吴军:如果没有智能技术,几乎不要想做到世界最好

简介:

0?wx_fmt=png


◆ ◆ 

导读


今年正值“人工智能”这个概念被提出50周年(1956-2016),阿法狗与李世石的围棋之战,带来了智能热。

 

机器智能会带来什么影响?我们先来明确两个概念: 人工智能; 机器智能


为什么我大部分说的是“机器智能”,而不是“人工智能”?有什么差别?它到底怎么产生的?为什么在这个阶段拐点出现了?拐点之后是一个新的时代。


◆ ◆ 

 机器产生智能的方式是否和人一样?


机器产生智能的方式和我们人是不一样的,也不需要一样。如果你试图拿人的智能作为一个标准衡量它是不对的。我们不能说,因为它在某个地方不如我们聪明,所以它取代不了我。这就相当于飞机和鸟的飞行原理是不一样的。


人类曾经试图用扇动翅膀的方法飞起来,结果都以失败告终。后来莱特兄弟研制出飞机,利用的是空气动力学原理。

 

那么机器智能的“空气动力学原理”是什么?实际上是数据、数学模型,以及很强大的计算功能。


0?wx_fmt=png

 

这些概念在细微上有什么差别?


更早提出“机器智能”概念的是阿兰·图灵。大概在50年代,他用一个与人相比较做判断的方式,告诉我们在什么情况下机器有了智能。比如在屏幕后放一个人和一个机器,当机器回答问题和人一样好时(你已经判断不出来哪个是机器回答的,哪个是人回答的),就认为机器跟人拥有同等的智能。


当然这是一个完全客观的判定方法,不涉及怎么做,以及它跟人是否要完全一样,它是从结果判定的。到了1956年,才有了人工智能这个概念。


0?wx_fmt=png

 

因此,人工智能是机器智能的某一个特定阶段,但现在基本上这两个概念已经混淆了。今天所说的人工智能的概念和当初马文·明斯基70年代以前讲的是两回事,区别在于我们现在讲的机器智能包括传统的人工智能的方法和现代其他的方法(比如数据驱动、知识发现和机器学习)。

 

这个阶段同时表示人类认识进步的阶段,我们认识很多事情的时候,一开始总是以自我为中心,从我们认知的角度去寻找对照。但实际上你会发现每一个事物都有自己特殊的规律,当你认识到这个特殊规律的时候,技术发展就被推动。

 

在今天机器智能的发展水平下,我们能干什么?很多人把人工智能分成三个层次:


  • 弱人工智能;

  • 强人工智能;

  • 超人工智能。


当然这个分法也并不是那么确切。


0?wx_fmt=png
 

1、弱人工智能:


明显不如人强,但可以做简单重复性的工作。计算的成分大一点,智能的成分差一点。比如语音识别、美图秀秀。

 

2、强人工智能:


接近人的水平或超过人,比如看病的机器人。计算机能不能识别医学影像,看照片能不能知道得了什么病,根据病人的病例、口述、化验结果,能不能给他治病。看病机器人基本上达到了一个美国医生的平均水平,比我们三甲医院医生的水平可能要低一点,但在一些缺医少药的地方,比如大西北、印度、非洲,它就非常适用,而且其技术进步的速度很快。

 

3、超人工智能:


比如电影里的机器人可以自己复制、控制整个人类。年初一些世界著名的人士,包括物理学家霍金、比尔·盖茨都表示有这种担忧。可比尔盖·茨反而是世界上往这上面砸钱最多的人,他们其实是很看好这方面前景的。

 

我的观点是:我们是设计智能机器的,与其担心,还不如拥抱变化。这就如同怕鬼一样,鬼可能是不存在的。你在打仗时,背后有一群敌人拿着枪对着你,你却在前面找鬼,这明显是找错方向。


◆ ◆ 

最好的时代也是最坏的时代

 

未来的时代是一个什么样的时代?用狄更斯的话讲:这是一个最好的时代,也是一个最坏的时代。


0?wx_fmt=png

 

