0 給當下的AI技術、行業、創業拉個框架——有關受眾

真正進入AI行業實習前，自己做過tensorflow的一些極度簡單的小項目，刷過一些相關的入門課，但在校期間混的主要還是隔壁的區塊鏈圈子。對AI行業，老實說，真沒有什么整體的把握。

因為好奇看過一些有關AI的書，但是這些書大部分都是從未來層面、社會層面來分析，比如Martin Ford的Rise of the Robots， Nick Bostrom的Superintelligence，等等。都是宏觀有余，微觀不足。雖然不能說宏觀的思維有問題——畢竟有的時候行業內部人士的思維反而有巨大的局限性——不敢想、太悲觀、重逼格，但是沒有行業微觀的支撐，對于我一個可能要在AI領域好好工作&學習的人來說，現在看來是缺乏吸引力和說服力的。

李開復老師這本書，豆瓣評論沒有最高，但是也不低：7.4分（2017年11月28日）。作者作為一個本領域的博士、從業者、創業者，說話足夠讓人信服；寫出來這本書，面向的對象，也是普通大眾，說話也足夠讓人聽得懂。所以拿這本書當作我了解行業的入門、拉框架的開始、research的起點，正適合。但對于已經在AI行業有過經驗的人，可能這本書的內容就有些淺顯了，不過里面總結了諸多較新例子，倒也能讓這本書成為演講、寫文章找案例素材的地方。

1 AI，是什么，怎么做——有關結構

前三章和大部分介紹AI的書一樣，集中探討了AI是什么：從領域上看，人工智能是什么；從幾次浪潮上看，這一波人工智能是什么；以及從人類存在價值的角度看，人工智能是什么。

后三章則是簡單的方法論：各個現有行業該如何應對；創業者該如何把握；學習者該怎么調整。

目前我看的AI的書和報告還太少了，對于本書總體的結構提不出自己的看法和建議。或許在這個行業待了一年以上、廣泛閱讀之后，會更加有全局性的思維吧。先擱置。

2 手劃重點&一些個人觀點

2.1 有關AI的定義

書中提及了大眾對人工智能的幾種主流定義方式：1）AI是超級厲害的科技；2）AI是模擬人腦思考模式的技術（注重AI的過程）；3）AI是模擬人類行為的技術（目的導向型）；4）AI是會學習的程序，等等。

作者提及的Wikipedia上面對AI的定義是比較靠譜的。根據英文版定義（書中是中文版），我簡單劃了下重點：

In computer science AI research is defined as the study of "intelligent agents": any device that perceives its environment and takes actions that maximize its chance of success at some goal. （Wikipedia，accessed 2017-12-03）
(Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2.)

1）intelligent agent/智能主體
2）perceive its environment/觀察其環境
3）take actions/做出行動
4）maximise its chance of success at some goal/成功機會最大化

如果對比AlphaGo Zero，就能看出，它并不需要模仿人的思維方式，人的既定思維模式反而可能把機器帶歪。AI所要做的，僅僅是最優化地完成給定的目標，而非一定要模仿人腦的思考模式（當然人腦的思考模式也是有模仿的價值的，如果模仿人腦是某個問題的最優解那就去模仿人腦）。

書中尤其提及了LeCun等對模擬大腦的批判。不過也要看到，像Vicarious這樣的公司也活得風生水起——Vicarious的核心任務就是讓機器學會像人一樣學習，比如最近他們在Science上針對CAPTCHA發布的RCN算法就極大降低了計算機視覺學習OCR這塊所需要的數據量。畢竟，你教會一個小孩認識字母A，并不需要那么多數據訓練對吧，你讓這個小孩從認識正常的A到認識扭曲的A，也并不需要推倒重來對吧。

所以，一切尚未定論，正是百家爭鳴的時候呢，不要限制了自己的想象力 : )

