尼克，烏鎮(zhèn)智庫理事長，數(shù)知科技創(chuàng)始人，國家“千人計(jì)劃”專家。早年負(fù)笈美國，師從“強(qiáng)化學(xué)習(xí)”算法發(fā)明者；曾在哈佛和惠普工作。

近日，尼克的《人工智能簡史》由人民郵電出版社出版，他在書中全面勾勒了人工智能半個(gè)多世紀(jì)的歷史，再現(xiàn)了AI史上大師的工作與交往。就人工智能的歷史、現(xiàn)實(shí)與未來諸問題，《上海書評(píng)》對(duì)他作了專訪。

《經(jīng)濟(jì)學(xué)人》（The Economist）今年7月15日發(fā)表的題為“中國或在人工智能領(lǐng)域趕上或擊敗美國”（China May Match or Beat America in AI）的文章里，引用了烏鎮(zhèn)智庫所作的人工智能報(bào)告的數(shù)據(jù)。烏鎮(zhèn)智庫和人工智能之間是什么關(guān)系？從數(shù)據(jù)看人工智能，您可以告訴我們什么？

尼克：烏鎮(zhèn)智庫搜集了人類有史以來幾乎所有的公開數(shù)據(jù)，例如所有的專利、所有的學(xué)術(shù)資源、所有的經(jīng)濟(jì)金融數(shù)據(jù)、法院判例，還有過去十幾年里所有語言的維基百科和各種在線百科數(shù)據(jù)，以及社交媒體數(shù)據(jù)。我們把這些數(shù)據(jù)都建成知識(shí)圖譜，也整合了IBM著名的Watson系統(tǒng)底層的開源知識(shí)圖譜。在我們做的各種行業(yè)報(bào)告中，最有影響力的確實(shí)是關(guān)于人工智能的系列報(bào)告。目前，《經(jīng)濟(jì)學(xué)人》《金融時(shí)報(bào)》、高盛等機(jī)構(gòu)關(guān)于人工智能的深度報(bào)道大量引用我們的數(shù)據(jù)?？梢哉f，中文媒體上涉及人工智能的報(bào)道，其數(shù)據(jù)部分的源頭大多在我們這兒。

具體來說，從專利看人工智能，我們可以知道：上世紀(jì)八十年代，中國尚沒有專利制度，更談不上人工智能專利，但到了2012年至2013年間，中國人工智能的專利總數(shù)已經(jīng)超過美國，但專利的質(zhì)量還不高。專利質(zhì)量是可以定量計(jì)算出來的，學(xué)術(shù)論文的結(jié)果也類似。

根據(jù)我們做的人工智能的大學(xué)排名，前四十名里沒有中國，但從四十幾名開始，就有清華了。在人工智能的分支學(xué)科中，上世紀(jì)八十年代極盛的專家系統(tǒng)，今天已無人問津，這在工業(yè)界的反映就是日本第五代計(jì)算機(jī)項(xiàng)目的衰敗。2010年后興起、今天還十分熱門的人工智能子學(xué)科包括：機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺，以及自然語言處理。機(jī)器翻譯就屬于自然語言處理。

我們還可以利用數(shù)據(jù)做區(qū)域的對(duì)比研究。中國在人工智能的投融資已經(jīng)是世界第二，但也差不多只是以色列的四倍。以色列是個(gè)人口八百萬的國家，比上海的一個(gè)區(qū)還要小。而我們做的物聯(lián)網(wǎng)報(bào)告顯示，中國的物聯(lián)網(wǎng)體量比以色列要大四十多倍。這說明涉及高精尖技術(shù)的，以色列很強(qiáng)，而涉及人口和制造的，中國強(qiáng)。

您為什么要寫人工智能的歷史？去年來，AlphaGo不斷戰(zhàn)勝人類圍棋冠軍，而AlphaGo Zero還能自己從低階到高階對(duì)弈，能談?wù)勀瓦@個(gè)團(tuán)隊(duì)的淵源嗎？

尼克：現(xiàn)在人工智能這么熱，需要有本書把它的歷史說明白。另外，國內(nèi)沒什么像樣的人工智能的科普。我看過很多偽媒體人和“磚家”的各種言論，胡說八道的程度令人發(fā)指，可怕的是其中一些人還有巨大的話語權(quán)和影響力，控制著各種資源。

