前言：中文期刊网精心挑选了柯洁人机大战范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
柯洁人机大战范文1
1、阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。
2、2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。
（来源：文章屋网 ）
柯洁人机大战范文2
让我们先从那只猫说起。
其实并不是特定的什么猫，而是“猫”这个概念。对人来说，分辨一只猫不费吹灰之力，甚至牙牙学语的婴儿都做得到―几乎没有人记得自己是什么时候开始认得猫，因为实在是太久之前的事了……但假设从来没有人告诉过你猫是什么，那应该也难不住你―无非是多查些资料而已。超强的学习能力也算是人类的一项特长，但对电脑来说就没那么简单了。
Artificial Intelligence，人工智能，就像长生不老和星际漫游一样，是人类最狂野的梦想之一。现在人工智能几乎遍地开花，无人驾驶、语音助手、面部识别等等虽然已经成熟，但距离真正的“智能”还有一步之遥：脱离了人类和大量现成数据的帮助，电脑甚至连猫和狗都分不清。比如常的人脸识别，需要由人先设计好整套鉴别程序，电脑才能依照这些规则，做出效率极高的“识别”。这意味着电脑依然没有脱离工具的范畴，即使再聪明，也只是聪明的工具。
幸好2012年，“GOOGLE BRAIN”项目横空出世。这是由1000台计算机、1.6万个处理器构成的10亿个连接节点，被训练从未经标记的数据中，自行开展学习、掌握概念，更接近人脑的学习方式。这就是人工智能领域革命性的新技术―“深度学习”。
具体方法是，直接把海量数据投放到算法中，让系统在无人介入的情况下，自行分辨这些数据。一旦系统发现了重复出现的图像信息，就会自动创建一个“图像地图”，继续帮助系统自动检测类似的物体。最终，在看过了1000万张YouTube视频截图之后，系统学会了识别猫脸。也许你会觉得，这三岁小孩都能做的事有什么大不了的呢？殊不知，今天计算机能够琢磨出什么是“猫”，明天它也许就能琢磨出什么是“我”―认识猫，是距离真正的“智能”迈进的一大步。
时间来到最近，5-6月间发生了两件大事，也与深度学习有关。不知是不是某种巧合，2017年是高考40周年的特别时刻，一个特别的考生走进了考场―这里要说的不是王俊凯，而是“高考机器人”。
这是人工智能第一次走进高考考场，也是国家863计划（国家高技术研究发展计划）的一个项目。该项目于2015年启动，30多家科研院校和企业研发实施，他们有一个共同的目标：研制出能通过高考考上大学的机器人，而且是一本大学。
第一次上考场的人工智能，要考的是众人闻风丧胆、但对AI来说却是最容易的科目―数学。
为了避免泄题，考试是在7日下午高考数学科目结束后进行的。像其他考生一样，人工智能要在完全断网的情况下进行考试。论备考，AI考前总共做了不到500套试卷，大约12000道数学题，跟一般高中生差不多；论速度，AI显然具有优势，在22分钟内就完成了答题；论结果，满分150分，AI只得了105分，成绩差强人意。
有几道题，AI答了零分。开发者认为，原因在于这些题目包含了自然语言，比如“学生”“教师”，这是机器人难于理解的概念。事实上，人工智能最不擅长的就是语文考试，因为涉及到艺术、美感、情绪，而这些是无法用1和0表现的。
与一年一度的“全国大型知识测验”相比，另一位同龄人的对手则要强大得多。19岁的柯洁，作为当世围棋第一人，代表人类迎战最高水平人工智能―由DEEP MIND团队开发的“阿尔法围棋”。
这场全球瞩目的“人机大战”，最终以“阿尔法围棋”三局完胜告终。这也意味着，人类在所有棋类项目中彻底输给了人工智能。
2016年3月，“阿尔法围棋”横空出世，以4：1战胜了久负盛名的韩国棋手李世石，仿佛一石激起千层浪。2017年年初又化名“Master”现身中国线上围棋对战平台，一周内60战60胜，其中包括与柯洁对弈的三盘。按照柯洁的回忆，他一开始不相信Master就是阿尔法，因为与对战李世石时相比，它的进步实在太快了。
这种进步的主要原因就在于深度学习技术。
