? ? ? ? 吳軍博士是在Google工作的自然語言處理與搜索專家，《智能時代：大數據與智能革命重新定義未來》是他繼《數學之美》、《文明之光》、《浪潮之巔》之后在2016年推出的最新力作。我讀完這本書之后，最深刻的感受就是在思維方式上受到的沖擊，它讓我在看待數據和解決問題時有了新的視角和方法。

? ? ? ? ?這本書以去年大火的人機圍棋大戰開篇，介紹了Google的AlphaGo這一人工智能棋手，拉開了智能時代的大幕，然后講述了大數據和智能技術如何改變我們的生活。作者在書中主要回答了以下問題：

一，人工智能問題如何轉化為大數據問題并解決。

? ? ? ? ?以前解決人工智能問題主要集中在如何讓機器像人腦一樣思考問題，強調模型及算法。現在的人工智能則采用模型簡單、以強大的計算能力為支撐，以大量數據積累為基礎的數據驅動方法。通俗地說，大數據方法對于問題不是從“0”開始思考，而是經過學習、即結合已知的豐富經驗進行分析。比如AlphaGo，就是在積累、學習了成千上萬棋手的棋譜后，根據當前棋譜計算下一步走哪里的勝算概率更大，由此決定走哪一步。

? ? ? ? 這一轉化也給了我們啟示：當按部就班無法得到滿意結果時，應該考慮換個思路、換個角度來解決問題。就像書中提到，以前解決語音識別問題、機器翻譯問題，都需要相應的語音專家、語言學家，從發音過程、語言結構等方面進行分析。后來人們通過逆向思維分析發現，要得到結果可以有很多方法，就像處理黑箱問題一樣，只要輸入、輸出符合條件，里面的過程可以近似擬合。用大數據和統計方法解決這些問題，跳出了以前固化的思維模型，結合大量數據學習，效果反而遠超傳統方法。

二，智能時代的思維革命。

? ? ? ? 工業革命提出的機械思維認為萬物都有因果關系、有確定的規律可循，這也成為了人類發現和認知世界的重要假設。然而，現實生活中存在不確定性以及不可測（或者說測不準），對這一類現象的發現挑戰了人類的認知。例如對于股市的預測反過來會影響人們的買賣操作，進而有可能出現與預測相反的波動。

? ? ? ? ? 那么應該如何處理這些問題呢？與其逃避、不如面對。科學家引入“信息”這一概念，通過加入信息減少不確定性來解決這一類問題，并結合大數據的應用出現了一種以結果為導向的新型思維方式，即大數據思維。其特點是：無假設條件、重視結果分析，由此得到一種新的事物關系：強關聯關系。

? ? ? ? 這一思維革命其實是人類更加理性客觀世界的結果，針對事實分析事物聯系，而不是去尋求因果關系。我覺得書中提到的藥物開發的例子很有說服力。一般藥品研發流程往往是先分析癥狀、查找病因，然后尋找能消除病因的物質。實際上，這種因果分析方法會造成可尋找的藥物范圍有限，因為我們人類對于很多疾病原因的認識并不明確，而有的藥物其實可以治療多種疾病。比如斯坦福大學醫學院發現治療心臟病的某種藥對治療胃病特別有效。以前這類發現只能通過醫生在臨床偶然發現。如果藥企采用新的大數據思維方式，在研發時可以大膽主動地去探究藥物與很多疾病之間的關聯進而發現特效藥，盡管有的結果看上去有些不可思議。

