贏了柯潔的人工智慧，這一次輸給了高考狀元

對於很多人來說，

一上數學課感覺就是，

老師以4G的速度在傳輸，

學霸以wifi的速度在接收，

而我的2G速度經常掉線，

收不到也連不上，

最後自動關機了……

一句話：

沒有被數學虐哭過的人，

不足以談人生！

數學對很多人來說無疑是噩夢一般的存在，

然鵝，

昨天竟有兩個機器人主動發起了挑戰？！

一分之差，機器人輸了

AlphaGo與柯潔對弈給人類帶來的恐懼還沒有消散，這邊機器人又在聯考試題上大顯神威。

6月7日下午5時，全國聯考數學科目的結束鈴聲響起。另一邊，兩個特殊的聯考生正準備「展開」試卷。

成都的一個會議室里，準星雲學研發的聯考機器人AI-MATHS在媒體見證下，兩小時內解答多套2017聯考數學題；數千裡外的北京，「學霸君」研發的另一個機器人Aidam將與四位聯考狀元同台對戰。

▲準星雲學研發的聯考機器人 AI-MATHS的伺服器

2017年的聯考，是兩家科技公司要征服的目標。

成都，經過22分鐘的答題，機器人AI-MATHS答完北京聯考數學文科卷。根據來自成都的三位數學老師的閱卷，機器人獲得了105分的分數。

北京，由學霸君研發的聯考機器人 Aidam 挑戰全國卷二文科數學卷，用時9分47秒，取得134分的成績（滿分150分），四位往屆聯考狀元此次答題平均分為135分。——完勝人類圍棋的人工智慧，這一次，以一分的微弱之差輸給了聯考狀元們。

人工智慧未來就像燃料

作為國家級項目，研製 「 聯考機器人」不僅局限於教育領域，而是有著多方面的意義：首先，聚集國內的一些比較頂級的研究機構和科學家，一起來攻關現在人工智慧領域相關的一些重要的技術問題；其次，由於人工智慧的發展，傳統用以測試人工智慧水平的 「 圖靈測試 」 已經逐漸落後，而聯考正是一個能充分體現和應用人工智慧相關的多種能力的領域。最後，人工智慧參與聯考，將會根據不同領域分為不同的攻關組，這些攻關組所取得一些技術成果，能夠運用到相關行業和領域，如翻譯和車載控制等。

1997年5月，IBM的計算機程序「深藍」在正常時限的國際象棋比賽中首次擊敗了當時世界第一的棋手加里•卡斯帕羅夫。20年後，新一代人工智慧AlphaGo又將柯潔、李世石等頂尖圍棋高手斬落馬下。

「人工智慧看上去這兩年才火，事實上多年來一直有人在背後做研究」，在微軟亞洲研究院副院長劉鐵岩看來，人工智慧早已滲透到人們生活的方方面面：從搜索引擎到物流倉儲背後的網點規劃，從人臉識別到機器翻譯、語音識別，無不與人工智慧密切相關。在手機中，實現了個性化推薦的新聞App、會「智能美顏」的修圖軟體、可以對話的「小冰」「小娜」、Siri……這些功能，也都受益於人工智慧的發展。

這一波人工智慧的研究應用被業界稱作「第三次浪潮」。在人工智慧誕生至今的61年裡，曾經的兩次熱潮都最終陷於沉寂。在業內人士看來，這次浪潮有些不一樣。

「這次一定是更加穩健的」，劉鐵岩說，「人工智慧像燃料一樣，與各個產業深度結合，有著比以往更多的、實際落地的應用場景。」

「數據的爆炸式增長、計算能力的飛躍、深度學習演算法的突破，是這一次人工智慧爆發的三大要素。」商湯科技CEO徐立表示，「人工智慧的突破其實和產品落地密切相關，它可以快速帶來行業的爆發。新的技術需要與應用相結合才能夠得到驗證，當人工智慧發展到超越人的水平后，將帶來生產效率的大幅度提升，同時催生新的行業和應用。」

