在過(guò)去的一兩年里，或許人工智能的消息刷遍了投投朋友們的朋友圈，AI不知何時(shí)開(kāi)始占據(jù)了我們的手機(jī)、汽車(chē)以至于家庭?；蛟S你很少能聽(tīng)到李彥宏講歷史、講產(chǎn)業(yè)，實(shí)際上每個(gè)互聯(lián)網(wǎng)一線的企業(yè)家都是一名通曉古今的人，時(shí)髦的人工智能和歷史變遷怎么結(jié)合？也許你值得看一看。在百度all in人工智能、全力以赴下，隱藏著什么？未來(lái)我們的生活將駛向何方？

歷史了解越詳細(xì)，未來(lái)就看得越透徹

全世界都在為即將到來(lái)的人工智能革命感到振奮。這種情緒就仿佛二十多年前我在硅谷親歷互聯(lián)網(wǎng)大潮初起時(shí)所感受到的。

2012年，我注意到深度學(xué)習(xí)在學(xué)術(shù)界和應(yīng)用方面都有了突破。比如，用深度學(xué)習(xí)的方法來(lái)識(shí)別圖像，突然就比以前的任何算法都有明顯提升。這個(gè)時(shí)候我馬上意識(shí)到，新的時(shí)代來(lái)臨了，搜索將被革新。過(guò)去我們用文字搜索，現(xiàn)在可以用語(yǔ)音和圖像進(jìn)行搜索。比如我看到一株不認(rèn)識(shí)的植物，拍一張照片上傳搜索，就可以立刻識(shí)別出來(lái)它叫福祿桐。過(guò)去用文字搜索是沒(méi)法描述這樣的植物的。不僅是搜索，很多過(guò)去不可能的事情現(xiàn)在都可能了。

語(yǔ)音識(shí)別能力、圖像識(shí)別能力、自然語(yǔ)言理解能力，包括為用戶畫(huà)像的能力，這些都是人的最本質(zhì)的智慧能力。當(dāng)計(jì)算機(jī)擁有了人的這些能力時(shí)，一場(chǎng)新的革命就會(huì)到來(lái)。以后速記員和同聲傳譯人員可能會(huì)被機(jī)器代替，計(jì)算機(jī)可以做得更好。以后也許不需要司機(jī)了，車(chē)自己就可以開(kāi)起來(lái)，更安全，更有效率。在企業(yè)里面，金牌客服可能人人都可以做了，因?yàn)橛辛酥悄芸头?。人工智能?duì)人的這種賦能，超過(guò)了以往任何一個(gè)時(shí)代。工業(yè)革命解放了人的體力，過(guò)去一些像搬石頭之類(lèi)的粗活需要人類(lèi)自己來(lái)干，現(xiàn)在機(jī)器可以替你把更巨大的石頭搬起來(lái)。智能革命到來(lái)之后，原本很多需要費(fèi)腦子的事情，機(jī)器也可以幫你做。未來(lái)20~50年，我們會(huì)不斷看到各種各樣的變化，收獲各種各樣的驚喜。

讓我們把時(shí)光推至工業(yè)革命以前。

在當(dāng)時(shí)的英國(guó)，由于紡織機(jī)械帶來(lái)低成本產(chǎn)品，傳統(tǒng)的手工紡織業(yè)被擠垮，遭到工業(yè)主和工人的反對(duì)，掀起所謂的「盧德運(yùn)動(dòng)」。珍妮機(jī)發(fā)明者哈格里夫斯多次遭到同行和鄰居的驅(qū)逐。但珍妮機(jī)最終還是推廣開(kāi)來(lái)，助力英國(guó)統(tǒng)治全球紡紗業(yè)。而蒸汽火車(chē)一開(kāi)始甚至速度還不如馬車(chē)，從而被馬車(chē)夫嘲笑。

到了電氣革命時(shí)代，歷史再次重復(fù)，比如馬可尼在1895年研制出最早的無(wú)線電裝置，并且利用這一裝置成功進(jìn)行了遠(yuǎn)距離摩斯電碼通信實(shí)驗(yàn)。他成立無(wú)線電報(bào)與信號(hào)公司，推動(dòng)無(wú)線電商用。但由于與海底電纜公司的利益相沖突，他想在紐芬蘭設(shè)立無(wú)線電報(bào)局的事遭到反對(duì)。不過(guò)當(dāng)時(shí)美國(guó)的現(xiàn)代市場(chǎng)體系和技術(shù)偏好已經(jīng)初步建立，所以無(wú)線電還是很快發(fā)展起來(lái)。

電氣革命與今天的智能革命有一些「基礎(chǔ)質(zhì)料」意義上的類(lèi)似。與蒸汽動(dòng)力無(wú)法遠(yuǎn)距離傳輸和統(tǒng)一布局不同，電力是一種無(wú)限流動(dòng)的普適能源，正如今天的互聯(lián)網(wǎng)是一種流動(dòng)的，讓用戶可以隨時(shí)接入的基礎(chǔ)資源?！鸽?產(chǎn)業(yè)」正如今天的「互聯(lián)網(wǎng)+產(chǎn)業(yè)」，顛覆了無(wú)數(shù)的傳統(tǒng)產(chǎn)業(yè)。

當(dāng)然，電流和智能流只是在比喻意義上可以類(lèi)比，前者是電子的流動(dòng)，后者是比特編碼的流動(dòng)，不是同類(lèi)事物，但這種類(lèi)比有助于我們感受問(wèn)題的關(guān)鍵所在。我們不妨對(duì)比一下兩個(gè)時(shí)代的企業(yè)升級(jí)。

