还有，人工智能在计算机视觉、语音识别等领域取得的突破，还得益于硬件的日趋成熟。类似智能音箱天猫精灵、Echo的成功不仅来自于成熟的语音识别算法，也源于麦克风阵列等硬件设备变得越来越可靠。

那如何比较准确的表述统计学和AI的关系呢？应该说，统计学是人工智能若干重要基础之一，但远不是全部。就像我上文提到的除了统计学，AI的核心能力还来自于数学（博弈论、数值分析、逻辑学等）、运筹学（优化）、计算机科技（分布式计算、并行计算、CPU、NPU）、神经科学，甚至心理学。

澎湃新闻：在托马斯·萨金特的演讲中也谈到了交叉学科研究推动的科技进步，你是否认同？在这波深度学习为推动力的AI浪潮中，哪些学科的交叉起到了推动作用？

金榕：这一观点我很认同，这也是很多学者的共识。就像我上面提到的，AI不是独自成长起来的。1956年的达特茅斯会议（Dartmouth Conference）被学术界公认为是人工智能的起源。今天有人说现在是人工智能的春天，其实这都源于我之前提到的一系列技术的发展与进步。特别是我刚刚提到的硬件，诸如麦克风阵列技术的成熟对语音识别的发展起到了重要作用。还有超强的算力，不论是GPU或者是云计算，都给我们带来了强大的计算能力和灵活度。我们在自然语言对话机器人的开发中，还会应用到许多心理学知识。所以说人工智能的繁荣是诸多学科交叉相互影响，共同促进的结果。

澎湃新闻：我们知道人工智能的概念提出已经60多年了，许多算法和模型在几十年前就曾提出了，但在过去的发展中，碍于计算力和数据的局限，此前的发展并没有像如今这样迅速，这是不是从侧面印证人工智能也算是统计学的一种？

相关报道: