(杭州先略)2017-2021年人工智能市场面临的困境及对策

少才能达到特定的效果，很难衡量。并且人脑输出的信息带宽太小，很难通过一个人来补足机器中没有的知识，而多人协同又存在知识相互不兼容的问题。所以知识太多，知识难以形式化，人脑输出太慢，成为了知识表达的三大障碍。

海云数据的首席数据科学家赵丹表示，目前大公司基本上通过知识图谱来解决知识表达的问题，但这不是根本的解决方法。知识图谱虽然能在小的特定领域解决一部分数据稀疏问题，但图谱本身也有稀疏的问题，并且依赖人工构建，规模有限。迁移学习也能够发挥一定作用，但目前还没有把这些解决技术整合起来，形成一个完整的智能体系的理论架构。

同时赵丹还认为，深度学习的研究一定程度上已经到达瓶颈期，现在到了需要将深度学习现有的成果转化成产品的时候，比如Deepmind前段时间发布的唇语识别成果，再往前比如AlphaGo的博弈策略学习。“而形成产品是件很难的事情，像我们熟知的人脸识别，虽然已有不少创业公司做了好几年，但现在仍然没有生产出成熟的产品。工程上的坑不比研究上的少，如若跨不过去就没有办法做出产品。”

在科学理论上的进步很多是偶然事件，说不准下次会是什么时候。深度学习的成果转换期，到下次深度学习的进步期之间其实还是会有可能出现寒潮。

第三大考验：人才问题。

图像识别方面的成就像一把发令枪，启动了一场人才争夺赛。有人曾说：“这个领域的人才战相当血腥，一流的人才就像NFL足球运动员。”

谷歌在2011年推出专注深度学习的谷歌大脑计划（Google Brain Project），2013年3月得到了神经网络先驱Geoffrey Hinton的加入，现在有超过1000个深度学习项目。

Facebook在2013年12月聘请了法国神经网络创新者Yann LeCun作为它的新AI实验室的带头人。平均每天使用神经网络翻译来自超过40种语言国家的20亿用户的帖子，这些翻译的内容每天被8000万用户阅读。

百度在2014年4月聘请了谷歌脑计划的前负责人吴恩达作为它的人工智能实验室的领头人，主攻语音识别等关键领域。

4