【导读】机器智能有5个阶段：可记录、可识别、可关联、可预测预判以及可规划，而目前AI仍处于非常低阶的智能。依图提出了智能密度概念，认为当密度达到一定程度的时候，就可以在空间上或者一个关键场所的围栏上，形成自己的新的高阶的智能。

根据厦门市人民政府官网，上周五，在首届中国人工智能峰会暨多媒体信息识别技术竞赛成果发布会上，组委会对外宣布，中国人工智能大赛将永久落户厦门，每年举办。

这样的大赛，自然少不了曾经参加了三年美国国家标准技术局（NIST）举办的人脸识别供应商测试（FVRT），三次均获得冠军的依图。

依图科技联合创始人、CEO朱珑有三位导师：学理论物理出身、霍金的学生Alan Yuille；朱珑在麻省理工大学人工智能实验室读博士后的老板Bill Freeman，也是在今年4月人类首次拍摄到黑洞照片研究小组的领导者；以及纽约大学教授、图灵奖获得者Yann LeCun，他是推动这一轮人工智能浪潮兴起的技术——深度神经网络的其中一位奠基人。

可以说在美国，从物理到深度神经网络再到脑科学，不同领域的顶级专家都在研究人工智能，他们推动了过去几十年人工智能的发展，让AI有了今天这个基础。

在人类文明进程不断加速情况下，人工智能到底处于怎样的水平？

要想说清楚这个问题，首先需要回顾一下人类文明的变迁。

在厦门人工智能峰会上，朱珑指出人类从直立行走到形成了最原始的社会形态用了600万年，农业革命用了1万年，工业革命花了200年，而人工智能从一九五几年开始到现在，也就60多年的时间。

人类文明的进程在不断的加速，文明的变迁靠的是科技的推动，而科技推动的正是基础设施的革命。

这些基础设施在不同的时代有着不同的表现形式：远古时候是火和文字；农业文明时期有了轮子、道路；工业文明出现了蒸汽机、内燃机，有了铁路；信息文明，也就是我们过去30年的互联网时代，出现了计算机、PC、互联网、手机，人类克服了时空的障碍。

朱珑将机器智能划分为5个阶段：第一阶段是记录功能，没有任何的识别能力；第二阶段是可识别，比如说摄像头能识别人脸；到第三阶段称为可关联，不同的摄像头之间识别出来信息之间的关系是什么？怎么判断？这是有关联性；第四个是可预测、可预判；第五个是可规划。

过去30年，CPU运算能力水平提升了100万倍，存储能力也提升了100万倍，通讯能力也即数据的传输速度提升了100万倍。

而从2015年，AlphaGo在围棋中战胜人类开始，短短的5年时间机器的算法水平又提升了100万倍！换句话说，就是以人脸识别为代表的算法的错误率又下降了100万倍。过去或许只能从1万人中识别出1个人，后来发展到1000万、1亿、10亿甚至20亿人中识别出这个人！

与此同时，算力方面提升了10万倍。从过去用1万量级规模的数据做训练，到百万规模的数据做训练，到现在用10亿的数据集做训练，又提升了1万倍！

这些数字听起来非常令人振奋，但实际上机器智能仍然处于非常低级的阶段。机器智能虽然已经可以听懂简单的对话，然而当对话一旦稍微深入一点，机器就蒙圈了。

智能密度：形成新的高阶智能的关键

朱珑认为智能的提升即是基础设施的提升，而依图还提了一个概念：基础设施提升的关键在于提升一个区域或者一个城市的智能密度。

但是要解释「智能密度」这个概念，需要从两个维度入手：

宏观上：单体智能要变成群体智能，一个摄像头的智能要变成1万个摄像头的智能，他们之间识别出来的内容是能够汇聚在一起，能够形成一个新的、大的智能体

微观上：要普及成从一个到1万个，甚至10万个，微观上的算力要急剧提升，才能有经济性，或者说性价比较高的基础能够普及开来