最近，许多多年cs从业者或者一些攻城狮都给出了人工智能泡沫的论点。其中不乏大批百度、openai、deepmind的文章，仿佛人工智能真的是资本主义家们搞出来的噱头。作为一个小辈，恬不知耻的写一下自己的想法。

首先，看到最多的观点就是人工智能的理论不足，认为就是概率统计加计算机，然后应用在一些传统行业上，经过资本主义家的包装后成为高大上的人工智能来制造风口赚钱。不得不说，很大程度上如今的整个AI行业大家都很懵， 到底什么才是真正的人工智能呢？记得前段时间在自动化概论课上，我上台做了一个人工智能的专题，本来是希望把在实验室中的一些所学展示一下，结果中间由于下课原因电脑被学校终控那边关掉了，当时我记得有个同学说了一句，“满嘴人工智能云云，电脑坏了还不是得在台上站着等终控开机。”

当时其实没往心里去，笑了一下，后来看了知乎上的一些人工智能泡沫论，我不由感慨，如今其实大部分人对于人工智能其实都是这样一种态度，不是害怕，也不是期待，而是一种不屑，犹如一种上等生物对于劣根物种的一种鄙夷。

其实这也是一种很正常的情况，作为一个在食物链中的顶端，多年来鲜有其他的物种再来挑战我们的地位，这种骄傲自然是一直保持着。而近年来不断出现，某某论文的这个网络下视觉的分辨率超过人类、alpha go击败李世石、alpha zero击败alpha go、alpha star打赢职业队伍等等等等。人类似乎开始感受到了威胁，开始怀疑，自己的工作是否会被替代，自己的工资是否会下降。这种害怕让人们开始不断寻找他的弱点。不巧的是，AI这个孩子还真的有很多弱点，基础理论不足，甚至包括让深度学习之父获得图灵奖的仰仗————反向传播算法，都是一个很大的问题。再者就是AI的安全性，AI的未来目标到底是什么，这些都没有。况且，熟悉人工智能的人应该也知道，这不是AI的第一次高潮，其中大起大落过几次。而我们现在用的理论基础都是20世纪的产物。

这不由的让人质疑，这个人工智能是否真的是资本家们的圈钱工具？这么大的问题笔者不敢断言，但是我认为AI的道路应该是越来越明了了。

首先我们回到20世纪，最开始的图灵机，这就是最开始人类对于人工智能的展望，将人们使用纸笔进行数学运算的过程进行抽象，由一个虚拟的机器替代人们进行数学运算。那么现在呢，我们需要的人工智能到底是什么呢？也就是一个机器的奴隶罢了，可以理解我们的需求，然后完成我们的工作要求。这是初级要求，再往上呢，就是这个机器奴隶是可以自助进化的，如同人类的学习一样。再往上呢？人类已经懒得连需求都懒得想了，你这个奴隶帮我决策吧，问题摆在这里，你帮我找一个最优的方案，同时把它解决。再往上呢？这个世界交给你打理了，你们这群奴隶自主的繁衍生产，只要提供给我我需要的生存物资就可以了。还有再往上，但我已经不敢想了，这会牵扯到一些神学宗教的东西，不是本文的重点。

这就是我们致力于人工智能的原因，那么理论基础不足呢？这你怎么解释。所谓理论知识，我们现在的深度学习很像古代的术士炼丹，也不知道这个东西对不对，比例对不对，就慢慢调，然后记录一下，这个比例怎么样，加了这个东西会怎么样。就如同我们现在的这个网络参数调一下，加个这个公式试一下，把这个正则化加一下，数据集这样处理一下等等等等。突然一调，诶，发现网络收敛更快了，发现准确率更高了，泛华能力更强了，哇，牛逼，发篇顶会。这是如今的一个现状，于是很多人看到了，说这个人工智能是假的，是噱头，没用的。

不得不说，的确，看似没用，但是这是个过程，正如生物实验和一些物理实验一样，都是摸不着头脑，就是这样试，试出来了，总结规律，青史留名。试不出来，问我怎么办，没钱没经费呗，转行了呗，给别人做了嫁衣了呗。但是这都不是重点。已经有一批很有前瞻性的phd把目标锁定在脑神经科学上了。这才是正途啊，因为所谓的机器学习，如今真的是在机器学习吗？有点像，但我认为不是完全是的，至少现在不是。只是通过一个几个矩阵学到了图片中的一些特征，这也叫学习吗？不是，我们人是怎么学习的？从图像来说，我们似乎好像是通过物体的某些特征来认出物体的，但是当我们可以用这些特征来举一反三，机器呢？似乎没有那么好的泛化能力。那么可能在学习上，我们的大脑可能不只是这么简单的学习的。那么反向传播是否正确呢？这也是个问题，也是我们一直怀疑的，这一点我还是站英特尔的脑神经科学实验室的。我们大脑学习理解的过程是否真的只是单纯的偏导呢？这是个质疑，甚至连hinton自己都怀疑了，所以理论上人工智能的确目前十分的薄弱。

但不能否认人工智能就是个噱头，不能否认这些天才提出的算法，况且，人工智能也不只是机器学习和深度学习，还有一大批的牛逼算法，就分类而言我们还有SVM、逻辑回归等等等等；而智能体决策这一块更是一个数学的海洋，强化学习这一块的理论基础可以说是很强了。其实决策这一块我是十分认同强化学习的，因为这个宇宙，在我看来其实就是一个概率统计的结果，所谓的公式定理不过也只是满足条件后该事件发生的概率十分大罢了。而强化学习的目标就是将机器人在这个环境下最优结果的选择的概率调至最大，而你是否选择，这与你自己有关，是explore还是exploit这是你的选择。这一块还是比较与实际有关的。也与人类在未知环境中的决策十分的像。

而在自然语言处理方面，我也认为目前为止，放弃掉语言理解而选用概率模型这一条路是正确的。其实人工智能不只是一片小的领域，不要因为看到了炼丹的遥遥无期就怀疑了整个领域，也不要因为看到了市场需求的饱和就不去涉足，社会的进步，不是遇到困难就开始大批特批，而是去解决这个问题，去思考，去反省。因此我认为如今的人工智能泡沫论，纯粹是一批无法沉下心来专心思考的人，是一批试图去风口发一笔横财却发现，诶，好像发不了财了，就开始批斗它。作为一个人类的孩子，AI的出现可能会迟到，但是无法被阻止，这是历史的必然，也是社会发展的必然。