所谓的“人工智能寒冬”，其显著特征就是投入的研发资金快速下降，而这恰恰反映着人类自身对技术的认知变化，而非人工智能技术真实的发展情况。

2016年人工智能（AI）的爆发，让公众对其的关注，更多集中于人工智能时代是否降临，即人类是否会因为人工智能技术而失去工作，甚至是为AI所统治。但三年后的今天，“人工智能寒冬”的声音悄然而至。

自1956年AI“诞生”以来，其发展经历了两次“寒冬”，分别处于上世纪的70年代和80年代。虽然技术上的缺陷或障碍，似乎是直接导致这两次“寒冬”出现的原因，但更为深层的原因恐怕还是人类自身的认知所引发的。

换句话说，所谓的“人工智能寒冬”，更像是一种人类心理现象的反映，而非人工智能技术真实的发展情况。

为什么这么说呢？就技术而言，任何技术的发展路径必然是螺旋式的，不可能一帆风顺。

就像促成这次人工智能浪潮的深度学习一样，虽然目前已在很多领域应用，但机器智能并不会随着其深度（层次）越多，而呈现出指数级的发展。它同样存在极限，并非大家所预期的那样，可以无限延展下去。

因此，即使是深度学习之父的Geoffrey Hinton也在转而寻找其他方法。比如，他提出的胶囊网络技术，就被视为用于补充，甚至挑战深度学习地位的算法实现方式。而用深度学习创造出AlphaGo的DeepMind公司，则转向强化学习。

所以，从技术发展的角度，我们可以认为AI并不存在所谓的“寒冬”。但从投入的研发资金上看，AI确实又经历着过山车似的曲线。

如今所谓的“人工智能寒冬”，其显著特征就是投入的研发资金快速下降。而这恰恰反映着人类自身对技术的认知变化：当人类对AI的发展过度乐观，便会产生过度承诺，引发众多资金争相涌入。而一旦这种承诺无法兑现，产生悲观的预期，又导致投入资金急剧减少。第一次“人工智能寒冬”正是这种过程的真实体现。

有着“人工智能之父”之称的麻省理工学院数学家马文·明斯基在1970年对媒体表示，“在三到八年内，我们将拥有一台具有普通人类智能的机器”。现在看来，这显然是一个非常大胆的预言。因此，当这种说法被证伪之时，也就导致了后面随之而来的“寒冬”。

1973年，受英国科学研究委员会的委托，詹姆斯·莱特希尔爵士对AI的情况进行评估。在报告中，他批评AI未能实现其“宏伟目标”。正是这份报告，导致英美学术机构对AI失去信心，进而导致资金大量减少。第一次“人工智能寒冬”降临。

换句话说，存在技术障碍不可怕，可怕的是缺乏资金投入来克服这些困难。就此而言，无论是乐观的预言，还是“寒冬”的声音，背后所反映的只是人类本身对AI技术的不确定性，进而导致在评估效益时产生了波动，从而影响了公众对其整体性的认知，也才有了所谓的“春天”和“寒冬”。

对比过去，当前AI已经有很多改善。比如，现在投入AI的研发资金不再像以往那样，主要依赖政府投入；并且，现在人工智能的不少领域都出现了直接的应用产品，实用性的人工智能解决方案不断产生，如此可以保证其不断从市场上获得资金。就此而言，或许我们可以认为，人工智能的“寒冬”不会到来，至少不会很快到来。

来源： 新京报