某些類型的技術似乎是專為快速追隨者設計的。這些競爭者也許并不置身于一個新創(chuàng)意的前沿，但他們能夠做出足夠快的反應，為自己開辟一大塊新市場。機器學習的興起看起來像是這樣一類創(chuàng)新：中國已完成自我定位，要在人工智能(AI)革命的這個標志性技術領域成為頭號快速追隨者。

僅僅兩、三年前，這仍然貌似最狹窄的領域。其最先進形式——被稱為深度學習——源于三所北美大學的研究工作。那些突破背后的人們，后來跳槽到谷歌(Google)和Facebook這樣的地方。初創(chuàng)企業(yè)，如倫敦的DeepMind（現在是谷歌的一部分）和舊金山的OpenAI，則成為某些最先進研究的中心。

但是，如今機器學習的基本方法——用海量數據進行訓練后變得更聰明的算法——已經被很好地理解。事實證明，這是一種通用技術，可以應用于幾乎任何問題。

得益于開源軟件，構建先進AI系統(tǒng)所需的很多工具可以公開獲得。例如，去年，兩名在深度學習領域并不具備先有知識的工程師贏得了一場公開競賽，他們設計出一種診斷心臟疾病的算法。他們的秘訣是求助于GitHub，這個開源代碼的在線素材庫已成為開發(fā)者的工具箱，讓他們得以擴展自己的個人素材庫。

谷歌的TensorFlow——以及其他科技公司開發(fā)的類似的機器學習框架——也都已經免費提供，使這些原本為了幫助這家搜索公司的工程師應用該技術而開發(fā)的工具對所有人開放。

大量AI研究的開放性，是讓快速追隨者的日子更加好過的另一個因素。DeepMind在一年前發(fā)表的一篇關于AlphaGo（該系統(tǒng)上月擊敗中國的圍棋世界冠軍）的研究論文，據悉在中國引發(fā)了一大堆模仿活動。在中國，阿里巴巴(Alibaba)、騰訊(Tencent)和百度(Baidu)正在領導一場追趕的商業(yè)競賽。

這種模仿上的輕而易舉引起了美國國家安全捍衛(wèi)者的特別擔心。如果說機器人系統(tǒng)代表著戰(zhàn)爭的未來，而AI提供大腦，那么代碼和關鍵研究突破的自由流動似乎表明，很難保持國家優(yōu)勢。

在應用機器學習方面，中國還在忙于培養(yǎng)一支大規(guī)模的新員工隊伍。谷歌也許在讓其工程師接受一定程度的機器學習培訓，同時地處硅谷的斯坦福(Stanford)等大學看到了機器學習相關課程的需求有所增加。

但是，AI專家、曾經執(zhí)掌微軟(Microsoft)和谷歌在華業(yè)務的李開復(Kai-fuLee)表示，相比關注這項關鍵技術的中國有望很快培養(yǎng)出來的數百萬機器學習專家，美國的這些努力相形見絀。

正如李開復所說：“美國在技術方面擁有無可爭議、無法復制、無法效仿的領導地位的日子已經過去了，至少在計算機科學領域是這樣。”

中國在機器學習方面處于有利地位還有其他一些原因。該技術的應用有賴于龐大數據集的可獲得性——的確，該領域的許多人認為，終極的競爭優(yōu)勢將不在于擁有最佳算法，而在于能夠獲得最佳數據以訓練AI系統(tǒng)。

如果是這樣，那么中國龐大的市場，加上一群從事廣泛數字活動的互聯網領軍者，應該會提供大量的原材料來推動智能系統(tǒng)的興起。

更多資訊請關注工業(yè)機器人頻道