人工智能的第三次寒冬是否到达？

如今的数据格局如果没有人工智能就不再完整。商业智能领域出现了一个整合浪潮，这引发了一个问题，是否会推出新一代人工智能?混合云现在不再成为大多数企业的抽象术语。

 

与五年前不同的是，Hadoop不再是分析大数据的唯一途径。从完整平台到专门的点服务(如Spark、流媒体、数据转换、人工智能)都采用了云计算产品。此外，在云中，对象存储正在成为事实上的数据湖。但是随着Mapr的衰落以及HortonWorks和Cloudera的合并，仍然有着很好的客户基础，至少有两千个蓝筹股客户，并且绝大多数是内部客户，他们每年将支付上百万美元的支持费用。而这些工作负载不会一夜之间转移到云端。

 

尽管如此，企业将业务迁移到云端是显而易见的。Firstmark公司的调查报告与Ovum公司所做的预测一致，2019年，大多数新的大数据工作负载将从云端开始。FirstMark公司期待出现这一点，但也有一些问题。当企业考虑云计算新的战略工作负载时，有人担心云供应商的锁定。混合云得到了行业厂商的关注，而像IBM这样的基础设施厂商已经在云计算第一轮发展浪潮中错过，因此有些厂商希望获得第二次机会。而Kubernetes并没有迷失，谷歌开源项目让用户更加关注混合云。当然，这也推动了IBM公司以340亿美元收购Red Hat，但其举措远远落后于谷歌Anthos产品，该公司重新打包其Kubernetes服务，企业可以在AWS云平台中运行谷歌云本地工作负载(无需采用谷歌硬件)。

 

但是人们在采用Kubernetes服务时需要花费时间熟悉和适应，Kubernetes仍然是一块未经打磨的钻石，其安全性、负载平衡、服务配置等方面的最佳实践仍在进行中。尽管如此，FirstMark推测，由于数据科学家或数据工程师希望对他们的环境施加更多的控制，Kubernetes可能会促使他们远离基于云计算的机器学习服务。机器学习对数据的需求非常旺盛，因此，其关键的推动因素或者说障碍，取决于人们的观点，将是企业在内部存储或处理所有数据的能力、意愿、成本等等。而专家对Kubernetes的看法是，对于除了最复杂的企业IT组织之外的所有人来说，它将变得过于复杂，尽管像IBM公司或Pivotal公司这样的第三方的使命是将所有的复杂性隐藏在一个黑盒里。

 

该报告还研究了复杂分析和机器学习工作负载的无服务器计算的状态，同样认为它处在黄金时期还为时尚早。无服务器随着敏捷开发具有短期流程的应用程序或具有不稳定流量峰值的数据库而变得流行。无服务器的开发简单性，让系统自动调整计算量，对于实现敏捷的开发人员具有吸引力，但是长时间运行的机器学习过程将使无服务器遇到障碍，正如FirstMark公司调查报告所指出的那样。

 

另一个痛苦的领域将是数据管理和治理，这个问题与一系列新的和拟议的数据隐私法相结合。对于数据库和商业智能的经验丰富的公司和个人来说，这些问题并不新鲜。当企业拥有如此多的数据时，如何找到要查找的内容?数据目录由Alation和Waterline Data等第三方提供，并内置于像Cloudera这样的数据平台。例如，由Google Ventures提供部分支持的Colibra公司最近筹集到1亿美元，但同时，并没有阻止谷歌云计算人员公布他们自己的数据目录，这些数据目录与Collibra的数据目录重叠。但并非所有数据目录都是平等的。有些是高度协作的工具，它们利用机器学习来抓取和构建查询以访问数据，而其他工具则是一些数据字典。

 

FirstMark公司的调查报告认为，数据沿袭是新兴的另一项技术——它应该告诉人们数据来自何处，并提供审计跟踪，以了解数据是如何被使用的，最好是由谁使用。虽然数据沿袭应该提供单一的真相来源，但面临的挑战是，分析工具、数据目录、数据平台都在记录各自对数据沿袭的看法，提供了拥有很多好处的最新示例。

 

如果不涉及商业领域的最新一轮整合，那么对2019年数据和分析领域的调查就不会完整，谷歌公司收购Looker公司，Salesforce公司兼并Tableau公司， Alteryx公司收购ClearStory Data公司，以及Logi Analyti公司收购Zoomdata公司。与10年前的商业智能整合浪潮相似的是，Business Objects、Cognos和Hyperion分别被SAP、IBM和Oracle收购。FirstMark公司推测市场的兼容并购可能还没有结束，亚马逊公司可能考虑收购QuickSight。商业智能的下一波创新将是将作为数字助理的机器学习嵌入到业务分析中，帮助选择和清理数据。人们可能会在现有工具中看到很多这种创新，例如Tableau公司的Ask Data自然语言查询，但这也可能是初创企业围绕自然语言和数字辅助进行设计的动力，而不是对其进行改造。

 

作为商业智能民主化分析，FirstMark公司将机器学习视为下一个适合市场发展的分析领域。它将市场空间分成几个部分：第一个是AutoML，它可以自动化开发和生产机器学习模型的大部分工作，受到云计算用户和第三方(如Data Robot)的关注。第二个是存储桶，主要是第三方的领域，如Dataiku、RapidMiner和H2O，它添加了大量的协作组件。Firstmark公司的调查报告描绘出这些工具将如何解释人工智能模型。

