这是对中国人工智能生态系统梳理中关于算法的部分。

文艺复兴时期的著名画家米开朗其罗在西斯廷教堂天顶上创作了一幅壁画《创世纪》，在那幅画里，上帝从天而降，将手指指向亚当，在这个惊心动魄的瞬间，亚当的肉体被注入了智慧。

正如人类被上帝赋予智慧一样，计算机也正在被人类赋予智慧。而智慧的本质在于算法。

自2016年谷歌的阿尔法狗战胜围棋顶尖高手李世石以来，人工智能已经成为时代的新潮流。不断有形形色色的新公司涌现出来，它们声称自己是搞人工智能的。这些公司组成了一个纷繁复杂的生态系统。据报道，截止到2017年6月，全球一共有人工智能企业2542家，而中国有592家，占比为23%。那么，是不是所有的人工智能企业都具备算法设计能力呢？真实情况肯定不是这样的。

什么是人工智能？

笛卡尔曾经在回答“什么是人？”这个问题的时候一针见血地指出“我思，故我在”。笛卡尔认为，人类的本质在于思考。

那么，如果一台计算机也会思考呢？

我们可以把人工智能认为是一种会思考的机器。但是，到底什么是“思考？”比如一台会下象棋的机器算不算在思考？

因此，我们需要更清晰的人工智能的定义。可惜的是，人工智能的定义一直是非常模糊的，这个概念从提出来到后来被实践，前后已经经历了60多年的时间。

根据2017年李开复与王咏刚先生合著的《人工智能》一书，对人工智能这一概念一共有5种定义，其中，第4种定义可能最接近反映人工智能的本质：人工智能是会学习的计算机程序。

在这个定义中，人工智能与学习能力联系了起来。这个定义也凸显了学习型算法对人工智能的重要性。也就是说，对人工智能来说，更重要的应该是学习能力，而不是思考能力。

最新崛起的人工智能，不但具有学习能力，而且还具有“深度学习”的能力。

这里说到的“深度学习”，其实指的是人工智能软件所采用的一种算法。什么是算法呢？这就好像我们用纸牌算24点，比如有4个扑克牌，每张牌上的数字分别是：2、4、9、6。我们需要用加减乘除四则运算来得到24（每个数字只能参与一次计算）。

我们可以采取两种不同的算法。

第一个算法是：4x9-2x6=36-12=24

第二个算法是：4x（9-6/2）=4x（9-3）=4x6=24

因此，采取不同的算法，可以从已经存在的数据中得到相同的结果。但很明显，第一种算法只需要经历一个中间步骤；而第二种算法需要经历两个中间步骤。因此，从计算所花费的时间来说，第一种算法更快速更高效。

同样道理，深度学习是人工智能的基本算法之一，与深度学习算法并列的还有专家系统与统计模型等。

学术界给出了人工智能的三要素：数据、计算能力以及算法。

算法对人工智能具有与生俱来的重要性。

从人工智能的三要素来看：数据是人工智能的原料，人工智能一般要吃进去一些数据然后才能建立一个理论模型，从而具有智能——这就是阿尔法狗的工作原理，阿尔法狗在看了几千个棋谱以后，自己与自己实战对弈，产生了大量数据，在这些数据的基础上学习总结下棋经验，最后具有了很高的智能。而计算能力与硬件相关，这包括CPU与GPU、FPGA以及ASIC等硬件解决方式，比如当年吴恩达在谷歌的时候就是动用了上万个CPU来做“猫脸识别”，取得了巨大成功——计算机开始认识了猫，目前在计算能力上，业界倾向于开发专用的人工智能芯片来处理相关的问题，比如寒武纪开发的人工智能芯片就已经用到了华为的手机上。人工智能的算法也非常广泛，其中比较重要的算法是深度学习算法，而实现深度学习算法的框架则有Tensor flow、Caffe、MXNet、Keras等。目前来看，华人在人工智能算法设计上并不落后，其中Caffe与MXNet都是中国人发明的。Caffe的发明人是贾扬清，MXNet的作者是李沐。

深度学习算法到底是什么？

2006年，深度学习的创始人杰弗里.辛顿及合作者发表了一个里程碑的文章《一种深度置信网络的快速学习算法》，这一论文宣告了深度学习时代的来临。

深度学习算法能在目前的人工智能方法中占据了主流地位，这背后的原因在于深度神经网络的发展。

深度神经网络中的“深度”两个字指的是“多层”的神经网络。如果把神经网络看成是一个大楼，那么深度神经网络就有一个多层的大厦，它可以有比较多的神经元结构层次，一般来说，我们可以把隐藏层多于一层的神经网络结构称为“多层”的神经网络，也就是深度神经网络。