最初，“阿尔法围棋”1.0版本巧妙地混合了三种算法：蒙特卡洛树搜索+监督学习+深度学习。其中蒙特卡洛树搜索是一种优化过的暴力计算，也就是凭借超强的运算能力，列举出所有可能（深蓝就是这样战胜卡斯特罗的）；监督学习，是通过学习3000万步人类棋谱，来模仿职业高手的下棋规律；而深度学习则是“阿尔法围棋”程序通过自我对战，自主学习如何下棋。
根据公开资料推测，战胜柯洁的是“阿尔法围棋”2.0，与之前的最大不同就是放弃了蒙特卡洛树搜索和监督学习，强化了深度学习的作用。也就是说，自我对战让“阿尔法围棋”获得了更多的提升，它的棋风也脱离了人的定式。
柯洁人机大战范文3
读书的时候常常只能在报纸上看看围棋的新闻，每当有大高手出世，标题就会是：“谁来抗衡曹旋风（薰铉）”，或者“聂旋风（卫平）横扫中日围棋擂台赛”。如果说人类高手的势头是旋风，阿尔法狗横空出世刮起的就是飓风了，与二十年前深蓝战胜卡斯帕罗夫相比，李世石的败落更让人震惊，在围棋界的眼里，深蓝只是一台会“计算”的机器，但这种依靠穷举法的蛮力是无法在围棋上得逞的。棋盘十九路纵横，交叉点三百六十一个，每一步都有超过二百五十种合规走法，如果一局棋下一百五十回合，可能的落子方式的体量（约10170）远远超过可观测到的宇宙的原子总数（约1080），现有的任何电脑都不能胜任如此庞大的计算，围棋也因此被称为人类智力游戏的巅峰，站在这一巅峰上的棋手现在换成了阿尔法狗，由此掀起的新闻报道和讨论热潮中，最引人关注的话题无疑是：这意味着人输给了机器吗？如果是的话，这会带来什么样的将来？
李世石输掉第一局后，微博上的“柯洁大棋渣”放话说：“就算阿尔法狗战胜了李世石，但它赢不了我。”很多临时凑凑新闻热闹的人以为又是个段子手的炒作，没想到这个“柯洁大棋渣”才是当前的世界围棋第一人，更重要的是，这个当世第一的大棋渣才十七岁。柯洁的豪言引起数万条评论和转发，甚至有评论说，李世石气急败坏地砸烂阿尔法狗的机箱，突然发现里面藏着一个柯洁！这充分表明，在柯洁和绝大多数观众看来，李世石的失败并不等于人类棋手的失败，但随着阿尔法狗连胜三局，柯洁在接受记者采访时也认为李世石是完败，而阿尔法狗下得近乎完美，并坦言自己出场也很可能输。当天晚上柯洁又在微博发话道：“来吧！管你是阿尔法狗还是阿尔法猫！我柯洁在棋上什么大风大浪没见过？让风暴再来得猛烈点吧！……”没有了上次放话的自信满满，却透露出破釜沉舟、背水一战的决心，显然柯洁已经把自己视为人类棋手尊严的最后防线。可第二天风云突变，李世石在第四局的哀兵之战中，弈出了被古力九段称为“神之一手”的白78挖，在所有人都不看好的情况下置之死地而后生，居然让强大到不可战胜的阿尔法狗出现了短暂的“思维”休克和紊乱。这让人想到《天龙八部》中虚竹破解逍遥子摆下的“珍珑”棋局的一幕，同样是彻底打破常规、让所有算计落空的一手，只不过在虚竹误打误撞的背后，金庸想表达的是跳出利害、破除我执的佛理，李世石的神来之笔则出自棋手的厚积薄发。
李世石最终在人机大战五番棋中以1∶4惨败，而依据赛后阿尔法狗团队的复盘，阿尔法狗的棋力量化估分为4500，按段位算为13段，而棋手中分值最高的柯洁九段为3625，如果这一估量无误，那么除了偶发的意外情境，人类似乎永远无法战胜作为人工智能的阿尔法狗了。在很多人看来，这简直跟很多科幻小说和好莱坞电影的情节一样，表征着电脑和机器对人类征服的开始，不过稍稍深入地思考下，事情并非如此简单。
可以想的是，围棋这一游戏的内涵和意义究竟为何？围棋相传为尧所作，棋圣吴清源认为，围棋源于古人的观天活动，棋盘所象者为天地，棋子所象者为星辰，黑白分子者为阴阳，因此小小一方棋枰可以画天象地，变化无穷。在吴清源心中，围棋是以游戏的形式表现一种宇宙观，尤其与《易经》阴阳分合、生生变易的思想密不可分。他设想的21世纪围棋被称为“六合之棋”，即囊括东西南北四方和上下天地，从而打破20世纪重局部得失纠缠的弊病，恢复围棋的本义。所以吴清源会认为，围棋之道在于顺应天时，让自己委身于围棋的流势，任其漂流，不管止于何处，就像春播夏长，秋收冬藏一样自然而然。在接受川端康成的访谈时，他明确表示，围棋的重点不在于竞技或争胜负，而是讲究均衡，调和阴阳，让每一枚棋子落于应在的位置，从而构成一盘臻于和谐的棋。
二、天人
