今年4月份，阿爾法狗迎戰人類圍棋選手大獲全勝，馬云不以為意， “大家把 AlphaGo 說得天花亂墜，很恐怖的樣子。我個人覺得，So TM What?”在他看來，機器做人能做的事情，我覺得沒有什么了不起，機器要做人做不到的事情才了不起。而在6月29日的“世界智能大會”上馬云做了關于人工智能的演講，在人與機器的競爭中，人是有智慧的，而機器只能是智能。人類要明白人類應做什么、機器應做什么，要尊重和敬畏機器的智能，但不要害怕機器，機器不可能代替人類。

2017年6月14日，螞蟻宣布向首批入駐螞蟻財富的10家金融機構開放AI能力，這意味著，數以億計的支付寶普通用戶，都擁有了一個深度了解自己的專屬理財顧問，這個顧問全天24小時工作，在推薦理財產品時絲毫不夾雜私心，并且還不收取傭金。6月27日，螞蟻金服向保險行業全面開放技術產品“定損寶”，用AI模擬車險定損環節中的人工作業流程，幫助保險公司實現簡單高效的自動定損。這也是圖像定損技術首次在車險領域實現商業應用。支付寶智能客服小螞答會自我學習，問題回答得越多，越精準，尤其對于口語化，表述不夠完整的提問，能夠主動理解。目前，支付寶智能客服解決滿意率達 78%，高出人工解決率3個百分點。

霍金教授2017年4月27日在全球移動互聯網大會（GMIC）上，通過視頻發表了題為《讓人工智能造福人類及其賴以生存的家園》的主題演講。他表示，人工智能的崛起可能是人類文明的終結。這已經不是霍金第一次提出“人工智能威脅論”。在今年3月，霍金向英國《獨立報》表示，人類必須建立有效機制盡早識別威脅所在，防止新科技（人工智能）對人類帶來的威脅進一步上升。霍金表示，文明所提產生的一切都是人類智能的產物，他相信生物大腦可以達到的和計算機可以達到的，沒有本質區別。目前人類無法知道我們將無限地得到人工智能的幫助，還是被藐視并被邊緣化，或者很可能被它毀滅。因為，聰明的機器將能夠代替人類正在從事的工作，并迅速地消滅數以百萬計的工作崗位。

根據Google Trends 的統計數據，目前在網絡上搜索“機器學習”（Marchine Learning）的人數大概是五年前的五倍。在加利福尼亞大學圣地亞哥分校（UCSD），大約有300多位研究生在學習推薦系統和神經網絡的課程；機器學習在計算機視覺、語音識別，以及基于大數據的模式識別領域具有越來越大的影響力。如同之前的互聯網技術一樣，機器學習目前已經到蓄勢待發，在很多領域帶來了技術的更新；并且包括資助結構、大學和工業界都對機器學習理論和應用的積極探索充滿了極大的興趣。

世界經濟論壇發布“2017年度全球十大新興技術榜單”，基于人工智能觀察分析能力的深度學習技術位列第三位。世界經濟論壇主席施瓦布認為，第四次工業革命的主要特征是各項技術的融合，并將日益消除物理世界、數字世界和生物世界之間的界限。人工智能、機器人、納米科技、量子計算等高科技，正是這場革命中的重要技術。同時，人工智能還是物聯網、機器人等其他高技術的基礎性支撐。目前，對于機器學習的關注度已經遠遠超出了研究領域的人群范圍，越來越多的人都知道人工智能的重要性和將對社會帶來的推動，但是詳細了解的人卻并沒有很多。原因在于，一方面科普類的文章很少能夠深入淺出的講解人工智能，另一方面媒體又采用聳人聽聞的方式吸引公眾。