當(dāng)電氣流向千萬(wàn)企業(yè)，很多企業(yè)主動(dòng)尋求升級(jí)，雖不是像蒸汽時(shí)代那樣抗拒，但同樣困難重重。一百多年前的電力系統(tǒng)十分復(fù)雜。需要在直流電、交流電，不同的電壓、不同水平的可靠性、不同的電力接口以及價(jià)格之間做出合理的選擇。直到今天，各國(guó)的電壓和接口規(guī)格（插座口）也都沒(méi)有統(tǒng)一。和不同電力公司打交道也是個(gè)技術(shù)活，否則很可能吃虧，正如今天企業(yè)找互聯(lián)網(wǎng)技術(shù)外包公司時(shí)，如果不專業(yè)，就會(huì)落入陷阱，從編程語(yǔ)言到系統(tǒng)架構(gòu)，都有各種令人眼花繚亂的選擇。

如今，尤其是這兩年，人工智能再度呈現(xiàn)技驚世人的技術(shù)，這是機(jī)器學(xué)習(xí)技術(shù)的升華版——基于多層計(jì)算機(jī)芯片神經(jīng)網(wǎng)絡(luò)的「深度學(xué)習(xí)」方法。通過(guò)多層芯片聯(lián)結(jié)，模仿人腦大量神經(jīng)元的網(wǎng)狀聯(lián)結(jié)方式，輔以精妙的獎(jiǎng)懲算法設(shè)計(jì)和大數(shù)據(jù)，可以訓(xùn)練計(jì)算機(jī)自己從數(shù)據(jù)中高效地尋找模型和規(guī)律，從而開(kāi)啟了一個(gè)機(jī)器智能的新時(shí)代。

科學(xué)家們覺(jué)得人工智能經(jīng)過(guò)這么多年的發(fā)展，到了「終于可以用了」的階段，而它的實(shí)力在我看來(lái)，才剛剛開(kāi)始施展拳腳。

在人工智能時(shí)代下，你我都需要做出改變

我無(wú)意過(guò)分夸大人工智能的作用。

從縱向發(fā)展來(lái)說(shuō)，業(yè)界通常把人工智能分為三個(gè)階段：第一階段，弱人工智能；第二階段，強(qiáng)人工智能；第三階段，超人工智能。實(shí)際上，目前所有的人工智能技術(shù)，不管多先進(jìn)，都屬于弱人工智能，只能在某一個(gè)領(lǐng)域做得跟人差不多，而不能超越人類(lèi)。

對(duì)此，我可能比大多數(shù)人都更保守一些。在我看來(lái)，人工智能永遠(yuǎn)不會(huì)到那一步，很可能連強(qiáng)人工智能都到不了。未來(lái)，機(jī)器可以無(wú)限接近人的能力，但是永遠(yuǎn)無(wú)法超越人的能力。

當(dāng)然，僅僅是無(wú)限接近人的能力，就已經(jīng)可以產(chǎn)生足夠大的顛覆性。因?yàn)橛?jì)算機(jī)在有些方面實(shí)在比人強(qiáng)太多了。比如它的記憶能力，百度搜索可以記憶上千億的網(wǎng)頁(yè)，其中的每一個(gè)字它都記得住，沒(méi)有一個(gè)人能夠做得到。再比如它的運(yùn)算能力，哪怕是寫(xiě)詩(shī)——打個(gè)小廣告，把你的名字輸入手機(jī)百度的「為你寫(xiě)詩(shī)」，敲回車(chē)鍵，沒(méi)等你反應(yīng)過(guò)來(lái)，詩(shī)就出來(lái)了。再厲害的七步神童，也很難達(dá)到這種速度。但是，在情感、創(chuàng)造性等很多領(lǐng)域，機(jī)器是無(wú)法超越人類(lèi)的。

跟我不一樣，技術(shù)界還是很樂(lè)觀的。

智能領(lǐng)域的權(quán)威人士都認(rèn)為，在不久的未來(lái)，智能流會(huì)像今天的電流一樣平靜地環(huán)繞、支持著我們，在一切環(huán)節(jié)提供養(yǎng)料，徹底改變?nèi)祟?lèi)經(jīng)濟(jì)、政治、社會(huì)、生活的形態(tài)。陸奇稱智能時(shí)代的核心本質(zhì)是「knowledge in every system, intelligence in every interaction」（知識(shí)無(wú)處不在，任何交互都是智能的）。未來(lái)世界的人們將像穿衣吃飯一樣享用著人工智能而無(wú)所察覺(jué)。

有人為人工智能的到來(lái)感到焦慮，其實(shí)我覺(jué)得大可不必。

在20世紀(jì)初，美國(guó)有50%的農(nóng)業(yè)人口，但隨著農(nóng)業(yè)機(jī)械化，現(xiàn)在的農(nóng)業(yè)人口降到4%，而城市化吸收了多余的農(nóng)民。但眼前發(fā)生的事情是不同的，當(dāng)人工智能大規(guī)模進(jìn)入社會(huì)后，人類(lèi)能做的工作它們大部分都可以做，城市不會(huì)再有更多的就業(yè)崗位留給人類(lèi)。通行的美好說(shuō)法是，人們?cè)诔Ｒ?guī)工作中被人工智能取代后，可以去從事創(chuàng)造性的工作。問(wèn)題是創(chuàng)造性的工作不是人人都可以從事的，也不需要那么多的人，如果社會(huì)分配制度不改變，一個(gè)全部由科學(xué)家和藝術(shù)家構(gòu)成的人類(lèi)世界幾乎是一場(chǎng)噩夢(mèng)，這上百億科學(xué)家和藝術(shù)家中的絕大部分注定一生碌碌無(wú)為，對(duì)社會(huì)和自己都毫無(wú)用處，且淪入「創(chuàng)造性」的窮困潦倒中。