2.2 當下AI的局限

按照書中對于AI的劃分，當下的AI只是初階的weak AI（weak AI - strong AI - super-intelligence），其特點就是，AI解決的問題只是細分領域的，說白了只是工具而已。這也是為什么現在很多業內人士，一被外行人士問到AI會不會取代人類，他們都一臉不耐煩加不屑地說：你們想太多了！

不管是在國外念書期間，還是在國內實習期間，參加過很多AI的行業會議，這個問題基本上是臺上嘉賓必會被問到的問題。不過作為一個耿直且剛剛入行沒啥顧忌的人，我還是發表下我對這些業內人士如此說法的看法：

• 不論專家怎么說AI不會取代人，你都要清楚，他們只是在說弱AI不會取代人而已，你要知道他們首先就把大眾眼中AI的概念替換成了行業內現有水平的AI，也就是弱AI。他們沒有騙你，弱AI，比如AlphaGO，比如智能駕駛，他們只是一個領域的權威而已，他們只是一個極致的工具而已，當然無法取代一個具有多項領域技能的人。但是，他們取代一個領域的一些工作者是夠的。所以，弱AI無法取代作為一個人的你，沒毛病；但是弱AI能取代特定行業里濫竽充數甚至努力了也沒用的你，也沒毛病。不過會議上發言，大家當然都說前者，不然被打醫藥費你報銷？
• 弱AI的現狀，就是工具；工具，就是取代一些低級、中級、甚至中高級的勞動者，讓這個領域高級的勞動者干活更好更快。所以這些AI公司——也就是這些高級勞動者的技術/硬件供應商，怎么可能和甲方人員說：雖然我現在取代不了你，未來很長一段時間可能也取代不了你，但是我們發展的目標始終都是接近你最后超過你。所以，會議上廠商的發言，永遠都是：“我們是共贏的，你們放心”。他們說的沒有錯，當下是共贏，未來是逼近和超越。但是，作為乙方要低調嘛，誰給你錢你給誰臉不是，沒錢怎么搞技術呢。
• 行業人士總是有局限性的，他們的行業知識、流派、過往發言、手頭項目，限制了他們的想象力和發言內容。這個不怪他們，任何行業都需要謙虛低調。先往低了說，然后搞個大新聞大突破，大家都佩服。一開口就放厥詞，然后十年沒動靜，可能中間光唾沫星子就能淹死TA。
• 媒體、公眾、科幻作家則都是更激進更敢想的。行業外人士的想象力總是很豐富，而且經常就能命中下一個發展，瞎貓碰到死耗子在大基數下是個接近必然的事情。我覺得也沒啥不好，反正行業人士也總愛“教育”媒體和公眾：你們誤解了AI不要捧殺我們云云（痛心疾首老教授臉），媒體和公眾也愛“反擊”：你們這幫陽春白雪的人有本事就多出來科普啊。世界和知識總是在交鋒中進步呀，沒啥不好。
• 至于強AI和super-intelligence能不能達到，這個天知道了。不過這個是所有從業者的共同目標不會錯。

現在再看一下李開復老師在書中總結的5點AI做不到的：

• 跨領域推理/transfer learning
• abstract/抽象機制：比如極限、復數、張量
• 知其然，更要知其所以然，不能是黑匣子
• common sense：比如應用到無人駕駛領域，該怎么做
• 自我意識
• 審美

可以看到，針對每一個弱AI當下的弱點，都有無數公司和高校團隊在研究。所以當然在這一秒，弱AI無法取代人，TA有各種連三歲小孩都比不過的劣勢，但是也就僅僅在當下這一秒而已。任何一個有視野的人，都應該清楚地提醒自己：保持和這個世界接軌，保持思維的新鮮度，保持開放和懷疑的精神，在每一秒。

2.3 新工種？新場景？

書中說，從18世紀至今，人類經歷了三次工業革命，分別實現了自動化（紡織機、蒸汽機）；電氣化（電、內燃機）；信息化（信息技術）。

因此對于AI取代人類工種，是否會造成大量失業，本書和其他很多書以及業內人士一樣，都是認為：根據以往幾次工業革命的經驗，每次新技術的革新，都會讓很多職業消失，但是又會創造出更多的職業。

嗯...... 我當然也是希望這次工業革命也是這樣的，但是免不了還是要懷疑一下，作為一個在學校修過工業革命、進化論、哲學史的人。“羅素的火雞”，或者說黑天鵝，或者說休謨的懷疑論，都是很能針對這個命題提出合理質疑。舉個最簡單的黑天鵝的例子：你每次看到的都是白天鵝，所以天鵝一定都是白的，這結論有意思嗎？你只能說，我們作為人，要生活，要實際，就假定天鵝都是白的比較適合我們碳基生物而已，你不能說天鵝100%就是白的。

況且白天鵝的數量可是比工業革命的多多了。過去統共才三次工業革命，他們的共性足夠代表一個合理的歸納嗎？我覺得很有問題吧。

而且，弱AI之所以能被稱為AI，就是TA們在某一領域的技能已經超越了人類的平均水平。書中舉例的卡車司機還是什么司機轉型按摩師，我也是十分懷疑。高水平個性化自動按摩難還是自動駕駛難？我還是蠻有疑問的。況且有了按摩機器人之后，按摩的場景還是原來的場景嗎？如果現在看按摩師的一個附加價值是和客人的溝通，那么有了精準按摩機器之后，可能新的按摩場景中，客戶可以利用這段時間睡個覺、上網、和家人通話、談戀愛、隨便干啥啥。因為從前有個按摩師外人在，很多私密的事情都是不方便做的，新場景下按摩師的人性溝通，可能就是個偽需求，或者至少是個非必要需求，畢竟來按摩的人，就是來按摩的；來理發的就是來理發的。閉上嘴專心業務的小哥哥小姐姐們才是我們的最愛。所以，我真的對書中這個例子持90%的懷疑態度。

當然，必須要肯定的是，這輪新的科技革命浪潮，一定會帶來新的工種，但是準入門檻一定很高：要么技術頂尖、要么商業思維頂尖、要么與人溝通頂尖、最好是技術+商業+與人溝通技能都均衡發展。所以拿這些位置給卡車司機，我是覺得挺難的。一些門檻低的過渡工種一定會存在，但是悖論就是，只要門檻低，對機器的門檻就更低，一定會有公司研發垂直領域的機器人或者算法把這個過渡工種給替代掉。

那么藝術與思辨呢？這個是真的挺難被替代的，因為藝術講的就是稀缺，思辨需要各個方面閱歷的積累。不過這一塊本身就是因為人少，才導致稀缺、價值高，故而也提供不了什么職位空缺，一般人年輕人轉行想成為大師也不用太考慮了，大師就那么些，且功利性的轉行本身就和文創的理想主義、燃燒熱情的畫風差太遠，真的不約。

濫竽充數的藝術家倒是該自危一下，其實藝術文創領域里，除了頭部有真才實學+天賦+勤奮的人，其他人（中下層）是很容易被替代掉的，混過CCI的都知道吧... 只不過國內CCI的市場成長很快，所以近年來看，我覺得還是個值得關注和投入的市場。

2.4 AI浪潮下，如何將職業和個人當做產品來管理

書中列舉了幾個AI能夠應用且已經開始深入應用的類別：自動駕駛、金融科技、智慧生活、智慧醫療、藝術創作。不僅上述提到的這些，只要是機械化、有固定規則、依托大量數據的工種，AI都有解法。

經常和朋友感嘆我們何其幸運，生在這樣一個巨變的時代。我們一年所經歷的時代變遷，放在過去可能抵得上十年百年，作為觀眾的參與者，簡直是心花怒放。但是對于另外一些人，尤其是心理年齡如我們的父母輩但是實際年齡和我一樣是90后的人來說，可能這對他們來說并不是一件好事。

不論是國內還是國外的教育，從本質上說，都是大課教育——并非因材施教，也都是傳統教育——基于工業革命帶來的社會分工要求。這就造成了每個人學一樣的東西，并且每個人都學細分領域的事情。

