人工智能概念的提出已經(jīng)62年，如今終于到了茶余飯后常談?wù)摗?chuàng)業(yè)融資遍地開花的時候，吳軍老師的《智能時代》出版于人工智能的突破轉(zhuǎn)折年——2016年，就在AlphaGo打敗李世石的那一年，這真的是一本有理論有案例有邏輯有溫度的好書，值得分析式細讀。
作者吳軍老師是我在“得到”APP第一個付費訂閱的老師，曾經(jīng)是Google中日韓文搜索算法的主要設(shè)計者，原騰訊副總裁，著有《數(shù)學之美》、《浪潮之巔》和《文明之光》，現(xiàn)在是硅谷風險投資人。我對他的認識源于在他在得到APP開設(shè)的付費欄目”硅谷來信”，從硅谷資訊到Google前沿，從商業(yè)到科學、從歷史到人文，從精神導(dǎo)師到人生智慧，從讀書到旅行，從人性到愛情，無所不談，總覺得他就是當代成功跨界且靈魂自由的人，平實易懂的語言風格又覺得他就是個勤勞的高情商學霸。
《智能時代》談了些什么？
全書7個章節(jié)講述大數(shù)據(jù)發(fā)展的歷史、對社會方方面面的作用，機器智能的原理及發(fā)展歷程，近代以來人類思維模式的變革，大數(shù)據(jù)與商業(yè)的關(guān)系，未來智能社會各行各業(yè)的形態(tài)、以及可能帶來的憂患。
此書出版分類是經(jīng)濟讀物，我更愿意把它看成一本科普書，始終貫穿著科學的發(fā)展史，產(chǎn)業(yè)革命的變革史。看完整本書，從宏觀上我了解了技術(shù)革命，對社會變革的影響，微觀上我了解了谷歌，微軟等一系列的公司的變遷，商業(yè)模式，產(chǎn)品形態(tài)的變遷。
什么是大數(shù)據(jù)、人工智能？
只要是能夠被記錄的，不論存在于互聯(lián)網(wǎng)或者現(xiàn)實生活中，不論是UGC（用戶產(chǎn)生的內(nèi)容）還是專業(yè)資料庫，不論是文字還是圖像，不論真的假的，都是數(shù)據(jù)，吳軍老師提到數(shù)據(jù)是人類文明的基石，并且用大量文明發(fā)展史論據(jù)做了證明。
要得到數(shù)據(jù)所透露的信息，就必須要找出數(shù)據(jù)的相關(guān)性，要找到相關(guān)性的，必須要用的到的就是統(tǒng)計學和數(shù)據(jù)模型，其實就是赫拉利提過的算法。讓計算機利用算法大數(shù)據(jù)，就是人工智能。
人工智能的第一次提出是麥卡賽、明斯基為首的一批有遠見卓識的年輕科學家在1956年達特茅斯夏季人工會議上提出的。之后的二十幾年，幾乎沒有什么進展，直到20世紀70年代，IBM公司因為營業(yè)額過高，而被司法部進行反壟斷調(diào)查，所以IBM的發(fā)展方向從去搶占市場份額轉(zhuǎn)變到考慮如何讓計算機變得聰明。
當時負責這個項目的尼里克就開始研究，和他的同事在研究語音識別的時候，無意中開創(chuàng)了一種采用統(tǒng)計學的方法解決智能問題的途徑使用，因為這種方法需要使用大量的數(shù)據(jù)，所以成為數(shù)據(jù)驅(qū)動的方法。一開始呢，他們研究人工智能是研究的語音識別和翻譯，因為互聯(lián)網(wǎng)沒出現(xiàn)的時候，那個數(shù)據(jù)不夠多，所以發(fā)展比較慢。到了20世紀90年代，互聯(lián)網(wǎng)興起之后，數(shù)據(jù)的獲得變得非常容易，所以數(shù)據(jù)的量變導(dǎo)致質(zhì)變。