但這種思維方式總有些不對(duì)的地方。人類(lèi)自古以來(lái)為生存而勞作，實(shí)在是迫不得已，工作著是美麗的，但誰(shuí)都知道，不需要工作的生活更美麗?，F(xiàn)在終于能夠制造出把自己從工作重負(fù)中解放出來(lái)的機(jī)器，這是人類(lèi)文明最偉大的成就，無(wú)論如何不應(yīng)該被看作一場(chǎng)災(zāi)難，相反，這可能是人類(lèi)所面對(duì)的前所未有的偉大機(jī)遇，只是，我們需要改變。

跳棋、國(guó)際象棋、圍棋后，AI還將進(jìn)擊

AlphaGO和深藍(lán)的邏輯并不一樣，同樣是下棋，但背后的人工智能已經(jīng)實(shí)現(xiàn)再次飛躍。

蒙特卡洛方法就體現(xiàn)了概率學(xué)的精妙。假設(shè)，在某個(gè)棋局局面下，深度學(xué)習(xí)網(wǎng)絡(luò)給出了三個(gè)候選落子辦法A、B、C，以這三個(gè)點(diǎn)為根節(jié)點(diǎn)，分別往下走子，可以想象成三棵樹(shù)，每棵樹(shù)還有無(wú)數(shù)分支。蒙特卡洛搜索不去窮盡所有分支（窮盡所有是深藍(lán)的做法），而是派出300萬(wàn)只螞蟻分別從A、B、C出發(fā)，每個(gè)點(diǎn)100萬(wàn)只，飛速向樹(shù)梢爬（也就是往下黑白棋交替走子直到?jīng)Q出勝負(fù)，基本上走200步就會(huì)分出勝負(fù)），總有部分螞蟻?zhàn)叩阶罡唿c(diǎn)（也就是決出勝負(fù)，假設(shè)螞蟻?zhàn)叩浇K點(diǎn)的情況代表黑子勝，沒(méi)走到終點(diǎn)的情況代表白子勝）。

假設(shè)從A點(diǎn)出發(fā)的100萬(wàn)只螞蟻有30萬(wàn)只到達(dá)終點(diǎn)，從B點(diǎn)出發(fā)的有50萬(wàn)只到達(dá)終點(diǎn)，從C點(diǎn)出發(fā)的有40萬(wàn)只到達(dá)終點(diǎn)，系統(tǒng)就認(rèn)為黑子走B點(diǎn)勝率更高，就會(huì)選擇B點(diǎn)。這就是概率學(xué)的取樣算法，相比逐項(xiàng)窮舉法，極大地縮減了計(jì)算量。

為什么派100萬(wàn)只螞蟻而不是10萬(wàn)只或者1000萬(wàn)只？這是根據(jù)計(jì)算機(jī)的計(jì)算能力和對(duì)競(jìng)爭(zhēng)對(duì)手的大致估計(jì)來(lái)確定的。如果派10萬(wàn)只螞蟻就可以得到較高勝率，那么派10萬(wàn)只也可以。在相同時(shí)間內(nèi)派出越多螞蟻，對(duì)計(jì)算能力要求越高。

除了下棋，人工智能還進(jìn)擊了金融、翻譯、資訊分發(fā)領(lǐng)域。

金融信息可能是最復(fù)雜、最枯燥的信息，一份股轉(zhuǎn)書(shū)有兩百多頁(yè)，還有大量的年報(bào)、半年報(bào)、研究報(bào)告、公告、反饋意見(jiàn)、盡職調(diào)查結(jié)果……我們不知道，有多少行業(yè)分析師是完全看完這些信息，再做出決策的。也許，不是他們不夠勤勉，而是讀完這些信息已經(jīng)非人力所及。

20世紀(jì)90年代，一個(gè)基金經(jīng)理要把市場(chǎng)當(dāng)天產(chǎn)生的研報(bào)、輿情、新聞、交易數(shù)據(jù)等看完，大概需要10個(gè)小時(shí)，也就是兩天的工作量。2010年，移動(dòng)數(shù)據(jù)爆發(fā)之后，這個(gè)基金經(jīng)理要把每天市場(chǎng)上產(chǎn)生的信息吸收掉，大概需要10個(gè)月的時(shí)間。2016年，還是這個(gè)基金經(jīng)理，假如把當(dāng)天市場(chǎng)上所有的信息看完，大概需要20年的時(shí)間，相當(dāng)于整個(gè)職業(yè)生涯。所以基金經(jīng)理迫切需要利用先進(jìn)的智能技術(shù)，比如百度的自然語(yǔ)言處理技術(shù)。