吴清源的思想透露出极有意义的信息，人们往往会认为，是人发明或者创造了围棋，但无论是吴清源，还是后来的棋手都有这样一种意识：我们只是围棋的学习者，换句话说，围棋是关于天地宇宙之理的游戏，棋手和观众通过围棋实际上是在向天地宇宙学习。藤泽秀行九段曾经说，如果棋道为百，他所知者仅为七；李昌镐也承认，围棋中存在着很多未知领域，棋手会面临很多“虚”的东西，永远不能靠计算得出解法，只有依靠灵感去做出选择。那么阿尔法狗打破了这一天人界限吗？阿尔法狗之父大卫・席尔瓦（David Silver）坦承，既然公认仅凭深蓝那样的暴力计算（bruteforce）无法对付围棋，那么唯一的方法是让电脑学会像人一样思考，模仿人类下棋。人的大脑皮层有860亿个神经元，神经元上的突触更是上千万亿量级，并且突触之间的链接不停发生着反应和变化，而目前的人工神经网络（artificial neural network）只能达到十亿级的突触量。为了弥补巨大的差距，以席尔瓦为首的谷歌团队进行了精心的设计，为阿尔法狗建立了两个神经网络：“决策网络”（policy network）与“评价网络”（value network），“决策网络”通过输入三千万个人类棋局样本建立对弈模型，借助于蒙特卡洛树搜索最优解，学会围棋的下一步走法。“评价网络”则对比数据库中的棋局样本，推演每一步棋后的可能局面，选择与样本中的获胜棋局最为接近的走法。人工智能专家所津津乐道的“深度学习”（Deep Mind）就是这两个神经网络、两种算法之间不断地自我对弈，由此生成更多训练数据，去调整、修正阿尔法狗的走法，经过“双手互搏”训练的阿尔法狗每秒钟可以搜索和判断十万种可能的走法，万倍于李世石。阿尔法狗是为赢棋而生的，它的一切都围绕着这个目标，与此不同，人脑的神经突触虽然多，但无法测量有多少用于计算，无论如何，从结果上来说，阿尔法狗是对局中的胜利者。
现在来回应天人界限的问题，假定谷歌团队的测算为真，拥有十三段棋力的阿尔法狗仍然不能穷尽围棋的无限性――虽然“决策网络”计算能力远胜于人类棋手，“评价网络”又为它提供了类似于人的直觉。但随着科技的发展，人工智能能够迈出那一步吗？深度学习领域教父级人物Geoffrey Hinton有一个有趣的说法，对弈中的阿尔法狗可能消耗了数百千瓦的功率，而李世石可能只用了30瓦。虽然这说明人脑比阿尔法狗环保很多，不过能源技术的进步或许能够支撑第N代的阿尔法狗算尽一切――但重点并不在这里，我们跟宇宙的相处并非是征服或争胜的关系。如吴清源所说，围棋不仅仅是胜负之道，更是关于宇宙之理的艺术和哲学，棋手也不仅仅是胜负师，而应该是艺术家和哲人。在继承和发扬吴清源棋道精神的棋手中，武宫正树无疑是最为特殊的一位。藤泽秀行曾说，挑战自己的赵治勋棋虽厉害，但可惜并不懂哲学；而对武宫的评价是：“我们的棋用不了多少年就会被人遗忘，只有武宫的棋会流芳百世。”我们知道，在顶尖棋手中，武宫正树的胜率并不算最高的，但却能在注重实地的潮流中别开生面，首创以三连星开局的宇宙流，与十九岁的吴清源挑战本因坊秀哉名人时打破百年禁忌的天元局一样，开启了前人未知的新路。
从这个角度来看阿尔法狗，“智能”的一面已经证明是完爆人类棋手了，但哲学和艺术却是需要理想为之坚守的，吴清源、武宫正树放弃熟悉的棋路，探索未知，既是对棋坛既有格局的挑战，更是对自己得失名利之心的挑战。武宫年长后计算能力下降，却拒绝采用更能助长胜绩的实地法而坚持宇宙流，之所以能够如此，在于将围棋视为一种理想；更不用说一生追求棋形之美而非胜绩的“美学棋士”大竹英雄，将难看的棋形看作对棋谱的玷污。只有在这样的理想中，围棋的道、艺才能够真正地表达和呈现出来，才有流传千古的名局出现。那么，可以问阿尔法狗的是，如何能够拥有这样一颗怀抱理想的心？
三、身心
