导读：人工智能未来将会无处不在，但基础理论研究仍亟待突破。
目录
未来十年 AI如何进化—圆桌探讨之《AI：昨天 · 今天 · 明天》
刘江：人工智能是什么技术？它还是需要数据，即信息化，用软件管理事情。
备注：以下对话环节的文本编辑，为博主总结，与原文稍微有异，请以原文视频为准。时间紧迫，如有错误，欢迎网友留言指出、探讨。
未来十年 AI如何进化—圆桌探讨之《AI：昨天 · 今天 · 明天》
尼克：人工智能技术在上个世纪早期的研究属于比较心酸的状态
特别想写人工智能思想史。比如强化学习，对于遗传算法，从思想史来看，遗传算法实际上在模仿自然，模仿环境优化基因匹配。进化的速度有性别的进化快还是无性别的进化快？可知，强化学习属于无性别学习。
从流派和思想史，早期都是逻辑派，图灵在50世纪，Ada把的那种思想用数学的语言描述出来，是非常厉害的。后来有两大流派，即逻辑派、联结派、自然派。
逻辑派中，按照规则的，华人数学家王浩，是上个世纪中期的数学家、逻辑学家，具有哥德尔思想，被认为是自莱布尼茨以来最伟大的数理逻辑学家和哲学家哥德尔的衣钵传人。
联结派，即神经网络这一派，但并非完全是仿生，搞不定异或问题，后来三层以上的网络可以逼近任何函数。
自然派，行为主义派，属于机器人领域，我分为自然派。
很多流派都在结合，比如Google前端时间，利用强化学习证明定理。
很多人认为，人工智能一旦解决了某个大的问题，就认为不是人工智能了，其实不是这样的。
算法需要加一个落地的场景，需要有一些经验的企业家，公司并非估值越高越好，这样容易把路给堵死。所以新晋的企业家需要脚踏实地。
学科之间的融合肯定是未来方向之一，与教育都有关系，其实有很多发明都是偶然性的东西。如果作为一个作家，形容这几个流派的时候，逻辑派其实是上帝视角，神经网络派属于定义，强化学习有点类似适应环境，需要跳出环境去看。丘成桐教授讲解数学史，可以从历史中看到思路，有些思路是融合的。比如强化学习来搞证明。
自动驾驶属于万亿级别的市场，尤其是整车。
如何看待人工智能未来十年？
脑机接口一旦实现，也可以不用说话了。马斯克也做脑机接口，但是会出现伦理和道德问题，那一部分到底是自己的东西，这一点可以在哲学和佛学中去讲解。
人工智能未来的建议
什么是那些本质的东西。碳中和，人均能耗实际上是工业化时代的东西。而现在，对能耗是会增加，但不会是指数增加。衡量人类文明的标志，我猜是人均算力，它跟人均能耗是高度拟合的。算力未来将是各种竞争的表现的形式，人均算力增加带来的伦理和道德的东西。
人工智能的教育，有些东西要从娃娃抓起，多学一点计算理论。
蒋涛：需要掌握第一性原理——了解人工智能的来龙去脉
人工智能现在的窘境：正面临着质疑与创新
人工智能是比较高昂的军备竞赛，从开发者来说，更加关注如何落地，创造价值。
顶部的人研究理论，博士将理论的突破做出框架，CSDN的开发者在做落地这一块。16年、17年人数连续高涨，20年落到18年的情况，说明应用在18年非常热，
下图可知，信息化程度，相比去年在提升，超过52%的人工智能算法团队，少于10人，真正到实际的落地应用还是非常少。
上一轮是计算机视觉的突破，其实，这是AI一次狂飙突进的时机，但是，真正的价值是利用人工智能突破了，很多行业会认为它能够带来一个很通用的问题，其实不然。当下的很多人工智能公司可能还不够好，就像语音识别，还是不太实用的。好和能够解决问题，但是其实这是一个很大的跨越。很多公司做系统集成比人工智能技术应用。仍业务流程的断档被人工智能拉通。
人工智能现在的问题是，在有些场景，非人工智能技术解决类似场景，技术是螺旋式进步的。
做推荐系系统的时候，采用简单的协同过滤，差别会很大。很多技术就卡在那个临界点。这也是AI亟待突破的位置。这一轮10倍数的改进已经碰到了瓶颈，下一个100倍的技术正在进行。
