隨著DeepMind推出根據記憶自主學習的計算機，人工智能已經實現自我學習，這是否意味著人工智能已經接近轉折點？

要回答這個問題，可能需要從AI的定義入手。斯坦福大學“AI研究的100年”項目發(fā)布的《2030年的AI和生活》報告給出的答案是“AI的定義取決于AI研究者”，這一迂回的“定義”將答案指向了AI的發(fā)展歷程。

AI的發(fā)展歷程

曾領導IBM互聯網業(yè)務部、現任麻省理工學院講師的Irving Wladawsky-Berger近日撰文指出，在AI發(fā)展的初期，人們認為評估AI進展的主要方式是與人類智能進行比較，因此最好的方式是在競技游戲中令二者進行對峙。

最早的AI挑戰(zhàn)之一是國際象棋。許多AI研究的領頭人認為AI在國際象棋比賽中戰(zhàn)勝人類是遲早的，因此令計算機編程進行象棋比賽。但實際上知道今天，也沒有人知道象棋冠軍究竟是如何思考的，遑論將其思維模式轉換成指令，從而令計算機成為象棋高手。20世紀80年代，這類AI遭遇挫折并被拋棄。

不過AI在90年代得以重生，這一階段，AI采用基于強大計算機和復雜算法的大量信息，對此進行統(tǒng)計和強力計算，而非通過編程令計算機表現智能。而且，與早期以編程為基礎的項目不同，統(tǒng)計方法帶來的效果極佳。例如，IBM開發(fā)的超級電腦“深藍”，在1997年曾擊敗國際象棋世界冠軍Kasparov。

此后，AI領域的發(fā)展方向轉移到了比國際象棋更為復雜的游戲中，例如IBM在2011年推出的Watson程序，能夠使用自然語言回答問題，并在問答節(jié)目中贏得人機對決。這意味著計算機已經能從書籍、報紙、網站等任何以自然語言呈現的非結構化知識進行提取。

更值得一提的是今年初贏得圍棋大師李世石的谷歌AlphaGo，其依賴深度學習算法，部分根據人腦工作方式進行建模，而非單純依靠強力計算。

未來哪些元素將成熱門？

從AI的發(fā)展歷程中不難看出，深度學習在未來仍有較大發(fā)展空間，“AI研究的100年”項目報告指出，除此之外，大規(guī)模機器學習等也將成為大熱門：

大規(guī)模機器學習。通過機器學習，計算機能夠抓取大量數據，而非精確編程。目前的重點是擴展現有的算法以完成大量數據的工作。

深度學習。這是機器學習的更高水平，其采用具有多個處理層的深度圖表，令先進的可視化應用（如物體識別、視頻標簽等）得以完成。

強化學習。傳統(tǒng)的機器學習主要聚焦于模式挖掘，但強化學習將重點提升至決策形成，并協助AI在現實世界中更為深入地學習和執(zhí)行。

機器人。目前正在考慮如何訓練機器人以可歸納和可預測的方式與周圍世界進行互動。可靠的機器感知（包括計算機的視覺、力量和觸覺）多數依靠機器學習，將繼續(xù)成為提升機器人能力的關鍵因素。

計算機視覺。在執(zhí)行一些（狹義的）視覺分類任務時，計算機的表現第一次優(yōu)于人類。目前多數研究集中在自動圖像和視頻字幕上，

自然語言處理。對于有著大量數據的主流語言，自然語言處理正在迅速成為主流語言的大量數據集成。目前研究已經轉移到精煉且有能力的系統(tǒng)，這類系統(tǒng)能夠通過對話與人進行互動，而非只是對程式化要求進行應答。

報告還指出，在未來十五年間，預計有人類意識的系統(tǒng)將受到進一步重視，這意味著可以設計特定模型以與特定人群實現交互。而且需要開發(fā)出更多新的方式以教導機器人，而且物聯網系統(tǒng)變得越來越流行，這被視為社會與經濟層面的AI。未來幾年，具有新的感知或識別能力的機器人平臺將進一步成長，由數據驅動的產品和市場同樣如此。

人工智能概念股：埃斯頓、科大智能、漢王科技、江南化工、華東數控、和而泰、中科曙光、永創(chuàng)智能、北京君正、通富微電、永創(chuàng)智能、勁拓股份。