读李开复的新书《人工智能》
点击上方
请您点击“与数据同行”以“关注”，关于数据的实践与思考，每周一我在这里等你！
作者：傅一平 博士 浙江大学毕业 目前就职于浙江移动
人工智能（AI），一个在2016年被说烂了的“热词”。从3月份的阿尔法狗到跨年大卖的《未来简史》，从街头巷尾的谈资，到职业危机的恐慌，一个浪接着一浪，愈涨愈高。对于这股风潮，我其实只想问一句：“这跟我们的生活到底有什么关系？”
你可以不懂蒙特卡罗树搜索，也可以不知道估值网络，甚至不明白深度学习和大数据与人工智能之间的因果关系。照样可以上班、下班、吃饭、睡觉，日复一日，能有什么影响？
黄有璨在他的书《运营之光》里，讲过一个他朋友L的故事，让人印象深刻。
L是他认识的一个做了十几年手机芯片级解决方案的硬件工程师，L曾经呆过索爱、诺基亚和黑莓，算得上是专家级的研发人才，但现在，L却失业了，且处于极度焦虑之中。
L失业的原因说来令人无奈——曾经在手机行业里，每个手机品牌的芯片方案都需要自行设计自行解决，所以L这样的人才至关重要。但时过境迁，如今手机底层的硬件解决方案，已经不再需要由品牌厂商来去关注，而是会由芯片厂商如高通、Intel等少数几家巨头级芯片商根据需求统一设计好几套可通用的解决方案提供给品牌商，品牌商们则只需要做好外观、界面等的设计即可。
这意味着，像L这样的芯片级硬件工程师，现在的求职方向只能是高通、Intel等芯片厂商，品牌厂商已经不再需要他们了。而高通和intel的相关员工，基本都在美国。
L的感觉是，自己被这个时代抛弃了。
读罢这个故事，我心中涌出一阵悲凉之感。黄有璨老师说，任凭你如何NB，你也无法保证是不是哪一天，你就会被无情抛在时代的身后，成了那个被替代的家伙又或是一场新变革的牺牲品。
人工智能也许就是这样的时代。
面对即将到来的巨大变革，对于我们而言，更应该保持清醒的头脑，了解技术、分析利弊，从而更好地掌握未来。李开复博士在《人工智能：李开复谈AI如何重塑个人、商业与社会的未来图谱》一书中，用通俗易懂的语言、客观公正的评价以及合情合理的畅想，对人工智能的前世今生未来进行了详细解读，为读者描绘了一条人工智能发展的全景图。
这是一本老少咸宜的科普读物，每个人都花几个小时就可以无障碍的读完，但如果你只想理解它的惊鸿一瞥，就看笔者的这篇摘要吧。
一、人工智能来了
人工智能不是电影电视剧中可望不可即的主角，人工智能覆盖我们的生活，抛开诸如人工智能就是人形机器人的固有偏见，打开你的手机，智能手机已经蕴藏着人工智能的神奇魔术，从智能助理、新闻推荐、新闻撰稿、机器视觉、AI艺术、搜素引擎、机器翻译、自动驾驶直至机器人。
有多少人用过讯飞语音输入，跟苹果的Siri聊得不亦乐乎？这些程序的语音识别和反馈能力已经颠覆了我们原有印象中刻板，笨拙的机器形象，而达到了可以和人类自由对话的级别。虽然与真人还有差距，但图灵测试被攻克已经成为事实。
再有像美图秀秀的“自动美化”功能，今日头条的推送功能……无一不是人工智能在背后捣的鬼。因此说，我们早就被人工智能一点点地，从小范围包抄到大面积攻克了，只是尚无知觉罢了。
书中记忆最深的是AI在地震发生后最短时间内进行的新闻报道，亚马逊的3万个仓储机器人，搜素引擎的智能问答，与人类英文表达相当接近的谷歌翻译，后者对于笔者下决心放弃继续学习英语起到了作用。
看到翻译也将被人工智能取代的消息，我的玻璃心瞬间碎了一地。我1年前开始继续学习英语的热情，立刻就被打击了。如果我苦逼学了半天，最后出国旅游和阅读文献还不如谷歌翻译溜，那我图个啥啊？有这时间还不如花在更有价值的地方。
二、人工智能突破了人们可以接受的心理阈值
