（三）第三次热潮：深度学习（2006年至今）

在第三次人工智能热潮中，深度学习走进大众的视野。从AlphaGo到超越人眼的图像识别算法，以及自诞生就快速引起轰动的ChatGPT，都与深度学习有着密切的关系。从根本上来说，深度学习是一种用数学模型对真实世界中的特定问题进行建模，以解决该领域内相似问题的过程。其实，深度学习的发展与人工智能一样，经历了很长的时间，但鲜为人知，直到今天才迎来其时代机遇。

2006年，杰弗里·辛顿（Geoffrey Hinton）和他的学生萨拉赫丁诺夫（R.R.Salakhutdinov）成功训练出多层神经网络，改变了整个机器学习的格局。他们在期刊《科学》（Science）上发表了一篇文章《利用神经网络减少数据维度》（Reducing the dimensionality of data with neural networks），尽管这篇文章的字数不多，只写了3页，但以目前的眼光来看，每个字都很有价值。总结下来，这篇文章主要阐述了以下两个方面的内容：

（1）多隐层神经网络的学习能力更强，在描述对象时可以表达出更多特征；

（2）在训练深度神经网络时，可通过降维来实现，设计出来的Autoencoder（自编码器）网络能够快速找到全局最优点，采用无监督的方法先分别对每层网络进行训练，再做微调。

在人工智能的不同发展阶段，驱动力各有不同。本书将人工智能的发展划分为三个阶段，分别是技术驱动阶段、数据驱动阶段和场景驱动阶段，如表1-1所示。

表1-1　人工智能发展的三个阶段

1. 技术驱动阶段

技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对人工智能的发展发挥主要的推动作用。现在属于主流应用的基于多层网络神经的深度算法，一方面不断加强了人工智能从海量数据库中自行归纳物体特征的能力，另一方面不断加强了人工智能对新事物多层特征进行提取、描述和还原的能力。

2. 数据驱动阶段

在人工智能发展的第二个阶段，在算法和计算力上已基本不存在壁垒，数据成为主要驱动力，推动人工智能发展。在此阶段，大量结构化、可靠的数据被采集、清洗和积累，甚至变现。例如，在大量数据的基础上可以精确地描绘出用户画像，制定个性化的营销方案，提高成单率，缩短达到预设目标的时间，提升社会运行效率。具体如图1-2所示。

图1-2　人工智能发展的第二个阶段——数据驱动阶段

3. 场景驱动阶段

在人工智能发展的第三个阶段，场景变成了主要驱动力，不仅可以针对不同用户开展个性化服务，而且可以在不同的场景下执行不同的决策。在此阶段，对数据收集的维度和质量的要求更高，并且可以根据不同的场景实时制定不同的决策方案，推动事件向良好的态势发展，帮助决策者更敏锐地洞悉事件的本质，做出更精准、更智慧的决策。场景驱动的三要素如图1-3所示。

图1-3　场景驱动的三要素

在激烈的市场竞争中，人工智能公司要想立足，需要有自己的核心竞争力，即具备强大的技术实力，同时实现“技术+产品+行业”落地，因为这是市场竞争成败的关键。人工智能犹如一棵根深叶茂的大树，渗透至各行各业，服务于众多领域。在2023年第七届未来网络发展大会期间，华为公司预计到2026年，人工智能的行业智能化渗透率将达到30%，到2030年超过50%，人工智能将在无人驾驶、医药研发、气象预测等多个行业释放巨大潜力。

相关研究数据显示，2022年我国人工智能市场规模达到4 849亿元。在政策支持、市场供需均增加的情况下，预计未来我国人工智能行业仍会保持较快的增长速度，到2028年我国人工智能市场规模有可能会超过14 000亿元。