熱捧背後存隱憂

人工智慧迅速發展的背後，有著來自政府、企業、資本的多重推力。

2015年7月，國務院發布了《關於積極推進「互聯網+」行動的指導意見》，「互聯網+人工智慧」被列為11項重點行動之一；2017年3月，人工智慧首次寫入《政府工作報告》。在國際上，英、美、韓、日等也紛紛布局人工智慧，一系列扶持政策相繼出台。

2013年，百度成立全球首家深度學習研究院；在2017百度聯盟峰會上，李彥宏明確表示將人工智慧作為百度的核心戰略；Facebook、谷歌等巨頭也不約而同提出了「人工智慧優先」的戰略轉變；在計算機視覺、語音識別等垂直領域，商湯科技、科大訊飛等企業成績矚目。「目前無論是大公司還是小公司，都在積極擁抱人工智慧」，徐立說。

在創投領域，人工智慧尤其受到資本的重視，甚至引發瘋狂追捧。互聯網數據和諮詢公司it桔子近日發布的《人工智慧產業分析與創業投資盤點》收錄了467家ai企業和636起投資事件，其中，人工智慧總獲投率為67.65%，高於其他行業2—3倍。過高的熱度讓劉鐵岩覺得，人工智慧儼然已經成了一個「網紅」，一些企業所謂的調整戰略其實是資本市場倒逼的。

當然，與此前的互聯網發展中曾出現過的「風口」帶來「泡沫」一樣，與方興未艾所伴隨的，無序與重複投資、過熱與概念包裝等問題，在人工智慧創投領域也已顯現出來。

徐立直言，國內人工智慧創業大多扎堆在應用層面，創業者使用開源演算法，找到某個垂直領域便套上「人工智慧」概念扎進去，但真正從演算法層出發做「原創技術」的人並不多。「而這塊才是核心，是最需要厚積薄發的。」

對於這些隱患，易觀智庫資深分析師薛永峰強調，人工智慧還處在比較初級的發展階段，花些時間「冷思考」尤為重要。

瓶頸即主攻方向

需要多久的積澱，人工智慧才能告別初級階段，迎來大規模的爆發？專家們也承認，還有不少瓶頸待突破。

瓶頸之一來自對大數據和計算的過度依賴。想讓機器像人類那樣思考，就必須「喂」給它天量數據。「必須依賴大數據、大計算，導致現階段很多人工智慧過於重量級」，在劉鐵岩看來，「這種依賴是笨拙的，未來應當有更多輕量級的人工智慧產生」。

瓶頸之二來自人工智慧的「黑箱」——當下人工智慧做出的決策就像封閉的黑箱子一樣不可預測。「在人臉識別系統中，如果一些人能夠識別而另一些無法識別，研究員可能無法回答為什麼，因為這是機器從數據中學習得來的，背後的邏輯並不清晰」。徐立還舉了另一個無人車的例子描述這種尷尬：「無人駕駛超越人的準確率是很可能的，但難點在於你不知道它什麼時候會撞牆。」

另一個瓶頸在於不成熟的行業生態。這在一定程度上制約了人工智慧的發展。薛永峰提醒，要防範出現數據孤島化、研發孤立化的問題。「人工智慧的一些技術專利主要掌握在大公司手中，數據資源難以全面放開。在語音識別、無人駕駛等諸多領域，很多團隊各做各的，沒有融會貫通。」而在一些傳統行業中，數據積累的規範程度和流轉效率，還遠遠達不到能夠發揮人工智慧技術潛能的程度。

不過徐立認為，這些缺陷「與其說是瓶頸，不如說是未來的主攻方向」。

就國內而言，人才儲備方面還相對薄弱。來自領英的數據顯示，全球範圍內，人工智慧專業人才有195萬，只佔2%，排名第七。「人工智慧工程師和應用型人才都存在缺口，我們的教育體系應該與時俱進，在課程設置上面與發展需求配套」，劉鐵岩說。

「這是一場既有主動脈又有毛細血管的技術革命，其意義可能不亞於今天的互聯網和移動互聯網。因此急不得，未來要一步步走」，薛永峰說。

*本文王皓然編輯、製作。

【1】百餘篇大數據文檔下載！

【2】超全數據分析資料免費下載！（包括SQL，R語言，SPSS，SAS，python，數據分析和數據挖掘）

【3】清華大學數據科學院講座內容集錦免費下載！

【4】Python超全資料分享！