如果从“血统”上来说，机器学习是深度学习的父亲。而深度神经网络是深度学习的母亲。这对父母一结合，生出来的孩子才是深度学习。

我们可以用公式来表示这个关系：

深度学习=机器学习+深度（多层）神经网络

与人的学习还是不太一样的。机器的深度学习一般要依靠大数据，比如计算机要看过几百万张汽车的照片以后，才能在图像识别中确定出汽车的照片。而一个小孩只需要看过两三辆汽车，就可以把汽车识别出来。从这个意义上来说，人类的学习不太需要大数据。与人类的学习能力相比，这也说明目前的深度学习算法还有很大的进步空间。

人工智能有哪些应用场景

从人工智能的应用场景来看，大概可以划分6大类：自然语言处理、知识表示、自动推理、机器学习、计算机视觉以及机器人学。其中，每一大类又可以分为各个小类，比如计算机视觉又可以具体应用到人脸识别以及自动驾驶等多个垂直领域。

正如石墨烯行业最核心的问题是需要找到合理的应用场景一样，虽然人工智能概念如火如荼，但也需要真正落地找到切实的应用场景，实现良性的商业循环。

目前来说，人工智能的应用层出不穷，涌现了很多企业。比如人工智能可以用到医疗与教育领域，也可以用到物流与安防领域，甚至可以用到军事领域。在这个过程中，涌现了非常多的垂直领域的公司，但能够不依靠融资，在商业上获得正循环的企业并不多。

因此，我们需要考虑的是这些企业的核心竞争力。正如芯片的核心竞争力是光刻机与EDA工具一样，人工智能的核心竞争力在算法设计能力。腾讯副总裁姚星曾经在展望人工智能行业的发展趋势时说：“算法，将成为人工智能时代的‘科技原力’”。

国内有哪些企业具有人工智能的算法设计能力呢？

一般来说，要设计算法，必须要有相关的科学家或者有研究经历的工程师，否则很难进行人工智能的算法创新。人工智能的算法设计对数学与计算机技术都是有比较高的要求，不是一般的程序员可以胜任的。

因此，懂算法设计的科学家成为人工智能公司的核心竞争力之一。

以阿里巴巴公司为例子，2017 年 7 月，阿里巴巴发布“天猫精灵”，其背后的专利包括基于神经网络的声纹识别技术。用户可以使用天猫精灵的对话操作系统，通过语音进行购物和支付，并使用独特的语音签名作为身份验证的一种形式。那么，阿里巴巴的这些人工智能算法是怎么设计出来的呢？据了解，阿里人工智能实验室的首席科学家是王刚。王刚2005年本科毕业于哈尔滨工业大学，2010年在伊利诺伊大学香槟分校获博士学位。王刚此前在新加坡南洋理工担任教授，他显然是一名学院派出身的人工智能专家。

百度公司作为国内人工智能的领先企业，也曾经聘请了多位人工智能领域的科学家。百度曾聘请余凯、吴恩达、陆奇等人工智能专家担任高管，这也从侧面反应了百度在人工智能领域有很强的算法设计能力。正是在算法设计能力的基础上，百度才发布了阿波罗无人驾驶系统等人工智能平台。

寒武纪作为国内第一家发布人工智能芯片的公司，其自主研发的人工智能芯片已经应用于华为手机。而它的创始人之一陈天石2010年毕业于中国科学技术大学计算机学院，获工学博士学位。同年陈天石进入中国科学院计算技术研究所工作，研究方向为计算机体系结构和计算智能，他也是一位具有人工智能算法设计能力的科学家。

旷视科技的联合创始人与首席技术官唐文斌毕业于清华大学，曾经是清华大学计算机系研究生，他还是全国青少年信息学奥林匹克竞赛、首届“Yao Award”金牌获得者，他也是具有人工智能算法设计能力的科学工作者。

大浪淘沙始于真金璀璨，沧海横流方显英雄本色

虽然中国有很多人工智能公司。但从核心技术来说，只有那些拥有人工智能算法设计能力的公司才是具有核心技术竞争力的。正如在中兴通讯被美国禁运芯片事件中我们可以看到的那样——只有掌握了核心技术，才可以在市场竞争中拥有主动权。而人工智能的核心之一就是算法设计。

大数据与云计算以及人工智能是三个相互独立的概念。人工智能的英文是artificial intelligence ，其首字母是A。大数据的英语是big data，其首字母是B。云计算的英文是cloud computing ，其首字母是C。所以，人工智能与大数据以及云计算的关系被简单形容为ABC的关系，但必须注意，这三个概念是相互独立的，很多中小企业把这三个概念混为一谈，混淆这些概念，胡乱炒作高科技概念是不可取的。只有正确区分ABC的关系，才能捋清楚人工智能这个生态系统。

在人工智能纷繁复杂的产业图景中，犹如石墨烯产业一样，必须要找到其应用场景。

在任何一个领域，对企业来说，只玩概念是不能走向未来的。

（文/轩中）