機(jī)器可以瞬間完成上市公司的公告、財(cái)務(wù)報(bào)表、官方發(fā)布、社交平臺(tái)、證券行情、實(shí)時(shí)新聞、行業(yè)分析報(bào)告等海量異構(gòu)數(shù)據(jù)的閱讀，對(duì)于文本中的圖片和表格需要OCR（光學(xué)字符識(shí)別）等技術(shù)解析。緊接著，進(jìn)行關(guān)鍵實(shí)體信息的提取，發(fā)現(xiàn)埋藏在實(shí)體信息之間，如行業(yè)上下游關(guān)系、供應(yīng)鏈關(guān)系、股權(quán)變更歷史、定增與重大資產(chǎn)重組的關(guān)系、多張財(cái)務(wù)報(bào)表之間的數(shù)據(jù)交叉驗(yàn)證等數(shù)據(jù)關(guān)系，形成并呈現(xiàn)這些復(fù)雜關(guān)系的「知識(shí)圖譜」。

再說(shuō)翻譯。在機(jī)器翻譯的模式中，人類(lèi)要做的不是親自尋找浩繁的語(yǔ)言規(guī)則，而是設(shè)定數(shù)學(xué)方法，調(diào)試參數(shù)，幫助計(jì)算機(jī)網(wǎng)絡(luò)自己尋找規(guī)則。人類(lèi)只要輸入一種語(yǔ)言，就會(huì)輸出另一種語(yǔ)言，不用考慮中間經(jīng)過(guò)了怎樣的處理，這就叫作端到端的翻譯。這種方法聽(tīng)起來(lái)挺神奇，其實(shí)概率論里的貝葉斯方法、隱馬爾科夫模型等都可以用來(lái)解決這個(gè)問(wèn)題。

技術(shù)是神奇的。以資訊分發(fā)當(dāng)中的貝葉斯方法為例，可以構(gòu)建一個(gè)用概率來(lái)描述的人格特征模型。比如男性讀者模型的特征之一是在閱讀新聞時(shí)點(diǎn)擊軍事新聞的概率是40%，而女性讀者模型是4%。一旦一個(gè)讀者點(diǎn)擊了軍事新聞，根據(jù)貝葉斯公式就可以逆推這個(gè)讀者的性別概率，加上這個(gè)讀者的其他行為數(shù)據(jù)，綜合計(jì)算，就能比較準(zhǔn)確地判斷讀者的性別以及其他特征。這就是數(shù)學(xué)的「神奇」。當(dāng)然，計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)使用的數(shù)學(xué)方法遠(yuǎn)不止這些。

人類(lèi)的行為一旦被互聯(lián)網(wǎng)以數(shù)據(jù)的形式記錄下來(lái)，就成為滋養(yǎng)人工智能在各行各業(yè)齊頭并進(jìn)，進(jìn)而幫助人類(lèi)自己的無(wú)窮無(wú)盡的燃料。機(jī)器翻譯、語(yǔ)音識(shí)別、圖像識(shí)別都是基于互聯(lián)網(wǎng)提供的大量數(shù)據(jù)，用戶點(diǎn)擊行為也是如此。為什么百度搜索引擎的準(zhǔn)確性是國(guó)內(nèi)其他搜索引擎難以比擬的？因?yàn)閿?shù)據(jù)量最大、算法最先進(jìn)、積累最雄厚。用戶的每一次點(diǎn)擊其實(shí)都在訓(xùn)練搜索引擎背后的百度大腦，告訴它哪一條資訊才是用戶最想要的。

實(shí)際上，臉書(shū)也擁有自己的人工智能實(shí)驗(yàn)室以及類(lèi)似谷歌大腦的團(tuán)隊(duì)——應(yīng)用機(jī)器學(xué)習(xí)事業(yè)群。這些機(jī)構(gòu)的使命是在各種臉書(shū)產(chǎn)品中推廣人工智能技術(shù)。用該公司首席技術(shù)官麥克·斯克洛普夫（Mike Schroepfer）的話說(shuō)：「臉書(shū)約有1/5的工程師現(xiàn)在都在使用機(jī)器學(xué)習(xí)技術(shù)?！?/p>

AlphaGo的主人谷歌當(dāng)然也不會(huì)只滿足于下棋，其人工智能投入多年來(lái)不斷膨脹。2012年，谷歌只有兩個(gè)深度學(xué)習(xí)項(xiàng)目，2016年底這個(gè)數(shù)字突破了1000。目前谷歌從搜索、安卓系統(tǒng)、Gmail（免費(fèi)網(wǎng)絡(luò)郵件服務(wù)）、翻譯、地圖、YouTube（視頻網(wǎng)站）甚至到無(wú)人車(chē)，都有深度學(xué)習(xí)的影子。

人工智能進(jìn)步背后的原理

中國(guó)擁有龐大的業(yè)務(wù)應(yīng)用場(chǎng)景、用戶和數(shù)據(jù)以及基數(shù)最龐大的人才群體，進(jìn)步很快。除了BAT（百度、阿里巴巴、騰訊三大互聯(lián)網(wǎng)公司首字母縮寫(xiě)）、華為等巨頭大力開(kāi)發(fā)人工智能，還有很多垂直領(lǐng)域的人工智能公司涌現(xiàn)。在去年的各種互聯(lián)網(wǎng)論壇上，不論是電商、社交媒體，還是搜索引擎，各家互聯(lián)網(wǎng)企業(yè)的掌門(mén)人都在將話題引向人工智能，匯報(bào)著或大或小的成績(jī)。

