AI军队已经诞生，你如何看待未来人工智能？

以下根据吴霁虹老师2020年8月15日在高山大学、GMIC以及腾讯公益基金会联合出品的“科学公益直播”的课程整理而成，经老师审核后公开发布。
※全文4523字丨5分钟阅读※整理丨邱施运※编辑丨朱珍 
授课老师：吴霁虹，北京大学访问教授，AI Business Lab创始人。

吴霁虹

扫码回看课程视频👇

---

直觉决策的局限与突破

每个人都有直觉。而直觉一直是管理或投资人赖以判断、决策的主要方式。

比如孙正义，通过6分钟交谈，就决定投资马云2000万，阿里巴巴最终赚了多少？7000多倍。
彼得蒂尔，Facebook最早的天使投资人之一，在没人认为它会做成一个伟业的当时，凭着直觉投资了50万美元，最后收获10亿美元。
硅谷的大卫切瑞登教授，给谷歌创始人佩奇和布林讲的算法投资了10万美元，最终也是收获了10亿美元。
腾讯的第一个投资人——刘晓松，当年50万的投资占了腾讯20%的股份，直觉超级好，闷声发大财。
这些人，都有超越常人的直觉。生活中，人们往往也非常崇拜那些能靠直觉做出明智决策的人。

事实上，靠直觉做决策是人类最古老的本能之一，在复杂的情况下，跳过逻辑的分析，直接给出结论。但直觉思维建立于只可意会、不可言传的内在知识和经验，很难百发百中。

众所周知，商业决策或管理的最高境界是做正确的事，并把事做正确。这需要将战略决策、管理和评估做到一个有效的闭环。而这一点，大多数人是没有办法靠直觉做到的。

因为直觉明智的人凤毛麟角，而这些凤毛麟角的人的智慧或能力，又没有办法被其他人完全复制。

但直到人工智能到来，这个复制就有了可能。

人工智能，是模拟、延伸及扩展人的智能的一门新兴科学技术。

前几年，香港一家风投公司DKV，聘请了一个AI董事——它是一个英国公司研发出来的投资系统，经过大数据的机器学习后，能在毫秒中分析、判断及决策那些无法被人类分析师捕捉到的趋势，确保投资决策正确，即投资的钱不打水漂。

换句话说，这等于把人平时复杂而直觉的投资决策，人工智能化了。反过来，这也可以看作强大的计算机有了直觉，因为决策是在毫秒内产生的。

除了决策本身，AI董事也颠覆了投资管理的流程。正常的流程中一旦涉及到AI董事的专属领域（比如老年医疗），若AI董事没有发言，其他的人类董事是不会做决策的。某程度上，AI董事像是一个董事会主席。

在整个决策过程中，AI董事的权利主要有同等投票权、先AI预判断、后人类评估、整合下结论、专业优先权。

至今，DKV公司在AI董事的帮助下，完成了很多项优质的投资项目。这是一个典型的AI决策案例。

为什么AI决策比人做得好？根本原因，来自于人类的两大局限。

1. 感知局限

大数据时代，我们日常面对的99%信息都是噪音，而我们感知有限，无法辨识当中的复杂与不确定性。这就导致了我们重复犯错，而且犯错率挺高；另外，犯错成本很高，纠错时间也很长。

2. 认知局限

人脑认知也存在局限。认知局限导致我们看不见、弄不明海量数据中的各种复杂风险、巨大潜力。即使是顶尖专家，也经常会犯错误。

人的认知，一般可以分解成一个7步的流程——感知、传输，存储、处理、决策，再传输，然后执行。

虽然有7步，但其实也都是毫秒间产生的，也就是我们的直觉。当直觉不断循环运作，我们的认知也得到了强化，我们就获得了智慧和能力。而AI在这7步的基础上，每一步都超越了人类。

在感知上，我们现在有语音和图像识别；
在传输上，我们从2G到了5G；
在执行上，我们有智能手机、计算机器人、机器手以及各种智能穿戴设备，赋能我们更强大的感知。 
另外，在存储、处理和决策上——这也是AI技术最关键的——越来越强大的AI算法、机器学习、数字训练等等，也不断训练着AI机器进行思考和判断。