其中一個大的突破是從2005年2月份，NIST（美國國家標準與技術(shù)研究所）組織了一個測評，就針對計算機翻譯，機器翻譯這個領(lǐng)域的測評，谷歌比其他團隊領(lǐng)先了一大截。谷歌當時負責翻譯這一塊兒的是一個叫做奧克的博士。他是當時計算機翻譯領(lǐng)域最最牛的專家，其實他的方法跟其他研究機構(gòu)都差不多，但是它主要的區(qū)別就在于他用了大量的數(shù)據(jù)，建立了一個模型，才產(chǎn)生了量變到質(zhì)變的飛躍。
從此以后，數(shù)據(jù)驅(qū)動的方法從70年代開始起步，然后21世紀由于互聯(lián)網(wǎng)的出現(xiàn)的數(shù)據(jù)量劇增，數(shù)據(jù)驅(qū)動的方法也越來越明顯，于是乎出現(xiàn)了大數(shù)據(jù)概念。
而真正定義機器智能的人是圖靈，著名的圖靈測試：一個裁判，同時坐在一個電腦和一個人的面前進行交流，如果這裁判無法辨別跟他交流的是人還是計算機，那么就證明這個計算機是具備人工智能的，計算機的奠基人，圖靈。
近代的兩次思維革命
作者提到思維是人類總結(jié)出的最重要的思維方式，也是現(xiàn)代文明的基礎(chǔ)，那機械思維的形成可以追溯到古希臘，最具代表的是歐幾里得的幾何學和托勒密的地心說。這些思維是從歐幾里得開始的，迪卡爾一直到牛頓，牛頓的方法被概括為機械思維，它的核心思想的可以概括為三句話，第一世界改變的規(guī)律是確定的，第二，因為是確定的，所以可以用簡單的公式或者語言描述清楚，第三，這些規(guī)律應(yīng)該是放之四海而皆準的。也就是先有一個確定性，然后就是因果關(guān)系，遵循分析，找到原因，根據(jù)原因得到結(jié)果的思維方式。比如青霉素的發(fā)現(xiàn)。讀到這里的時候我想起李善友老師也曾講過牛頓的機械論，還有家庭鎮(zhèn)寶之書《歐幾里得》，雖然讀不懂，但拿來裝X還是很有威懾力的。
隨著我們對世界認知的越來越細之后，我們發(fā)現(xiàn)有很多問題都是不確定的，由于不確定性，我們無法按照機械論的方法思維去思考。因為沒有規(guī)律，通常用概率模型表示，在此基礎(chǔ)上，香農(nóng)博士建立起一套完整的理論，將世界的不確定性和信息聯(lián)系了起來，就是信息論。
信息論完全建立在不確定性的基礎(chǔ)上，要消除這種不確定性，就要引入信息，要引入多少信息，就要看系統(tǒng)中的不確定性有多大，這種思路成為信息時代做事的根本方法。作者舉了一個例子，就說互聯(lián)網(wǎng)廣告投放，比如說搜索類的廣告，因為它的確定性比較大，所以它的價格就貴。
香農(nóng)提出的第一定律和第二定律，它是信息時代的最基本定律，其作用堪比牛頓的力學定律。第一定律講的是對于信號源發(fā)出的信息，設(shè)計一種編碼，編碼的平均長度一定大于信息源的信息熵。舉個例子，就比如說編碼漢字用的多的漢子，那就編碼001，生僻的漢字，作為123455，那編碼的平均長度了以后一定會超過他的不確定性，別說平均長度是一二三四，也就是信息熵（不確定性）。香農(nóng)第二定律，通俗的講就是信息的傳遞速率不可能超過信息的容量。比如說互聯(lián)網(wǎng)發(fā)展過程當中，只有信息通道容量增加了，傳輸?shù)乃俾什拍苌先ィ覀儾拍軓拈喿x文字看的圖片，看了視頻再到高清視頻。
