不管AI聽上去多麼令人敬畏，當你打開Alexa或Siri，試圖讓他們真正干點事情的時候，就會明白離AI掌控一切還很遠——“Siri，有什麼不錯的日本餐廳？離得最近的？”“不好意思，我不知道您在說什麼。”
正如這些功能有限的聊天機器人一樣，如今市面上的大部分弱AI應用，都是針對單個問題設計出來的程序，很難真正聯系上下文進行推理、決策。總之，它們還不太好用。
這當然不會是未來的樣子，而在硅谷乃至全美，我們已經能看到不少公司在試圖改變這件事情。不管是強人工智能的基礎性技術、還是ToC（針對消費者）應用，或ToB（針對企業）應用上，都有不少令人振奮的進展。
研究人類的生物規律，推動強AI發展？
早在2015年，Seeking Alpha就做出過這樣的預測：人工智能行業的市場一定會不斷發展。未來十年內，就會完成從弱人工智能到強人工智能的轉變。
這裡的強人工智能，指的不是此前風靡的強人工智能假說（機器人有與人相似的情感與心靈），而是與弱AI相比，強AI有著更強的理解、推理和分析能力。
當然，Seeking Alpha根據摩爾定律進行的這個推算有點過於簡單直接了。但不可否認的是，從學界到工業界，強人工智能已經吸引了大量資本、科學家的進入，並且已經展現出了其可觀前景。
比如硅谷的神秘人工智能公司Vicarious，就在鑽研強AI的基礎技術，希望不用進行大量的數據訓練就能得到優秀的AI模型。它成立於2010年，已經從硅谷著名基金和大佬處募集了超過7000萬美金資金，投資人名單裡有Mark Zuckerberg、Elon Musk、Peter Thiel等等，非常華麗。這個公司裡有許多加州的著名教授，做的都是人工智能相關研究，其中就包括領導Google AI部門的著名華裔女科學家李飛飛。
做了這麼多年的研究，他們一直沒有透露自己的具體方法和產品，但是表示投入了很多資源在研究神經科學、腦科學和人類行為學上。
“過去幾年業界使用的是相對粗糙、與人類神經網絡大致相似的深度學習算法。Vicarious則希望建造一種在生物層面上與人類更相似的神經網絡算法，帶來‘人工想象力’。”MIT Review在去年5月的一篇文章中這樣描述Vicarious的技術。
2013年，他們宣布的進展令人激動——通過深度學習技術，他們宣布破解了CAPTCHA（驗証碼測試，被廣泛用於區分人和電腦），已經成功地保証能讓電腦穩定破解驗証碼圖像。去年的NIPS上，Vicarious發布了論文，也解答了不少業界對其的疑惑。一位不願具名的AI學者向記者透露，這家公司現在在做的方向是供應鏈管理機器人，通過技術讓這些機器人更加智能、互相學習。
Vicarious破解CAPTCHA，圖片來自《福布斯》
除了Vicarious以外，去年年末，Uber收購的Geometric Intelligence也在做類似的事情，這家公司由紐約大學心理學家Gary Marcus和劍橋大學信息工程學教授ZoubinGhahraman創立，聲稱在開發一種新的技術，把基於規則學習、數據學習和深度學習的方法結合起來，“用比深度學習少一半的數據量來訓練模型”。在Wired的採訪裡，Geometric Intelligence創始人、紐約大學心理學家Gary Marcus說道，在語言領域和無人駕駛汽車領域裡，有些問題是注定無法通過深度學習的“蠻力”解決的——這些數據的量不夠用於訓練模型，或者甚至這些數據都根本不存在。
在被Uber收購后，這家公司的主要科學家團隊會成為Uber的AI核心實驗室，在通用AI領域不斷探索，“范圍遠超無人駕駛領域”。
C端應用：緩步前進，但面臨挑戰
隨著AlphaGo悍然斬落全球所有的頂級棋手，普通民眾對於AI的認知程度不斷提高，但其在消費者端的應用，仍舊面臨著兩個問題。
第一個是技術上的困難。以Siri為例，假如我們連著向它詢問三個問題，“XX是誰？”“XX的老婆叫什麼名字”“她多大年紀了？”傳統的AI隻能把三個問題分開理解，所以在中間或后面的問題，可能就會收獲一個令人啼笑皆非的答案。
也不是一直沒有進展，“現在有些公司已經可以提供一些前后文的關聯性了，”AI企業Synergies Intelligent Systems創始人、MIT博士Michal Chang張宗堯對記者說道。