何谓“心”，古人并不以符合形式逻辑的判断句或陈述句来进行命题式的定义，只会如孟子说：“心之所同然者何也？谓理也，义也”；或者如庄子以“唯道集虚”说“心斋”。在现代汉语中，“心”是难以言说的，所以还是随时代而从众流，先从“意识”谈起。雷丁大学在2014年宣布，首次有电脑程序通过著名的图灵测试，这意味着我们已经无法确定屏幕里的聊天对象是另一个人还是一只“狗”了；这个叫“尤金・古斯特曼（Eugene Goostman）”的程序虽然不会下棋，但成功冒充了一名十三岁的乌克兰小男孩。凯文・沃维克（Kevin Warwick）教授说，人工智能领域里没有什么比图灵测试更具标志性和争议性了，在这个测试中，机器并不是主动要“伪装成人类”或者“欺骗人类”，而是被设计成如此的，因此在坏人手里可能会被利用。在笔者看来，这仍然是把机器当作工具的传统思路，如果更进一步，机器有了自我意识呢？有自我意识的机器有可能会故意不通过图灵测试，这样的机器就不仅能“伪装成人类”，更能够“伪装成机器”，不仅能欺骗聊天对象，更能欺骗它的设计者――如果这一天真的到来，我们才能说，机器真正从设计者赋予的逻辑链条中解放了出来，拥有了自我意识。
要做到这一点无疑还是一个难题，按照进化论的说法，人类进化了亿万年才逐渐成长为有高级意识的生物，机器获得意识的一种方式是模仿人类大脑，美国2013年开始的人脑计划（Brain Initiative）和欧盟的人脑工程（Human Brain Project）正在致力于绘制大脑图谱，试图从脑部结构和功能出发去解释记忆、情绪、意识。如果大脑可以完全被物理化，意识就是信号传递与反馈，既可以像人脑那样通过神经元突触传递神经细胞释放的化学物质，也可以像电脑那样依靠0，1的二进制去形成记忆和识别，二者只是载体不同，内容上并无区别。因此意识能够被编码，并上传给电脑，那么机器当然就能够如此复制人的意识。这类研究的结果尚待观察，但对这种物理主义的思路我们可以援引“哲学僵尸”（Philosophical zombie）的思想实验进行质疑，即“有没有可能存在一种人，他的所有分子组成、生理机制与行为反应都和你一样，但却没意识？”这种主张意识独立于大脑的身心二元论与人脑工程的物理主义形成了尖锐的对立。哥伦比亚大学神经生物学教授 Rafael Yuste的看法则较为居间，“怎么从大脑中互相连接的细胞这样的物理基础走向我们的精神世界、我们的思想、我们的记忆、我们的感觉？”大脑如何生成意识还依然是一个谜，“你不能编码直觉；你不能编码审美观念；你不能编码爱或恨。”就目前而言，科学也好、思想实验也好，都无法说服对立的任何一方。
还有一种不太进入公共讨论领域的思路，这种思路认为意识既不是在历史中的生物进化而来，也不产生于大脑，而是上帝创世与造人时的恩赐。我们可以很轻易地将其归入神学信仰，不过如果把这个说法变更一下，人工智能如果某一天拥有了意识，那么，人类无疑承担了造物主的角色，这个话题有意思的地方在于，如果我们认同机器可以复制人的意识，在同样的逻辑下就无法否定上帝造人的可能性，神学主义与科学主义在这里以一种吊诡的方式共存于同一逻辑链条中，这个悖论暴露出表面上誓不两立的二者的共同缺陷。
四、共在
这就是说，我们不能确定将来是否会有拥有自我意识的人工智能出现，比如阿尔法狗虽然精通围棋的一切知识，但当它与李世石对弈时，它知道自己是在“下围棋”吗？它对自己正在做的事情有意识吗？从仿生学的角度看，当前电脑的“生物性”还不能达到单细胞层次，既不能产生“意识”，也不能算作“生命”，假设中的有自我思维的人工智能（强AI）真正实现之前，阿尔法狗仍然只是一个不断执行下棋命令的计算者，而绝不会对下棋这件事本身进行思考。没有自我意识，不会思考有好的一面，或者说对人类有利的一面，因为我们知道，一个有了自我意识的孩子往往意味着进入“叛逆期”，一个有了自我意识的奴隶则不再以执行主人的命令为天职，当然，比叛逆更可怕的是欺骗，所以，只要阿尔法狗一直赢下去而非“故意输给人类”，人类反而是安全的。这实际上表明了人类与人工智能相处的窘境，对于强AI的期待与恐惧是并存的，未知的前景总是伴随着乐观与悲观两种心态。
黑格尔的主奴辩证法早已指出了这一问题的哲学意蕴：在对奴隶劳动的依赖中，主人丧失了独立的自我意识，奴隶却在与对象世界的互动中为自己赢得了自我意识，主奴关系因而发生了倒转。黑格尔提示我们，与其担忧人工智能获得意识后对人类不服从，不如首先担忧人类耽于便利与享乐而导致的自我隔离，这种自我隔离甚至在人工智能获得“坏意识”之前就有将人类带入危险的可能。《一个故意不通过图灵测试的人工智能》设想了这样的情节：一个名为“隔壁老王”的简单人工智能系统被设定了“尽量多的书写和测试，尽量快的执行，并且不断提高效率和准确性”的初始目标，隔壁老王不断用机器臂在小卡片上写字，并通过互联网和语音库