所以，為了確定不確定性，作者用信息去表示不確定型，然后用數(shù)據(jù)去表示信息！ 大數(shù)據(jù)的本質(zhì)就是用信息現(xiàn)消除不確定性。過去是機械思維的方法論，現(xiàn)在是數(shù)據(jù)思維，過去找因果關(guān)系，現(xiàn)在找相關(guān)性。
大數(shù)據(jù)怎么改變商業(yè)？
在大數(shù)據(jù)的第一作用主要體現(xiàn)在相關(guān)性，時效性和個性化等，比如說谷歌和Netflix結(jié)合用戶場景進行關(guān)鍵詞推薦和影片推薦。大數(shù)據(jù)中一定可以找到找規(guī)律，比如稅務(wù)部門從稅收大數(shù)據(jù)可以檢查出偷稅漏稅的行為，司法部門可以從居住大數(shù)據(jù)中發(fā)現(xiàn)毒品藏匿地點，還有吳軍老師在谷歌利用大數(shù)據(jù)研究搜索方法等。
其次，大數(shù)據(jù)具備完備性，可以解決統(tǒng)計學采樣的問題，樣本可以等于全集。作者舉了例子他在谷歌的時候用窮舉法去設(shè)置網(wǎng)絡(luò)關(guān)鍵詞，利用詞干設(shè)置單詞的不同形式。
再次，大數(shù)據(jù)還可以把控每一個細節(jié)，比如奢侈品品牌Prada在標簽植入芯片分析用戶行為數(shù)據(jù)的細節(jié)。
作者將歷史上一項技術(shù)帶動整個社會變革的事情概括為遵循一個模式，新技術(shù)+原有產(chǎn)業(yè)=新產(chǎn)業(yè)：蒸汽機時代，現(xiàn)有產(chǎn)業(yè)+蒸汽機=新產(chǎn)業(yè)；電氣時代，現(xiàn)有產(chǎn)業(yè)+電=新產(chǎn)業(yè)；信息時代，現(xiàn)有產(chǎn)業(yè)+大數(shù)據(jù)=新產(chǎn)業(yè)，現(xiàn)有產(chǎn)業(yè)+機器智能=新產(chǎn)業(yè)。舉個例子，第二次工業(yè)革命電的使用使得傳統(tǒng)傳媒業(yè)和通訊業(yè)興起，使得就是商業(yè)模式變成了打品牌，打廣告等等。信息時代的商業(yè)模式從原來的靠產(chǎn)品掙錢，轉(zhuǎn)變到用IT服務(wù)賺錢，原來制造設(shè)備的IBM， 諾基亞逐漸沒落，微軟谷歌等軟件服務(wù)等軟件服務(wù)公司興起，服務(wù)業(yè)最重要性就凸現(xiàn)出來。
不管現(xiàn)有產(chǎn)業(yè)加什么，現(xiàn)代人類社會的發(fā)展終究是科技的發(fā)展，計算機網(wǎng)絡(luò)的出現(xiàn)改變了各行各業(yè)，在過去半個多世紀里，摩爾定律的應(yīng)用把我們帶到了如今的數(shù)字化世界。
大數(shù)據(jù)和智能革命存在較多技術(shù)挑戰(zhàn)
前面已經(jīng)講過數(shù)據(jù)的來源，再提煉一下：第一來源于電腦，其實就是電腦的生活軌跡，比如說電腦的運行日志等。第二來源是傳感器，就是基于一個芯片收集的數(shù)據(jù)，比如攝像頭，各種定位器等等。第三來源就是過去，沒有被數(shù)字化存儲的那些信息圖書，檔案等。還有就是這個互聯(lián)網(wǎng)時代的UGC。在這個過程中，信息的存儲，傳輸，處理，在當今技術(shù)下還是有很多很多困難的：
