2016年即將過去，這一年中相信諸位ICT業(yè)內人士聽得最多的詞就是AI（人工智能），無論是企業(yè)還是媒體，凡是和ICT著邊的，都多少要冠以AI的字眼，否則就有OUT之嫌。但實際情況又如何呢？
所謂追根溯源。這里我們不妨回溯下今年比較重要或者說引起媒體和業(yè)內對于AI關注或者炒作的幾個節(jié)點或者說是標志性事件，而對于這些標志性事件的解讀和延展無疑會讓我們看到AI的本質。
一、谷歌旗下AI公司DeepMind開發(fā)的Alpha Go神經網絡在與世界圍棋冠軍李世石的“人機大戰(zhàn)”中以絕對優(yōu)勢獲勝，進而引發(fā)了業(yè)內對于AI的關注，之后AI開始頻頻出現在科技媒體和企業(yè)的報道中；
二、谷歌主打AI的無人駕駛汽車在路側中出現首例事故和特斯拉的Autopilot（自動駕駛系統(tǒng)）頻頻出現的致死事故，盡管是負面的新聞，但還是激發(fā)了業(yè)內對于AI的關注，并以自動和無人駕駛汽車的熱炒體現出來；
三、是亞馬遜裝有Alex語音識別技術的Echo音箱所謂的暢銷以及有“互聯網女皇”之稱的Mary Meeker發(fā)布2016年度網絡趨勢報告時對于Echo以及AI的熱捧和向好的預測；
四、美國總統(tǒng)大選中名為MogIA的人工智能系統(tǒng)成功預測出川普將成為美國總統(tǒng)；
五、是圖形芯片公司或者說是其自己標榜為人工智能公司的英偉達股價的暴漲。
首先我們看下Alpha Go在圍棋中戰(zhàn)勝李世石究竟依靠的是什么？其實對于計算機與人類在棋類的博弈，早在1997年計算機首次擊敗了等級分排名世界第一的棋手。加里?卡斯帕羅夫以2.5:3.5 1勝2負3平）輸給IBM的計算機程序“深藍”,當時全球媒體和高科技界都驚呼標志著人工智能進入了新時代。
此前1988年，“深藍”的上一代“深思”是第一個贏過國際象棋特級大師的電腦；1996年，“深藍”成了第一個贏了國際象棋世界冠軍的電腦。需要說明的是。深藍重1270公斤，有32個大腦（微處理器），每秒鐘可以計算2億步，輸入了一百多年來優(yōu)秀棋手的對局兩百多萬局。
相比之下，AlphaGo最初通過模仿人類玩家，嘗試匹配職業(yè)棋手的過往棋局，其數據庫中約含3000萬步棋，計算能力是當初“深藍”的3萬倍。這里我們看到的與“深藍”相比最大的不同是AlphaGo在數據和計算能力上的優(yōu)勢。
在此也許有人會說AlphaGo贏在其龐大復雜的神經網絡，但根據Tian yuandong和AlphaGo的論文，如果不做任何搜索（實際上考驗的是計算能力），只是根據“棋感”（其實就是估值函數），CNN（神經網絡）最好能達到KGS 3d的水平，也就是業(yè)余1段的水平。
而MCTS算法在沒有Value Network的情況下在9x9的棋盤上能戰(zhàn)勝人類高手，其實印證了AlphaGo在殘局的實力是搜索(計算）起重要作用，也就是殘局的計算能力碾壓人類。但眾所周知的事實是，計算機的計算能力遠強于人類早已經是常識。
對此，微軟亞洲研究院常務副院長芮勇在評價AlphaGo時曾對媒體表示：“今天所有的人工智能幾乎都是來自于人類過去的大數據，沒有任何一個領域的能力源自自我意識，不管是象棋還是圍棋，計算機都是從人類過去的棋譜中學習。其他領域也是類似，計算機在做圖像識別的時候，也是從人類已有的大數據中學習了大量的圖片。
在面對人類從來沒有教過的問題時，計算機就會一竅不通。假如讓AlphaGo去下跳棋，它就會完全傻掉。甚至說把圍棋的棋盤稍作修改，從19×19的格子變成21×21的格子，AlphaGo都招架不住，但是人類就沒有問題。”
牛津英語詞典對智能（intelligence）的定義為“獲取并應用知識的能力”。以數字經濟麻省理工學院（MIT）數字經濟倡議的研究員兼AI意見領袖湯姆?達文波特（Tom Davenport）的話來說：“深度學習并不是深刻的學習。”
另一位專家奧倫?埃佐尼（Allen Institute of AI）也有類似意見：“AI只是簡單的數學的大規(guī)模執(zhí)行。”簡單說，現在的AI實質只是一種強大的計算方式，并沒有達到人腦那種堪稱智能的方式。