AI 被定义为能够模仿通常与人类心智相关的认知功能的机器。这个概念长期以来一直都被认为只存在于想象和科幻小说中，在20世纪50年代和60年代获得了一些初步的理论进展之后，围绕其的乐观心态开始上升。但那波动动力面临着技术上的障碍。

　　随着公众对AI的期望破灭，当时的AI 经历了一段漫长的黯淡时期。随后的几十年，人们又断断续续地获得了一些成功（如IBM的“Deep Blue”超级计算机在国际象棋中击败了Gary Kasparov），但现实世界的用例过于孤立，无法支持大规模商业化。

　　进入二十一世纪。数据的收集和聚合，计算能力和算法（特别是机器学习）的突破带来了革命性的技术进步。在一个广受关注的里程碑性的事件，Google的AlphaGo在围棋上击败了人类世界冠军，而这在传统上被认为是机器无法做到的。

　　但是，在AI领域，进步不仅发生在理论层面。利用机器学习的分析工具是未来超智能系统的前身，其中许多已经出现市场上。在金融，医疗和制造等领域的采用正在迅速增长。全球 AI 风险投资资金从2012年的5.89亿美元增长到2016年的超过50亿美元。麦肯锡估计到2025年，AI 应用的总市场将达到1270亿美元。

　　理解 AI 以及它能做什么

　　传统上，我们已经使用计算机的处理能力来更有效地产生输出（例如，比人类可以执行更快更复杂的计算）。传统的软件程序一直以特定的指令编写需要执行的任务。AI系统采取非常不一样的方法。它们可以通过巨大的“大数据”集，挖掘出模式，联系和见解，而且它们也采用广义的学习策略，这使得它们能够适应新的数据输入而不需要明确地重新编程。利用机器学习的系统具有归纳和决策能力，深度学习的出现更是将这种能力的边界扩展得更远。现在的机器学习系统能够自己学习、发现和适应规则。

　　虽然深度学习最近的突破已经产生了可以在某些关键功能中匹配或超越人类智力的人工智能系统，但是我们离“通用AI” - 或者说可以像人类一样执行全面的认知任务的机器还有一段距离。许多机器学习系统已经被用于特定的商业用途，并且应用程序是非常多样的。他们可以为客户提供服务，管理物流，监控设备，优化能源消耗，分析医疗记录。最近麦肯锡全球研究所（MGI）的研究表明，机器学习技术在几乎每个行业都有广泛的应用。

　　要认识AI 的能力，从下面四个维度是一个不错的方法：

感知

预测

指导方法（preion）

综合解决方案（与机器人、自动驾驶等技术的结合）

　　目前的商业化程度因各种AI功能而异。虽然具有感知和预测能力的系统已经投入市场，但更多的规范性工具和集成解决方案仍在开发中（图1）。

图1：AI 技术当下的商业化，麦肯锡认为，IBM 和讯飞的商业应用属于感知技术。而百度和亚马逊则是结合硬件的解决方案。

　　AI 的未来：艰难的挑战与可能性

　　过去的技术进步主要是增强执行清晰划定生产任务的能力。但是现在，AI使机器能够做出反应和调整，以优化结果。结合物联网（IoT）和机器人技术，它可以创建一个综合的网络-现实世界。

　　目前的发展趋势表明，AI技术最终将在更广泛的环境和行业范围内被全球接受，而最重要的成果之一就是处理长期以来一直由人类来完成的各种任务。 麦肯锡的报告分析了全球经济800多个职业的2,000多个工作活动。在技术上看来，现在50％的工作活动都可以使用当前演示的技术进行自动化。

　　但技术可行性只是影响自动化步伐和程度的一个因素。其他还包括开发和部署具体应用，劳动力市场动态，经济利益以及监管和社会接受的成本。考虑到这些因素，麦肯锡对自动化的研究表明，直到2055年，现在的一半工作活动才能实现自动化，但在这个时机上存在相当程度的不确定性。在积极采用的情况下，这种自动化程度可能早于20年，而在较晚的采用情况下，可能会在20年后发生。