 

FirstMark公司还在水平服务中看到人工智能活动的温床，例如计算机视觉、自然语言处理、语音到文本，它们正在将数据池的深度学习端商业化。但也提出了一个警告，那就是水平服务敲开了人工通用智能(人工智能越来越接近人类能力)的大门，现在其能力相对有限(他们执行文本翻译等任务，但实际思考能力有限)。因此，市场处于更加早期的发展状态。还有一些常规服务，如Amazon Rekognition，以及谷歌联系中心人工智能等垂直服务的开端。 FirstMark公司注意到自然语言处理(NLP)等基线功能的重大改进。

 

最终，人工智能的最大收益将嵌入到业务应用程序中。这是SAP Leonardo计划背后的主要推动力。Leonardo计划本身不是一种产品或一组产品，但其作用之一是作为一个实验室，让SAP从客户参与中发现生产机会。但Firstmark公司认为这意味着要经历3～4年的漫长旅程。人们对人工智能有着无限遐想，它早已成为小说和电影最热门的主题。提及人工智能时，脑海中总是会浮现钢铁侠和他的人工智能助手J.A.R.V.I.S(或者它的替代物星期五)、《超能陆战队》里的大白或者《西部世界》高科技成人主题公园的画面。

 

尽管人工智能作为生活的得力助手，早已解决了先前无法解决的痛点，但按照当前科技发展状况，超越人类能力的类人机器人仍遥不可及。那么，是什么阻挡了类人机器人的诞生呢?

 

首先，简要地回顾一下人工智能的历史。

 

人工智能领域于1956年在达特茅斯学院的会议上正式宣布成立，“人工智能”这一专业术语也随之诞生。1956到1974年间，大学和政府机构在人工智能领域的研究上投入了大量资金和资源，用于解决几何、代数等问题的不同类型的电脑如雨后春笋般冒出。这期间的成功使人们对人工智能过度乐观，期望过高。然而，当时的技术和硬件设备跟不上新型人工智能的发展，人工智能于1974年迎来了第一次寒冬。

 

寒冬一直持续到上世纪八十年代，其结束是得益于专家系统的兴起，以及日本斥资8.5亿美元用于创造出一台具有超级计算能力和人类智能的计算机，也被称为第五代计算机项目。日本一直痴迷于类人机器人，广为人知的科幻电影《高达》(具有先进人工智能系统的类人飞行器)在1979年就已登场。《攻壳机动队》原版漫画也于1989年首次发行。为与日本竞争，英国政府也于同一时期再次投资人工智能领域。

 

在此期间，计算机硬件蓬勃发展。这里提到的计算机不是指平日里使用的那种普通计算机，而是由专业人员使用，没有接口，只有一堆代码的计算机。1987年，苹果和IBM都研发了专属版本的台式电脑(类似于现在使用的)，性能比那些专业电脑更优异。这导致价值5亿美元的专家系统产业的崩溃，引发了人工智能第二次寒冬。

 

直到1997年IBM的深蓝击败国际象棋冠军加里·卡斯帕罗夫(Garry Kasparov)，公众才意识到人工智能的力量。与此同时，科技行业面临着网络泡沫。人工智能的基金已经耗尽。然而，由于硬件设备的突破，机器学习继续向前发展。计算机的处理和存储能力呈指数级增长，使企业能够存储和处理大量数据。众多企业和政府机构已成功地将人工智能大规模地应用到各种应用中。

 

2011年，IBM的问答系统沃森在美国智力竞赛节目《危险边缘》中击败了卫冕冠军布拉德·拉特和肯·詹宁斯。Alpha GO也分别在2016年和2017年击败了九段围棋选手李世石和世界冠军柯洁。

 

过去的15年间，亚马逊、谷歌和其他公司利用机器学习获得了巨大的竞争优势。除了通过处理用户数据了解消费者行为外，这些公司还专注于计算机视觉、自然语言处理和许多其它人工智能应用。

 

经过数十年的研究，人工智能的快速发展要归于四个方面：

 

1. 摩尔定律——人工智能研究开始以来，计算机处理能力大约每两年就增长一倍，使处理大数据和复杂算法成为可能。仅用了两年时间，谷歌就把Alpha Go从业余围棋选手变成了世界冠军。此外，Alpha Go较新的计算资源版本仅是之前击败李世石版本的十分之一。

 

2. 大数据——机器学习依赖于大量原始数据。仅在过去两年间，就产生了世界90%的数据。

 

3. 资金——随着人工智能被广泛应用，风投和天使基金纷纷涌入人工智能研究领域，希望找到下一个独角兽。

 

4. 算法的复杂性——研究和资金正推动着趋于精密的算法，以充分利用神经网络和认知计算。

 

很多人认为目前人工智能的发展已经放缓，即将面临人工智能的第三次寒冬。有些人认为在强人工智能方面还没有取得重大突破，其他人则认为当前企业专注于弱人工智能的研究，抑制了整个人工智能行业的发展。也有人批评当前人工智能研究过于集中，危害社会。

 

然而，当前的股票市场由苹果、谷歌、亚马逊、Facebook等公司主导，如果人工智能的第三次寒冬真的来临，不仅人工智能产业将停滞不前，全世界都将面临下一次经济危机。