人工智能(Artificial Intelligence， AI)无疑是科技圈近来最火爆的话题，不过对于AI这个提出已经超过60年的概念，能否在第三波浪潮中解决算法、计算效率、数据等问题实现普及成为了业界关注的焦点。

　　现在每一个人都在学习，或者正打算学习深度学习(DL)，它是目前人工智能诸多流派中唯一兴起的一个。各个年龄阶段的数十万人学习着免费和收费的深度学习课程。太多的创业公司和产品的命名以「深度」开头，深度学习已然成了一个流行语，但其真正使用实际上很少。

　　深度学习并不是人工智能的同义词。谷歌、Facebook 等巨头公司宣传最多的人工智能工具主要是或者仅仅是深度学习，因此大众误以为所有的人工智能突破都(将)由深度学习实现。真实情况并非如此。决策树比如XGBoost不会成为头条，但却在很多Kaggle表格数据竞赛中低调地击败了深度学习。媒体暗示AlphaGo的成功全部归于深度学习，但实际上它是蒙特卡洛树搜索+深度学习，这表明深度学习单枪匹马很难取胜。

　　今天深度学习算法需要结合大量计算和大量数据使用，为了实现大众市场使用，这项技术必需具有高能效，以便用于电池供电设备中。此外，深度学习技术仍然在快速演进和改进，任何IP解决方法必须足够灵活，以便在产品生命周期内进行技术的更新，并且需要实现灵活的编程和易于使用的工具，缩短从研发到生产的过程。而且，它必须具有应对业界不断发展的新标准、新特性和新功能的能力。

　　人工智能虽然没有达到普及的程度，但现在正在对世界科技格局产生重要影响。影响人工智能发展的核心要素有三个：一、深度学习算法的提出；二、移动互联网产生足够的大数据；三、计算能力的大幅度提高。随着算法、计算能力和大数据这三大人工智能要素的发展，人工智能范式迁移已现端倪，技术和产业两个维度的‘奇点时刻’正在临近。

　　此外，自深度学习被Hinton在《Science》发表以来，短短的不到10年时间里，带来了在视觉、语音等领域革命性的进步，引爆了这次人工智能的热潮。虽然目前仍然存在很多差强人意的地方，距离强人工智能还是有很大距离，它是目前最接近人类大脑运作原理的算法，我相信在将来，随着算法的完善以及数据的积累，甚至硬件层面仿人类大脑神经元材料的出现，深度学习将会更进一步的让机器智能化。

　　科技的发展越来越快，其对于社会生活的影响、尤其对于人类职业的冲击也越来越快。以往一辈子只做一种工作的时代可能不会再有了。终身学习将会是全社会的共同认知，永远保持接受学习新事物、新技能的开放心态和能力，才是应对未知世界的最好方法。未来人工智能应探索其他的新方法，或者已存在却被忽视的方法，而不仅仅是深度学习。