当下人工智能的现状：一半是现实，一半是期待

连续写了两篇关于人工智能”过去”和”未来”的文章，今天我想落地一点，聊聊2012年的当下：人工智能到底在哪些地方真的管用了，又在哪些地方仍然只是PPT上的愿景？作为IT人，我比较反感那种”明天就全面智能”的宣传腔调。真实的世界里，AI的现状是一半是现实，一半是期待。

现实一：语音识别已经商用，但”对话”仍是半成品

2012年，语音识别的商用程度可能超出很多人的预期。Nuance为iPhone提供的中文和英文识别引擎，已经把听写准确率做到了实用级别；科大讯飞的语音产品在车载、呼叫中心里大面积落地；国内三大运营商的话费查询、天气预报服务，背后都是自动语音应答系统。但请注意一个事实：这些系统的本质依然是”识别”——把声音变成文字，然后匹配预设的规则，而不是”理解”。你对着Siri问”附近有什么好吃的”，它能给你一堆搜索结果，但你要是问”明天如果下雨还适合爬山吗”，它就露馅了。人机对话，目前仍然是一个精心包装的关键词匹配系统。

现实二：推荐系统是离钱最近的AI

如果说有一个地方，人工智能已经默默地把钱赚了，那一定是推荐系统。亚马逊的”购买此商品的顾客还购买了”，Netflix的个性化影片推荐，淘宝首页的千人千面，YouTube的视频推荐——这些系统每天在数十亿次请求里实时计算”你接下来想要什么”。它们背后是协同过滤、矩阵分解、在线学习这些机器学习技术的成熟应用，商业效果立竿见影：亚马逊说其35%的营收来自推荐系统。这一事实给所有做技术的同行提了个醒：AI的商业化，往往不是最酷的那个方向，而是离用户行为数据最近的那个方向。

现实三：图像识别在”竞赛场”上突飞猛进

图像识别是今年学术界最热闹的角落之一。每年一届的ImageNet大规模视觉识别竞赛（ILSVRC）聚集了全球顶尖实验室，比拼谁能让计算机更准确地给照片打标签。过去几年，错误率每年都在以看得见的速度下降，神经网络方法（尤其是卷积神经网络）正在重新成为主流。工业界的应用也在跟进：Facebook的人脸识别、Google的图片搜索、安防领域的车牌识别和视频监控分析。不过说实话，这些系统在”受控场景”下表现优异，一遇到光线变化、角度刁钻、遮挡严重的真实环境，还是会犯一些让人类哭笑不得的错误。让计算机”看懂一张图”，比让计算机”看见一张图”难得多。

现实四：搜索引擎已经是AI，只是没人这么叫它

有一个日常用品其实早就是人工智能的形态了——搜索引擎。Google每天要回答几十亿个问题，它要做拼写纠错、语义消歧、网页排序、个性化调整，这一整套东西就是机器学习和大规模计算的结合体。而且我注意到，谷歌正在酝酿一次从”找网页”到”给答案”的升级——据内部消息，他们正把搜索结果直接组织成知识卡片，你搜”长江有多长”，以后得到的可能不再是十个链接，而是一个直接答案。这个方向一旦铺开，搜索就不再是简单的索引，而是一种理解，这也是人工智能最潜移默化的存在形态。

还有一个容易被忽视的现实是安防与监控。国内的城市治安视频监控系统已经铺到了街道和小区，每天产生的视频数据量惊人，而靠人工盯着屏幕根本看不过来。于是”智能视频分析”成了刚需——自动识别车牌、检测异常行为、跟踪可疑目标。这类系统的准确率还远谈不上完美，但商业模式已经跑通，政府和企业都愿意买单，是人工智能落地最实在的领域之一。

现状里的三个遗憾

说完现实，也得说遗憾。第一，中文AI的基础研究仍然薄弱，大量核心算法论文还是英文世界在产出，国内企业更多在做工程化和商业化。第二，AI人才极度稀缺，一个靠谱的机器学习工程师年薪动辄百万，人才缺口在可以预见的未来几年只会扩大。第三，也是最关键的——整个行业的”期望泡沫”正在形成，投资人和媒体开始用”智能”这个词形容一切带算法的产品，泡沫破裂后的反思，大概会像前两次AI寒冬一样，来得又快又狠。

我的判断是：2012年的人工智能，在感知层已经过了”能不能用”的关口，在认知层还在”怎么用”的路上。它是真实的生产力，也是真实的局促。保持清醒，比保持兴奋更重要。