大數據文摘作品，作者 | Robbie Allen，編譯 | 袁璐、康璐、Lisa
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，我寫過關於 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佈式創新模型。
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，對於一項正在風頭上的科技，人們很難想象未來將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瞭，常理推斷它由盛轉衰的最高點也即將來臨。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 " 更是映證瞭這一看法（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，關於 AI 的幻滅從一定程度上來說並不是一件壞事，因為在很多情況下，炒作宣傳的內容都遠遠超過瞭當前的技術發展水平。
但是我並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佈式的創新模式？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討。
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 公司從學校挖走瞭很多頂尖的 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，但是它們確實包含著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於眾。甚至有些情況下，在新論文發表的幾天之內，github 上就會出現相應的應用實例。
在大企業中，關於是否將一個想法發表專利一直都存在爭議。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。谷歌目前除瞭對一些有專利的產品，如 word2vec，對其他產品都持有較為開放的態度。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 社區的發展。
2、少數大公司雇傭瞭所有的 AI 人才
目前有很多關於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瞭獲得 AI 核心人才。這種現象的好處是抬高瞭 AI 技術的身價，壞處則是人才都去瞭少數的大公司。
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，並且把能找到的博士生都收入麾下。這些公司在 AI 研究社區都極力表現以維持自己的聲望，但是由於公司內部的工作進程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。
如果少數十幾傢公司網羅瞭世界上絕大部分的 AI 人才，我們將看不到更多與眾不同的創意和新的解決方案。多數大公司並不能快速換代，創建新產品。因此，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 上瞭解到 AI 時，其實人們的心理倒計時已經開始瞭。如果沒有好的產品來支撐，在宣傳維持瞭一段時間的熱度之後，人們終會對 AI 喪失信心，並且把它丟進名為過度炒作的垃圾桶裡。
這意味著如果得不到新的解決方案或者新結論，人們將不會再關註下去。
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，還是一個新產品發售後反響平平，都會給大眾埋下懷疑的種子。就像沒有值得上新聞的突破一樣，類似 MD Anderson 取消與 IBM Watson 的合作協議一樣的重大失敗會讓原本對 AI 很熱忱的公眾開始產生懷疑。
5、Tensorflow 變得太復雜和太占主流
也許這不符合常理，但是實際情況是，擁有很多 AI 開發平臺才是一件好事，而不是像現在這樣，Tensorflow 成為瞭主流。無論如何，應用新的 AI 技術對於小團隊和個人都是很困難的。開發整體部署軟件（如操作系統）需要大量的開發者的協作，但 AI 平臺與此不同。當一篇新的論文發表後，相互競爭的實踐產物經常在幾周或幾天之內就出現瞭。
Tensorflow 是最流行的機器學習框架，並且正在變得越來越強大和復雜。如果 Tensorflow 真的變得過於復雜，讓人難以應用，或者谷歌失去瞭對它進行高頻更新的興趣，那 Tensorflow 本身將會阻礙創新。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隱患。
6、我們用深度學習隻到達瞭局部最優
深度學習已經一戰封神。現在它能讓軟件替代醫生，甚至能做飯，清潔，洗碗。有些暫時或許還沒有實現，但是人們把太多的註意力投註在深度學習上會導致對其他領域的關註不足，而下一個突破點很可能就在這樣的過程中被忽視瞭。深度學習也有自己的不足，所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並不是技術本身或者創造新解決方案的能力，反而是公眾對這些方案實施的熱度。
公眾非常期待 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，但是目前駕駛艙坐著的仍然是人類。
公眾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瞭。我們可以預見，將來 AI 會產生的事故不止一個。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，獲得巨大關註是一件好事，這會讓個人和公司對開發新技術興致高漲，但這樣會產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。
原文鏈接