随着这7步的突破，AI智能在重复劳动、标准流程、复杂分析等方面的决策，已经做得远远比人类更好、更高效了。

总的来说，在传统人类社会，好的决策必须依靠人的直觉以及有限的5感、知识和经验；而人工智能的决策更能依赖AI的算法、算力，以及无限的数据和信息。

AI决策以前的三次浪潮

AI能决策，是人类过去的梦想。而今天能圆梦，实际经过了三次浪潮。

第一次浪潮，是AI的萌芽期。

人们发明了很多算法，比如1955年的启发式的编程（后来成了专家系统的基础），1957年的感知算法（今天演变成人工智能神经网络和深度学习的工具）或1960年的隐马尔科夫模型算法（成就了今天的语音和图像识别）。但那时的技术还不成熟，无法解决实际问题。

第二次浪潮，专家系统开始发展起来，可以解决一些特定问题。

比如1979年，第一个医疗诊断机器智能系统创立，20年内，被北美、北欧2/3的医疗公司广泛使用。不过这时的AI应用仍然非常局限，离梦尚远。

第三次浪潮，AI思维机器发生大突变。

约2005年到今天，机器学习、深度学习，模仿人脑的神经网络学习等技术有了系统性突破，而这一次，它的目标直指人类不能做，或做得不够高效、不够方便、不够高质的事情——当然这就包括了决策与管理。

不过在今天，AI决策仍然是非常新鲜的概念，以至于绝大部分的商学院还来不及教授任何AI决策的管理内容。从直觉到AI决策，人类走了600年，到今天还在渐进中。

当前，AI赋能决策最前沿的体现可以用以下几个案例来说明。

AlphaGo打败了李世石

2016年3月，人工智能AlphaGo打败了世界冠军李世石。AlphaGo像一个足智多谋的决策者，全面学习了人类史上的所有棋局，除了能从中挑出最优的选择，经过自我学习后，还能延展出人类没有下过的棋。

所以，这意味着AI在决策上，能比人类看得更宽、更远，并且更精准地运算出获胜路径。

AI“军队”

