近日，ins上的一位模特红了。粉色的蘑菇头搭配着时尚的穿着，以日本街道为背景的照片都有着一种浑然天成的日系潮流感。但当你仔细读过个人简介才会惊呼，这位名为imma的模特并不是一位真实的人类，而是一名虚拟模特。智能化作为未来的趋势，诞生了imma这样的AI虚拟模特，也让我们看到了人工智能已经离我们越来越近。

如同电的诞生一样，AI技术正在改变每个行业，智能设备、IOT、人工智能、云计算，越来越多新技术的兴起使行业效率得到有效提升，加速了行业转型发展。从16年开始，我们的生活刮起了一股人工智能的风潮，一部分企业开始涉足人工智能领域，短短数年，国内诞生了诸如旷视科技、商汤科技、极链科技Video++、依图科技等优秀的初创AI企业。AI已经给谷歌、百度、微软和Facebook等领先的科技公司中创造了巨大的价值。那么AI离我们究竟还有多远？

什么是人工智能？

其实从广义上说，人工智能的应用已经非常广泛，各大新闻客户端会根据你的阅读兴趣推送相关新闻、电商平台也会根据你的购买习惯推送相关商品，这些都可以称为人工智能。从云计算到大数据，人工智能已经具备了相对坚实的基础。其中，大数据称得上是人工智能赖以开展的生产资料，而云计算则是人工智能发展的生产工具。不过，从当下人工智能的发展现状看，大部分的人工智能还停留在大数据分析阶段，距离真正的人工智能还有一定的距离。

人工智能正在告别新一轮概念炒作

如果说60年前人工智能概念的提出，多少有些科幻成分。那么，今天人工智能概念的再次出现却带有强烈的现实意义。从AlphaGo在围棋领域战胜人类选手后，人工智能又开启了新一轮的发展热潮。与以往人工智能凭借强大的算法战胜人类不同，在围棋领域，人工智能展现出了机器学习的能力。

我们一直梦想着有一个通用的模型，可以建模整个世界，使各种各样的问题都能够迎刃而解，这便是通用人工智能的最终目标。但事实上，我们现在所研究的人工智能，都是针对某一特定问题的算法或模型，比如图像的分类，目标的检测，视频的理解等等。在特定的问题上，深度学习给我们带来了惊人的表现，但是一旦离开特定的领域，算法与模型的性能会大幅度下降。

从我们的目标来看，通用人工智能意味着如何来提高神经网络的泛化能力。所谓泛化能力，指机器学习算法对于新的样本的适应能力，即对于未知的数据也可以得到很好的结果。比如迁移学习中的一个例子：我们使用欧洲人的面部表情图片来训练一个模型，然后用来识别其他欧洲人的面部表情，识别结果通常可以不错，但是用来识别亚洲人的表情，结果会一落千丈，远远达不到预期，即此时模型的泛化能力很差。

人工智能的下一个突破点：应用场景

无论是围棋、象棋还是德州，人工智能在这类棋牌游戏中能否战胜人类，已经基本没有悬念。但如果人工智能只能做到这些，这一新兴技术的魅力也会大打折扣。

如今，人们对这类人机大战开始变得漠不关心，开始期望在几乎所有的工作和生活场景中应用这一新技术，就如同当年计算机、互联网出现之初一样。彼时，计算机的应用让人们进入无纸化的信息时代，而互联网的应用则让人们得以打破信息传输的边界，真正让世界变得更加互联互通。

从目前的态势看，人工智能所带来的革命性将远超计算机和互联网，因为它要做的是要代替，或者说部分代替人类的思考。现在，我们发现人工智能的应用还可以推广到更多的场景中，比如金融、医疗、交通、文娱等众多行业。人工智能带给人们的，不仅是通过数据分析呈现的规律和帮助人们进行决策，更多的是规避人类被情绪、感情等因素的干扰，帮助人们做出更加合理的决策。

不过，相比较人工智能技术的演进，当下人工智能最重要的任务是如何普及到更多的应用场景中，并真正在这些场景中为人们所应用。人工智能不断获取新的数据、进行持续且深度的学习，才是发展的关键。而从目前市场应用的角度看，人工智能还只是在一些特殊的领域和特殊的地方应用而已，并没有普及，也很难真正发挥其作用。从实验室到普及全社会，人工智能显然还有一个相当长的路要走。