某些类型的技术似乎是专为快速追随者设计的。这些竞争者也许并不置身于一个新创意的前沿，但他们能够做出足够快的反应，为自己开辟一大块新市场。机器学习的兴起看起来像是这样一类创新：中国已完成自我定位，要在人工智能革命的这个标志性技术领域成为头号快速追随者。

仅仅两、三年前，这仍然貌似最狭窄的领域。其最先进形式——被称为深度学习——源于三所北美大学的研究工作。那些突破背后的人们，后来跳槽到谷歌和Facebook这样的地方。初创企业，如伦敦的DeepMind和旧金山的OpenAI，则成为某些最先进研究的中心。

但是，如今机器学习的基本方法——用海量数据进行训练后变得更聪明的算法——已经被很好地理解。事实证明，这是一种通用技术，可以应用于几乎任何问题。

得益于开源软件，构建先进AI系统所需的很多工具可以公开获得。例如，去年，两名在深度学习领域并不具备先有知识的工程师赢得了一场公开竞赛，他们设计出一种诊断心脏疾病的算法。他们的秘诀是求助于GitHub，这个开源代码的在线素材库已成为开发者的工具箱，让他们得以扩展自己的个人素材库。

谷歌的TensorFlow——以及其他科技公司开发的类似的机器学习框架——也都已经免费提供，使这些原本为了帮助这家搜索公司的工程师应用该技术而开发的工具对所有人开放。

大量AI研究的开放性，是让快速追随者的日子更加好过的另一个因素。DeepMind在一年前发表的一篇关于AlphaGo的研究论文，据悉在中国引发了一大堆模仿活动。在中国，阿里巴巴、腾讯和百度正在领导一场追赶的商业竞赛。

这种模仿上的轻而易举引起了美国国家安全捍卫者的特别担心。如果说机器人系统代表着战争的未来，而AI提供大脑，那么代码和关键研究突破的自由流动似乎表明，很难保持国家优势。

在应用机器学习方面，中国还在忙于培养一支大规模的新员工队伍。谷歌也许在让其工程师接受一定程度的机器学习培训，同时地处硅谷的斯坦福等大学看到了机器学习相关课程的需求有所增加。

但是，AI专家、曾经执掌微软和谷歌在华业务的李开复表示，相比关注这项关键技术的中国有望很快培养出来的数百万机器学习专家，美国的这些努力相形见绌。

正如李开复所说：“美国在技术方面拥有无可争议、无法复制、无法效仿的领导地位的日子已经过去了，至少在计算机科学领域是这样。”

中国在机器学习方面处于有利地位还有其他一些原因。该技术的应用有赖于庞大数据集的可获得性——的确，该领域的许多人认为，终极的竞争优势将不在于拥有最佳算法，而在于能够获得最佳数据以训练AI系统。

如果是这样，那么中国庞大的市场，加上一群从事广泛数字活动的互联网领军者，应该会提供大量的原材料来推动智能系统的兴起。

译者/和风