我自認(rèn)還夠格寫這樣一本書。人工智能發(fā)展過程中的不少事兒，我大致都清楚。一方面出于興趣，另一方面，我的老師和大師兄是這個(gè)領(lǐng)域的大師級(jí)人物，他們發(fā)明了“強(qiáng)化學(xué)習(xí)”算法。谷歌收購的DeepMind團(tuán)隊(duì)里一半的人都是我大師兄的學(xué)生，他們?cè)?jīng)是人工智能中的少數(shù)派，但DeepMind搞的AlphaGo贏了李世石之后，這一派一下又成了顯學(xué)。當(dāng)年把我老師招到麻省大學(xué)的是邁克爾·阿比布（Michael Arbib）。他是控制論創(chuàng)始人維納的最后一個(gè)博士生。按照阿比布的一家之言，人工智能是控制論的替代品。我當(dāng)年本想投奔的是阿比布，但我到學(xué)校，他已轉(zhuǎn)會(huì)去了南加州大學(xué)，結(jié)果我就跟了我老師研究強(qiáng)化學(xué)習(xí)。從這個(gè)意義上說，我是AlphaGo那幫人的長輩。

我上學(xué)的時(shí)候正值人工智能低潮。一般美國大學(xué)的計(jì)算機(jī)系都是分三伙人：做系統(tǒng)的，做理論的，做人工智能的。做系統(tǒng)的和做理論的互相看不起，但他們同時(shí)看不起做人工智能的?，F(xiàn)在情況不一樣了，做人工智能的應(yīng)該都咸魚翻身了，個(gè)個(gè)成了公共知識(shí)分子。我那時(shí)才疏學(xué)淺，看不清強(qiáng)化學(xué)習(xí)的遠(yuǎn)景，證明了一個(gè)與機(jī)器學(xué)習(xí)相關(guān)的理論結(jié)果就離開了。其實(shí)，在人工智能的各個(gè)分支里，大概只有強(qiáng)化學(xué)習(xí)還留了點(diǎn)控制論的影子，也有人認(rèn)為，強(qiáng)化學(xué)習(xí)包含了全部人工智能。

人工智能學(xué)界，國內(nèi)有一個(gè)和美國不同的現(xiàn)象：中國在人工智能領(lǐng)域最有發(fā)言權(quán)的是自動(dòng)化系——對(duì)應(yīng)到中科院就是自動(dòng)化所（新成立的人工智能學(xué)院就設(shè)在這里），而自動(dòng)化系主要關(guān)注計(jì)算機(jī)是怎么用的，并不關(guān)注計(jì)算機(jī)的基礎(chǔ)理論。美國的大學(xué)并沒有分得這么細(xì)，加州大學(xué)伯克利分校和麻省理工學(xué)院到現(xiàn)在還是一個(gè)大系：EECS（Department of Electrical Engineering and Computer Science）——這在中國至少能拆成五個(gè)學(xué)院。中國一個(gè)很小的學(xué)科分支都是一個(gè)學(xué)院，而學(xué)院之間老死不相往來。

人工智能這樣的學(xué)科，如果不懂點(diǎn)圖靈的計(jì)算理論，討論就很難深入。我除了想正本清源，還想鼓勵(lì)專家間的互動(dòng)。

我也希望決策者看看我的書，了解些科普和歷史，也許可以少被偽媒體人和“磚家”們忽悠，少浪費(fèi)些社會(huì)資源。我再說多了就要挨罵了。

西方有對(duì)人工智能歷史的經(jīng)典書寫嗎？

尼克：美國人寫的人工智能歷史，比較著名的有尼爾森（Nils J. Nilsson）的《人工智能探究》（The Quest for Artificial Intelligence: A History of Ideas and Achievements）。尼爾森是人工智能學(xué)科的早期參與者和領(lǐng)導(dǎo)者，擔(dān)任過斯坦福研究所（SRI）人工智能部門的負(fù)責(zé)人和斯坦福大學(xué)計(jì)算機(jī)系主任多年。不過他這本書主要寫的是他自己熟悉的、偏好的領(lǐng)域。麥克達(dá)克（Pamela McCorduck）1979年寫的《能思考的機(jī)器》（Machines Who Think: A Personal Inquiry into the History and Prospects of Artificial Intelligence）從今天的角度看則有些過時(shí)。