? ? ? ? 在《大數據時代：生活，工作與思維的大變革》一書中，作者引用普林斯頓大學心理學專家，同時也是2002年諾貝爾經濟學獎得主丹尼爾·卡尼曼（Daniel Kahneman）的觀點，也對人類的思維模式進行了分析。卡尼曼指出，人有兩種思維模式，第一種是不費力的快速思維，通過這種思維方式幾秒鐘就能得出結果；另一種是比較費力的慢性思維，對于特定的問題，需要考慮到位。快速思維模式使人們偏向用因果聯系來看待周圍的一切，即使這種關系并不存在。這是我們對已有的知識和信仰的執著。平時生活中，由于惰性，我們很少慢條斯理地思考問題，快速思維模式就占據了上風，因此我們會經常臆想出一些因果關系，最終導致了對世界的錯誤理解。回想一下，我們是不是很多時候都是憑著以前的“因果關系”認識進行快速思維，比如“天涼了，加衣服，不然會感冒的！”這句話初聽上去很有道理，因為大家每個人成長中都或多或少聽過，覺得很耳熟。實際上，穿得多少與感冒之間沒有必然的因果關系。而我們在做一些重要決定時，就會采用第二種慢性思維分析問題，但是這種思考常常緩慢而痛苦，并且沒有頭緒，表現為猶豫不決、優柔寡斷。現在好了，借助計算機強大的計算能力，我們可以更加科學理性地分析事實與思考問題。

三，新時代的機遇與挑戰。

? ? ? ? “這是最好的時代，也是最壞的時代。”英國大文豪狄更斯的這句話用在這里實在是再恰當不過了。經歷過工業革命、第二次工業革命、信息革命，新一輪的智能革命正在來臨。她正在悄然改變人們的生活，購物、支付、出行等等都離不開互聯網，我們進入了萬物互聯的“掃碼”時代。同時，我們也看到，機器智能的崛起開始讓很多人丟了飯碗，比如制造業。現在服務業也慢慢被機器智能所代替，比如隨著電子化停車場、線上超市的發展，停車場管理人員、超市導購員等工作人員的數量都將大幅縮減。

? ? ? ? 那么，如何擁抱智能時代？傳統行業該何去何從？作者給出了很好的建議，傳統行業可以通過與新技術融合產生新行業來得到發展。書中以小米和特斯拉為例，它們并不是手機公司、電動汽車公司等傳統意義的制造公司，而是定義為互聯網公司，即通過手機、電動汽車為平臺、為顧客提供后續個性化的終端服務，這正是值得傳統家電企業學習借鑒的。家電屬于耐用品，很多家庭買了一臺電器可以使用很多年，提高新產品的銷售額很困難。然而，如果能通過智能終端收集數據、分析顧客使用需求并提供后續全面的個性化服務，可以收獲比銷售新機器更多的利潤。

? ? ? ? 智能時代的另一大挑戰則是來自隱私安全方面。現在數據使用缺乏監管，很多時候為了獲得APP、軟件的使用權，我們都在收集使用數據一欄點擊“同意”，可是，那些使用數據的公司會將數據拿來做什么，我們并不知道。當公司、團體可以收集用戶數據進行數據挖掘甚至個人畫像時，其實我們的隱私已經暴露無遺，甚至可能在不知情的情況下導致利益損害。比如，當航空公司發現某一顧客對價格要求不敏感時，可能給該顧客的報價就會偏高。

? ? ? ? 針對這一問題，作者提出了兩類解決辦法：一是可以模糊處理，使處理數據的公司只能得到大概數據、不能得到精確的細節信息從而無法定位到個人。二是設立雙向監視機制，使數據使用者在使用時留下痕跡，從而會規范其使用行為。我個人認為，數據的所有權、使用權目前亟需得到關注、重視與規范和約束。很多時候，人們往往輕易地將自身相關的數據交付出去，而后續數據公司會如何利用數據，是否會危害我們的利益和安全，對此我們一無所知。如何在發揮數據價值與保證個人隱私安全之間平衡，也是值得我們深思的問題。

? ? ? ? 在看這本書的時候，我跟隨吳軍博士一起追溯工業社會的科技發展，又展望智能時代的前景，驚訝于技術的發展之快，暢想不遠的未來。在ALphaGo戰勝韓國高手李世石后，很多人擔憂機器人會超過人類甚至統治人類，對此我并不認同。機器智能最終還是要由人類制造、受控于人類，所以關鍵在于如何使用。如果說每一次新技術的出現就是一把雙刃劍，那么結果的好壞就取決于人類將其應用到何處，所以，最后決定我們未來的不是機器人，而是我們人類自身！

?t!?uHE?O