诸如人脸识别如果准确率在80%-90%左右，其实还是很难被普通人接受，这明显无法在生活中使用，比如安防，只有计算机在人脸识别上的准确率超过普通人的水平，才是我们关心的“绝对阈值”。
2012年到2015年，在代表计算机智能图像识别最前沿发展水平的ImageNet（ILSVRC）中，参赛的人工智能算法在识别准确率上突破猛进，2014年，在识别图片中的人、动物、车辆或其他常见对象时，基于深度学习的计算机程序超过了普通人类的肉眼识别准确率。
人们在ImageNet中取得的非凡成就是人工智能发展史上一个了不起的里程碑，也是当今这一拨人工智能热潮由萌芽到兴起的关键节点，这其中，深度学习技术居功至伟，人工智能等于深度学习不是空穴来风。
2006年是深度学习发展史的分水岭，杰佛里.辛顿在这一年发表了《一种深度置信网络的快速学习算法》及其他几篇重要论文，其他深度学习领域的泰斗，大师们也在这一年前后贡献了一批重要的学术文章，在基本理论方面取得了若干重大突破，深度学习也由此进入高速发展的全盛期。
普通吃瓜群众在2016年才看到了Alphago的惊艳表现，其实是10年前深度学习突破埋下的种子。
当然深度学习能够大展身手有两个前提-强大的计算能力和高质量的大数据，而这两个条件在2010年前后逐步步入成熟，理解了这些前提，你就能理解为什么是谷歌，百度，阿里，腾讯等这类公司具有先发优势。
现在可以这么定义人工智能：
人工智能=深度学习+大数据+大规模计算
它们让人工智能超越了人类的心理阈值，真正进入了实用的阶段，人工智能不再是噱头，深度学习网络是朴实无华的，你喂给他足够的数据，它就会有惊艳的表现。
三、人工智能真得可以挑战人类吗？
人工智能可以分为弱人工智能、强人工智能和超人工智能。
弱人工智能也称限制域人工智能或应用型人工智能，指的是专注于且只能解决特定领域问题的人工智能。毫无疑问，今天我们看到的所有人工智能算法和应用都属于弱人工智能的范畴。
AlphaGo是弱人工智能的一个最好实例，AlphaGo在围棋领域超越了人类最顶尖选手，但其能力也仅止步于围棋，下棋时，如果没有人类的帮助（比如帮机器摆棋的黄士杰博士），AlphaGo连从棋盒里拿出棋子并置于棋盘之上的能力都没有，更别提下棋前向对手行礼、下棋后一起复盘等围棋礼仪了。
一般而言，人们更愿意将弱人工智能看成是人类的工具，而不会讲其视为威胁，其属于相对容易控制和管理的计算机程序，总体来说，弱人工智能并不比我们使用的其它新技术更为危险。
强人工智能又称为通用人工更智能或完全人工智能，指的是可以胜任人类所有工作的人工智能，人可以做什么，强人工智能就可以做什么，这种定义缺乏标准，当前最为流行、被广泛接受的标准是图灵测试，关于图灵测试是怎么回事大家可以自己查询相关资料。
一般认为，强人工智能具有推理、决策、表达、规划、学习、自然语言交流等综合能力，具有争议的是强人工智能是否有必要具备人类的意识，由于这会牵扯出“人类的意识到底是什么”的这种问题，笔者在《未来简史》笔记中也有论述，这个涉及哲学，人类学，社会学，神经科学等方方面面，短期内看不出有解决这一问题的可能。
一旦牵扯到意识，强人工智能的定义和评估标准就变得异常复杂，而人们对于强人工智能的担忧也主要来源于此。
假设计算机程序通过不断发展，可以比世界上最聪明、最有天赋的人类还聪明，那么，由此产生的人工智能系统就可以称为超人工智能。显然，对今天的人来说，这是一种只存在于科幻电影中的想象场景，其定义最为模糊，因为没人知道，超越人类最高水平的智慧到底会表现为何种能力。
