在4日2017百度AI开发者大会上，主办方展示了一段百度创始人李彦宏乘无人驾驶汽车上路的视频，后来被细心的网友发现有实线并道等违章行为。这场小风波再度引发对人工智能的讨论。以从业人员的角度看，这本身就说明人工智能仍有很大局限性。
人工智能诞生60余年来，经历两起两落。随着2013年深度学习算法取得突破性进展，人工智能再度迎来高潮。2016年谷歌“阿尔法狗”战胜世界围棋冠军李世石更是引发新一轮狂热，创业公司纷纷涌现，大量资本迅速流入，有机构预计2020年全球该领域市场规模将超千亿美元。“阿尔法狗”的胜利，科幻电影的夸张渲染，也使得普罗大众对人工智能充满无限的期待。
人工智能目前的确在某些领域超过人类：2014年人脸识别精度达到98.52%，超过人类平均识别水平(97.53%);2016年人工智能在图像分类任务中的错误率已降至4.94%，人眼辨识的错误率约为5.1%。然而，这些“成功”只是在限定任务限定场景限定条件中，而非复杂的实际环境。
就人脸识别来说，该技术目前在对身份证和现场照片进行1：1比对时，表现往往超过人眼，但在光线复杂的场景下，识别人脸的准确率只有约75%，仍低于人类整体的识别水平。
人工智能的发展分为弱人工智能、强人工智能、超人工智能三个阶段。其中，弱人工智能阶段是指机器看起来智能，但并不真正拥有智能;只有在强人工智能阶段，机器才能真正推理和解决问题，甚至具有自我意识;超人工智能阶段的机器则在所有领域都比最聪明的人类更强。
总体来看，当前人工智能的进步主要借助于数据的爆炸式增长、计算资源的极大丰富，及以深度学习为代表的算法在语音识别、视觉理解、自然语言处理等任务上取得的突破性进展，并不真正拥有智能。尽管进步神速，但人工智能仍处于初级阶段。
以“阿尔法狗”为例，即便它解决了围棋问题，也不代表类似技术可解决其他问题，视觉理解、自然语言处理、推理、决策等问题依然存在。不仅如此，将驱动“阿尔法狗”的技术应用于实际生产，可能还需多年。在不同应用场景之下，人工智能又有着完全不同的实现难度和时间进度。
连一向为人工智能代言的李开复都坦言，现在人工智能的投资和估值存在泡沫。虽然我们经常在媒体上看到某家人工智能公司在图像识别或上路测试中取得新进展，但那些往往只是算法在某种特定场景下识别率又提升了百分之零点几。这在技术上或许是重大进步，但在实际应用场景下不一定是。复杂的应用环境、全面完善数据的缺乏、高性能芯片的研发进度等因素，决定了感知智能技术距离应用普及还需要至少5年到10年。
现阶段较为成熟的语音技术面临同样的问题——应用场景有限，只能保证近场语音识别的准确率。图像识别实践机会最多，但具体到安防、医疗、电商、辅助驾驶等应用场景，远非完美;自然语言处理在互联网行业中应用最为成熟，但涉及推理决策层面，技术还有待突破。
人工智能的广泛应用基于技术，应用周期较短，但技术周期较长。人工智能当前的热潮得益于学术界上一轮深度学习算法的突破，但应用红利总有用尽之日，认知层的技术突破和基础资源积累才是长期重点。人工智能毫无疑问是未来，但只有当相关技术真正成熟，可被广泛应用于大多数行业时，我们才能迎来真正没有泡沫的人工智能时代。(作者是中国科学院自动化研究所研究员)