未来的时代可能整个城市是一个大机器,手机或者智能汽车是其中一个终端。再过20年,无人驾驶汽车的普及,会比大家想象的快得多。你们的孩子可能会想,我们的父母居然还自己开车,这有什么好处?无人驾驶汽车不仅能够省时间,而且对整个社会来讲可能是更安全的。

 

有了机器智能,所有的产业都会被升级一遍。

 

我们人类从工业革命开始,到现在,人类历史上有四次比较大的技术革命,包括这一次的智能革命。

 

第一次工业革命,核心技术是蒸汽机,代表人是瓦特,以及使用蒸汽机的韦奇·伍德。我们今天的很多工业产业,在第一次工业革命以前就有,但蒸汽机重新定义了所有的产业。


比如我们吃饭用的碗,中国人制造了上千年,方式是固定的。当瓦特发明蒸汽机以后,制造瓷器行业就使用上了蒸汽机,从此以后蒸汽机就从供不应求到了供大于求。在这之前,一个瓷器卖到欧洲,几乎能换等量的白银。从此以后瓷器就变得很便宜,供大于求。

 

这就带来了一个非常大的改变,同时带来商业模型的变化。原来的商业模式是进出口商把瓷器订回来,我不愁怎么卖,因为肯定卖得出去,蒸汽机改变了这一切。为了推销瓷器,出现了所谓的精品展示店。这就是一个技术革命对整个产业的改变。

 

电的时代也是这样的。在有电以前,我们今天80%的产业都有了,电出现以后,它重新定义了这些产业。第二次工业革命以后,各种化工业如冶金业完全更新换代了,交通也是一样的。有了电,就会有新的产业出来,其实是对原有产业改造。

 

在IT时代也是这样的,摩尔定律到现在51年了,它也是这些年世界发展的一个动力。任何产业使用了芯片、使用了计算机技术,它就成为了一个新产业。

 

在未来也是这样,比如所有的产业都需要智能化,所有现有产业一旦智能化以后,就形成了一个新产业,而且跟以前不一样,一下子就攀到了一个制高点。

 

未来我们会怎么改变医疗行业?


当智能技术和一些机械技术结合的时候,就会有机器人。有一个达芬奇机器人,是手术机器人,它有三个手臂,中间一个摄像头,两边是手,它会根据你身体内的医学影像看病。比如我这长了一个肿瘤,它就会制定一个切除的方式。


0?wx_fmt=png

 

还有一个正在研制的机器人是做眼睛手术的,准确率能达到多少?是千分之二毫米,这个非常非常准。人的手,再好的医生都是不准的。未来外科医生、放射科医生,那些曾被是认为是需要较高智能水平的工作,都可能会被计算机取代,但同时这也是我们一个很大的福音。


◆ ◆ 

未来:2%人的世界

 

技术革命一定能带来大家收入的增加吗?能带来,可以带来全中国人收入的增加,平均数也能增加。但是中位数的收入能否增加,不知道。过去至少在西方国家,前三次的工业革命,都有这样的问题。


几年前有个占领华尔街运动,这一群人打着一个旗号说我不是98%,这是他们的口号。跟他们相对就是2%。谁是2%的人?那些拿了很多钱的人。这些98%的没有一个是营养不良的,美国福利还行,基本上能吃饱肚子的,但是他们为什么示威?因为他们看不到前途。

 

在IT时代,过去的50年里,摩尔定律创造了世界上两次的造富运动高潮。第一次是在19世纪末,第二次,创造了像比尔·盖茨、马云、马化腾、Facebook的马克·扎克伯格这么一群人。可能接下来还要创造出很多企业家。从这一方面来讲,毫无疑问整个社会财富是剧增的。


但为什么中位数收入可能是在下降的?因为平均数是没有用的,你必须想办法成为这2%的人。今天人工智被炒得很热,但坦率地讲,我觉得在一开始的时候受益人不会更多,为什么?看看历史故事:


0?wx_fmt=gif 

第一次工业革命的时候,第一批受益的是瓦特、博尔顿、韦奇·伍德等人。英国什么时候解决工人问题?1860年前后,英国开了第一次世博会,水晶宫博览会,展出了各种工业品,整个英国十分繁荣。这中间经过了3/4个世纪,这些人生活很好,好到什么程度?用咱们今天话说,在北京郊区铁路边上,住着连排别墅。但这是经过了70多年了,工业革命才给全民带来富裕。


此外,它还有一个先决条件,当全世界都很落后时,英国用它的炮舰可以把全世界市场打开,因为生产出来的产品实在是太多了。


到了美国的第二次工业革命,起初的受益者是在这个核心圈子的内部。总是要先从一个小圈子开始,然后往外辐射。


这次受益人是爱迪生、特斯拉,他们对电有重大贡献。他们这一批人,在美国19世纪末是人类历史上最大的一次造富运动。但那个时代是美国问题最严重的一个时代,工人杀了资本家,工会工人用砖头砸死非工会工人,都发生在那个时代。接下来美国搞50年代进步运动,一直到1920年,进步运动完成。美国通过征收遗产税,征收个人所得税,通过税收调整等,让大家富起来。


第三次是大家经历的信息革命,造就比尔·盖茨、马云、马化腾、Facebook的马克·扎克伯格这么一群人。


第四次是智能革命,也就是我前面所讲的。它对产业会产生很多的影响,哪怕你认为跟它无关的产业,都会被洗牌。




◆ ◆ 

中国的希望在哪里?

 

今天如果没有智能技术,几乎就不要想能做到世界最好,今后也不可能实现得了。中国有一个特点,过去35年其他国家没有出现这个现象:中国把三次工业革命叠加到一起了。北京工地上的工人享受了第一次工业革命的成果,这是城市化成果;很多人在制造电子设备,在享受第二次工业革命的成果;我们这些从事IT行业的人,在享受第三次工业革命成果。

 

每个人都有工业革命的成果可享受,这是一个原因。因此导致了中国的每个人在原有基础上都能富裕起来。我们不要跟王健林、马云相比,和你自己比,你比以前富裕了很多。

 

中国还有一个希望在哪里?也就是智能时代对产业的希望在哪里?


0?wx_fmt=png

 

我在新书《智能时代》中讲了一个概念:


每一次技术革命会有一个核心的技术点,比如蒸汽机、电、IT,比如摩尔定律和机器智能,我们把这四个核心的技术点,加上一个现有产业就等于一个新产业。(核心技术+现有产业=新产业)


中国的希望在于,所有产业+智能化=新产业。因为中国现有产业特别多、特别齐全。现在应该是一个产业加上互联网,或者加上机器智能,而不是有了机器智能,我做一件全新的事。这种方式,是中国未来的希望。

 

  • 在蒸汽机时代,世界上没有多少人生产蒸汽机,但只要你使用蒸汽机就好了,像韦奇·伍德使用蒸汽机,瓷器就变成一个轻产业。


  • 在电的时代,美国只有两家发电公司,同样出现了很多使用电的公司。


  • 在智能时代也是一样,不需要每个人都去做智能化的工作。我们可能需要一个公司提供这种工具,大家共同使用,把所处的行业升级换代,这是我们未来的希望所在。因为我们行业更齐全,能够改造的地方很多。


◆ ◆ 

人机关系

 

未来还有一个问题:人和机器该如何相处?


