這不是一個會不會發生的問題, 而是會什麼時候發生的問題。
在之前的文章中，我寫過關于ai在創新潛能上與之前的科技浪潮的不同之處。文章的核心主題是近期在主流科技浪潮中獨一無二的全分布式創新模型。
在過去的幾年中，ai無窮的潛力被大肆宣傳。這些宣傳中，一些是符合實際情況的，但是很多卻被過分誇大。
事實上，對于一項正在風頭上的科技，人們很難想象未來将會遇到什麼樣的困難。人工智能和相關技術被追捧的時間已經很長了，常理推斷它由盛轉衰的最高點也即将來臨。在過去長達1年半的時間裡我都有這種預感，而高德納公司2016年的“炒作周期”更是映證了這一看法(參考機器學習)：
《高德納2016炒作周期》
整體來看，ai 可能已經開始出現“幻滅”的勢頭。作為一種主觀推斷，幻滅發生的時間無法用科學方法去測算。然而不論我們相信與否，ai的熱度會不可避免的有所反彈。然而，關于ai的幻滅從一定程度上來說并不是一件壞事，因為在很多情況下，炒作宣傳的内容都遠遠超過了目前的技術發展水準。
但是我并不擔心這種情況的發生，因為我對長遠的規劃更感興趣，這包括：過去幾年中的傑出成就能否持續發展?是否能繼續遵循全分布式的創新模式?或者是事與願違，ai會最終迎來一個寒冬?
這都很難預測，因為很多因素會減緩現在的創新速率，接下來我會對此進行深入探讨。
1、專利比論文更受偏愛
與之前的技術相比，ai的一個重要優勢就是強有力的研究背景。在計算機科學領域，創新程度是用發表的文章以及這些文章對ai技術的影響程度來衡量的。谷歌，臉書，和其他大型ai公司從學校挖走了很多頂尖的ai人才，而這些人才在業界也還在繼續發表文章。
盡管學術論文經常會讓人覺得晦澀難懂，但是它們确實包含着如何應用一個新方法或者算法來繪制技術的前景藍圖，這也使得ai領域中的大多數創新能夠公之于衆。甚至有些情況下，在新論文發表的幾天之内，github上就會出現相應的應用執行個體。
在大企業中，關于是否将一個想法發表專利一直都存在争議。考慮到機器學習領域的飛速進展，研究人員都想盡快發表自己的論文，以宣示對新想法的所有權。谷歌目前除了對一些有專利的産品，如 word2vec，對其他産品都持有較為開放的态度。我希望谷歌能繼續保持下去，不然這種現象可能會嚴重阻礙ai社群的發展。
2、少數大公司雇傭了所有的ai人才
目前有很多關于科技巨頭從各大高校席卷ai人才的故事。在過去的幾年中，很多高調收購案的目的都是為了獲得ai核心人才。這種現象的好處是擡高了ai技術的身價，壞處則是人才都去了少數的大公司。
谷歌、臉書、亞馬遜、百度、微軟、特斯拉、蘋果和ibm都在野心勃勃的建立ai中心，并且把能找到的博士生都收入麾下。這些公司在ai研究社群都極力表現以維持自己的聲望，但是由于公司内部的工作程序安排使得那些來大公司的人才很難獲得在學校或者在自己創辦的公司中實踐想法的自由度。
如果少數十幾家公司網羅了世界上絕大部分的ai人才，我們将看不到更多與衆不同的創意和新的解決方案。多數大公司并不能快速換代，建立新産品。是以，我們更需要一個健康的創業環境來激發新靈感。
3、等待好結果的時間太久
當每個人都從good morning america上了解到ai時，其實人們的心理倒計時已經開始了。如果沒有好的産品來支撐，在宣傳維持了一段時間的熱度之後，人們終會對ai喪失信心，并且把它丢進名為過度炒作的垃圾桶裡。
這意味着如果得不到新的解決方案或者新結論，人們将不會再關注下去。
4、幾個重大失敗案例
一個難以避免的會減慢ai發展的情況就是出現重大失敗。不論是ai公司沒能提供承諾的價值，還是一個新産品發售後反響平平，都會給大衆埋下懷疑的種子。就像沒有值得上新聞的突破一樣，類似md anderson取消與ibm watson的合作協定一樣的重大失敗會讓原本對ai很熱忱的公衆開始産生懷疑。
5、tensorflow變得太複雜和太占主流
也許這不符合常理，但是實際情況是，擁有很多ai開發平台才是一件好事，而不是像現在這樣，tensorflow成為了主流。無論如何，應用新的ai技術對于小團隊和個人都是很困難的。開發整體部署軟體(如作業系統)需要大量的開發者的協作，但ai平台與此不同。當一篇新的論文發表後，互相競争的實踐産物經常在幾周或幾天之内就出現了。
tensorflow是最流行的機器學習架構，并且正在變得越來越強大和複雜。如果tensorflow真的變得過于複雜，讓人難以應用，或者谷歌失去了對它進行高頻更新的興趣，那tensorflow本身将會阻礙創新。雖然短期來看，所有人都使用tensorflow是一件好事，但在長遠來看很可能成為一個隐患。
6、我們用深度學習隻到達了局部最優
深度學習已經一戰封神。現在它能讓軟體替代醫生，甚至能做飯，清潔，洗碗。有些暫時或許還沒有實作，但是人們把太多的注意力投注在深度學習上會導緻對其他領域的關注不足，而下一個突破點很可能就在這樣的過程中被忽視了。深度學習也有自己的不足，是以我們需要持續地探索新的想法和概念。
7、社會和政治上的壓力會阻礙ai前進
我認為ai發展會減緩的最主要的原因并不是技術本身或者創造新解決方案的能力，反而是公衆對這些方案實施的熱度。
公衆非常期待5級自動駕駛技術能夠應用，同樣也對飛機的無人駕駛很感興趣，但是目前駕駛艙坐着的仍然是人類。
公衆多年建立起來的信心可能隻需要一個偶然的重大事故就摧毀了。我們可以預見，将來ai會産生的事故不止一個。盡管機器操作可能比人工操作的事故率低，但是ai還是會因為這少數的“事故”獲得很慘的下場。
8、放慢速度是件好事
我希望未來ai能夠不要太主流。一定程度上，獲得巨大關注是一件好事，這會讓個人和公司對開發新技術興緻高漲，但這樣會産生過度炒作的弊端以及帶來很多任意消費而不思回報的盲從者。同時，讓我更擔心的是熱度越高，摔得越重。
原文釋出時間為：2017-8-31
本文作者：
本文來自雲栖社群合作夥伴至頂網，了解相關資訊可以關注至頂網。