主要观点总结
本文回顾了人工智能的发展历史，介绍了早期的人工智能、第一波浪潮的人工智能、第二波浪潮的人工智能以及第三波浪潮的人工智能的特点和区别。文章还讨论了深度学习的历史以及人工智能商业时代所需要的资源和挑战。
关键观点总结
关键观点1: 人工智能的发展历史
从古希腊传说到现代应用，人工智能经历了多个阶段，包括早期发展、第一波浪潮、第二波浪潮和第三波浪潮的不同阶段。
关键观点2: 早期的人工智能
早期的人工智能主要解决可以用一系列数学规则所描述的问题，但面临理解现实世界的挑战。
关键观点3: 第一波浪潮的人工智能
基于人类专家知识的规则输入和逻辑推理，第一波人工智能可用于日程安排、棋类游戏等具体任务，但对现实世界的认知存在短板。
关键观点4: 第二波浪潮的人工智能
第二波人工智能主要运用统计学习方法处理识别问题，如语音识别、人脸识别等，但在个体精度上有所欠缺。
关键观点5: 第三波浪潮的人工智能
第三波人工智能追求语境适应系统，具备初步的认知能力，能够解释为何做出某种判断，但技术实现和成本方面仍有大量挑战需要克服。
关键观点6: 深度学习的历史
深度学习经历了漫长而丰富的历史，从人工神经网络到现代深度学习技术体系的确立，大数据和廉价计算能力推动了其发展。
关键观点7: 人工智能商业时代的挑战
企业需要重视数据作为防御堡垒的重要性，并寻找顶尖的人工智能团队和人才来量身定制商业环境和数据。同时，要认识到人工智能对一部分人力工种的潜在威胁。
正文
但这并不意味着第一波技术对于今天毫无意义，去年美国国防高研署
（DARPA）
成功完成了一项数字安全测试，便是基于第一波人工智能技术的应用。孤立的技术，在外部环境
（硬件、数据量、配套技术）
不成熟的情况下，可以作的另一件事，就是等待。
第二波浪潮：
个体精度欠缺的机器学习系统
第二波人工智能出现的最好例子，也出自美国国防高研署。他们在2004到2005年两年间鼓励并组织业界进行了大量的自驾车研究，并推出一个挑战赛，看谁的自驾车能在加利福尼亚和内华达的沙漠里跑150英里。结果，2004年那一届，没有一辆车跑完，事实上没有一辆车跑过了8英里。原因是这些自驾车的视觉系统分辨不出远处的黑色物体，究竟是阴影还是石块，“我”是应该避开呢，还是应该碾过去。因此它们大多在这个问题上翻了船。到了2005年这一届，情况一下子大不一样，有5辆车跑完了全程。
造成这个差别的原因，正是他们大多开始使用机器学习的技术，运用概率方法来处理信息。这就是人工智能技术的第二波。
这一波的特点是统计学习。它在语音识别，人脸识别等应用领域作得非常成功。人们常常会说，计算机“就是”会学习啊。但事实真的不是你以为的那样“就是”，若没有背后强大的，将现实问题用统计数学模型来描述的支撑，它便“就是”不会学习。
我们现在看见的、谈论的，并且真正应用到商业领域的，大多是此处描述的第二波人工智能技术。撇开它铺天盖地的舆论影响，真正被有效利用的类型极其有限。近来几乎所有的人工智能进展都只是一种，那就是输入数据
（A）
，迅速产生简单响应
（B）
，如表 1所示。
就这么简单地输入A，输出B，已经足够改变许多行业了。然而“A→B”与科幻小说向我们许诺的有感知的机器人，毕竟相去甚远，人类的智力更是远非“A→B ”所能相比。为什么这么说？例如有一张拿着牙刷的小男孩图片，被人工智能识别为，一个拿着棒球棍的小男孩。
这让我们发笑，因为我们人类绝不会这样说。从这个例子可以看出，第二波技术在大量的工作中一次又一次地让我们叹服，但也会忽然间爆出这种笑料来。它所反映出来的一个结论则是，第二波人工智能在统计学范畴表现出色，但个体样例不可靠。而这种个案的不可靠，若是发生在金融领域，就是灾难性的。
将“A→B”放到具体的商业环境下意味着什么？前百度首席科学家吴恩达教授用这样一句话来解释：一个正常普通人能够用少于一秒钟的思考所完成的任务，都可以通过人工智能来实现。
第三波浪潮：
初现成效的语境适应系统
借用美国国防高研署对第三波的定义，那就是“语境适应”。第三波的系统，会逐渐建造出“有意义”的模型用以描绘现实世界的现象。
举个例子，让第二波系统来甄别一张猫的图片不是问题，但如果你问它，为什么你认为它是一只猫呢？它的答案肯定是：“经过大量的计算，结果显示猫位居榜首。”这个答案显然并不能令人满意，我们希望它说，当然是猫了，你看它有耳朵，有爪子，有毛，以及各种把猫与其他东西区分开来的特征呢。具备了这种知道“为什么”的能力的第三波系统，便绝不会在把前面提到的图片标注为“拿棒球棍的小男孩”。
第二波系统对数据的依赖，几乎达到“丧心病狂”的地步，这也是吴恩达为什么说，当今的人工智能企业要成功，最重要的一是数据，二是人才。比如你要教会一个系统识别一个手写的数字，大概需要交给它5万甚至10万个例子，才能保证基本不出错，设想如果你教一个小孩识字，每一个字要教5万到10万次是什么情景。