“人工智能”是1955年杜撰的一個術語，用來描述計算機科學領域的一個新興分支學科。人工智能是一門嚴謹的科學，專注于設計智能系統和智能機器，其中使用的算法技術在某些程度上借鑒了我們對大腦的了解。許多現代人工智能系統使用人工神經網絡和計算機代碼，模擬非常簡單的、通過互相連接的單元組成的網絡，有點像大腦中的神經元。這些網絡可以通過修改單元之間的連接來學習經驗，有點像人類和動物的大腦通過修改神經元之間的連接進行學習。現代神經網絡可以學習識別模式、翻譯語言、學習簡單的邏輯推理，甚至創建圖像并且形成新的想法。弗雷斯特研究公司剛剛發布了關于人工智能的TechRadar報告（面向應用軟件開發專業人員），該報告詳細深入地分析了企業應該考慮采用、以支持人類決策的關鍵技術：

自然語言生成：利用計算機數據生成文本。目前應用于客戶服務、報告生成以及總結商業智能洞察力。代表性廠商包括：Attivio、Cambridge Semantics、Digital Reason、Lucidworks、Narrative Science和SAS。

語音識別：將人類語音轉錄和轉換成對計算機應用軟件來說有用的格式。目前應用于交互式語音應答系統和移動應用領域。代表性廠商包括：NICE、Nuance Communications、OpenText和Verint Systems。

虛擬代理：弗雷斯特公司聲稱，“虛擬代理可謂是媒體界目前競相報道的對象。”從簡單的聊天機器人，到可以與人類進行交際的高級系統，不一而足。目前應用于客戶服務和支持以及充當智能家居管理器。代表性廠商包括：亞馬遜、蘋果、Artificial Solutions、 Assist AI、Creative Virtual、谷歌、IBM、IPsoft、微軟和Satisfi。

機器學習平臺：不僅提供了設計和訓練模型，并將模型部署到應用軟件、流程及其他機器的計算能力，還提供了算法、應用編程接口（API）、開發工具包和訓練工具包。目前應用于一系列廣泛的企業應用領域，主要涉及預測或分類。代表性廠商包括：亞馬遜、Fractal Analytics、谷歌、H2O.ai、微軟、SAS和Skytree。

針對人工智能優化的硬件：這是專門設計的圖形處理單元（GPU）和設備，其架構旨在高效地運行面向人工智能的計算任務。目前主要在深度學習應用領域發揮作用。代表性廠商包括：Alluviate、克雷、谷歌、IBM、英特爾和英偉達。

決策管理：引擎將規則和邏輯嵌入到人工智能系統，并用于初始的設置/訓練和日常的維護和調優。這是一項成熟的技術，應用于一系列廣泛的企業應用領域，協助或執行自動決策。代表性廠商包括：Advanced Systems Concepts、Informatica、Maana、Pegasystems和UiPat。

深度學習平臺：一種特殊類型的機器學習，包括擁有多個抽象層的人工神經網絡。目前主要應用于由很龐大的數據集支持的模式識別和分類應用領域。代表性廠商包括：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、 Saffron Technology和Sentient Technologies。

生物特征識別技術：能夠支持人類與機器之間更自然的交互，包括但不限于圖像和觸摸識別、語音和身體語言。目前主要應用于市場研究。代表性廠商包括：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。

機器人流程自動化：使用腳本及其他方法，實現人類操作自動化，從而支持高效的業務流程。目前應用于人類執行任務或流程成本太高或效率太低的地方。代表性廠商包括：Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath和WorkFusion。

文本分析和NLP：自然語言處理（NLP）使用和支持文本分析，為此它借助統計方法和機器學習方法，為理解句子結構及意義、情感和意圖提供方便。目前應用于欺詐檢測和安全、一系列廣泛的自動化助理以及挖掘非結構化數據等領域。代表性廠商包括：Basis Technology、Coveo、Expert System、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd和Synapsify。

越來越多的人類智力活動將與智能機器一起進行。人類的智慧是我們成為人的根本，人工智能則是這種屬性的延伸。 在通往打造真正智能機器的道路上，我們正在發現新的理論、新的原則、新的方法和新的算法，這些都將產生應用，并將改善我們的生活。