人工智能呈現(xiàn)新動態(tài)或者趨勢，具體表現(xiàn)在：
2015年全球人工智能市場規(guī)模為1270億美元，2016年預計為1650億美元，到2018年預計將超過2000億美元。
目前人工智能雖然取得巨大進步，但總體還處于初級階段，作為一個關(guān)鍵的技術(shù)，一定要重視通用人工智能依然任重道遠，人的大腦是一個通用智能系統(tǒng)，可以舉一反三、融會貫通，一腦萬用。與之相比，現(xiàn)有的人工智能差距還比較遠。比如沒有智慧，沒有情商，不會“計算”等。盡管我們已經(jīng)取得了一些進展，但我們也很清楚現(xiàn)在尚處在人工智能工具與技術(shù)發(fā)展的初級階段。
人工智能技術(shù)已經(jīng)可以很好地完成一些具體的任務，例如正確地識別一副圖像或者是分辨出對話中的詞語。但是，如果將其與人類兒童靠觸覺、視覺和嗅覺來了解世界并與之互動的方式進行比較，今天的技術(shù)仍相去甚遠。
“人工智能的核高基”，中的核就是核心技術(shù)，高就是高端設(shè)備與應用，基就是基礎(chǔ)理論設(shè)施，發(fā)揮中國互聯(lián)網(wǎng)大國的優(yōu)勢，把大數(shù)據(jù)和用戶優(yōu)勢資源轉(zhuǎn)化為人工智能技術(shù)優(yōu)勢，最后深化人工智能技術(shù)推廣應用，做大做強智能產(chǎn)業(yè)，加強人工智能教育與科普，培養(yǎng)高素質(zhì)人才隊伍，最后支持人工智能社會學的研究。
但是不要忘記對任何一項新技術(shù)來說，發(fā)展都有高潮和低谷，而人工智能技術(shù)成熟度曲線顯示，智能機器人、認知專家顧問等熱門技術(shù)正處于“期望膨脹期”，接下來可能就是“幻滅期”，“需要我們冷靜思考”。切忌跟風，“跟風難有大作為，找熱點的‘風口’不如找‘關(guān)口’，找到人工智能發(fā)展的瓶頸在哪里，突破瓶頸可能會開創(chuàng)一個新天地。因為人工智能是信息科技與腦科學研究的交匯，人腦智能機理的研究孕育著信息科技的重大變革。
2016年人工智能發(fā)展的十大事項：
第一項，阿爾法狗；
第二項，各國政府高度重視人工智能發(fā)展，包括今年5月份美國白宮舉行4場研討會討論，包括我們國家大家也知道5月份幾個部委發(fā)布了《互聯(lián)網(wǎng)+人工智能三年的行動實施方案》還是值得一提的事；
第三項，IBM發(fā)布類腦超級計算機平臺，是基于前幾年發(fā)布的芯片；
第四項，軟銀320億美元收購ARM，這還是很大的收購；
第五項，谷歌、facebook等開源人工智能基礎(chǔ)平臺，這是值得一提的，反映了一個趨勢和動向；
第六項，創(chuàng)建公益性的人工智能機構(gòu)OpenAI，我認為很值得一體，10億美金；
第七項，學術(shù)方面的，Science發(fā)表Bayesian Program 論文；
第八項，微軟深層殘差網(wǎng)絡(luò)奪冠2015年ImagnNet；
第九項，谷歌量子計算機取得重要的突破，為人工智能計算搭建一個平臺；
第十項，劍橋大學成立人工智能倫理研究所。
2016年人工智能的十大發(fā)展趨勢：
第一，人工智能熱潮全球化，從東方到西方，從發(fā)達國家到發(fā)展中國家，從大國到小國，應該都是掀起了熱潮。
第二，產(chǎn)業(yè)競爭白熱化，各種并購大家也可以看到，招聘人才，都希望來競爭。
第三，投資并購密集化，過去一年大的小的收購、投資，數(shù)不勝數(shù)，從幾百億到幾個億，更小規(guī)模的也不用說了，太多了。
