我们之前从各个方位解读了人工智能的定义，相信大家肯定已经对人工智能有了初步的见解。那我们再次回到之前讲到过的人工智能发展史。从20世纪60年代到90年代再到今天，从西洋跳棋到国际象棋再到围棋，三盘棋，三次人工智能在公众中引发的热潮——大家肯定不禁要问了，为什么处在风口浪尖的偏偏都是人机对弈，为什么会下棋的计算机程序如此风光?

　　纵观人工智能发展史，人机对弈只是人工智能在公众心目中的地位起起 落落的一个缩影。 对于人工智能的技术研发者而言，选择人机对弈作为算法 的突破口，这一方面是因为棋类游戏代表着一大类 典型的、有清晰定义和规 则、容易评估效果的智能问题;另一方面也是因为具备一定 复杂性的棋类游戏通常都会被公众视为人类智慧的代表，一且突破了人机对弈算法，也就意味着突破了公众对人工智能这项新技术的接受门槛。

　　的确，每次人机大战以及计算机胜出的结果，都在公众视野中激起万千波澜。从被人工智能在某些领域的惊艳表现震撼，到逐渐认识到当时的人工智能还有各种局限，人们已经经历了两次这样的心理落差。但与其说这是人类自身的心理落差，不如说这是计算机是否具有智能的判定标准不断被拔高。

　　前两次人工智能热潮，每一次都释放过人类关于未来的瑰丽想象力。，每一次都让许多人热血沸腾，但是很不幸，两次热潮无一例外地陷入低谷，那么第三次人工智能热潮会如何发展呢?这一次热潮有何本质上的不同?

　　学术界，产业界和投资界在谈到高潮和低谷时，经常会引用高德纳咨询公司推荐的技术成熟度曲线，这条曲线显示出，几乎每一项新兴且成功的技术，在真正成熟之前，都要经历先扬后抑的过程，并在波折起伏中通过积累和迭代，最终走向真正的繁荣、稳定和有序发展。

　　将高德纳技术成熟度曲线对应到人工智能波折起伏的发展历程中，其实不难看到，人工智能此前两次表现出的热潮，更多应该被理解为一项新兴技术在萌芽期的躁动以及在泡沫期的过分膨胀。

　　20世纪50年代到60年代，以艾伦.图灵提出图灵测试为标志，数学证明系统，知识推理系统等里程碑式的技术和应用一下子在研究者中掀起了第一波人工智能热潮，但那个年代无论是计算机的运算速度还是相关的程序设计和算法理论，都远不足以支撑人工智能的发展需要。

　　随后大家对人工智能的热情也迅速消退了。直到20世纪80年代到90年代，基于统计模型的技术悄然兴起，并在语音识别、机器翻译等领域取得了不俗的进展，人工神经网络也在模式识别等应用领域开始有所建树，但是那个时代技术进步还不够好，不足以超过人类对智能机器的心理预期。

　　从整体上看，那一拨人工智能热潮仍然笼罩着浓厚的学术研究和科学实验色彩，虽然激发了大众的热情，但远没有达到与商业模式，大众需求接轨并稳定发展的地步。2010年前后，随着深度学习技术的成熟，加上计算机运算速度的大幅增长，当然还有互联网时代积累起来的海量数据财富，人工智能开始了一段与以往大为不同的复兴之路。

　　人们在ImageNet竞赛中取得的非凡成就是人工智能发展史上一个了不起的里程碑，也是当今这一波人工智能热潮由萌芽到兴起的关键节点。随着机器视觉领域的突破，深度学习迅速开始在语音识别、数据挖掘、自然语言处理等不同领域攻城略地，甚至开始将以前被人们视为科幻的自动驾驶技术带入现实。此外，基于深度学习的科研成果还被推向了各个主流商业应用领域，如银行、保险、交通运输、医疗、教育、市场营销等，第-次实现了人工智能技术与产业链条的有机结合。

　　所以，我们说“人工智能来了”，其实是说，人工智能或深度学习真的可以解决实际问题了。在机器视觉、语音识别、数据挖掘、自动驾驶等应用场景，人工智能接连突破了人们可以接受的心理阈值，并第一次在产业层面“落地”，发挥并创造出真正的价值。

　　到底本次人工智能热潮是不是处于技术成熟度曲线的成熟上升期，到底能不能保持长期持续增长的势头，是不是会像此前的人工智能热潮那样，有跌入低谷的风险?大家可以通过这些分析，做出自己的判断。

　　责任编辑：张华