人工智能作為計算機科學與統計學、腦科學和認知科學等多學科交叉前沿領域，致力于使機器擁有類似人類的感知、認知、操控、交互能力，并與人類協同工作，以減輕工作量，改善人們生活品質，是人類多年以來不懈追求的科技夢想。人工智能研究正式起源于1956年美國達特茅斯夏季學術研討會，至今已60余年，期間經歷過幾次起伏，這既有自身理論尚不完善的原因，也受到數據和算力不足等因素的制約。

　　最近幾年，隨著人工智能技術的突破，以及互聯網、大數據、并行計算等相關技術群的成批成熟，人工智能技術在快速的更替換代中不斷成熟。我國專家認為，人工智能技術發展和產業應用正在雙雙進入臨界點，人工智能正在進入2.0新階段。美國國防部國防高級研究計劃局(DARPA)也指出，目前人工智能發展正處于第二波次。人工智能正在全球范圍內迎來新一輪創新變革，理論和技術加速突破，產業化周期日益縮短，企業創新更加活躍，人工智能開始從實驗室走進人類生產生活，進入一個與以往顯著不同的創新發展階段。

　　1.新一輪人工智能發展的主要特征

　　當前人工智能發展的突飛猛進和重大變化，表現出區別于過去的三個方面的階段性特征。

　　一是進入大數據驅動智能發展階段

　　可以說，2000年之后成熟起來的三大技術成就了人工智能的新一輪發展高潮，包括以深度學習為代表的新一代機器學習模型，GPU、云計算等高性能并行計算技術應用于智能計算，以及大數據的進一步成熟，以上三大技術構建起支撐新一輪人工智能高速發展的重要基礎。

　　DARPA認為，人工智能發展將經歷三個波次，第一波次是人工智能發展初期的基于規則的時代，專家們會基于自己掌握的知識設計算法和軟件，這些AI系統通常是基于明確而又符合邏輯的規則。在第二波次AI系統中，人們不再直接教授AI系統規則和知識，而是通過開發特定類型問題的機器學習模型，基于海量數據形成智能獲取能力，深度學習是其典型代表。在這種技術路線下，獲得高質量的大數據和高性能的計算能力成為算法成功的關鍵要素。比如，2015年以來，IBM通過收購大量醫療健康領域的公司，獲取患者病例，醫療影像和臨床記錄等醫療數據，以提升Watson醫療診斷水平。

　　盡管現在基于現有的深度學習+大數據的方法，離最終實現強人工智能還有相當的距離，下一步可能需要借鑒人腦高級認知機理，突破深度學習方法，形成能力更強大的知識表示、學習、記憶、推理模型。但業界普遍認為，最近的5到10年里，人工智能仍會基于大數據來運行，并形成巨大的產業紅利。

　　二是進入智能技術產業化階段

　　在機器學習+大數據的人工智能研究范式下，得益于硬件計算性能的快速增強，智能算法性能大幅度提升，圍棋算法、語言識別、圖象識別都在近年陸續達到或超過人類水平，智能搜索和推薦、語音識別、自動翻譯、圖像識別等技術進入產業化階段。各類語音控制類家電產品和臉部識別應用在生活中已隨處可見;無人駕駛技術難點不斷突破，谷歌無人駕駛汽車已在公路上行駛了300多萬英里，自動駕駛汽車已經得到美、英政府上路許可;德勤會計師事務所發布財務機器人，開始代替人類閱讀合同和文件;IBM的沃森智能認知系統也已經在醫療診斷領域表現出了驚人的潛力。

　　人工智能的快速崛起正在得到資本界的青睞。《Nature》文章指出，近一兩年來，人工智能領域的社會投資正在快速聚集。2015年比2013年增長了三倍左右。人工智能技術的發展正在由學術推動的實驗室階段，轉到由學術界和產業界共同推動的產業化階段。

　　三是進入認知智能探索階段

　　得益于深度學習和大數據、并行計算技術的發展，感知智能領域已經取得了重大突破，目前已處于產業化階段。同時，認知智能研究已經在多個領域啟動并取得重要進展，將是人工智能下一個突破點。

　　2016年初，谷歌AlphaGo戰勝韓國圍棋世界冠軍李世石的圍棋人機大戰，成為人工智能領域的重大里程碑性事件，人工智能系統的智能水平再次實現躍升，初步具備了直覺、大局觀、棋感等認知能力。目前在人工智能的多個研究領域都在向認知智能挑戰，如圖像內容理解、語義理解、知識表達與推理、情感分析等，這些認知智能問題的突破,將再次引發人工智能技術的飛躍式發展。

　　除谷歌外，微軟、Facebook、亞馬遜等跨國科技企業，以及國內的IT巨頭都在投入巨大研發力量，搶奪這一新的技術領地。Facebook提出在未來5至10年，讓人工智能完成某些需要“理性思維”的任務;“微軟小冰”通過理解對話的語境與語義，建立用于情感計算的框架方法;IBM的認知計算平臺Watson在智力競猜電視節目中擊敗了優秀的人類選手，并進一步應用于醫療診斷、法律助理等領域。

　　2.新一輪人工智能未來發展

　　據波士頓咨詢公司(BCG)和阿里云研究中心的分析，人工智能技術可能會沿一個“之”字形路線發展：現有人工智能技術將繼續完善和產業化，在經濟和社會發展中實現價值創造并形成強大的經濟增長引擎;經歷一段時間的積累和探索將實現科技突破，新的智能模型和顛覆性方法有望再次出現，引發人工智能技術體系和技術路線的新一輪變革。

　　因此，當前階段的人工智能需要以滾動方式發展，既需要推進現有的基于深度學習和大數據的人工智能技術的成熟和產業化;同時，也要針對未來人工智能的前沿問題進行理論攻關，以認知智能為重點，借助腦認知科學研究和量子科學研究的發展，研究透明性，可解釋性，通用性更強的新一代機器學習模型，研發具有遷移能力、自主學習能力和強泛化能力的人工智能技術，在新一代智能計算范式方面形成理論儲備，探索新的科學發現。