決定現(xiàn)代數(shù)字計(jì)算系統(tǒng)主要結(jié)構(gòu)的是資源的組織形式。而人工智能計(jì)算的本質(zhì)，簡(jiǎn)單來(lái)說(shuō)，非常不同于馮·諾依曼的控制流結(jié)構(gòu)，后者采用線性的記憶體和布爾函數(shù)作為基線計(jì)算操作。而新的范式是神經(jīng)網(wǎng)絡(luò)計(jì)算，其特征在于分布式的表示和激活模式。在這里，變量由疊加在共享物理資源（如神經(jīng)元）上的向量表示，并且通過(guò)神經(jīng)元的激活來(lái)進(jìn)行計(jì)算。網(wǎng)絡(luò)的拓?fù)浼軜?gòu)和激活模式提供了巨大的計(jì)算空間，可以有效并且自然地捕獲豐富的知識(shí)（通過(guò)拓?fù)涞某瑓?shù)、權(quán)重、激活函數(shù)）。相對(duì)于馮·諾依曼架構(gòu)中的本地化表示（其中變量由諸如寄存器的專用或局部化物理資源表示）和符號(hào)計(jì)算，神經(jīng)網(wǎng)絡(luò)計(jì)算在學(xué)習(xí)和表示物理世界以及社會(huì)的豐富的語(yǔ)義知識(shí)方面更加自然和強(qiáng)大。

通過(guò)神經(jīng)網(wǎng)絡(luò)計(jì)算的力量，下一波的人工智能技術(shù)可以在以下兩個(gè)維度提升目前的計(jì)算系統(tǒng)：

一是自動(dòng)分層特征/表示學(xué)習(xí)。這是機(jī)器學(xué)習(xí)容量的實(shí)質(zhì)性提升，因?yàn)楫?dāng)今機(jī)器學(xué)習(xí)工作的很大一部分關(guān)鍵在于特征工程。如百度大腦已經(jīng)擁有萬(wàn)億級(jí)的參數(shù)、千億級(jí)的樣本和千億級(jí)的特征訓(xùn)練。

二是高級(jí)認(rèn)知，特別是感知能力。這是下一代設(shè)備（如無(wú)人駕駛汽車(chē)）和下一代平臺(tái)（如自然語(yǔ)言會(huì)話）產(chǎn)生的巨大催化劑。

人工智能計(jì)算的強(qiáng)大能力將有助于產(chǎn)生許多新品種的智能系統(tǒng)，如機(jī)器律師、機(jī)器分析師、醫(yī)療機(jī)器人、智能客服人員等。

人工智能計(jì)算的另一個(gè)發(fā)展方向是組織各種服務(wù)于特定物理架構(gòu)和物理要素的系統(tǒng)，如家、辦公室、工廠等的智能系統(tǒng)。其基本模式是通過(guò)使用物聯(lián)網(wǎng)傳感器的各種原始信號(hào)，人工智能的「感知系統(tǒng)」會(huì)對(duì)物理架構(gòu)進(jìn)行識(shí)別和感知；而「認(rèn)知系統(tǒng)」需要組織信息和學(xué)習(xí)更多關(guān)于物理架構(gòu)的知識(shí)，并去預(yù)測(cè)、判斷和決策，以使各類(lèi)物理系統(tǒng)更加智能。

目前，在科研領(lǐng)域，人工智能計(jì)算可以提供更先進(jìn)的建模能力，成為多領(lǐng)域和新一波科研浪潮的催化劑。

在商業(yè)方面，人工智能可以提供額外的機(jī)會(huì)，為企業(yè)組織創(chuàng)建集成的業(yè)務(wù)計(jì)算系統(tǒng)（Business Computing System，BCS）平臺(tái)。如記錄業(yè)務(wù)對(duì)象（如系統(tǒng)設(shè)計(jì)模型、交易記錄）和業(yè)務(wù)流程（如ERP（企業(yè)資源計(jì)劃）、CRM（客戶關(guān)系管理）；或者系統(tǒng)設(shè)計(jì)并模仿人類(lèi)工作活動(dòng)，如溝通、協(xié)作、閱讀、寫(xiě)作、尋求信息等。

目前來(lái)說(shuō)，人工智能的「感知系統(tǒng)」有更廣泛、更新的商業(yè)機(jī)會(huì)：一方面，可以構(gòu)建和部署更多的「?jìng)鞲邢到y(tǒng)」的子系統(tǒng)，針對(duì)的是物理環(huán)境或物理系統(tǒng)，如裝配線、工廠等。這使得未來(lái)人力密集的制造業(yè)、商業(yè)服務(wù)業(yè)等，可以采用更先進(jìn)的信息工具和更強(qiáng)的自動(dòng)化。另一方面，自然語(yǔ)言處理技術(shù)的迅速進(jìn)步使得我們可以掃描和分析文本文檔和信息，并從中提取各種高價(jià)值的業(yè)務(wù)知識(shí)，而構(gòu)建和部署專用的「文本理解子系統(tǒng)」可以得到很多高價(jià)值的知識(shí)和商業(yè)回報(bào)。

人工智能「認(rèn)知系統(tǒng)」的成熟代表了智能時(shí)代更長(zhǎng)遠(yuǎn)的未來(lái)，所有的行業(yè)、職業(yè)、社會(huì)系統(tǒng)、生活方式都將被重塑。如果數(shù)字化社會(huì)可以概括為「信息就在指尖」，那么，人工智能時(shí)代的本質(zhì)可以概括為「知識(shí)無(wú)處不在，任何交互都是智能的?！?/p>

