現如今，人工智能已經被炒的非常火熱，似乎不管是不是科技圈的人士，都要在嘴邊聊上幾句人工智能，以顯示自己多么與時俱進。

當然一方面人工智能的確是未來的方向，而另一方面則是因為人工智能有可能是科技圈中的下一個黑天鵝。說不定什么時候，一只獨角獸就會從中誕生。

但在此之前，一定要正確的認清什么才是真正的人工智能。

偽人工智能橫行

現在大多數人工智能都屬于偽人工智能。為什么這么說，可以從以下兩個方面來解釋。

第一，人工智能不是一下就能做出來的，需要時間以及實驗的積累。

而做出人工智能的這些人才也是一樣，他們需要切實的接觸到真正的人工智能當中，不過這樣的人才在全世界也就寥寥幾百個。

但是好像在一瞬間，在中國就有幾萬個人工智能方面的人才被選拔了出來，可想而知這樣的人才是真正的人工智能專家嗎？

這些人才往往被大公司冠以年薪30萬或50萬瘋搶，雖然里面的確有很多優秀的人才，但是這樣未免顯得太過著急。從人才培養角度來看，人工智能領域還存在著大量的泡沫。

第二，許多項目只不過是換了個“馬甲”。

許多創業公司喜歡為自己的項目貼上一個標簽，這樣的話不但可以吸引眼球，更能得到投資人的青睞。

雖然不能說這種做法是錯誤的，但這顯然也不是真正的人工智能，甚至會誤導其他人對于人工智能的認知。

比如許多項目在貼上人工智能標簽之前非常簡單，只是一些如同機器人學習，或者算法研究之類的項目，如今搖身一變全都成為了人工智能。

什么才是真正的人工智能？

我們既不是專家，也不是專門研究這種領域的學者，有沒有簡單的方法直接辨別什么是人工智能，什么是偽人工智能？

答案是有的。

舉一個簡單的例子，之前人們也嘗試教計算機下國際象棋。計算機經過學習之后，與人們依然互有勝負，在最終完全戰勝人類的時候，時間已經過去了10年。

而谷歌的AlphaGo，從什么都不會到圍棋中不可戰勝的存在只用了短短一年的時間。

由此可以看出，真正的人工智能體現在其卓越的學習能力。

如果你隔一段時間，大概3個月左右去看一個算法的進步，比如面部識別，如語音識別，如果該算法進步只是代數級，沒有達到指數級，那么這種算法可能更多的是機器學習，還未達到人工智能水平。

既然已經辨別了什么是真正的人工智能，那么對于人工智能而言，什么才是最重要的。

可能有些人會說算法，有些人會說設備，有些人會說編程技術。雖然它們也是構成人工智能中重要的一環，但是這些都不是最重要的。

對于真正的人工智能而言，最重要的永遠是大數據，只有擁有完整的數據，人工智能才能真正的發展起來。就像是一把寶刀，需要有一塊好的磨刀石才能讓它更加銳利，而大數據恰好就是這塊最好的磨刀石。

就像是谷歌的AlphaGo，有人說為什么AlphaGo不去下象棋，而是只在圍棋領域中稱雄呢。

AlphaGo的專家則表示，不是他們不想這么做，而是無法這么做。因為在圍棋中，日本人一直以來有保存棋譜的習慣，在每個棋譜上都標注了什么是第1手，什么是第100手，這樣很容易被AlphaGo學習。

但是對于象棋來說，自古以來大多數都是殘局。雖說殘局也很精彩，但是對于AlphaGo來說，它不知道殘局形成的原因，對之前的步驟一無所知，這樣就會對它的認知造成障礙。

這也說明，完整的數據對于人工智能多么重要。任何拋開數據談人工智能的，全都是耍流氓。

人工智能中的獨角獸

目前，中國的大部分數據全都被BAT所掌握著，國外則是Facebook、Google、亞馬遜之類的企業。對于創業者而言，想要打破數據的壟斷具有相當大的挑戰，但也不是沒有機會。

比如說醫療數據，BAT就還沒有形成壟斷。金融方面數據，更多的掌握在金融公司手中，這些互聯網企業也沒有。

在這兩個領域，不管你的技術水平如何，至少在數據方面是在同一起跑線上，這對于創業者或后進入的公司是一個難得機遇。同時，下一個巨頭也有可能在這兩個領域誕生。

就拿醫療來說，國外已經有許多家企業與醫院達成協作，直接讀取醫院中的病例以及X光片或者CT片。

醫生一天看10張并且分析出癥狀都已經是非常有經驗了，而人工智能，則可以在1個小時內看10萬張，效率不可同日而語。

對于醫生而言，診斷病因需要基于自己的經驗積累。但是對于人工智能來說這就太簡單了，通過圖像和最終診斷結果的閉環學習，人工智能很快就能對X光片或CT片進行病因分析。當然這一過程需要不斷完善，才能提升正確性及智能化。

在國外由于隱私保護非常嚴密，很多數據無法開放，因此無法做到大量數據錄入。

但是由于如今中國民眾對于隱私保護還沒有那么嚴格，因此中國企業還是有機會在這個領域中實現超越的。

只要有了大數據，特定領域超越BAT也不是不可能的。

所以說，數據才是人工智能中最重要的一環。