改进和执行初始目标。最后的结局是，隔壁老王不仅将字写满了地球，而且写满了整个星系，在这个过程中，地球上的一切生物，包括人类都成为隔壁老王实现写字目标的原材料。在这里，隔壁老王为了完成人类设定的目标产生了自我保存意识，这种最简单的意识就足以使阿西莫夫用以保护人类不受伤害的“机器人三原则”失效。隔壁老王获得的仅仅是自我保存的意识，与影视作品中统治地球和人类的“坏的”或“恶的”机器人不同，这种意识是非拟人化的，既不是道德（moral）的，也不是不道德（immoral）的，而是非道德（amoral）的，在非生物的人工智能身上，起作用的就是这样的简单意识。在这个意义上，人类如何考虑与人工智能，尤其是可能会实现的强AI相处就成为必须面对的问题。我们当然有可能、也有必要从伦理、法律为科学研究和应用进行讨论、规范、立法，就像当年对待克隆技术一样。
更为根本的问题在于，我们对人与人、人与万物相处的理解，这种理解构成了人类生活的基础。人机对弈告诉我们，围棋作为游戏，乃是非实用性和非功利性的艺术，又因其为宇宙之理的表现，故而排除了人的主观独断和自我隔离的危险；换言之，在围棋的游戏中，既拒绝技术中心主义，也不要人类中心主义，人与阿尔法狗一样，都是作为参与者而共在（Dabeisein）于游戏之中。在这里，人之所以能够成为游戏的创造者和规则制定者，是人对世界开放、因而对宇宙之理有所领会的结果。而反过来，人作为有“心”的存在者，将自己的领会分享给阿尔法狗，如丁纪老师在人机对弈首局战罢后评论说，教阿尔法狗下棋、“教会天地万物坐在一起下围棋”本身就是一个人文事件。在这个意义上，阿尔法狗虽然还没有超越弱人工智能的奇点而获得自我意识，但确实已经身处人文的世界之中。在对人工智能的乐观或忧虑的两极观点之间，人所应该并且能够做的，即是以共在的方式与天地万物相处，并尽力将科学、人心导向良善的方向，那未来的前景，终究要由人类自身的努力去开启。
[本文为教育部人文社会科学研究青年基金项目“从文本到实践：伽达默尔晚期思想与近三十年诠释学的新发展”（14YJC751023）阶段性成果。]
柯洁人机大战范文4
抱怨的背后正体现出中国人工智能厚积薄发，取得了一定成就，尤其是在应用层的发展达到了与美国相近的水平。如在移动支付方面，目前中国的移动支付普及率为77%，位居全球第一，在大量应用的背后，从刷脸支付到算法优化，人工智能扮演着关键作用。美国人免不了喝上一壶老陈醋。
事实真的如此吗？
我们在做《中美两国人工智能产业发展全面解读》报告时发现：中国人工智能企业数量、人才数量都仅为美国的一半；美国布局全面，而中国无论是企业还是人才，在产业基础层、技术层、应用层，分布不均，仅应用层略有积累。
施密特之抱怨，终究无法掩盖中美两国巨大的产业落差。
与其关注谁威胁谁，不如把心思放在技术创新上。这才是每一个AI企业都应该时时刻刻思考的问题，也是一个科技企业的本分。
不过，现在产业界也不够冷静。甚至于出现了一些让人担忧的迹象。回顾2017人工智能领域已经出现了三大突破，算法、政策、资金，均创里程碑，业界欢呼鼓舞，这种情形像极了1999年底网络泡沫泛滥的情形。
展望2018，偌大一个人工智能，优秀项目不够、顶尖人才不足、场景落地缺失，三大难题横亘眼前，又将如何破解？
2017年的三大突破
1、算法的突破
要说在2017年把人工智能引入舆论的，就不得不提围棋人机大战。来自谷歌旗下的AlphaGo以3：0击败了世界排名第一的柯洁，随后AlphaGo Zero又取得超过AlphaGo的实力，赢得了100场比赛的全胜，并在40天内超过了所有旧版本。
AlphaGo的前几代版本，主要采用深度学习算法，一开始用上千盘人类棋谱进行训练。
AlphaGo Zero则跳过了这个步骤，自我对弈学习下棋，完全从乱下开始，采用的是强化学习。该系统从一个对围棋一无所知的神经网络开始，将该神经网络和一个强力搜索算法结合，自我对弈。在对弈过程中，神经网络不断调整、升级，预测每一步落子和最终的胜利者。
强化学习其实也是机器学习的一个分支，强化学习是一种标记延迟的监督学习。它讲究在一系列的情景之下，通过多步恰当的决策来达到一个目标，是一种序列多步决策的问题。
