今年4月份，阿尔法狗迎战人类围棋选手大获全胜，马云不以为意， “大家把 AlphaGo 说得天花乱坠，很恐怖的样子。我个人觉得，So TM What?”在他看来，机器做人能做的事情，我觉得没有什么了不起，机器要做人做不到的事情才了不起。而在6月29日的“世界智能大会”上马云做了关于人工智能的演讲，在人与机器的竞争中，人是有智慧的，而机器只能是智能。人类要明白人类应做什么、机器应做什么，要尊重和敬畏机器的智能，但不要害怕机器，机器不可能代替人类。

2017年6月14日，蚂蚁宣布向首批入驻蚂蚁财富的10家金融机构开放AI能力，这意味着，数以亿计的支付宝普通用户，都拥有了一个深度了解自己的专属理财顾问，这个顾问全天24小时工作，在推荐理财产品时丝毫不夹杂私心，并且还不收取佣金。6月27日，蚂蚁金服向保险行业全面开放技术产品“定损宝”，用AI模拟车险定损环节中的人工作业流程，帮助保险公司实现简单高效的自动定损。这也是图像定损技术首次在车险领域实现商业应用。支付宝智能客服小蚂答会自我学习，问题回答得越多，越精准，尤其对于口语化，表述不够完整的提问，能够主动理解。目前，支付宝智能客服解决满意率达 78%，高出人工解决率3个百分点。

霍金教授2017年4月27日在全球移动互联网大会（GMIC）上，通过视频发表了题为《让人工智能造福人类及其赖以生存的家园》的主题演讲。他表示，人工智能的崛起可能是人类文明的终结。这已经不是霍金第一次提出“人工智能威胁论”。在今年3月，霍金向英国《独立报》表示，人类必须建立有效机制尽早识别威胁所在，防止新科技（人工智能）对人类带来的威胁进一步上升。霍金表示，文明所提产生的一切都是人类智能的产物，他相信生物大脑可以达到的和计算机可以达到的，没有本质区别。目前人类无法知道我们将无限地得到人工智能的帮助，还是被藐视并被边缘化，或者很可能被它毁灭。因为，聪明的机器将能够代替人类正在从事的工作，并迅速地消灭数以百万计的工作岗位。

根据Google Trends 的统计数据，目前在网络上搜索“机器学习”（Marchine Learning）的人数大概是五年前的五倍。在加利福尼亚大学圣地亚哥分校（UCSD），大约有300多位研究生在学习推荐系统和神经网络的课程；机器学习在计算机视觉、语音识别，以及基于大数据的模式识别领域具有越来越大的影响力。如同之前的互联网技术一样，机器学习目前已经到蓄势待发，在很多领域带来了技术的更新；并且包括资助结构、大学和工业界都对机器学习理论和应用的积极探索充满了极大的兴趣。

世界经济论坛发布“2017年度全球十大新兴技术榜单”，基于人工智能观察分析能力的深度学习技术位列第三位。世界经济论坛主席施瓦布认为，第四次工业革命的主要特征是各项技术的融合，并将日益消除物理世界、数字世界和生物世界之间的界限。人工智能、机器人、纳米科技、量子计算等高科技，正是这场革命中的重要技术。同时，人工智能还是物联网、机器人等其他高技术的基础性支撑。目前，对于机器学习的关注度已经远远超出了研究领域的人群范围，越来越多的人都知道人工智能的重要性和将对社会带来的推动，但是详细了解的人却并没有很多。原因在于，一方面科普类的文章很少能够深入浅出的讲解人工智能，另一方面媒体又采用耸人听闻的方式吸引公众。

“人工智能”是1955年杜撰的一个术语，用来描述计算机科学领域的一个新兴分支学科。人工智能是一门严谨的科学，专注于设计智能系统和智能机器，其中使用的算法技术在某些程度上借鉴了我们对大脑的了解。许多现代人工智能系统使用人工神经网络和计算机代码，模拟非常简单的、通过互相连接的单元组成的网络，有点像大脑中的神经元。这些网络可以通过修改单元之间的连接来学习经验，有点像人类和动物的大脑通过修改神经元之间的连接进行学习。现代神经网络可以学习识别模式、翻译语言、学习简单的逻辑推理，甚至创建图像并且形成新的想法。弗雷斯特研究公司刚刚发布了关于人工智能的TechRadar报告（面向应用软件开发专业人员），该报告详细深入地分析了企业应该考虑采用、以支持人类决策的关键技术：

自然语言生成：利用计算机数据生成文本。目前应用于客户服务、报告生成以及总结商业智能洞察力。代表性厂商包括：Attivio、Cambridge Semantics、Digital Reason、Lucidworks、Narrative Science和SAS。

语音识别：将人类语音转录和转换成对计算机应用软件来说有用的格式。目前应用于交互式语音应答系统和移动应用领域。代表性厂商包括：NICE、Nuance Communications、OpenText和Verint Systems。

虚拟代理：弗雷斯特公司声称，“虚拟代理可谓是媒体界目前竞相报道的对象。”从简单的聊天机器人，到可以与人类进行交际的高级系统，不一而足。目前应用于客户服务和支持以及充当智能家居管理器。代表性厂商包括：亚马逊、苹果、Artificial Solutions、 Assist AI、Creative Virtual、谷歌、IBM、IPsoft、微软和Satisfi。

机器学习平台：不仅提供了设计和训练模型，并将模型部署到应用软件、流程及其他机器的计算能力，还提供了算法、应用编程接口（API）、开发工具包和训练工具包。目前应用于一系列广泛的企业应用领域，主要涉及预测或分类。代表性厂商包括：亚马逊、Fractal Analytics、谷歌、H2O.ai、微软、SAS和Skytree。

针对人工智能优化的硬件：这是专门设计的图形处理单元（GPU）和设备，其架构旨在高效地运行面向人工智能的计算任务。目前主要在深度学习应用领域发挥作用。代表性厂商包括：Alluviate、克雷、谷歌、IBM、英特尔和英伟达。

决策管理：引擎将规则和逻辑嵌入到人工智能系统，并用于初始的设置/训练和日常的维护和调优。这是一项成熟的技术，应用于一系列广泛的企业应用领域，协助或执行自动决策。代表性厂商包括：Advanced Systems Concepts、Informatica、Maana、Pegasystems和UiPat。

深度学习平台：一种特殊类型的机器学习，包括拥有多个抽象层的人工神经网络。目前主要应用于由很庞大的数据集支持的模式识别和分类应用领域。代表性厂商包括：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、 Saffron Technology和Sentient Technologies。

生物特征识别技术：能够支持人类与机器之间更自然的交互，包括但不限于图像和触摸识别、语音和身体语言。目前主要应用于市场研究。代表性厂商包括：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。

机器人流程自动化：使用脚本及其他方法，实现人类操作自动化，从而支持高效的业务流程。目前应用于人类执行任务或流程成本太高或效率太低的地方。代表性厂商包括：Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath和WorkFusion。

文本分析和NLP：自然语言处理（NLP）使用和支持文本分析，为此它借助统计方法和机器学习方法，为理解句子结构及意义、情感和意图提供方便。目前应用于欺诈检测和安全、一系列广泛的自动化助理以及挖掘非结构化数据等领域。代表性厂商包括：Basis Technology、Coveo、Expert System、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd和Synapsify。

越来越多的人类智力活动将与智能机器一起进行。人类的智慧是我们成为人的根本，人工智能则是这种属性的延伸。 在通往打造真正智能机器的道路上，我们正在发现新的理论、新的原则、新的方法和新的算法，这些都将产生应用，并将改善我们的生活。