另外，明尼蘇達(dá)大學(xué)的查爾斯·巴貝奇（Charles Babbage）研究所一直在做計(jì)算機(jī)科學(xué)的口述歷史，采訪了很多人工智能學(xué)者。大部分的采訪都有錄音。我聽了近一百小時(shí)錄音，從這些第一手資料里有一些有趣的新發(fā)現(xiàn)。

無論中英文，當(dāng)下都沒有一本合適的人工智能歷史的讀物?？偟膩碇v，我這本書還算公正全面，我兒子正在把它譯成英文。

通過第一手資料，您有什么關(guān)于AI史的新發(fā)現(xiàn)？

尼克：比如“人工智能”（artificial intelligence）這個(gè)詞最早是誰提出的。普遍的誤解是，“人工智能”這個(gè)詞是1956年達(dá)特茅斯學(xué)院夏季研討會(huì)——人工智能的起源事件——的召集者麥卡錫（John McCarthy）想出來的，其實(shí)不然。麥老晚年回憶，承認(rèn)這個(gè)詞最早是從別人那里聽來的，但記不清是誰了。后來英國數(shù)學(xué)家伍德華（Philip Woodward）給《新科學(xué)家》雜志寫信說他是AI一詞的原創(chuàng)者，麥卡錫最早是聽他說的，因?yàn)樗?956 年曾去麻省理工學(xué)院訪問，與麥卡錫交流過。但麥卡錫在1955 年就在其建議書里使用“人工智能”一詞了。如今當(dāng)事人大都已仙逝，此事恐成懸案。其實(shí)英國人最早的說法是“機(jī)器智能”（machine intelligence），這大概和圖靈1950年在哲學(xué)雜志《心》（Mind）上發(fā)表的傳世文章《計(jì)算機(jī)與智能》（Computing Machinery and Intelligence——我的譯文作為附錄收在書中）有關(guān)。最早Computing Machinery指計(jì)算機(jī)，而Computer是指人肉計(jì)算員，他們用機(jī)械計(jì)算機(jī)從事簡單重復(fù)的計(jì)算工作。

另外，我比較詳細(xì)地考證了美國人工智能幾大學(xué)派之間的矛盾和論爭。美國最早有三大人工智能基地：斯坦福大學(xué)、麻省理工學(xué)院和卡內(nèi)基梅隆大學(xué)。三大基地是三伙不同的人弄的，這些實(shí)驗(yàn)室經(jīng)歷了種種的斗爭、分裂、重組。這些人事紛爭構(gòu)成了人工智能學(xué)科的歷史。事實(shí)上，當(dāng)圖靈在1948年英國國家物理實(shí)驗(yàn)室的內(nèi)部報(bào)告中區(qū)分了“肉體智能”/“附體智能”（embodied intelligence）和“無肉體智能”（disembodied intelligence），后來的統(tǒng)計(jì)派/神經(jīng)網(wǎng)絡(luò)派（造一臺(tái)智能機(jī)器模擬大腦中的神經(jīng)網(wǎng)絡(luò)）與符號(hào)派/邏輯派（用邏輯和符號(hào)系統(tǒng)模擬心智）之爭就已經(jīng)埋下了伏筆。人工智能的鼻祖之一紐厄爾（Allen Newell）說過，一部AI史就是一部斗爭史（大意如此）。換言之，在任何時(shí)候，每種方法都有個(gè)對(duì)立面：模擬與數(shù)字，知識(shí)與邏輯，語義與語法，連續(xù)與符號(hào)，串行與并行，取代與增強(qiáng)，機(jī)械論與目的論，生物學(xué)與活力論，工程與科學(xué)……

最早的麥卡錫、司馬賀（Herbert Simon）分別是做邏輯和定理證明的，做統(tǒng)計(jì)的人當(dāng)時(shí)不被重視，但現(xiàn)在反而邏輯沒人搞了，都去做統(tǒng)計(jì)了。近年來，知識(shí)圖譜技術(shù)在谷歌的鼓吹下，算是為符號(hào)派留下了一支血脈。

自人工智能起源至今，半個(gè)多世紀(jì)過去了，它在哪些方面業(yè)已取得了突破？

尼克：參加了達(dá)特茅斯會(huì)議的紐厄爾和司馬賀在1957 年曾預(yù)測：十年內(nèi)計(jì)算機(jī)下棋能贏人，十年內(nèi)計(jì)算機(jī)將能證明人還沒有證明的定理。他們太樂觀了。這兩個(gè)預(yù)測分別在1997年和1996年才實(shí)現(xiàn)，花了大概四十年。

