摘要： 彼得蒂尔曾说：「我们需要能飞的汽车，但结果却得到了140个字符」。虽然相比于火热的互联网创业，人工智能领域的创业还处在早期阶段。但2015年，人类已在人工智能征程上取得了长足进步。或许不久之后，「互联网+」将进化为「人工智能+」。
在即将过去的2015年里，几乎每天都能听到关于「人工智能」的新消息，或是大公司新产品发布、或是创业公司拿到巨资、或是研究机构探讨人工智能如何人类相处等等。Bloomblog将2015年评价为人工智能的里程碑一年，因为「计算机变得更加聪明，它们的学习也达到了前所未有的速度。」
我梳理出关于人工智能的五个关键词：开源、创业、巨头买买买、产品、争议。站在2015年的年末，和大家一起回首人工智能领域这一年的发展与进步。
开源与话语权之争
正如谷歌董事长施密特所言：「机器学习并不是魔术，它只是个工具而已。」过去一年，我们看到越来越多公司将自己的机器学习技术作为工具开放给全球开发者使用。
一方面，人工智能的发展离不开全球各地开发者的积极参与，而开源将成为吸引开发者的重要途径。另一方面，利用开源争夺人工智能的话语权，也成为巨头们积极开源的重要原因。
2015年11月，谷歌开源了一个名叫TensorFlow的机器学习平台，全球各地的开发者和爱好者都可以免费使用这个平台，作为谷歌第二代人工智能系统，TensorFlow的命名起源于该系统的运作原理，即复杂的数据结构（Tensor）将会被传输至人工智能神经网中进行分析和处理，这一过程是机器深度学习的核心部分。
谷歌此举被业界广泛解读为「欲复制人工智能领域的Android」。
事实上，早在今年1月，Facebook人工智能研究院（FAIR）就推出一组基于Torch机器学习框架的开源深度学习工具。Torch是一个从2002年就开始存在的开源库，已被Google、Twitter、Intel、AMD、NVIDIA等公司采用。Facebook的开源工具将有助于提升神经网络性能，并可英语用于计算机视觉和自然语言处理（NLP）。
早已将人工智能作为公司核心战略的Facebook并没有停止开源步伐。2015年12月，Facebook宣布开源针对神经网络研究的服务器「Big Sur」，这款服务器装配有高性能图形处理单元（GPUs），是专为深度学习方向设计的芯片。
传统的IT巨头也没有闲着。就在谷歌开源TensorFlow不久，微软亚洲研究院于将分布式机器学习工具包(DMTK）通过Github开源。这个工具包由一个服务于分布式机器学习的框架和一组分布式机器学习算法构成，可将机器学习算法运用到大数据。
同样也是在11月，IBM 宣布开源旗下机器学习平台SystemML，这个平台由 IBM 的 Almaden 实验室近 10年 前开发，可支持描述性分析、分类、聚类、回归、矩阵分解及生存分析等算法，IBM 沃森就整合了其中多项技术。
这些下半年尤其是11月份之后出现的开源热潮令人眼花缭乱。但上半年的另一家公司的开源产品却被很多人忽视，这就是亚马逊的机器学习平台。
2015年4月，亚马逊推出Amazon Machine Learning（亚马逊机器学习），这是一项全面的托管服务，让任何开发者都能够轻松使用历史数据开发并部署预测模型。亚马逊内部一直使用机器学习过滤商品下方的垃圾评论、通过注册姓名来辨别用户的男女性别，以及训练分拣机器人对不同形状物品的识别等等，这些功能将通过AWS云服务提供给开发者。
如果说基于硬件服务器的机器学习还有一定的门槛，那么基于云计算机器学习服务则在部署和维护方面提供了较大便利性。
创业起步期
2015年人工智能投资有多热呢？风险投资人 Nathan Benaich在12月1日伦敦Re.Work大会深度学习讨论时透露了一些数字：从2015年1月1日到2015年12月1日，约有300笔涉及到人工智能领域的投资，80%的投资少于500万美元；90%的现金投资发生在美国，欧洲只有13%；75%的多轮融资发生在美国。