2015年初，一篇名为《一个故意不通过图灵测试的人工智能》翻译长文悄然流传开来，绝大多数读过的人都会经历从惊讶道惶恐再到忐忑不安的心路历程，这篇文章作者是蒂姆.厄班，其在这篇著名长文中，基于一个显而易见的事实来讨论人类科技的发展规律：人类科技发展是越来越快，呈现出不断加速的势头。
其将人类6000年的文明进程放到了一天的24小时中，得到结果如下：
凌晨 苏美尔人、古埃及人、古代中国人发明了文字
20点前 中国北宋毕昇发明了活字印刷术
22:30 欧洲人发明了蒸汽机
23:15 人类学会了使用电力
23:43 人类发明了通用电子计算机
23:54 人类开始使用互联网
23:57 人类进入移动互联网时代
最后1秒钟，Google的阿尔法狗宣布：人工智能来了！
这就是技术发展在时间维度上的加速度趋势，围棋软件从初学者发展到业余五段水平，用了20到30年时间，本来我们以为人工智能跨越业余于职业水平的鸿沟需要20-30年，结果，短短四五年，我们看到了AlphaGo横空出世。
蒂姆.厄班首先分析了弱人工智能和强人工智能之间存在的巨大技术挑战，转而指出，科技发展的加速度规律可以让强人工智能更早实现，其推理足以让每个读者惊出一身冷汗：“一个人工智能系统花了几十年时间达到了人类脑残智能的水平，而当这个节点发生时候，电脑对于世界的感知大概和一个四岁小孩一般，而在这节点后一个小时，电脑立马推导出了统一广义相对论和量子力学的物理学理论，在在这之后一个半小时，这个强人工智能变成了超人工智能，智能达到了普通人类的17万倍。”
逻辑上，李开复认可蒂姆.厄班有关强人工智能一旦出现，就可能迅速转变为超人工智能的判断，而且，一旦超人工智能出现，人类的命运是难以预料的，比如你对于蚂蚁会做什么，就相当于超人工智能会对人类做什么。
但是，李开复认为人工智能，在一段时间的加速发展后，会遇到某些难以逾越的技术瓶颈，有关计算机芯片性能的摩尔定律，2015年连提出者本人都说：“我猜我可以看见摩尔定律会在大约10年内失效，但这并不是一件令人吃惊的事。”
正如原本受摩尔定律左右的芯片性能发展已遭遇技术瓶颈那样，人工智能在从弱人工智能发展到强人工智能的路上，未必是一帆风顺的，由于基础科学（如物理学和生物学）尚缺乏对人类智慧和意识的精确描述，其间有很大概率存在难以短期内解决的技术难题。
在描述超人工智能以及未来机器对人类的威胁时，包括霍金、马斯克在内的许多人，都在有意无意地混淆不同领域的标准，人工智能可以在围棋棋盘上达到的水平，这很容易衡量，但人工智能可以在跨领域的任务上做到何种程度，目前还缺乏可操作的标准，比如该如何定义一部机器的智商？其可以比人类快一百万倍的速度解决计算问题，那么，这些机器的智商是多少？
今天的AI，至少在以下七个领域还稚嫩得很。
1、跨领域推理：也即举一反三的能力，比如三四岁的小孩就会说“太阳像火炉子一样热”，更不用提东晋才女谢道韫看见白雪纷纷，随口说出“未若柳絮因风起”的千古佳句了。
2、抽象能力：一个小孩子看到第一辆汽车时，他的大脑就会将汽车抽象成一个盒子装在四个轮子上的组合，并将这个抽象后的构型印在脑子里，下次再看到外观差别大的汽车时，小孩子仍可以毫不费力地认出那是一辆汽车，计算机很难做到这一点。
3、知其然、也知其所以然：目前基于深度学习的人工智能技术，经验的成分很多，输入大量数据后，机器自动调整参数，完成深度学习模型，但模型中的参数为什么如此设置，里面蕴含的更深层次的道理等，在很多情况下还较难解释，比如AlphaGo并不知道下的每一步是为什么，只知道下这一步赢棋的概率会高。
4、常识：人的常识，是个极其有趣，又往往只可意会、不可言传的东西，比如，人人都知道两点之间直线最短，走路的时候为了省力气，能走直线是绝不会走弯路的。