從人工智能的歷史看，確實(shí)有很多過去認(rèn)為是很難解決的問題被慢慢解決，比如人臉識(shí)別近五年在國內(nèi)迅猛發(fā)展。目前，借助“深度學(xué)習(xí)”（多層神經(jīng)網(wǎng)絡(luò)）的語音識(shí)別系統(tǒng)已經(jīng)達(dá)到可實(shí)用的階段。過去幾年也有一堆同質(zhì)的公司冒出來。

機(jī)器翻譯難道還沒有突破嗎？

尼克：的確，隨著語音和圖像識(shí)別技術(shù)漸趨成熟，人們普遍認(rèn)為目前人工智能里比較難的問題是自然語言處理。有專家最近有言：懂語言者得天下。機(jī)器翻譯就是自然語言處理的一部分。2016 年，谷歌利用深度神經(jīng)網(wǎng)絡(luò)搞的神經(jīng)機(jī)器翻譯（Google Neural Machine Translation）系統(tǒng)，大幅提高了機(jī)器翻譯的水平；今年，F(xiàn)acebook利用自己擅長的卷積神經(jīng)網(wǎng)絡(luò)，也進(jìn)一步提高了機(jī)器翻譯的效率。但這距離理想場景——例如人們可以不學(xué)外語，人耳中嵌入微型翻譯器，自動(dòng)譯出聽到的外語——還很遠(yuǎn)。

自然語言處理涉及了不少哲學(xué)主題，從圖靈測試到塞爾的“中文屋”假想實(shí)驗(yàn)，皆與此相關(guān)。每出現(xiàn)一個(gè)新的人工智能工具，都會(huì)被用來試試自然語言處理。

除了翻譯之外，自然語言處理的另一個(gè)難題是人機(jī)對(duì)話?，F(xiàn)在的對(duì)話都是在短場景——十個(gè)句子之內(nèi)，因?yàn)閱柎鹣到y(tǒng)依靠的是常識(shí)和淺層的推理；知識(shí)圖譜是核心。一個(gè)問題總是會(huì)涉及who，when，where，how，why，這些要素都可以套到知識(shí)圖譜中類和實(shí)體的屬性和關(guān)系上。當(dāng)你問2016 年之后的搜索引擎：“梁啟超的兒媳婦是誰？”答案中至少會(huì)有“林徽因”和“林洙”。因?yàn)橄到y(tǒng)底層的知識(shí)圖譜知道梁思成是梁啟超的兒子，而梁思成結(jié)了兩次婚，第一次林徽因，第二次林洙。當(dāng)知識(shí)圖譜足夠大的時(shí)候，它回答問題的能力會(huì)驚人：2011 年IBM的沃森（Watson）就在美國電視智力競賽節(jié)目Jeopardy！中擊敗人類選手。但是，目前要達(dá)到很長的人機(jī)對(duì)話場景還很難。

沃森在Jeopardy！中擊敗人類選手

這些技術(shù)是人工智能下一步的突破口，我們也努力在這些領(lǐng)域做些有意義的創(chuàng)新性工作。

如《銀翼殺手》這樣的賽博格電影總會(huì)關(guān)注未來人工智能的主體意識(shí)和人機(jī)關(guān)系這樣的議題。您是怎么看“奇點(diǎn)”（singularity）的？

尼克：所謂“奇點(diǎn)”——機(jī)器超過人，或者用《未來簡史》（Homo Deus: A Brief History of Tomorrow）作者的話說，有一個(gè)全新的物種在智能上超越人類——本身的定義是不嚴(yán)格的。如果就某個(gè)單項(xiàng)指標(biāo)論，機(jī)器早就超過人類了。討論這個(gè)問題，首先要定義智能是什么、人是什么。當(dāng)下，總有一些人會(huì)干而機(jī)器不會(huì)干的事，以及機(jī)器會(huì)干而人不會(huì)干的事，但不也總有這個(gè)人會(huì)干而那個(gè)人不會(huì)干的事嗎？能說其中一個(gè)就不是人嗎？

