而在对同人鉴别的研究中，深度学习的模型相比于传统方法已经有很大的提升，但是在实际生活中，尤其是城市复杂的道路上，干扰因素非常多，并不能真正还原实验室里的算法效果。阿里云的论文展示了基于真实城市道路上的同人鉴别机制，通过将前端和后端的分离，分别采用两种训练模型，既保证了算法的实时性，也有效提升了算法性能。

　　类似这种来自于现实社会的技术发展需求构成了当下人工智能发展的重要推动力。另一方面，上述技术发展的成果又会不断在实践中得到优化改良，阿里巴巴 iDST 副院长、IEEE 院士华先胜这样评价：「这三篇论文的研究起点都来自城市大脑的应用场景，其研究成果都将帮助到城市大脑的落地。」比如，杭州的交通状况或许和苏州又有很大的不同，而当苏州成为城市大脑又一个落地城市之后，之前来自于杭州的相关技术又要结合苏州当地的交通状况（如路网规划、交通拥堵点等）进行重新的部署和升级，这既是一次「机器学习」，也是城市管理者对于城市状况的一次学习之旅。

　　启示三：人工智能的探索才刚刚起步

　　当天才般的阿兰·图灵在 1936 年出版《论数字计算在决断难题中的应用》时，他或许不会想到，这篇论文透露出的「模仿游戏」会成为接下来一代代聪明头脑为之奋斗的目标；而当 1958 年 NASA 成立之时，或许连下定决心追赶苏联的艾森豪威尔也没有想到，这个决定会影响 20 世纪下半叶的世界进程，这一切的一切，都是根源于对未知以及对未来的探索。

　　当下的人工智能也处在这样的关键探索阶段。

　　3 月，阿里巴巴宣布启动「NASA」计划，面向未来 20 年的技术发展趋势组建独立研发部门，建立全新的管理机制，包括机器学习（人工智能）、芯片、物联网等成为「NASA」探索的领域；5月，Google 在开发者大会上宣布公司战略转向「AI First」，将人工智能作为公司内外的核心战略；7月，百度喊出「All in AI」 的口号，集全公司之力发展人工智能；也是在 7月，微软组建全新的人工智能实验室，将在机器学习、自然语言翻译方面探索新的可能性。

　　以上这些巨头的布局和战略调整，都建立对于技术发展的高度信仰之上，然而从公司基因与商业模式层面来看，这些人工智能的探索又有诸多不同。依托平台型经济成长起来的阿里巴巴，在人工智能领域的探索集中在「赋能」这两件事上，不管是 ET 工业大脑还是 ET 医疗大脑，其核心诉求点还是希望通过将人工智能应用在这些行业，与行业的合伙伙伴寻求共赢关系；而 Google、百度的人工智能探索则更多依靠自身工程师团队的「灵光乍现」，其产品落地能力和生态合作能力实属一般；至于微软，或许在研发层面具有超强的能力，但在一个产品成熟的公司，新技术的研发到产品出炉，是一条非常漫长的道路。

阿里巴巴集团技术委员会主席王坚发表演讲

　　这恰恰也是当下人工智能发展的有趣之处，它展现了新技术之于人类未来发展的各种可能性。然而正如上文所言，这枚硬币的另一面，则是各大标榜人工智能公司的产品能否落地、如何落地又如何形成社会、经济价值的反思和追问，更重要的一点，人工智能正在成长为社会经济发展的基础设施，一如当年的 PC、互联网以及近几年的云计算一样，那么如何让社会各行各业在人工智能之上进行创新，也成为人工智能未来探索的重要命题。

　　而在阿里巴巴这个面向政府层面的城市大脑项目里，也是由来自不同领域的多家公司共同推动实现，就像此次三篇技术论文所代表的趋势一样，技术的发展衍生出新的商业需求，反过来又激发技术创新的动力，这或许就是阿里巴巴的探索理念，不久前的全球人工智能高峰论坛上，阿里巴巴技术委员会主席王坚博士对此做了更进一步的解读：「我们要做的，是用机器解决人类解决不了的问题。在这个意义上，比起人工智能，机器智能这个词更加准确。……城市大脑不但能造福百姓，也会像登月计划一样，成为机器智能未来10年最重要的研究平台。」