雖然近年跨學科春風吹滿地，我念的master也是大寫加粗的宣傳自己的interdisciplinarity，可是學科建設、知識、師資本身就是有點落伍，即使是10個有點落伍的學科疊加，也只是10個有點落伍的混搭。真正最快速學東西——尤其是高科技行業——還是要靠實習、深入行業。

現在高校的一個很嚴重的問題，就是教的東西，網上都有，我隨便找一下udacity，coursera，futurelearn，lynda甚至youtube，都能馬上自己學好。一個學期的內容，自己學可能一個月就能學完；而且學校的老師幾乎肯定是沒有網上公開課的老師厲害，也沒有他們準備的充分。所以學校真的不能怪我們逃課，大家都是用腳投票而已。

書中列舉的密涅瓦大學的課表就很有參考價值，至少是我喜歡的。一年級的課表摘錄如下：

• 形式分析
  • 高級邏輯
  • 理性思維
  • 統計分析
  • 計算思維
  • 形式統計
• 實證分析
  • 有效定義實際問題
  • 測試和驗證猜想
• 多元模式交流
  • 高級知識理解和獲取
  • 公開演講
  • 視覺語言交流
  • 設計
  • 辯論
  • 藝術表達
• 復雜系統
  • 理解復雜因果關系
  • 學習多遠交互
  • 項目協調
  • 談判
  • 領導力
  • 正式辯論

這本書對于自身學習給了6個原則，我認為也挺有參考價值：

• 挑戰極限：我認為就是離開舒適區，這個的重要性不言而喻。
• 在實踐中學習：自我MVP，自我迭代。做了才能迭代，不然就是yy。
• 啟發式教育（創造力&解決問題的能力）：碳基生物目前的優勢也就是創造力和提供解決問題思路的能力了。
• 互動式的在線學習將愈來愈重要：上面已經提及，mooc是高校生的主要課堂。
• 主動向機器學習：參見阿爾法狗，棋手向機器學。
• 既學習人—人協作，也學習人—機協作：未來不會人機協作，就像現在不會說英語。

我總結歸納一下，核心就是：保證自己也跟著時代變就行了，隨時給自己的職業和自己提需求，不斷迭代。

2.5 AI創業

身在大公司的創業型團隊，我也經常反思我自己的認知。讀創業這一章，確實收獲很大，李開復老師不愧是老司機。故直接摘錄一下本書中有關這一方面的重點：

• 【提高現有效率而非發明新的流程】“大多數情況下，人工智能并不是一種全新的業務流程或全新的商業模式，而是對現有業務流程、商業模式的根本性改造。AI重在提升效率，而非發明新流程、新業務。”
• 【AI創業的五大基石】
  • 清晰的領域界限（不要什么都做，專注細分功能）
  • 閉環的自動標注的數據
  • 超大計算能力
  • 千萬級的數據量
  • 頂尖的AI科學家
• 【AI領域的6大挑戰】
  • “前沿科研與產業實踐尚未緊密銜接”：技術怎樣過渡到業務？要深入行業
  • “人才缺口巨大，人才結構失衡”
  • “數據孤島化和碎片化問題明顯”：區塊鏈倒是有可能很好地解決這一問題
  • “可復用和標準化的技術框架、平臺、工具、服務尚未成熟”：最近Amazon已經在努力了，參見Amazon Cloud 9
  • “創業難度相對較高”：人才貴、科學家沒有商業嗅覺和思維、設備貴、高質量數據難找等等

3 微信公號絕對是個重要的文獻庫——參考文獻 & 順藤摸瓜

很有意思，開始以為本書參考文獻一定是各種英文文獻，沒想到居然很多都是微信公眾號文章。不過想了一下，很合理，我自己平時查找資料、觀點，也一定是搜知乎和微信，一個側面反映了信息分發陣地的轉移。

幾個AI領域值得關注的公眾號：機器之心、AI科技評論、新智元、量子位、創新工場。