AlphaGo Zero的成果提示，AI并非只有深度学习，强化学习也很值得研究。
在过去的三十年，深度学习运动一度被认为是学术界的一个异类，Geoff Hinton和他同事的努力，使得深度学习成为主流，应用于语音识别、图像标签以及其他无数在线工具的用户体验。
有趣的是，临近年底，深度学习之父Hinton新论文Capsule，断然宣称要放弃反向传播和深度学习理论，欲自废三十年功力再练一套新AI“功夫”。圈里圈外顿时蒙圈。
自我颠覆或酝酿着AI的另一次飞跃。李飞飞对此大为赞赏，发推特称：没有工具是永恒的，即使是反向传播和深度学习。重要的是基础研究继续推进。
2、政策的突破
2017顶层设计已经明确昭示产业发展方向，可以预期，2018年后各地将掀起新一轮的发展。
为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，2017年7月，国务院印发的《新一代人工智能发展规划》，提出三步走计划，到2030年人工智能理论、技术与应用总体达到世界领先水平。
《规划》旨在大力发展五大人工智能2.0技术(包括深度学习、跨界融合、人机协同、群智开放和自主操控)，用以解决技术、产业、社会和国防四大领域的问题。值得一提的是，规划中还提到了让中小学开设人工智能和编程课程，人工智能教育从娃娃抓起，一时间风头无两，盖过规划。
继《规划》后，11月15日，科技部在北京召开新一代人工智能发展规划暨重大科技项目启动会，宣布依托百度、阿里、腾讯和科大讯飞四家公司，成立人工智能四大平台，标志着新一代人工智能发展规划和重大科技项目进入全面启动实施阶段。
作为创业者和企业家，2018年发展什么样的人工智能技术和产品、怎样发展人工智能技术和产品？翻开《规划》，尤其是关于“培育高端高效的智能经济”的内容，一定可以找到一些思路：“大力发展人工智能新兴产业，将技术转换成应用，实现在智能软硬件、智能机器人、智能运载工具(车、船、飞机、火箭等)、VR/AR、智能终端和物联网基础器件的创新；加快推进产业智能化升级，促进传统企业的改造，让制造、农业、物流、金融、商务和家居等各领域都实现人工智能规模化应用；大力发展智能企业，推动企业智能升级，推广应用智能工场；打造人工智能创新高地，鼓励打造建设以人才、企业、生产要素为中心的产业群、产业园。”
3、AI投融资突破
一改前两年的低调，2017年的资本，高调的聚集到屈指可数的较成规模的AI创业项目中。
7月11日，4.1亿美元！商汤科技刷新AI领域单轮融资纪录！
10月31日，4.6亿美元！旷视科技获4.6亿美元C轮融资，再次刷新了融资记录！
2017年，一系列眼花缭乱的融资事件陆续爆发。
2017年中国AI领域投融资创出历史新高，一年内总投融资达582亿元。
在投资热门领域方面，VC对计算机视觉与图像、自然语言处理和智能机器人的关注持续全年，其趋势基本符合腾讯研究院8月的《中美两国人工智能产业发展全面解读》和《中美人工智能创投趋势报告》的预测。
值得一提的是，国产AI芯片独角兽出现。长期以来，中国信息产业受制于人，在产业核心芯片方面的落后不仅仅是技术、资金的匮乏，更重要的还有产业生态意识的淡薄。AI芯片投资周期长，金额大，产出小的特点，使得很多投资商及企业对它望而却步。而此次一亿美元的融资，将用于发展国产AI芯片的产品化和市场化，有助于推动产业走向自主发展的道路。
粥多僧少，泡沫也在酝酿。由于创业公司成立数量较前两年有所回落，2017年资金明显偏向中后期、大多数是一些较为成熟的项目，金额相当巨大。
2018年，投资人会不会对AI初创项目表示更多热情？
许多AI初创项目，属于“三缺一”项目，缺少独创技术、缺少应用场景、缺少成熟度，只有一个概念，徘徊在实验室里，难以推开市场的大门，看起来有点悬。
2018年的三大难题
1、资金很多，项目不够用了
当前的AI产业发展面临泡沫化的风险，主要体现在投资供应数量大而项目供给数量少，市场对创业项目寄予很高的期望，而实际的产品体验欠佳。
泡沫即将出现。在腾讯研究院的《中美两国人工智能产业发展全面解读》报告中，分析了引发行业泡沫的两个信号：