第四，人工智能應用普適化，各個領(lǐng)域的滲透。
第五，人工智能的服務專業(yè)化，一個是研究通用化的人工智能，一個是專業(yè)化的人工智能。
第六，基礎(chǔ)平臺開源化，包括IBM、谷歌開源的平臺，過去一年特別明顯的一個新的特征，我不知道大家贊不贊同。
第七，關(guān)鍵技術(shù)硬件化，包括IBM的類腦計算平臺。
第八，技術(shù)方法集成化，單一的人工智能計算理論和方法不可能包打天下，集成創(chuàng)新勢在必行，阿爾法狗里面集成了很多，都是我們非常熟悉。
第九，學科創(chuàng)新協(xié)同化，多學科跨界融合交叉協(xié)同創(chuàng)新人工智能創(chuàng)新途徑，包括量子技術(shù)跟人工智能的結(jié)合。
第十，社會影響大眾化，我不用解釋，包括我的司機前兩天問，這一年多人工智能很火熱，他都很關(guān)心，說明人工智能的影響的社會化大眾化。
人工智能未來發(fā)展思考：
1，從淺層智能到深層智能；
2，從專用人工智能到通用人工智能；
3，從機器智能到混合智能；
4，從數(shù)據(jù)驅(qū)動到數(shù)據(jù)和知識協(xié)同驅(qū)動；
5，從線下智能到云上智能；
6，從網(wǎng)下到網(wǎng)上。
最后人工智能總結(jié)：
目前的AI技術(shù)尚處于基礎(chǔ)架構(gòu)階段，產(chǎn)業(yè)化落地跟不上，很正常，人工智能現(xiàn)在的呼聲遠遠大于我們現(xiàn)在的數(shù)據(jù)和場景，應該正好反過來，應該是場景和數(shù)據(jù)大于人工智能的這些宣傳；我們應該去做實事，就是標數(shù)據(jù)，然后建立場景，然后找模型。
那在獲取數(shù)據(jù)時，是完全可以用算法升級去做交換的。可以通過大量的客戶合作模式參與進來，持續(xù)給AI企業(yè)提供算法訓練所需的數(shù)據(jù)，用于算法的研究和性能上的提升，也可以給客戶供應更好的算法，相互支持。而標注數(shù)據(jù)——向機器描述什么是一盆花、一個瓶子，讓他去學——這需要非常多人力，所需成本遠遠高于采集數(shù)據(jù)。而這些又是必須的，因為不做這些機器就沒法學習。因此這里也是一部分底層能力的建設(shè)，如何更高效、半自動、成規(guī)模地標注數(shù)據(jù)。
目前大數(shù)據(jù)的困局是，大部分數(shù)據(jù)都是不可用的；人工智能的困局是，這是一個人工勞動密集型（需要眾包標記和大量算法專家折騰）的，成本很高。 ????
AI領(lǐng)域還有另外一個風險。數(shù)據(jù)集是目前AI最有價值的投入，但其重要性可能會逐漸減小。AI公司已經(jīng)開始使用模擬數(shù)據(jù)，包括來自電腦游戲的數(shù)據(jù)。而新開發(fā)的算法可能通過較少的樣本集獲得同樣的智能效果。最大的危機在于我們自滿于數(shù)據(jù)方面的優(yōu)勢，而在算法創(chuàng)新上止步不前。
現(xiàn)在大家經(jīng)常談兩個AI概念，也就是“+AI”和“AI+”的區(qū)別：
其中行業(yè)+AI的說法是說明說這個所謂的人工智能公司實際上并沒有深入到任何行業(yè)，只是給一些行業(yè)應用者提供了深度學習的能力或者作為某一項技術(shù)的外包方而存在；而AI+則是說這個人工智能公司能夠與行業(yè)深度結(jié)合，并使其成為由AI驅(qū)動的新行業(yè)，比如新金融、新安防。AI+能夠讓人工智能成為企業(yè)在同行業(yè)中形成的差異化壁壘。
