最近阿里巴巴达摩院官网发布的2019年十大科技趋势，是基于现阶段人工智能发展现状和走势的一个综合概括，建议大家可以仔细品味下：

对于这十个趋势，来自包括中科院、清华大学、佛罗里达大学、杜克大学等权威学术机构的十余位专家就此发表评论，任务内达摩院发布的科技趋势虽然有十个方向，但都是围绕着当前科学发展的几个关键潮流，即以芯片为代表的算力、以图计算为代表的算法以及以5G为代表的连接能力。

一、计算是变革的源头

传统时代的计算始终在冯诺伊曼架构约束下发展，但人工智能的到来正在挑战冯诺依曼架构，而摩尔定律也接近失效，新型芯片以及新的计算机架构已经成为整个行业研究重心。达摩院认为，计算体系结构正在被重构，基于FPGA、ASIC等计算芯片的异构计算架构正在对以CPU为核心的通用计算发起冲击。

“通过推高通用芯片的性能来征服一切的方式已经失效。” 中国科学院计算技术研究所研究员陈天石对此评论说，“学术界和工业界都把目光投向了更加专用的处理器架构，并且一直在期待新器件引发的新的架构演进。”

杜克大学副教授、IEEE Fellow陈怡然也表示，目前学术界的研究重心在一些更为革命性的架构研究，例如内存计算、非冯诺依曼架构、神经形态计算等。而佛罗里达大学杰出教授、IEEE Fellow李涛则指出，计算体系结构的变革将主导和引领ICT领域的持续创新和发展，这将是未来产业界的核心竞争力。

在人工智能领域，GPU无疑是最受企业以及开发者追捧的芯片。但达摩院认为，数据中心的AI训练场景下，计算和存储之间数据搬移已成为瓶颈，AI专用芯片将挑战GPU的绝对统治地位。

“对于训练场景来说，计算量要求非常高，需要存储和处理的数据量远远大于之前常见的应用，AI专用计算架构是最佳选择。”清华大学微纳电子系副系主任尹首一对达摩院的这一观点表示认可。

根据达摩院的判断，AI专用芯片的应用将成为趋势。在2018年的杭州云栖大会上，阿里巴巴曾宣布首款AI芯片AliNPU将于2019年应用于城市大脑和自动驾驶等云端数据场景中。陈天石指出，“AI芯片可以灵活高效地支持视觉、语音和自然语言处理，甚至传统的机器学习应用，将在数据中心场景发挥重要作用。”

二、算法的创新让AI更加智能

1950年，人工智能之父图灵提出著名的图灵测试用以检验人工智能能力，即如果有超过30%的测试者不能确定被测试者是人还是机器人，则认为是通过测试。

图灵提出的猜想可能将会很快实现。达摩院认为，在未来，人类可能无法辨别人工智能生成的语音和真人语音，具备语音交互能力的公共设施将会越来越多，甚至在一些特定对话测试中机器可以通过图灵测试。

西北工业大学计算机学院教授谢磊对此表示，“声音合成技术在某些方面已经可以媲美人声，并将会拉动‘耳朵经济’的爆发，各种‘AI声优’将上岗，为大家提供听觉盛宴。”

人工智能行业的迅速发展与深度学习带来的突破高度相关，但仅靠深度学习要实现通用人工智能仍然困难重重。达摩院认为，结合深度学习的图神经网络将让机器成为具备常识、具有理解、认知能力的AI。

杜克大学统计学院终身教授David Dunson对此评论说，“结合了深度学习的图计算方法将实现推荐系统的变革性改进，为用户提供更有趣和更合适的产品，同时改善整体用户体验。”

过去两年，城市大脑成为社会热词。达摩院认为，2019年，人工智能将在城市大脑技术和应用的研发中发挥更大作用，未来越来越多的城市将拥有大脑。

中国城市规划设计院院长杨保军认为，“城市大脑将不再是单一领域或是单项要素的智慧，而是全局联动、多源交融的智慧。”同济大学智能交通运输系统研究中心主任杨晓光则表示，“新一代城市智能管理、智能服务与智能决策将帮助人类最大程度地预防和综合治理城市病。”

三、连接万物的5G催生更多应用场景

过去几年，5G的热度并不逊于人工智能。5G构建的不仅是一张人联网，它将会成为连接万物的纽带。

达摩院在此次十大科技趋势中提到，5G将催生超高清视频、AR/VR等场景的成熟。中国信通院副总工、工信部信息通信经济专家委员会秘书长陈金桥对此评论说，“5G将掀开数据资源作为生产力的大幕，一个基于泛在高速连接的智能社会必将形成。”

车路协同将会是5G与人工智能两大技术交融的典型场景。达摩院认为，车路协同技术路线会加快无人驾驶的到来，并且将在固定线路公交、无人配送、园区微循环等商用场景将快速落地。

单纯依靠“单车智能”的方式革新汽车存在诸多限制，例如传感器部署的成本高，感知系统以及决策系统的可靠性低等。“车路协同的优势在于，可降低单车系统在定位方案部署上的成本，并且可以实现更好的感知与决策。”中科院自动化研究所研究员赵冬斌如此表示。

当前人工智能处于能够阶段性实现模拟人类部分功能的阶段。

首先需要明确的是，当前我们所主要讨论的人工智能，是弱人工智能。

人们理想状态下，人工智能能够像人类的大脑一样实现思考、学习、创造等等能力。

而目前人工智能主要是通过数据和算法集成实现某一种人类功能的实现。比如视觉、听觉、判断等能力。但是这种能力是通过对已知数据进行归纳计算得出的一个【结果输出黑箱】。虽然看起来让机器有了人的某一个能力，但实际上的处理方式和人类本身是不同的，因此我们幻想中的那些有完整思考能力、情绪能力的人工智能，距离我们还很遥远。

因为我们对人类本身的大脑运作方式还处于探索阶段，无法做到完全的模拟，甚至无法做到部分模拟。

就弱人工智能方面，当前的主要研究方向包括，人工智能硬件、视觉识别、语音识别、自然语言处理和专家系统等等。

这些专业词汇乍一看有点生涩，换个简单的方式让大家有个了解一下。

人工智能硬件包括智能传感器和智能芯片，中国在这一领域起步较晚，但也已经出现如华为海思的麒麟系列的产品。

手机上的人脸解锁、火车站和展会上的刷脸认证、美颜相机里的大眼瘦脸颜值评分都是人工智能图像识别的应用结果。

人工智能的语音识别技术则纷纷体现在：微信里的语音消息转文字、手机输入法的语音输入、音乐软件上的听歌识曲等生活中的应用里。

而Iphone系统的Siri，微软系统的小冰，智能音箱小爱同学和天猫精灵等等智能助手类产品则结合了人工智能的自然语义处理和语音识别技术。

因此弱人工智能领域里，人工智能的发展是十分迅速的，而且已经遍布我们的生活方方面面。