比如百度搜索最近就推出了新功能，可以讓前后問句產生關聯性。另一個例子是Google 最近發布的以神經網絡為基礎的翻譯功能，就可以辨認出一個人手機上照片裡的中文，並翻譯成英文。
“但是想要關聯很大范圍的內容還是很難，在這一點上，最大的挑戰不完全在於人工智能技術，更在於對人的思維和語言的了解。”張宗堯說道。這也是想要解決這些問題的公司往往需要在神經網絡方面投入大量資源的原因。
第二個問題則是由於消費者端的特性——我們到底需不需要一個擬人化的人工智能？
“在消費者的領域裡，總會有一些方向，他們希望看到擬人化的產品。”硅谷著名投資人、Fusion Fund創始合伙人張璐對記者說道。可是由於技術所限，AI的行為與反饋又往往不夠像真人。
而這就可能帶來“恐怖谷效應”，讓消費者對此產生抵觸情緒，也限制了如今消費者端AI技術的推廣。
硅谷投資人：強AI的工業應用會來得更早
與之相對，這位硅谷投資人認為，強AI應用的企業級將會走得比消費級更快。
“以醫療層面的應用為例，應用場景很明確，也對成本有一定的容忍度。”張璐說道。除此之外，工業級應用往往沒有擬人化的需求，也就不用擔心“恐怖谷效應”了。
除此之外，企業的另一特征也讓強AI的應用更具有意義——許多企業的價值，很大程度上都在於管理者的智慧、經驗與積累，而這些隨著人的生老病死，在過去很難傳承。在喬布斯去世后，蘋果的創新精神與過去很難匹敵。
“過去公司裡每個層級的管理者做的事情，都被認為是很高階的行為，”張宗堯向記者介紹道，“傳統AI很難拿到跨行業、跨領域的大量企業數據，所以就很難智能化這一部分。另外，在企業裡，每個崗位的管理者做的事情都不一樣，而不同企業裡的管理者之間的差異可能就更大了，這些是弱AI依靠大量數據訓練出來的模型很難解決的。”
這個擁有MIT博士學位及業界經驗的AI專家之前和高盛的核心技術成員Prasanth Varma共同創立了一家人工智能企業Synergies Intelligent Systems，就是希望通過強AI技術，用較少的數據和獨有的分析推理能力來解決這個問題。
“這是一個很大的計劃，需要把復雜的問題一一拆解，再由不同實驗室進行合作。我們需要和不同領域的專家合作來完成這個計劃。”張宗堯解釋道。他們聯合了跨幾個大陸的不同高校的實驗室，包括美國麻省理工學院、德國漢堡大學和台灣交通大學來解決這個問題，用強AI技術打造一個AI系統，適用於不同規模、不同行業的企業。企業隻需要輸入自己的數據並做簡單調試，它就能開始工作，幫助企業做各種分析和商業決策。
這個技術的前景，是代替企業內涉及分析、管理的種種層面，包括企業的倉庫管理、產品定價、營銷策略、公司戰略方向、供應商選擇等等，未來可能全面代替分析師、讓管理變得更科學，“這基本等於讓一個隻有三個月經驗的管理者憑空多出10年的管理經驗，做出非常優秀的決策，”張宗堯解釋道。
雖然強AI技術暫時還顯得較為神秘，但是這個方案能夠帶來的經濟效益是很明朗的，正是因此，Synergies在創始之初就吸引了許多合作伙伴，用極短的時間就達到了收支平衡。
目前他們的客戶包括全球的中型企業及大型財團和許多年營業額在10億美元以上的公司。對於其中一家制造業巨頭公司來說，Synergies的商業GPS已經幫助他們提升了20%的生產效率。而一家區域性零售業公司也通過AI系統的分析和建議，成功減少了48%的庫存。
當然，技術以外還有需要關注的部分。“雖然人工智能相關的很多基礎技術還有很大的提升空間，但是創業公司除了需要做到提供更快、更好的技術方案以外，也需要關注市場應用場景、能不能真正有效地降低成本等等。”張璐對記者說道。
Tvision Insights的技術示例
比如她投資的計算機視覺公司Tvision Insights，就把這個技術應用在了人臉識別和廣告內容投放領域。根據今年早些時候紐約時報的報道，這家公司可以通過安裝微軟的Kinect設備，來追蹤人的眼球與電視之間的互動。他們會把這些追蹤到的看電視的特點用於智能投放，比如到底有沒有在看電視，看電視的情緒，是否很投入，用戶年齡和性別等等。
“這樣的公司不僅有比較先進的技術，還找到了很好的市場應用方向，可能會對電視行業、營銷行業產生很大影響，這是AI技術進行商業應用的一個很好的例子。”張璐說道。