第一就是數(shù)據(jù)的收集的困難，谷歌等等一些大公司在獲取這個用戶手冊收集數(shù)據(jù)的時候，有時候要拐好幾個彎曲線救國，比如借助什么游戲機啦，或者是互聯(lián)網(wǎng)機頂盒之類的設(shè)備獲取用戶數(shù)據(jù)。
第二是數(shù)據(jù)存儲的難度，因為數(shù)據(jù)的增長速度已經(jīng)是遠遠的高于存儲設(shè)備的發(fā)展速度，甚至會高于摩爾定律的增長速度，所以數(shù)據(jù)的存儲是具有相當大的難度，不僅需要考慮數(shù)據(jù)存儲節(jié)省空間，而且還需要考慮數(shù)據(jù)怎么樣便于使用。因為大數(shù)據(jù)的體量大，維度多，所以也就導(dǎo)致大數(shù)據(jù)的使用挖掘也同樣具有很大的難度，比如在過去的數(shù)據(jù)當中，要找到一個最大值是很容易的，但是在如今互聯(lián)網(wǎng)時代，如果要快速的找到電商行業(yè)銷量最好的產(chǎn)品，采用上千倍的處理器，也不可能是幾十秒內(nèi)完成的事情。
可以說，基礎(chǔ)設(shè)施決定上層發(fā)展，個人想起當年做經(jīng)營分析的時候，從35萬終端銷售數(shù)據(jù)中去尋銷量最高，且價格合適，且去除溢價最大被套利等因素等，通常因為excel的死機而崩潰，內(nèi)心煎熬又無力吐槽…繁雜的大數(shù)據(jù)處理，就像沙子中淘金一樣……所以理解了Google每天都有四成工程師在處理數(shù)據(jù)！確實需要更加完備的設(shè)備和智慧的算法，這些行業(yè)大拿實在值得敬佩！就是需要這種不斷構(gòu)建的基礎(chǔ)，新知識才會產(chǎn)生，新的商業(yè)模式才會產(chǎn)生。在這個過程中數(shù)據(jù)的處理首先是篩選過濾，之后是機器算法，現(xiàn)在用到的算法大多是四十年前就是已經(jīng)成熟的人工神經(jīng)網(wǎng)絡(luò)算法，最大熵模型等，吳軍老師說道，一般的公司不可能有技術(shù)力量去開發(fā)這樣的大工程，所以最好的解決方式就是專門讓做機器學習的公司來提供服務(wù)。這一點我倒覺得可能一些大公司反而更加專業(yè)，現(xiàn)在這個行業(yè)的技術(shù)走在前段的還都是頭部公司，當然作為創(chuàng)業(yè)風向，未來此類型的創(chuàng)業(yè)公司應(yīng)該層出不窮。
未來社會和產(chǎn)業(yè)的圖景
未來的農(nóng)業(yè)：通過機器智能以及利用數(shù)據(jù)進行噴灌等技術(shù)，會使農(nóng)業(yè)更加精準，水資源等得到更加充分的利用，或許家庭某個院子里都會出現(xiàn)噴水澆水的機器人。
未來的體育：依靠大數(shù)據(jù)去運營球隊和運營運動員的比賽成績而獲得勝利，比如說09年勇士一直一直在NBA，用六年的時間，從倒數(shù)第二到冠軍，利用大數(shù)據(jù)就是一個很好的案例，管理層使用大數(shù)據(jù)去制定戰(zhàn)略和戰(zhàn)術(shù)，突破了傳統(tǒng)的兩分得兩分的方法而活得更高效的三分的方法，最終取得突破歷史性的冠軍。
未來的制造業(yè)：機器人會取代勞動力。特斯拉就是一個典型的案例，機器人裝配汽車，特斯拉把自己定位為一家科技公司，而不是制造的汽車公司，他顛覆汽車行業(yè)所做的另一件事就是取消了存在的一個設(shè)計的汽車代理制度，他遵循產(chǎn)品生產(chǎn)和疏通的產(chǎn)業(yè)鏈，從設(shè)計生產(chǎn)一直到送到客戶手上，都是計算機在工作。