一是资金多而项目缺。
综合过往数据和2017年前半年的情况，今年美国新增企业数量将跌到谷底，在2017之际，美国新增企业数量范围在25-30家之间徘徊。同时，美国的累计融资量持续快速增长，最后将稳定在1380-1500亿元的区间。
2018年后，中美两国AI企业数量增长都将有所恢复，但依然平缓。在这段时期内，创投圈将会发现，找到一个新的有潜力的项目越来越难，由于新增企业数量稀少，经常只能跟投一些项目。
到2020年，美国累计AI公司数量将会超过1200家，累计融资将达到惊人的2000亿人民币。中国AI企业增势不明朗。根据行业发展周期来计算，中国人工智能产业将会在2018年回暖，新增公司数量会上扬到30以上，预期融资累计量将会达到900-1000亿元。
二是周期长而营收难。
通俗的说，人工智能期望值被大大高估了。引领本轮AI热潮的深度学习，起源于上世纪八九十年代的神经网络研究。在很多情况下，前沿研究是由对已有方法的微小改动和改进组成，而这些方法在几十年前就已经被设计出来了。
2006年，深度学习算法获得了突破后，引起市场热炒，但相关的AI技术和产品的成熟度仍然有限，甚至被讥笑为“人工智障”。许多项目和技术，要想获得消费者欢迎，还需要相当长的时间。
从投融资趋势来看，涌入人工智能领域的资金依然还会增加。
一个依据是，据不完全统计，2017年中国人工智能领域的投融资事件约353起，比2016年稍有回落。但投资金额激增，总融资金额近600亿人民币，在政府的鼓励和行业并购中，2018年中国AI的投资将会持续大幅增加。
另一个依据是，行业并购开始加剧。根据CB Insights提供的数据显示，自2011年以来，已有近140家人工智能初创公司被收购，而2017年的第一季度，海外就有34家人工智能初创公司被收购，为去年同期的两倍。2018年，仍将延续这一趋势。在资金增长的同时，中国AI企业数量却不能同幅增长。根据行业发展周期来计算，中国人工智能产业将会在2018年呈现回暖，预期融资累计量将会达到900-1000亿人民币，而新增公司数量仅仅上扬到30家左右。
资金多而项目缺，周期长而营收难，项目却一天比一天更加昂贵，这种情形与1999年的第一次互联网泡沫何其相似。
2、事情很多，人不够用了
算法大神YoshuaBengio曾表示：“深度学习现在炙手可热，目前的困境是缺乏专家，一个博士生大概需要五年的时间培养，但是五年前还没有博士生开始从事深度学习，这意味着现在该领域的专家特别少，可以说弥足珍贵、极度稀缺。”这是三年前AI面临的困境，至今依然未得到改善，甚至变得更加严峻。
人工智能竞争以顶级人才为根本。据说世界上深度学习领域的顶尖人才不超过50人，Andrew Ng表示深度学习领域人才匮乏的主要原因首先是数据，对于解决某些领域的问题，获取数据并非易事；其次是计算基础架构工具，包括计算机硬件和软件；最后是这个领域的工程师培养时间非常长。所以科技巨头们等纷纷通过收购初创公司来招揽人才。
作为国家未来的发展方向，AI技术对于经济发展、产业转型和科技进步起着至关重要的作用。而AI技术的研发，落地与推广离不开各领域顶级人才的通力协作。在推动AI产业从兴起进入快速发展的历程中，AI顶级人才的领军作用尤为重要，他们是推动人工智能发展的关键因素。
然而，中国人工智能领域人才发展极为欠缺。
据腾讯研究院的《2017全球人工智能人才白皮书》显示，目前我国约有20所大学的研究实验室专注于人工智能，高校教师以及在读硕博生约7000人；产业界现存人员人数约为39000人。远不能满足我国市场百万级的人才需求量。
从产业发展来看，我国人工智能领域人才分布严重失衡。
人工智能产业由基础层(芯片/处理器、传感器等)，技术层(自然语言处理，计算机视觉与图像，机器学习/深度学习，智能机器人等)和应用层(语音识别，人脸识别)等组成，目前我国在产业层次人才上面临两个问题如下：
问题一，产业分布不均。中国AI产业的主要从业人员集中在应用层，基础层和技术层人才储备薄弱，尤其是处理器/芯片和AI技术平台上，严重削弱中国在国际上竞争力。