這個(gè)浪潮對(duì)大多數(shù)人來(lái)說(shuō)無(wú)疑是巨大的機(jī)遇。

傳統(tǒng)的制造業(yè)基本上以器械、電器和電力為主，其生產(chǎn)流水線基本上要用很大規(guī)模的投資來(lái)建立，后續(xù)很難調(diào)整。比如一家汽車(chē)制造廠，要重新建立一條生產(chǎn)流水線，成本很高，花的時(shí)間很多。當(dāng)數(shù)據(jù)智能、自動(dòng)化、精準(zhǔn)預(yù)測(cè)對(duì)制造業(yè)的改造完成之后，后者的面貌將煥然一新。未來(lái)的制造業(yè)生產(chǎn)流程將是模塊式的，全部是數(shù)字控制。當(dāng)一家汽車(chē)制造廠要調(diào)整生產(chǎn)，制造另外一種樣式的汽車(chē)，它不再需要重建生產(chǎn)線，而只需要把新產(chǎn)品模塊的接口（API）調(diào)過(guò)來(lái)就可以了。這將徹底改變制造業(yè)基礎(chǔ)，制造業(yè)效率也將會(huì)極大地提升。

這個(gè)改變的核心是數(shù)據(jù)和知識(shí)，即制造的流程、制造的工藝、制造的設(shè)計(jì)，制造的每一步都會(huì)用數(shù)字來(lái)控制。

再比如制藥行業(yè)。以前一款新藥的誕生要經(jīng)歷長(zhǎng)期的研發(fā)過(guò)程，去發(fā)現(xiàn)某種方式對(duì)某種病癥有效。未來(lái)借助人工智能計(jì)算技術(shù)，將龐大的基因數(shù)據(jù)與海量的健康信息結(jié)合起來(lái)分析，人類(lèi)可以很快發(fā)現(xiàn)規(guī)律，找到個(gè)性化的基因藥物。

大數(shù)據(jù)之「大」，讓不可能成為可能

既然人類(lèi)運(yùn)用數(shù)據(jù)已久，而且自工業(yè)革命以來(lái)，數(shù)據(jù)經(jīng)歷過(guò)一次又一次的爆發(fā)，何以近年來(lái)才出現(xiàn)「大數(shù)據(jù)」的概念？?jī)H僅是它所能記錄和計(jì)算的數(shù)據(jù)量更多而已嗎？自然數(shù)可以無(wú)限數(shù)下去，1、2、3、4，以至于無(wú)窮，但「多」是不夠的，還必須具有幾大特征：

第一，大數(shù)據(jù)的「大」。毋庸置疑，這個(gè)「大」相對(duì)于人類(lèi)傳統(tǒng)數(shù)據(jù)的儲(chǔ)存方式，不是一個(gè)量級(jí)上的大小之分，而是幾何量級(jí)的差距。想想百度地圖上每日720億次的定位請(qǐng)求，再想想互聯(lián)網(wǎng)上每天有多少次點(diǎn)擊、社交媒體上每天有多少文字和圖片發(fā)出……各種大數(shù)據(jù)平臺(tái)一天之內(nèi)收集到的數(shù)據(jù)量就可以超越人類(lèi)幾千年來(lái)文字、圖像的總和。

第二，大數(shù)據(jù)的另一個(gè)重要特點(diǎn)是多維度。多維度代表著大數(shù)據(jù)可以對(duì)一個(gè)事物進(jìn)行多方位的描述，從而更準(zhǔn)確。

在電影《諜影重重》里出現(xiàn)過(guò)一個(gè)大數(shù)據(jù)公司，能夠根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)、交通數(shù)據(jù)、歷史檔案等各種維度的數(shù)據(jù)幫助美國(guó)中央情報(bào)局（CIA）迅速追蹤和定位疑犯。現(xiàn)實(shí)中美國(guó)的Plantir數(shù)據(jù)公司便是如此幫助美國(guó)政府追蹤本·拉登，提供反恐信息和社會(huì)危機(jī)預(yù)警。它們更常見(jiàn)的業(yè)務(wù)是識(shí)破金融詐騙。

以金融征信應(yīng)用為例，傳統(tǒng)金融機(jī)構(gòu)在進(jìn)行征信時(shí)，一般采集20個(gè)維度左右的數(shù)據(jù)，主要包括年齡、收入、學(xué)歷、職業(yè)、房產(chǎn)車(chē)產(chǎn)、借貸情況等。然后綜合評(píng)分來(lái)識(shí)別客戶的還款能力和還款意愿，決定信貸額度。

互聯(lián)網(wǎng)公司采用大數(shù)據(jù)方法，所獲得的維度可以讓傳統(tǒng)銀行嚇一跳。BAT都開(kāi)設(shè)了自己的金融服務(wù)，因?yàn)閾碛腥媲揖薮蟮挠脩魯?shù)據(jù)，可以查詢客戶的各種線上記錄，比如是否有批量申請(qǐng)貸款等異常行為；還可以將客戶信息與互聯(lián)網(wǎng)全局信息比對(duì)，通過(guò)欺詐行為模式的比對(duì)分析其可信度；更進(jìn)一步，還可以分析客戶的消費(fèi)行為和習(xí)慣，結(jié)合填報(bào)收入分析還款能力如何。當(dāng)然，作為用戶的隱私，這些數(shù)據(jù)都不會(huì)被公開(kāi)，用戶所能感受到的便利是征信排隊(duì)時(shí)間極大地縮短了，因?yàn)榇髷?shù)據(jù)可以在幾秒鐘內(nèi)就對(duì)申請(qǐng)者超過(guò)1萬(wàn)條的原始信息進(jìn)行調(diào)取和審核，迅速核對(duì)數(shù)萬(wàn)個(gè)指標(biāo)維度。