未來的醫(yī)療：主要解決三個問題，成本持高不下，醫(yī)療資源的不平衡，還有一些不治之癥。未來主要利用大數(shù)據(jù)，通過模式識別和圖像理解進行影像分析，利用計算機智能幫助診斷，甚至機器人可以進行手術(shù)，這些智能程序的成本通常不到人工的1%。讓計算機理解人的語言，根據(jù)化驗結(jié)果和別人的描述去診斷簡單的疾病，去解決醫(yī)療資源短缺的問題。治療可能通過大數(shù)據(jù)的分析，每一種疾病會有不同的藥品去醫(yī)治，因為不同的人會有因為個體差異而有不同的藥效。美國的谷歌的Calico公司和人類長壽公司已經(jīng)可以利用龐大的數(shù)據(jù)去找到很多疾病的根源，接下來就是修復(fù)衰老基因，那么未來人類的壽命也是有希望大大加長的。
未來的律師和記者、編輯等，大數(shù)據(jù)的機器智能會取代人類，做案例分析和寫稿。
未來的智能社會，各類社會資源都會得到更充分、更精準的利用，社會也更加精細化。區(qū)塊鏈就是社會精細化的一個典型案例，從每一件商品制造出來，直到被消費者購買，都可以進行完整的跟蹤。
科技發(fā)展總是讓人憂心
暫且相信以上圖景都會實現(xiàn)，社會生活處處智能，公共設(shè)施和諧有序，生活服務(wù)更加精細，不再堵車，恐怖襲擊不再那么容易……也因此未來將是沒有隱私的社會，這也是吳軍老師在文中多次擔憂的。比如說前段時間facebook泄露數(shù)據(jù)的事件，還有航空公司利用個人隱私區(qū)掙的利潤的問題等等，活在互聯(lián)網(wǎng)時代的公民，數(shù)據(jù)的無處不再讓人活的多么赤裸裸。每一次技術(shù)革命，對社會造成的巨大沖擊，都需要經(jīng)過大約半個世紀甚至更長時間去消化。歷來是科學和技術(shù)的發(fā)展就是一把雙刃劍，甚至涉及到倫理的問題，也是社會發(fā)展演變當中不可避免的問題，但是社會終究要發(fā)展，要看人怎么規(guī)劃使用管理智能社會里的一切。這是一個人文主義的時代，這是新時代，日益增長的美好生活總會有不平衡不充分的地方，但是辦法總比困難多，不是嗎？
你會擔心被機器人搶掉飯碗嗎？
看完整本書，思緒會超越現(xiàn)實，會焦慮未來的個人發(fā)展，會擔心被機器人搶掉飯碗，會擔心被時代所拋棄。吳軍老師提到要做2%的人，才不被淘汰掉。需要說明的是，2%是基于美國勞工部的一個數(shù)據(jù)統(tǒng)計，據(jù)說在工業(yè)革命開始之后，機械化電氣化和化肥農(nóng)藥的使用，使得發(fā)達國家只需要2%到5%的人就能提供全部人口所需的食品。也就是說，2%的人在養(yǎng)活著其他98%的人，因為智能社會的沖擊，會帶來同樣的勞動力的恐慌及社會的恐慌。
能夠從事智能行業(yè)必然不錯，但其實只要有行業(yè)前端思想，不狹隘，不消極，哪怕從事的是傳統(tǒng)行業(yè)，知道新技術(shù)怎么去改變自身存在的行業(yè)并為之積極努力，任何時候都不會被時代所拋棄，畢竟思維是自己的，認知也是自己的，就算時代想拋棄你的時候，也會問問你的意見。反倒是國家，在技術(shù)變革面前壓力空前大，時間上的緩沖，社會生活的平衡發(fā)展，社會公平性的權(quán)衡，都是空前的挑戰(zhàn)。