如何看待人工智能未来十年？
智能工厂，无人工厂，非常明显的趋势，比较大的产业。关于自动驾驶，比如特斯拉的公司，未来的出路是机器人的公司，每一个家庭都需要一个机器人。现在的计算机视觉只能解决目标检测，而不是识别环境，一旦能够解决识别环境的问题，将会出现非常大的改变。
人工智能未来的建议
应不应该开数学课，大家直接用代码编程，推荐一本书《微积分的力量》。理论其实来源于朴素的需求，科学的美，要有点乐趣。但是，还需要数学的基础东西。
刘江：人工智能是什么技术？它还是需要数据，即信息化，用软件管理事情。
尼克的书，背后的思想是什么？底层的东西是不变与变。
尼克属于小圈子的人，通过尼克的书，可以看到很多主要的思想主要在上个世纪五六十年代，很多方法就像支流一样。很多东西，实际上都有它的源流。
人工智能是什么技术？它还是需要数据，即信息化，用软件管理事情。大数据也是一种数据库(非关系型的)。数据统计、数据挖掘、数据分析，所以很重要的是要有数据，所有要用软件把数据整理出来，因为互联网收集 的更全，所以AI在互联网发展更快。
现在金融公司，比如安防、汽车无人驾驶等领域，人工智能应用比较明显。
人工智能除了数据分析，还有计算机视觉，可以把物理世界的信息通过摄像头抓取进来，这也是应用比较广的领域。
人工智能，其实这个概念非常宽泛的，比如邮政编码识别，上个世纪80年代，都已经可以进行了。
人工智能在互联网最大的场景是搜索和推荐，除了王涛说的风控，还有广告等主要应用。现在还有很大的场景，比如在电商领域，应用最广的还是智能客服。
数亿的用户，需要人工智能实现定制化和个性化，人工智能目前还是有很大的红利和巨大的机会。
其实，从产业的发展来看，人工智能没有多大的起落，主流来看，还是总体在上升的。
机器学习，是不是人工智能，其实也是的，人工智能在往下发展，都主要是用算法来解决问题，大家需要加强对算法的学习。
在一线的互联网公司，有些算法工程师，在曾经的领域应用不错，可以移花接木。当下，之所有有很多人工智能公司上市不太顺利，大多都是因为估值过高，大多都是ToB，因为国内做ToB都不太好，这是行业的问题。
现在搞人工智能做个流派应该没有了，有的搞强化学习，或者人脑机制，迈出神经网络，知识图谱等方向，还包括因果，主要是因为人工智能的可解释性亟需解决。
在学校搞科研的，可以把视野开阔一些，因为中国人，在人工智能做原创的理论还是比较少的。自动驾驶至少需要五年到十年。
如何看待人工智能未来十年？
我对人工智能比较乐观的，因为人工智能还没有形成一个产业，现在，至少人工智能已经在互联网公司被证明了。AI在更多场景需要应用的时候，比如自动驾驶，汽车是特别有意思的行业，因为盘子大，所以影响更大，自动驾驶包括了电能、智能、物联，出现非常自动化的时候，不会堵车，不用停车，其影响巨大。而且AI很难有真正的寒冬。
其实，机器人的成本已经降下来了。
人工智能未来的建议
拥抱变化，抓住本质，找到不变的东西。
王涛：数据库与人工智能结合紧密
期待人工智能将非结构化的数据潜在的信息抽取出来。金融行业，对AI的应用还是处于比较初级的阶段，
一个是生物识别，比如人脸识别，判别是否高端客户，提高用户体验；对于非结构化数据，以前银行的数据，大多都是照片组成的黑盒子。现在可以结合
另一个是决策辅助，银行经常使用风控这一块，比如开信用卡的时候识别客户的身份，学习某种规律，识别大客户。
人工智能对金融行业来讲，银行使用AI，主要用于辅助的领域，并没有将最核心的领域交给AI去做。
未来，AI如果应用医疗领域，期待这个方向的到来。
人工智能未来的建议
数据是非常重要的一环，如何用起来，分析好，这才是最重要的。从数据库的角度，数据和算力同样重要。