2018年，一个名为决斗式的AI诞生，在未来的战场上，可以代替人类进行虚拟现实下的远程自动操作，比如跨越各种战火障碍、提供无人勘查、监视、搜索等任务。

另外，美国国防部也研究出了阿尔法人工智能战机，可以靠遥控操作，摧毁任何锁定的目标，同时预测特定环境下的威胁，并自行应变。

更为抢眼的是，它已经战胜了人类最高级别的战斗机飞行员，并指挥无人机及舰队群进行有效攻击，同时兼具战斗力、反应力与领导力。

据悉，2030年开始，阿尔法会成为空军主力，换言之，人类不再需要上空战场，几乎匪夷所思。

人工智能带来的认知革命引起了世界关注，有好的惊叹，也不乏不好的质疑。

前段时间一些大咖都在说，AI以后将对人类形成巨大威胁。但至今科学上，还不能下这样的结论。

支持AI决策的4大能力

AI决策的背后，需要什么样的能力作为支持？

首先，是算法。

算法有初级也有高级。世界上最简单的算法是1+1=2。算法的根本作用在于“仿真”，构建一个运作系统，让它和真实世界相似，以此解决问题。

从某一种角度上来讲，算法就是大脑。

目前，世界上公开、最值钱的算法，是谷歌的搜索引擎，价值6000多亿美元。

第二，是数据。

数据是在万物互联以后，来自于四方八面、不同维度的信息。这些信息需要进行处理、分类，把价值挖掘出来，否则它只是噪音。

第三，是知识。

支持决策，是需要知识的。而这些知识来自于人类文明由古至今沉淀下来的各种学科和专业。这些知识可以转化为信息，再与海量数据进行融合，让人工智能去学习。 

第四，是计算力。

5G以后，人、事、物等信息都是畅通的，需要极复杂、超容量、高品质及无延迟的超强计算能力。

有了这几个能力，AI决策也就有了基础。

但如今AI决策最大的难题，在于算法人才。让机器进行思考、判断、推理，都需要靠人才构建算法。构建算法，像构建大脑和世界一样，需要极大的创造力和想象力。

算法人才的缺乏，不仅是中国的瓶颈，也是全球的瓶颈。南京大学周志华教授曾说，“一个AI算法，就可以做出一个产业。”。

AI决策在商业上的更多应用

多年来，对上千个企业或管理者，我经常问一个问题——假设你的公司今天值1亿，未来从1个亿增长到10个亿的道路上，你觉得可能受多少因素影响？

至今我收到的答案，90%以上不超过20个；当中一群人凭着集思广益，最多达到50多个。

我的AI商业实验室，现在可以做到800个以上的因素模型，而这800个模型，可以映射到18,000个向量空间。

实验室的另一项研究成果，是AIAlphaCo™。它只需要三张财务报表，不超过一秒钟就可以分析出很多风险场景，精准率可以达到75%。

相比之下，据伦敦科学家研究，世界四大会计师事务所的顶尖专家，在同样事项上的准确率只有42%，而一般财务专家在6%-24%。换言之，在风控判断上，AI比人类专家更快、更准。

为什么差距这么大？追根究底，还是因为人的感知、认知局限。

现实中，真正影响风险的数据量近乎无限，判断依据越少，决策盲区就越大，而AIAlphaCo™系统能消除的盲区超过10⁸²（全宇宙原子的总量），并能够在这种量级的数据里，捕捉各种变量与变量之间的因果关系和路径。 

除此之外，亚马逊无人商店也是一个AI决策案例，不过涉及的是一个非常小的场景。三个动作就完成了：进去、拿起、出来刷交易。

另外还有今日头条。在了解你的习性、兴趣以后，能给你推荐内容——今日头条给我推送的广告，我几乎都会打开，可见它对我的判断多精准、高级。

不过这种AI决策，跟前面涉及需要做判断的AI决策不同，更多是对人们需求进行匹配。

结语

AI虽然强大，但并非万能。

事实上，人工智能没有意识、没有情感、没有创造性，只是按人类创造的算法办事。人类的愿景、使命、价值观、精神等等，是AI无法取代的；而这些也是战略决策的核心。

因此，人类与AI有天然的协作的契机。在未来，人对AI技术的掌握，将决定自身的能力——人类，会因为AI的存在，分化成两类：泛人类，以及新人类。说白了，新人类就是被AI充分赋能（去实现人文关怀）的人群。

当然，这一刻的AI决策仍处于起步阶段，还需要非常多的实践和积累。

Q&A

No. 1

未来的人机关系，会达到怎样一个理想的状态？

人机关系的理想状态，每个人有不同的理解。

就我而言，人机最融洽的关系，在于“我们驾驭机器，而机器赋能我们”。机器为我的意志干活。比如我主张“利他则利己”，我希望AI替我执行这样的价值。

其次，人机和谐也建立在共同学习的基础上。机器每天在学习，作为人类，必须跟上脚步，持续学习；否则哪一天机器的进步，自己驾驭不了了，人就退化了。

再来，人机关系讲求分工，对机器不能过于依赖。机器的本质意义，是帮人类把事情做得更好、更快， 从而省下更多的时间和精力，去做生活中其他重要、富于创造性的事或爱好。 

No. 2

在中国，隐私保护还做得比较差，数据很容易拿到。这一点是否有利于中国在AI的进展？

这个提问其实带着一个前提——好的AI，必须拿取这些数据。其实不然。

真正牛的AI的崛起，不是依靠于捉取个人资料。比如我们实验室的小伙伴跟别人拿了不必要的电话号码，对于系统来说，反而是噪音。好的AI，要的是知识、经验的转化。

提问所预设的的那类AI，是以某一类数据为基础而建立的，但一旦碰到另外一类数据和场景，基本是无能的。而我们现在谈的AI，是要仿真世界，所以更需要的是世界的本质、知识、运作规律，去构筑算法。

不过，虽然数据不是最大关键，但有数据，AI会锦上添花。像吃粮食一样，AI透过这些数据，会更聪明、更精准。

---

“现在，西方原本最接近理性的美国政治体制，居然沦入如此困境！中国将来的途径应是如何？我愿意在检讨美国历史之时，向台海两岸的中国人，一抒个人的感想。”

2020年8-10月，台湾“中央研究院”院士，美国匹兹堡大学荣休教授许倬云先生将在高山大学作“十日谈”，将他一生积累的广博阅历、炉火纯青的智慧与融会贯通的知识提炼给大家。

欢迎点击图片，了解更多。

---

推荐阅读

1
2
3
4
5

高山大学2021级招生正式启动，点击阅读原文，加入高山大学，与全球科学家一起探索科学的乐趣。