對(duì)一個(gè)陌生人進(jìn)行征信就好比「盲人摸象」，傳統(tǒng)方法是通過(guò)20個(gè)「盲人」去評(píng)估一個(gè)客戶的信用「大象」，注定是有缺陷的。而大數(shù)據(jù)的多維度就如同幾萬(wàn)人同時(shí)「摸象」，再把這幾萬(wàn)人的反饋匯總到一起。維度越多，結(jié)論就越準(zhǔn)確。

第三，處理非結(jié)構(gòu)化數(shù)據(jù)的能力。結(jié)構(gòu)化數(shù)據(jù)中最基本的數(shù)字、符號(hào)等，可以用固定的字段、長(zhǎng)短和邏輯結(jié)構(gòu)保存在數(shù)據(jù)庫(kù)中，并用數(shù)據(jù)表的形式向人類(lèi)展現(xiàn)（想一下常見(jiàn)的Excel表格），處理非常方便。但是互聯(lián)網(wǎng)時(shí)代產(chǎn)生了大量非結(jié)構(gòu)化數(shù)據(jù)，對(duì)于圖片、視頻、音頻等內(nèi)容，它們的數(shù)據(jù)量巨大卻沒(méi)有清晰的結(jié)構(gòu)。對(duì)于圖像的數(shù)據(jù)，我們只能理解為一個(gè)二維矩陣上的無(wú)數(shù)像素點(diǎn)。非結(jié)構(gòu)化數(shù)據(jù)增長(zhǎng)量很快，據(jù)推測(cè)將占未來(lái)10年新生數(shù)據(jù)總量的90%。而大數(shù)據(jù)技術(shù)可以通過(guò)圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言分析等技術(shù)計(jì)算、分析大量非結(jié)構(gòu)化數(shù)據(jù)，大大提升了數(shù)據(jù)維度。

非結(jié)構(gòu)化數(shù)據(jù)的數(shù)量遠(yuǎn)超結(jié)構(gòu)化數(shù)據(jù)，蘊(yùn)含巨大能量，應(yīng)用前景廣闊。例如，在機(jī)場(chǎng)等公共場(chǎng)合的個(gè)人身份檢查，過(guò)去只能根據(jù)旅客提供的身份信息這一個(gè)主要維度去判斷其身份。而人臉識(shí)別、語(yǔ)音識(shí)別等技術(shù)應(yīng)用成熟后，大數(shù)據(jù)可以直接通過(guò)攝像快速比對(duì)審核，增加對(duì)個(gè)人身份判斷的維度，進(jìn)行既精確又高效的安全檢查。

第四，大數(shù)據(jù)是生生不息的「流」，具有時(shí)間性。它過(guò)去就不再回來(lái)，就像人無(wú)法兩次踏入同一條河流。這一方面是因?yàn)閿?shù)據(jù)量太巨大，無(wú)法全部存儲(chǔ)；另一方面是大數(shù)據(jù)和人類(lèi)生生不息的行動(dòng)相關(guān)，瞬息萬(wàn)變。百度大數(shù)據(jù)實(shí)驗(yàn)室因此提出一個(gè)概念叫作「時(shí)空大數(shù)據(jù)」。

地圖就是時(shí)空大數(shù)據(jù)之母。百度地圖有一個(gè)路段擁堵預(yù)警功能。如果前方路段暢通會(huì)顯示為綠色；如果擁堵則會(huì)顯示成紅色，提醒用戶選擇其他路線。這是我們與數(shù)據(jù)互動(dòng)的一個(gè)簡(jiǎn)明例子。如果我們有A和B兩條路線可以選擇，此時(shí)A路線擁堵而B(niǎo)路線暢通，那么我們都會(huì)選擇B路線；當(dāng)越來(lái)越多的車(chē)主選擇B路線，那么B路線將會(huì)變成擁堵而A路線又會(huì)暢通。

此消彼長(zhǎng)，變化萬(wàn)千。依靠智能手機(jī)的定位功能，百度地圖可以實(shí)時(shí)更改當(dāng)前的路況監(jiān)測(cè)結(jié)果，精確地告訴每一個(gè)位置用戶當(dāng)前自己所面對(duì)的路面情況。通過(guò)數(shù)據(jù)可視化技術(shù)和各種評(píng)估手段，可以描繪一座城市的日常脈搏，比如上下班的人流數(shù)據(jù)變化，仿佛城市在吞吐呼吸。除了被記錄下來(lái)的，更多數(shù)據(jù)只在當(dāng)時(shí)有效。把數(shù)據(jù)全部存儲(chǔ)下來(lái)是不可能的，那樣需要的硬盤(pán)可能整座城市的地皮都堆不下，只能即時(shí)應(yīng)用，用過(guò)就消失。

