我覺得，和前兩次AI熱潮相比，這一次人工智能復興的最大特點，就是AI在多個相關領域表現出可以被普通人認可的性能或效率，并因此被成熟的商業模式接受，開始在產業界發揮出真正的價值。
　　心理學上說，人們接受一件新事物，就像人們感受一種外界刺激一樣，是有一個心理閾值的。外界刺激（比如聲、光、電）的強度太小的話，人們根本不會有任何感覺；只有外界刺激的強度超過了一個人能夠感知的最小刺激量，人們才有“聽到了聲音”“看見了東西”之類的明確感受。這個能引起人們感知反應的最小刺激量，心理學上叫絕對閾值（absolute threshold）。
　　人工智能技術的發展正是如此。還是拿圖像識別來說，在人工智能發展早期，如果一個計算機程序宣稱可以識別出圖片中的人臉，但它的識別準確率只有五成左右，那普通人只會將這個程序看作一個玩具，絕不會認為它擁有智慧。隨著技術進步，當人臉識別算法的識別準確率提高到80%甚至接近90%的時候，研究者們當然知道，取得這樣的進步十分不易，但這一結果其實還是很難被普通人接受，因為每五個人臉就認錯一個，這明顯無法在實際生活中使用——人們也許會說這個程序挺聰明，但絕對不會認為這個程序已經聰明到可以替代人類的眼睛。
　　只有計算機在人臉識別上的準確率非常接近甚至超過普通人的水平，安防系統才會用計算機來取代人類保安完成身份甄別工作。也就是說，對于人臉識別這個應用，接近或超過普通人的水平才是我們關心的“絕對閾值”。
　　所以，我們說“人工智能來了”，其實是說，人工智能或深度學習真的可以解決實際問題了。在機器視覺、語音識別、數據挖掘、自動駕駛等應用場景，人工智能接連突破了人們可以接受的心理閾值，并第一次在產業層面“落地”，發揮并創造出真正的價值。
　　人工智能之所以有今天的成就，深度學習技術居功至偉。谷歌最杰出的工程師杰夫·迪恩說：“我認為在過去5年，最重大的突破應該是對于深度學習的使用。這項技術目前已經成功地被應用到許許多多的場景中，從語音識別到圖像識別，再到語言理解。而且有意思的是，目前我們還沒有看到有什么是深度學習做不了的。希望在未來我們能看到更多更有影響力的技術。”
　　所以，關于第三次人工智能熱潮，我的看法是：
　　前兩次人工智能熱潮是學術研究主導的，而這次人工智能熱潮是現實商業需求主導的。
　　前兩次人工智能熱潮多是市場宣傳層面的，而這次人工智能熱潮是商業模式層面的。

　　前兩次人工智能熱潮多是學術界在勸說、游說政府和投資人投錢，而這次人工智能熱潮多是投資人主動向熱點領域的學術項目和創業項目投錢。
　　前兩次人工智能熱潮更多是提出問題，而這次人工智能熱潮更多是解決問題。
　　到底本次人工智能熱潮是不是處于技術成熟度曲線的成熟上升期，到底能不能保持長期持續增長的勢頭，是不是會像此前的人工智能熱潮那樣，有跌入低谷的風險？我想，經過上面的分析，大家應該會有自己的判斷。