这座挡在AI面前的大山能被翻越吗？

1956年，人工智能开始被提起，上世纪70年代再次成为焦点关注，如今这波AI爆发行情已经是第三次了，为什么人工智能多次起伏，而今天再看却被多方看好呢？

计算是瓶颈

人工智能的核心三要素是计算、算法和数据，在第一次人工智能被人关注时，计算层面有很大缺口，即便到今天，如果全面实现人工智能，世界计算力还要成长百万倍以上，这不仅仅是像云计算一样的中央计算成长，更需要边缘计算以及物联网后的终端共同努力，但这只是时间和累积问题，不是技术问题。

算法是挑战

如果说计算问题随着科技发展和技术迭代带来了巨大改观，那算法层面的停滞则让更多的数据无法发挥出更大价值，大数据在没有深度学习等算法之前总是难以摆脱效率问题，数据再大，但计算结果的表现却无法呈现正相关，是人工智能三起三落的主要原因，这是引擎出了问题。

好在如今的数据学习算法开始有了突破，加上数据的爆发，让AI应用真切有智能的体验，应该说在目前的人工智能发展演进上，算法有挑战，但不是大山。

数据才是大山

最后谈谈数据，从现在的发展速度看，数据爆发量达到空前状态，但别忘了，这么多数据里还有很多非结构化数据，当然还有很多数据成为冷数据，筛选、划分、算法调试、计算、最后产出AI的结果，让AI系统不断学习变聪明，认知越来越高级，是数据这个养料的基础。

人工智能之所以让人们感到智能，别忘了前面还有人工两个字。给机器喂什么料决定了机器有多聪明，一个是料对不对，一个是料大不大。

料对不对？

数据的提供存在人为层面问题，比如筛选过程、划分过程、沉淀过程，只能通过各行各业的高手做引导，喂数据，毕竟很多行业的规则和边界是模糊的，要结合整个社会层面应用看，还需要更多的衔接。如果选择的数据不合理或者一股脑的将数据喂过去，势必影响AI的智能程度。

料够不够？

还有一个更大的问题是孤岛问题，汽车出行，有人收集到交通数据，爱购物，有人收集到消费习惯，你的家庭人员结构、消费情况、信贷系统、健康与饮食、业余爱好等等这些，都有不同的人和机构在收集，但这之间是没有打通的！一个个大数据集群就像孤岛一样无法连通，这就会让各个AI系统变成盲人摸象，无法完整描绘出你这个人的本身！

AI的决策因此也会大打折扣，如何让各个系统连接（主要是数据层面共享），并且形成更精准的画像，对人有更全面和深入的认识，其实才是AI在未来很长时间内需要面对的大山，也许只有政府可以去解决这个问题，但我们目前看到的情况是：以BAT为核心的平台，纷纷想做这件事情，这样做可能会成就部分孤岛的连通，但是无法做到全面连通，而数据的闭塞也会让AI出现某些场景的“短路”。