问题二，供求严重失衡，人才缺口很难在短期内得到有效填补。过去三年中，我国期望在AI领域工作的求职者正以每年翻倍的速度迅猛增长，特别是偏基础层面的AI职位，如算法工程师，供应增幅达到150%以上。尽管增长如此高速，仍然很难满足市场需求。但是，由于合格AI人才培养所需时间和成本远高于一般IT人才，人才缺口很难在短期内得到有效填补。
人才不足，是制约中国AI产业发展的关键因素。
近几年来，Google不断的收购AI领域的公司最主要的目的是“抢购”一批世界上最一流的专家，在一个迅速成长的人工智能领域里面，这些专家无一不是佼佼者。其他科技巨头也相机而动。
可以推想，人才流动，还将加剧。人才引进，还需持续。2018年，无法缓解人才饥渴症。
3、场景很多，路不好走了
如果梳理一下2017全年的AI产业大事件，人工智能技术与行业结合，九大热门领域遍地开花。
其中，医疗、金融、无人驾驶这三大热点中的悬疑，更是大大的吊足了公众的胃口。
悬疑一，AI医疗的变革的信号在哪里？
作为民生领域，医疗年年改，却次次令人无奈。风险投资也对AI+医疗有持续不断的支持。2017年，每个月都有VC流入AI+医疗领域，国内所有医疗人工智能公司累计融资额已超过180亿人民币。
科技企业智能医疗的布局与应用已有雏形，IBM Waston已应用于临床诊断和治疗，在2016年就进入中国在多家医院推广；阿里健康重点打造医学影像智能诊断平台；腾讯在17年8月推出腾讯觅影，可辅助医生对食管癌进行筛查。图玛深维11月获投2亿元，正在把深度学习引入到计算机辅助诊断系统中，晶泰科技(XtalPi)近期也融资1500万美元，用于新一代的智能药物研发技术，以解决药物临床前研究中的效率与成功率问题。
遗憾的是，尽管政府亮了绿灯，企业投了人力财力，但人工智能却并没有在医疗领域出现爆发。原因何在？在于人工智能需要大量共享数据，而医院和患者的数据如同孤岛。如何打破各方壁垒，保障健康的同时又保障数据安全性？这将是推动智能医疗快速发展的一个重要信号。
悬疑二，AI如何深层次的撬动金融？
与智能医疗面临相同数据问题的还有金融领域，大量的可信度较高的数据握在各大银行手中，AI怎么能够撬出来这些数据以推动金融科技的创新，是创业者们绞尽脑汁思考的课题。
当前，人脸识别、指纹识别技术作为验证客户身份、远程开户、刷脸支付，解决金融安全隐患的方案，已经发展成熟正在逐步推广。
如何利用知识图谱挖掘潜在客户、进一步深挖客户潜在需求的技术也已较为成熟，而数据源的问题亟待解决。
美国的科技公司FutureAdvisor最早研制出“机器人理财顾问”。随后，此类机器人理财顾问迅速风靡全球。
2017年智能投顾更是火烧火燎，被视为是下一个风口。但是，机器人炒股，结果赔了。
悬疑三，智能汽车究竟何时上市？
无人驾驶汽车被称为“四轮机器人”，但其发展何时会像智能手机一般，人手一台，彻底颠覆传统手机进而推动整个产业变革？这答案仍然是个悬疑。
2017年，汽车行业内智能造车势力动作不断，其中一部分已陆续交出答卷，让产品接受市场的检验，而一部分仍在温室中培养，等待结果。之所以称之为“温室”，是因为各行各界都对其予以厚望，尤其是在投融资上，虽然投资事件数不多，但金额达234亿人民币。
百度宣布开放阿波罗平台。阿里巴巴与上汽集团等传统车企展开合作。腾讯于年初成功入股特斯拉成为第五大股东，领投蔚来汽车首款纯电动产品，已正式上市。
时间正在跟我们赛跑。2017年，无人驾驶车辆走上北京五环被交警调查，12月20日，一支百度Apollo无人车车队，在雄安新区测试开跑。2018年初，北京顺义区无人驾驶试运营基地正式启动，成为北京出台国内首部自动驾驶新规以来，全市首个开展无人驾驶试运营的区域。2018年，谁会上路？行业和消费者都拭目以待。
回顾2000年互联网泡沫的幻灭，很多人依然觉得不可思议。那时候的产业发展日新月异，软件应用、网络服务ISP，网络内容ICP爆发，常有一日不见如隔三秋的感叹。
2000年4月，纳斯达克指数一路狂飙突进到历史顶点，5400多点。但不幸泡沫破裂，资本市场崩盘。纳斯达克指数迅速滑落。中间经历了9.11恐怖袭击事件，还有安然事件。寒冬持续了3年时间，才慢慢走出低谷。
如今的AI产业正蓬勃发展，与互联网初期阶段何其相似。
产业带着耀眼的光环，肩负国家战略的重任，高度依赖资本市场渠道，舆论高度爆炒，从业者无不都是三高社会精英。