现在的AI其实是30年前的“东西”，美国希望中国冲在前面，为什么？

现代AI的原理早在30年前就已经诞生，为什么到现在才突然爆发式地蓬勃发展? 美国人为什么愿意"放弃"在当前AI道路上的先发优势，先让中国冲在前面？

最近，在中国低调制定了一项框架性的AI发展规划后，西方开始“热捧”中国在AI方面的领先。

谷歌母公司Alphabet的执行董事长施密特在数天前公开称:

2020年之前中国会追上来，2025年之前就会做得比我们好，2030年之前就会主导AI产业。相信我，中国人相当出色。各种迹象显示，中国会在商业和军事方面引入AI技术。

高盛在报告中称:中国已经成为AI领域的主要竞争者，中国政府建设“智慧型经济”和“智慧社会”的目标将推动中国未来GDP的增长。 

Breyer Capital的创始人甚至通过CNBC称，中美间现在的AI竞争很像50年代的美苏太空竞赛。 

普京更是“赤裸裸”地预测：

未来的战争将会是无人机、航拍机的战争：如果一方的无人机被另一方的无人机轻松摧毁，败方除了投降之外别无选择。 

现代AI的原理早在30年前就已经诞生，为什么到现在才突然爆发式地蓬勃发展?

美国人为什么愿意"放弃"在当前AI道路上的先发优势，先让中国冲在前面？ 

1

为什么现代AI等了30年？

早在最初，AI有两条道路。一条是让AI遵循明显的规则和逻辑，任何检查其背后的代码的人都可以轻易理解其运作机制；另一条主张AI走仿生学道路，即模仿人脑的运作机制，让其通过“观察和经验”成长并获得相应能力。

众所周知，现代AI走的是第二条道路。但在上世纪六七十年代，计算机刚刚诞生的前20年，第二条道路基本处于无人问津的地位。但随着计算能力的飞速发展和大量数据的积累，人们开始对第二条道路重燃“希望”。 

第二条道路的真正突破始自1986年，可以称作现代AI之父的辛顿发表了划时代的一篇论文，里面首次“介绍”了反向传播算法。这一算法是现代已经大规模应用的AI技术的基石。 

实际上在辛顿之前，最早的计算机“神经网络”已经存在，但当时只有输入和输出两个“神经元”层，但这种简单的神经网络只能解决极其简单的问题。但理论上如果在输入和输出层间可以加上更多层级，就可以“创造出”解决复杂问题的能力，但没有人知道如何“训练”中间层。

辛顿的算法回答了这一问题，其可以用来训练两层以上的“神经元”层，即计算机深层“神经网”，所以现代AI的学习方式被称作“深层学习”（Deep Learning）。

由于深度学习在中间加了非常多的“神经元”层，每一层又具有大量的“神经元”单元，并且需要跟上下层的神经元产生联系，并根据学习结果不断调整权重以达到最佳效果。 此外，这种训练还需要在输入层提供大量的可用于学习数据，所以这种AI训练方法需要等到计算拥有了更强大的计算能力，并且拥有大量数据后才能真正发挥作用。

90年代的时候，这种算法就可以模仿“写出”手写的字符。主要是因为字符本身只有线条，对于计算能力要求相对较低，另外彼时只有手写字符的“数据”比较充裕。

随着因特网的发展，特别是智能手机的普及，AI的应用和能力开始爆发式增长，除了计算机能力的增长之外，更重要的是因特网，特别是智能手机为AI研究提供了海量的文字、图像、语音等各类数据（人们每天花大量时间上网玩手机，从这个角度来看实际上并不是在浪费时间）。

所以目前商用AI最显着的进步体现在语音输入识别、图像人脸识别和翻译等领域也就不足为怪了。各种生活生产工具的电子化也为AI能力的进一步提升，提供了数据基础。