8月26日至27日，2016中国人工智能大会在北京召开，中国科学院副院长、中国科学院院士、中国人工智能学会副理事长谭铁牛在会议上发言称，人工智能发展60年来正在进入非常特殊的一年，人工智能热潮蔓延全球，近一年更是在专用人工智能领域取得突破性进展。

　　但通用人工智能的研究与应用依然任重道远。谭铁牛强调，人工智能热潮下尤其需要冷思考，根据最新的新兴技术成熟度曲线，人工智能相关技术正处于期望膨胀期，接下来可能是幻灭期，因而切忌跟风，注意寻找产业瓶颈而非风口。

　　谭铁牛认为，人工智能需要国家做出顶层设计规划，落实相应政策，建设中国自主可控的人工智能创新体系。

　　2018年将突破2000亿美元，AI热蔓延全球

　　人工智能产业化蓬勃发展，2015年全球人工智能市场规模为1270亿美金，今年预计将达到1650亿美金，谭铁牛预计到2018年将超过2000亿美元。

　　人工智能从1956年提出，到今年正好60年，谭铁牛认为对人工智能来说，今年是非常特殊的一年。其中特别值得一提的是，专用人工智能领域近一年取得了突破性进展，阿尔法狗是一个重要标志性。

　　此外，谭铁牛介绍，新版的人型机器已能稳步行走，自动驾驶汽车、语音识别、人脸识别、虹膜识别也都取得了长足的发展，这是往年所看不到的景象。

　　他总结了人工智能领域的十大趋势：

　　第一，人工智能热潮全球化，从东方到西方，从发达国家到发展中国家，从大国到小国，都掀起了热潮。

　　第二，产业竞争白热化，各种并购和招聘人才，都希望来参与竞争。

　　第三，投资并购密集化，过去一年大小收购投资，从几百亿到几个亿，数不胜数，更小规模则更多。

　　第四，人工智能应用普适化，向各个领域渗透。

　　第五，人工智能的服务专业化，一个是研究通用化的人工智能，一个是专业化的人工智能。

　　第六，基础平台开源化，包括IBM、谷歌建立了开源的平台是过去一年特别明显的一个新的特征。

　　第七，关键技术硬件化，比如IBM的类脑计算平台。

　　第八，技术方法集成化，单一的人工智能计算理论和方法不可能包打天下，集成创新势在必行。

　　第九，学科创新协同化，多学科跨界融合、交叉协同，创新人工智能创新途径，包括量子技术跟人工智能的结合。

　　第十，社会影响大众化，人工智能的影响的社会化大众化。

　　通用人工智能任重道远，呼唤顶层设计政策

　　尽管发展迅速，但通用人工智能的研究与应用依然任重道远。

　　“要在通用人工智能方面取得巨大突破还需要尽洪荒之力，这四句话描写了人工智能目前的水平：有智能没智慧，有智商没情商，会计算不会算计，有专才无通才。”谭铁牛说。

　　比如，人工智能在翻译“中国队谁也赢不了”，就会陷入不知道怎么翻的境地，在通用人工智能方面还有很多问题解决不好。

　　中国该如何应对这些趋势，抓住这个机会?谭铁牛认为首先应该有一个人工智能的规划，“上面要有规划，因为只有通过顶层规划协调，才能实现一盘棋，最终实现人工智能强国，未来的世界科技强国一定是一个人工智能的强国。”

　　其次，谭铁牛认为要推动人工智能诸多利好政策的及时落地，“归根结底这些好政策能不能及时落地，否则政策也是空的，关键要落地，要建设我国自主可控的人工智能创新体系。”

　　这一体系被他概括成为“人工智能的核高基”：核就是核心技术，高就是高端设备与应用，基就是基础理论设施。

　　谭铁牛表示，要发挥互联网大国的优势，把我们的数据和用户优势资源转化为人工智能技术优势，最后深化人工智能技术推广应用，做大做强智能产业，加强人工智能教育与科普，培养高素质人才队伍，最后支持人工智能社会学的研究。

　　热潮之下，人工智能切忌跟风

　　关于人工智能未来发展的若干思考，谭铁牛认为，首先要保持警醒，热潮下面尤其需要有一份冷思考。

　　他表示，阿尔法狗在围棋上的表现，确实提高了人们对人工智能的期望，但是切记，不能对人工智能提出过高的期望，希望太高，如果没有实现就会非常失望，甚至绝望，人工智能60年的发展过程中有很多这样的教训，因而在热潮下一定需要冷静地思考。

　　“有高潮一定会有低谷，这是发展的客观规律，任何一个时段不可能一直蓬勃，引用最新的新兴技术成熟度曲线，大家可以看到，智能机器人、认知专家顾问等热门技术正处于期望膨胀期，接下来可能是幻灭期，所以需要我们冷静的思考。”

　　在此基础上，谭铁牛强调人工智能要切忌跟风。“这几年风口热好像说的很多，站在风口上猪都会飞起来，台风一过摔死的是谁啊，是被风吹起来的，所以我觉得后面是我的话，找风口不如找关口，就是要找发展的瓶颈在哪里，突破那个瓶颈，你就可能开创一个新天地，抢占先机。所以找风口不如找关口，大家不要再跟风。”

　　同时，对于人工智能来说，需要不忘初心、继续探索，回归人工智能的本源。谭铁牛表示，随着信息科技与脑类科技的交汇，人脑智能机理的挖掘孕育着信息科技的重大变革。但要记得解决什么问题，别走偏了，从研究内容追问研究的目的，回归本源。

　　此外，人工智能需要苦练内功，重视前沿基础理论研究。谭铁牛称，人工智能现在是家喻户晓，但不能被当下的热点一叶障目，尽管现在效果很好，但深度学习不等于AI，深度学习只是人工智能领域机器学习方向的一种方法。

　　他认为，深度学习的成功不是理论方法的突破，而是在大数据和大规模计算资源驱动下的基于基础理论的技术突破，其本质是通过映射对复杂函数进行逼近，所以深度学习依旧存在明显的局限性，尤其在任务的切换和对环境变化自身完善方面，对小样本的举一反三等方面，人工智能与人类还是相差甚远。