最后一點(diǎn)，也是最重要的，大數(shù)據(jù)的「大」表現(xiàn)為無(wú)盡的重復(fù)。對(duì)于語(yǔ)音識(shí)別來(lái)說(shuō)，正因?yàn)槿藗冎貜?fù)講述同樣的語(yǔ)句，機(jī)器通過(guò)反復(fù)識(shí)別這些人類(lèi)語(yǔ)音的細(xì)微差別，才能全面掌握人類(lèi)語(yǔ)音。也正因?yàn)槿藗冎芏鴱?fù)始的運(yùn)動(dòng)，才讓系統(tǒng)能捕捉城市運(yùn)動(dòng)的規(guī)律?！钢貜?fù)」的數(shù)學(xué)意義是「窮舉」。以往人類(lèi)無(wú)法通過(guò)窮舉法來(lái)把握一個(gè)事情的規(guī)律，只能采用「取樣」來(lái)估計(jì)，或者通過(guò)觀察用簡(jiǎn)單明了的函數(shù)來(lái)代表事物規(guī)律，但大數(shù)據(jù)讓窮舉法這種「笨辦法」變得可能了。

中國(guó)在人工智能領(lǐng)域存在強(qiáng)烈的內(nèi)在驅(qū)動(dòng)

顯然，在多元化的網(wǎng)絡(luò)世界里，沒(méi)有任何一個(gè)國(guó)家、機(jī)構(gòu)能「獨(dú)當(dāng)一面」。只有不同文化、經(jīng)濟(jì)、政治背景的基因進(jìn)行競(jìng)爭(zhēng)，才能對(duì)網(wǎng)民的需求做出全面恰當(dāng)?shù)幕貞?yīng)。

從國(guó)情來(lái)看，中國(guó)發(fā)展人工智能較歐美國(guó)家有著更強(qiáng)烈的內(nèi)在驅(qū)動(dòng)，這種驅(qū)動(dòng)來(lái)自民間。百度搜索統(tǒng)計(jì)顯示，有關(guān)「服務(wù)」的搜索請(qǐng)求數(shù)量始終在迅速增長(zhǎng)：2014年比2013年增長(zhǎng)了133%。2016年在基數(shù)更大的情況下，仍有153%的增長(zhǎng)。

在移動(dòng)互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用上，中國(guó)比美國(guó)更普及。中國(guó)網(wǎng)民早已習(xí)慣于訴諸互聯(lián)網(wǎng)尋求服務(wù)。如今中國(guó)每100張電影票中就有55張是通過(guò)網(wǎng)絡(luò)下單預(yù)訂的。與之對(duì)應(yīng)的是，互聯(lián)網(wǎng)服務(wù)在美國(guó)電影行業(yè)的滲透率只有20%，也就是說(shuō)100張電影票中只有20張是網(wǎng)上訂票。比如，中國(guó)餐飲行業(yè)的互聯(lián)網(wǎng)滲透率是2%時(shí)，美國(guó)只有1%。

中國(guó)之大，之特殊，要高效實(shí)現(xiàn)中國(guó)網(wǎng)民的服務(wù)需求，人工智能創(chuàng)新就是一條必由之路。

驅(qū)動(dòng)的另一個(gè)源頭則是產(chǎn)業(yè)焦慮。中國(guó)制造業(yè)成本上升很快。放眼全球，工業(yè)越來(lái)越自動(dòng)化和智能化，高端制造業(yè)可能會(huì)回到歐美，而低端制造業(yè)已開(kāi)始流向越南等國(guó)。如果不在短時(shí)間內(nèi)完成產(chǎn)業(yè)轉(zhuǎn)型，中國(guó)制造業(yè)將面臨「空心化」的困境：高端制造業(yè)、低端制造業(yè)都將流出中國(guó)——這個(gè)轉(zhuǎn)型，能不依賴人工智能這一環(huán)嗎？

盡管局勢(shì)緊迫，但中國(guó)的實(shí)力值得看好。中國(guó)企業(yè)的執(zhí)行力、中國(guó)政府的支持力度都是新興產(chǎn)業(yè)的強(qiáng)力后援。

如果說(shuō)網(wǎng)民的需求是「天時(shí)」，企業(yè)與政府的合作是「人和」，數(shù)據(jù)則是中國(guó)大腦發(fā)展必不可少的「地利」。在這一領(lǐng)域，中國(guó)更是得天獨(dú)厚。

龐大的人口規(guī)模、復(fù)雜的社會(huì)環(huán)境和面向不同應(yīng)用場(chǎng)景的互聯(lián)網(wǎng)企業(yè)，匯合收集這個(gè)數(shù)據(jù)全集意義非凡?？梢灶A(yù)見(jiàn)，不久的未來(lái)除了個(gè)人數(shù)據(jù)，依托于公共環(huán)境或者政府背景而產(chǎn)生和積累的數(shù)據(jù)，如汽車(chē)注冊(cè)信息、學(xué)籍學(xué)歷、犯罪記錄等，將以加密的方式形成個(gè)人基礎(chǔ)電子檔案。企業(yè)與市場(chǎng)通過(guò)服務(wù)輸出獲取的數(shù)據(jù)，如信用卡賬單、消費(fèi)記錄、網(wǎng)站瀏覽偏好、慣用手機(jī)品牌等，則將以用戶授權(quán)的方式再次轉(zhuǎn)化為服務(wù)回饋給使用者。

這里的「使用者」，不是會(huì)編碼、能建模的「碼農(nóng)」博士，而是普通的公眾群體。讓更多的人也能便捷地使用智能設(shè)備才是真正意義上的科技福利。

來(lái)源：品途商業(yè)評(píng)論