5、自我意识：机器只有具备了自我意识，才叫作真的智能。2015年开始播出的科幻剧集《真实的人类》，在那里，机器人被截然分成了两大类：没有自我意识的和有自我意识的，读者有兴趣可以去看下。
6、审美：审美能力同样是人类独有的特征，很难用技术语言解释，也很难被赋予机器，审美能力并非与生俱来，但可以在大量阅读的欣赏的过程中，自然而然地形成，审美缺少量化指标，比如我们很难说这首诗比另一首诗高明百分之多少。
7、情感：欢乐、忧伤、愤怒、讨厌、害怕……每个人都因为这些情感的存在，而变得独特和有存在感，这些，计算机能拥有吗？情感分析技术一直是人工智能领域的一个热点方向，只要有足够的数据，机器就可以从人说的话里，或者从人的面部表情，推测出这个人是高兴还是悲伤，但这基本是弱人工智能力所能及的范畴，并不需要计算机自己具备七情六欲才能实现。
四、人类将如何变革？
我们都想知道，即便人工智能时代没那么早到来，也没有那么容易到来，可是，万一它还是来呢呢？到底会在多大程度上会替代人类？书中同样就此给出了自己的答案。
“以人工智能为驱动的机器将大幅提高人类的工作效率，但无论从哪个角度说，机器都只是人类的工具。”
既然是工具，就不会反噬主人，成为世界的主宰。悲观论者们往往没有看到社会和经济结构的自适应性，线性地将问题看做非黑即白。电灯出现后，蜡烛厂就都倒闭了吗？当然没有，除了应急的需求之外，蜡烛已经从照明功能进化到香薰、艺术等领域，再次找到自己的位置，蓬勃发展了。所以，从宏观角度来讲，人工智能的技术革命，不会引起大范围失业等社会问题。但是对于个人来说，就不一定会这么乐观了。
李开复博士表示，他很赞同MIT实验室负责人伊藤穰一先生的观点，即“宏观角度来看，我们无法否认人们会因“新技术总会导致人们失业”而恐慌，但随着新技术的发展，某些领域又会诞生新的工作。”
当然，这并不意味着我们就完全不用为自己未来的饭碗所担心，长远看来，一些符合“五秒钟准则”的工作，即“一项本来由人从事的工作，如果人可以在5秒钟以内对工作中需要思考和决策的问题做出相应的决定，那么，这项工作就有非常大的可能被人工智能技术全部或部分取代。”
基于“五秒钟准则”，李开复个人预测，从事翻译、新闻报道、助理、保安、销售、客服、交易、会计、司机、家政等工作的人，未来10年将有约90%被人工智能全部或部分取代，如果就全人类的工作进行一个粗略的估计，李开复博士预测：约50%的人类工作会受到人工智能的影响！
五、大时代、大格局
大多数情况下，人工智能并不是一种全新的业务流程或全新的商业模式，而是对现有业务流程、商业模式的根本性改造，AI重在提升效率、而非发明新流程、新业务。未来10年，不仅仅是高科技领域，任何一个企业，如果不尽早为自己的业务流程引入“AI+”的先进思维方式，就很容易处于落后的追随者地位。
科学巨头全面拥抱人工智能，这当然是驱动技术革命的重要力量。但另一方面，科技巨头在人工智能领域的巨大投入也隐隐让专业人士为之担忧，AI时代，数据为王，谷歌等行业巨头坐享地球上最为丰富的大数据资源，利用这些庞大数据资源帮助人类克服挑战、解决问题当然最为理想，但谁又能从法律、道德等层面保证，对这些大数据资源的垄断不会成为行业巨头谋求一己私利的壁垒与工具？
在国际化、资本、互联网趋势等共同作用下，未来的AI将会形成非常强大的平台，美国如谷歌、Facebook，中国如微信、淘宝。这些平台将汇聚、整合原本零碎的内容或应用，并因此改善用户体验，但有理由对集中了大量数据和计算资源的AI平台提出合理的质疑，这些平台特别是联盟的力量将特别强大，体量较小的平台将难以发声，巨头围绕AI建立的平台也缺乏足够的透明性，较难与外界保持有效的沟通。一旦AI平台利益与公众利益不符，在商业上找不到可以制衡的第三方力量。
