个专家系统，但这种展开显然并没有获得持续的回报，也就没能持续下来。

　　这次人工智能浪潮之所以看着有点不一样，关键就在于这种正反馈已经初步形成，并比此前两次范围和深度大大有所增加：

　　技术上，一边Deep Learning大幅提高语音识别等的精度，比如语音识别就从大约20年前的70%提升到现在的95%以上，另一边GPU的持续进步则不断提高计算速度，根据nVidia的数据，训练速度提升60倍，inference则提高16倍左右。

　　商业上，机器学习已经成为一种标配，DeepMind尝试把AlphaGo的算法运用到Google IT运营中，结果把运营费用降低了40%。苹果则用机器学习改善各个地方的用户体验，比如PAD笔上的防误触。总体来看可以讲AI向各行业全面渗透已经成为基本趋势。

　　到这种程度我们至少可以讲正反馈的第一个螺旋已经转起来了，但只有第一个螺旋还不足以让白宫采取行动，所以需要探讨的是这个螺旋转起来后，后面还会有什么？必须有足够大的东西，这种正反馈才能持续下去。

　　到底人工智能在那里可以产生新价值

　　人工智能事实上可以应用在任何一个领域，如果非要分个类的话，那大概是3个基本类别：一个是人机交互方式（包括语音交互与AR这种新的显示方式）；一个是前端的自动化；一个是后端的数据处理。

　　在人机交互上，最典型的例子就是语音交互与AR。AR这个词可以进行非常复杂的定义，比如可以是常说的那种眼镜（微软Hololens、Meta等），也可以是手机的一个功能特征比如Tango那种玩法，当然也可以是一种应用功能，比如Pokeman。但我个人认为AR骨子里是一种交互方式的变革，这种交互方式核心特征是实时混合数字空间和现实空间，核心依托的技术则是人工智能上的突破，至于具体产品则是这种交互方式的不同应用。

　　语音交互则是我们常说的Siri，Echo等（声智科技尝试的方向）。这种交互方式的变革之所以重要在于它会催生新的通用型计算平台，进而导致整个生态的变化，比如：Dos-->Windows, Windows -->触屏。交互方式上比较有意思的点是它看起来并非刚需，但实际上是通用型终端换代的核心制高点，影响极为深远。比如说从PC互联网到移动互联网最核心的变化是App的出现，这深度影响了搜索支付等，而App之所以会出现一个核心的原因正是触屏的出现，触屏是非精确定位，你不能像在PC浏览器里那样精准访问各个链接，正因为触屏的操作区域必须足够大，所以就需要App这种形式来放大高频服务使用时的便利性。