0?wx_fmt=png


现在70亿人,假设再过20年不增长,人生活的空间就比较大,但可能会多出十亿机器人,可能是无人驾驶汽车,可能是商场里面巡逻的保安,也可能是你们家的一个机器人阿姨。那时人和机器在共同面临一个问题:人和机器怎么相处?可能我们会习惯这个会场里,坐了1/8是机器人。

 

怎么相处?你要明白我们现在所做的机器智能是关于人脑的一个延伸,不能老想着它是否一定要跟我们人有同等的智能。它更大程度上是对人提供帮助。

 

有人可能会担心机器控制人,我是不太担心的。制造智能机器这些人是非常少的,他们实际上拥有一种超级能力,他们制造出来的智能在某种程度上可以控制很多的人。比如,你们都被腾讯改变了,天天刷微信,生活方式改变了。一开始告诉你可以利用碎片时间,现在你完整的时间全变成了碎片时间。又比如,有多少人在双十一抢那些有用没用的东西?因为你的习惯都被阿里控制了。

 

在新型人和机器的时代,和机器打交道会比和人打交道容易,而同时机器也要学习和人打交道。

 

另外,关于隐私方面也是未来我们要迎接的一个问题。我用狄更斯的话总结:


我们现在处在一个最好的时代,也是一个最坏的时代。”对每一个人来讲,到底是最好的,还是最坏的?看自己。不可能这个时代可能有负面的东西,你就要求政府把它变好。

 

最好的时代、最坏的时代,一切在大家自己。


谢谢大家!

.

原文发布时间为:2016-08-30

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
8月前
|
机器学习/深度学习 Web App开发 人工智能
领航未来,探索AI无尽前沿:2023年WAIC云帆奖得主揭晓
领航未来,探索AI无尽前沿:2023年WAIC云帆奖得主揭晓
464 0
|
11月前
|
人工智能 自然语言处理 达摩院
达摩院智能对话技术升级-更人类,更温暖-卷首语
达摩院智能对话技术升级-更人类,更温暖-
|
机器学习/深度学习 人工智能 达摩院
|
机器学习/深度学习 人工智能 自然语言处理
认知智能堪比魔法:回顾2021的重大突破
随着人工智能解决方案越来越广泛的应用,仅仅在视觉、听觉、触觉等层次的感知,已经满足不了社会大众对于“真正智能”的期望。认知智能,被视为人工智能热潮能否进一步突破天花板,形成更大产业规模的关键技术。
2632 0
认知智能堪比魔法:回顾2021的重大突破
|
传感器 机器学习/深度学习 人工智能
AI公开课:19.03.20吴甘沙-驭势科技联合创始人《AI时代的自动驾驶趋势》课堂笔记以及个人感悟
AI公开课:19.03.20吴甘沙-驭势科技联合创始人《AI时代的自动驾驶趋势》课堂笔记以及个人感悟
|
数据采集 人工智能 算法
攀钢—钢铁是怎样用AI炼成的
过去20年里,尽管中国贡献了全球粗钢增量的80%,但中国钢铁业的发展不容乐观,产能过剩与结构严重失衡、全球经济下滑导致钢铁需求增速放缓、生产质量的不稳定、废品率高、高耗能以及多元化需求,给整个行业都带来了极大的挑战。中国钢企的转型升级迫在眉睫。
329 0
攀钢—钢铁是怎样用AI炼成的
|
机器学习/深度学习 人工智能 安全
如何去推开与AI共生的大门
AI 更像是一个在努力成长却不够成熟的孩子,它前进的步伐,取决于“原生家庭”指引的方向,也有无数的人在为AI的向阳而生而奋斗着。
715 0
如何去推开与AI共生的大门
|
数据采集 人工智能 算法
【云栖号案例 | 制造】攀钢告诉你:钢铁是怎样用AI炼成的?
在钢铁产业严重过剩、钢企转型压力巨大的背景下,攀钢确定提质增效的目标,一方面扎实推进品种,一方面推进产业升级,打开了科技强企的新局面。
【云栖号案例 | 制造】攀钢告诉你:钢铁是怎样用AI炼成的?
|
计算机视觉 人工智能 监控
AI魔幻行为大赏:细数机器视觉的9大应用场景
本文主要介绍了机器视觉的主要应用场景,目前绝大部分数字信息都是以图片或视频的形式存在的,若要对这些信息进行有效分析利用,则要依赖于机器视觉技术的发展,虽然目前已有的技术已经能够解决很多问题,但离解决所有问题还很遥远,因此机器视觉的应用前景还是非常广阔的。
10712 0