我們甚至可以追問：當(dāng)你斷了一條胳膊、換了一顆別人的心臟，你還是你嗎？如果把你的頭換到別人的身體上，你還是你嗎？這個(gè)時(shí)候，DNA可能都是別人的了，但意識(shí)還是你的。科幻電影總是把人工智能問題化約為是不是能造出人形機(jī)器人，這是低級(jí)而庸俗的。界定人或智能是什么、追問機(jī)器是否有智能，需要訴諸計(jì)算理論。

一直有所謂強(qiáng)人工智能和弱人工智能之說：強(qiáng)人工智能就是能造出全面超越人類的機(jī)器，而弱人工智能是指能造出在某些方面——例如下棋、人臉識(shí)別——超越人類的機(jī)器。根據(jù)丘奇-圖靈論題（Church-Turing Thesis），所有功能足夠強(qiáng)的計(jì)算裝置的計(jì)算能力都等價(jià)于圖靈機(jī)，不可能存在比圖靈機(jī)更強(qiáng)的計(jì)算裝置。除了丘奇-圖靈論題，還有個(gè)相似性原則：任何計(jì)算裝置之間互相模擬的成本是相似的。這兩個(gè)論題隱含著強(qiáng)人工智能的可能性：智能等價(jià)于圖靈機(jī)、人就是圖靈機(jī)。目前的計(jì)算機(jī)科學(xué)（包括人工智能）的工作都是建立在這個(gè)認(rèn)同之上的。當(dāng)服從摩爾定律（每十八個(gè)月信息處理能力加倍）的計(jì)算裝置進(jìn)化的速度快過人類進(jìn)化的速度，那么就有“奇點(diǎn)”來臨的那一天。那時(shí)，自然語言理解、機(jī)器定理證明都不是事兒。

也不是所有的科學(xué)家都相信丘奇-圖靈論題和相似性原則。代表人物就是英國數(shù)學(xué)家、《皇帝新腦》（Emperor’s New Mind: Concerning Computers, Minds, and the Laws of Physics）的作者彭羅斯（Roger Penrose）。當(dāng)下很熱門的量子計(jì)算機(jī)就有可能不服從相似性原則。量子計(jì)算機(jī)或許能有效地解決素?cái)?shù)分解問題，這是當(dāng)今公鑰加密算法的基礎(chǔ)，如果量子計(jì)算機(jī)成功，那當(dāng)前的電子商務(wù)體系就會(huì)出現(xiàn)不安全隱患。當(dāng)然，大規(guī)模、可實(shí)用的量子計(jì)算機(jī)的實(shí)現(xiàn)，仍然存在困難，目前在這方面最領(lǐng)先的是IBM。

根據(jù)您的理解，人工智能為什么會(huì)在這幾年進(jìn)展迅速？

尼克：主要原因有兩個(gè)，一個(gè)是大規(guī)模的數(shù)據(jù)累計(jì)，另一個(gè)是計(jì)算能力的提升，同時(shí)達(dá)到了拐點(diǎn)。

我想提出一個(gè)更普遍的觀點(diǎn)：今天，測度人類文明的標(biāo)準(zhǔn)是全社會(huì)的算力。斯坦福大學(xué)歷史學(xué)教授莫里斯（Ian Morris）在《西方將主宰多久》（Why the West Rules—For Now）一書中，用能耗作為主要測量參數(shù)，比較了東西方文明。但隨著新能源技術(shù)的出現(xiàn)，例如前幾年的頁巖氣的開發(fā)，能源問題已經(jīng)在一定程度上得到緩解。在我看來，就過去一百多年而言，測度文明的指標(biāo)是信息處理能力。具體到這幾十年，信息處理能力可以用計(jì)算能力來衡量——全社會(huì)的算力是全社會(huì)計(jì)算設(shè)備的數(shù)目與單臺(tái)設(shè)備計(jì)算能力的乘積。

今年6月，馬云在天津舉行的首屆世界智能大會(huì)上作了《智能改變世界》的主題報(bào)告；早先，騰訊也實(shí)踐了聊天機(jī)器人。人工智能在中國的前景如何？眼下存在泡沫嗎？