李开复老师也描绘了人工智能的商业化路线图，大致可以分为三个阶段：
第一阶段，AI会率先在那些在线化程度较高的行业开始应用，在数据端、媒体端实现自动化。互联网和移动互联网已经在许多领域为AI做好了业务流程和数据上的准备，拥有高质量线上大数据的行业会最早进入人工智能时代。
第二阶段，随着感知技术、传感器和机器人技术的发展，AI会延伸到实体世界，并率先在专业领域、行业应用、生产力端实现线下业务的自动化。
第三阶段，当成本技术进一步成熟时，AI会延伸到个人场景，全面自动化的时代终将到来。
而人工智能创业的五个前提条件分别为清晰的领域界限、闭环的自动标注的数据、千万级的数据量、超大规模的计算能力和顶尖的AI科学家。
六、AI时代该如何学习？
很多家长问李开复，“AI时代，孩子到底该学什么，才不至于被机器抢了工作？”，李开复认为，与其讨论让孩子学什么，不如先讨论孩子该怎么学。书中列举了中外两所大学的创新教育理念，其中密涅瓦大学新生一年级的课程尤为让我瞠目：
看过后，只有一个想法：这种反填鸭、反机械的人才培养，什么时候能够普遍到我们劳苦大众身边呢？还好，现在有无处不在的网络，有林林总总的线上教育，只要你想学的，就可以找到途径，拜到师傅。
在学习方法上，李开复老师推荐了7条，分别是：主动挑战极限；从实践中学习；培养创造力和独立解决问题的能力；互动式的在线学习；主动向机器学习；既学习人—人协作，也学习人—机协作；追随兴趣。运用这些方法，拓展新的学习方向，更灵活地应对即将到来的人工智能时代。
在学习方向上，“人工智能时代，程式化的、重复性的、仅靠记忆与练习就可以掌握的技能是最没有价值的技能，几乎一定可以由机器来完成；反之，那些最能体现人的综合素质的技能，例如，人对于复杂系统的综合分析、决策能力，对于艺术和文化的审美能力和创造性思维，由生活经验及文化熏陶产生的直觉、常识，基于人自身的情感与他人互动的能力……这些是人工智能时代最有价值，最值得培养、学习的技能。”
在可预见的未来，人机协作随处可见，人类有大量的空闲时间，或者沉浸在高水准的娱乐内容里，或者追随自己的个人兴趣，或者干脆无所事事，那么，在这样一个人类历史上从未经历过的崭新时代里，人生的意义何在？如何过完一生才最有价值呢？
美剧《西部世界》是如此定义人类的进化和发展的：
1、人类进化的原始动力靠的是自然界对各种进化错误（变异）的选择，优胜劣汰。
2、当代科技发达，人类因变异而得的较低劣的生物特征也会被技术保全下来，进化动力已然失效。
3、因为进化动力失效，人类也就失去了进一步进化的可能，总体上只能停留在目前的水准-人类必须不断思索自己存在的价值，寻找生物特征以外的生命意义。
我觉得，基于生物特征的进化也许要成为过去式，但基于人类自身特点的“进化”才刚刚开始。
《真实的人类》里，合成人曾说：“我不惧怕死亡，这使得我比任何人类更强大。”，而人类则说：“你错了，如果你不惧怕死亡，那你就从未活着，你只是一种存在而已。”
这是人与AI之间另一种质的不同。AI无法像人一样解悟生命的意义和死亡的内涵、AI更无法像人一样因高山流水而逸兴遄飞，因秋风冷雨而怆然泪下，因子孙绕膝而充实温暖，因月上中天而感时伤怀。
如果不想在AI时代失去人生的价值与意义，唯有从现在开始，找到自己的独特之处，拥抱人类的独特价值，成为在情感、性格、素养上都更加全面的人。
李开复老师在书的最后这样激励我们。
历史足迹
传统BI的认知：
大数据的实践：
数据管理的领悟：
《七幅图读懂企业的数据字典》
数据人员的修养：
运营商大数据：
我的读书笔记：
▼
与数据同行
ysjtx_fyp
长按二维码识别，关注此号！