尼克：不論是去年中國科學(xué)家、企業(yè)家群體發(fā)起的未來科學(xué)大獎(jiǎng)（號(hào)稱中國的諾貝爾獎(jiǎng)，單項(xiàng)獎(jiǎng)金一百萬美金），還是今年阿里巴巴成立的探索科技未來的實(shí)驗(yàn)室“達(dá)摩院”（宣稱將在三年內(nèi)投資千億），都讓人感覺中國試圖在科技領(lǐng)域確立世界的領(lǐng)導(dǎo)權(quán)。且不論具體的實(shí)施，我認(rèn)同民間資助科技的這個(gè)思路和運(yùn)作方式。

但上世紀(jì)八十年代日本五代機(jī)的教訓(xùn)足以讓我們引以為戒。當(dāng)時(shí)日本在制造業(yè)和集成電路上大舉超越美國，五代機(jī)便是日本雄心勃勃試圖建立在全球信息產(chǎn)業(yè)的領(lǐng)導(dǎo)地位、從制造大國轉(zhuǎn)型為經(jīng)濟(jì)強(qiáng)國的計(jì)劃的一部分。與此同時(shí)，美國的費(fèi)根鮑姆（Edward Albert Feigenbaum）等人也使勁吹捧五代機(jī)，目的則是為了給本國政府施壓，要求增加在科技領(lǐng)域，尤其是在自己領(lǐng)域——專家系統(tǒng)的投資。當(dāng)然，最后五代機(jī)是個(gè)徹底的失敗。五代機(jī)的失敗讓日本整個(gè)信息產(chǎn)業(yè)一直落后于美國，使得日本最聰明的一批人的黃金十年被耽誤了，也嚴(yán)重打擊了當(dāng)時(shí)所謂“日本第一”的民族自信。

幾年前，我花時(shí)間研究了日本五代機(jī)所有會(huì)議的論文集。從1988 年的會(huì)議錄——一千三百頁的三大卷——可以看出，當(dāng)時(shí)五代機(jī)已經(jīng)成了大雜燴，失去了聚焦點(diǎn)，八桿子打不著的領(lǐng)域也拼命向它靠攏。這就像當(dāng)下人工智能領(lǐng)域的創(chuàng)業(yè)，一些和人工智能毫無瓜葛的人一夜間都成了人工智能專家。很多創(chuàng)業(yè)者也是拿到風(fēng)投的錢之后再考慮做什么。可以說，現(xiàn)在人工智能里面肯定有泡沫。但是不是有很大的泡沫，我不敢說。比較大的問題是同質(zhì)化，做語音處理的公司有一堆，做人臉識(shí)別的也有一堆，都融了巨額的風(fēng)險(xiǎn)投資，它們的估值已經(jīng)超過了許多上市公司。如果資本沒有預(yù)期的回報(bào)，就是泡沫。共享單車就是一堆同質(zhì)公司競爭的例子，目前的合并可以被看作擠泡沫。

風(fēng)險(xiǎn)投資扎堆投資是不健康的，是泡沫的根源之一。他們理應(yīng)是前瞻性的，而不是人云亦云。了解些人工智能的歷史，也許會(huì)讓大家對(duì)一些潛在的投資領(lǐng)域有更深刻的了解。無論美國還是中國，表現(xiàn)最好的風(fēng)險(xiǎn)投資機(jī)構(gòu)都是對(duì)行業(yè)有獨(dú)到看法的。

中國和美國在人工智能領(lǐng)域可否一比？

尼克：美國經(jīng)歷過幾次科技泡沫，人才和資本都會(huì)更成熟些，應(yīng)對(duì)措施也更多樣化。日本在五代機(jī)之前沒有經(jīng)歷過科技泡沫，危機(jī)一來，束手無策，最后只好互相掩蓋，不了了之。除了投融資領(lǐng)域的泡沫，中國的科技政策的制定和實(shí)施也可吸取教訓(xùn)。

從整體上說，中國的人工智能是和美國一道處在第一梯隊(duì)里。我們深入研究過中國的三個(gè)經(jīng)濟(jì)區(qū)——京津冀、長三角和粵港澳大灣區(qū)，中國的人工智能企業(yè)、人才、資本有大約七成集中在北京，這一點(diǎn)類似于美國的硅谷。我們的研究也表明，現(xiàn)在，中國確實(shí)在人工智能的某些方面已經(jīng)趕超美國，至少體現(xiàn)在公司、專利和論文的數(shù)量上，但質(zhì)量上還有距離?？偟膩碇v，硅谷還是全球的燈塔。