作者 | 西山紅葉
前言
馬雲曾說過，他一直在思考的是未來，能掌握未來的人才能引領世界。
今天我打算從技術的角度談一談未來的發展趨勢。
每當一種新的技術到來時， 常常會令我們感到驚訝，覺得不可了解，甚至是質疑。
我自己也是人工智能相關從業者，但有些時候和周邊的人談論人工智能時，有人會覺得這是一個大忽悠，或者是一種概念上的炒作，亦或者是企業的融資籌碼，但實際上他們還沒有真正開始接觸就先産生了抵觸心理，加上本身對其一知半解。是以每當我試圖去解釋的時候，就很難得到正面的響應，因為大部分人的了解仍處于窮舉的程度。
但事實上，不論是技術還是未來，很大程度上是能夠被預見的。 這是因為所有的技術都有某種趨向性， 這是由其實體和化學本質所決定的，并不由你我的了解力決定的。
從自然界來說。想象雨點彙入山谷：一滴雨點流入山谷的實際路徑是無法預測的。我們并不知道它的具體走向，但大方向是很顯然的：它由于重力會往下流。是以，趨勢和方向，深深紮根于自然本質中，使我們能夠預知它們的大體方向。
從社會角度說。電話的出現是必然的，但iPhone不是；網際網路的出現是必然的，但QQ不是。但是我們總會找到一個方法使人和人之間的溝通變得友善，使社群化更加便捷。
同樣道理，當下有許多正在發生的趨勢，而我認為其中最重要的一個是讓事物變得越來越聰明。很多專家稱之為“知化”，也就是人們常說的人工智能，或者 AI。我認為在未來二十年中，這将是社會中最具影響力的發展趨勢和驅動力。
當然，它已經發生了。我們已經有了 AI，它們通常都隐身在背景工作，但還未非常普及。
我們可以從幾個大的群體來分析:
在醫院裡，AI 分析 X 光片的水準比人類醫生還要強大，人工閱片會受不同個體的專業水準、經驗和時間的限制，而且還會發生感覺疲勞。
在交通中，我們乘坐的飛機是由 AI 在駕駛。人類駕駛員不是全程操作，大部分時間都是 AI 在操控的，因為人很難長時間保持高度緊張。
在網際網路中，阿裡，亞馬遜的産品都是由AI在背景進行推薦。這些隻是一小部分例子，而且都是我們已經實作的。
我們也有一些更前沿的例子，比如“阿爾法狗”戰勝了世界圍棋冠軍。有時候，我們在打電玩時，對手往往是 AI。
如今，教AI打遊戲也已經不是什麼新鮮事了，但AI自己學習打遊戲則是另一個境界。這就是自主學習。我們正在以此為起點，讓機器變得越來越聰明。
在這樣的背景下，還有三點尚未被充分認識，這也是為什麼AI沒有被普及到大家能欣然接受的地步。
如果我們能深透了解這三點，就能更好的了解 AI，并更加全身心的擁抱 AI。隻有擁抱 AI，才能控制AI，才可以在未來獲得成功。
一、我們自己尚未很好的了解，什麼是智能
我們通常認為智能是單次元的，就像一個越來越響的音符。老鼠的智商較低，猩猩的智商較高，接下來是比較笨的人，然後是像我一樣的普通人，再往上是天才。智商越高，智能就越高。
事實上，這種看法是完全錯誤的。 這根本就不是智能，人類的智能也并非如此。 智能更像由不同音符組成的交響樂， 每個音符由不同的認知樂器來奏響。
人類的心智包含了多種智能。我們可以進行演繹推理，我們具備情緒智力，我們有空間智能。我們可能有一百種不同的智能集合在一起，它們在不同人的身上也展現得強弱不一。
而動物們則可能是另一套體系。由其他智能組成的另一首交響樂，當然，有些樂器與人類是相同的。可能思考的方式相同但側重點不同，某些方面可能還強于人類，像松鼠的長期記憶就很了不得，能清楚記得堅果的埋藏之所。但在另外一些方面可能就不如人類了。
當我們制造機器時，也會用同樣的方式來設計它們，它們在某些方面會比我們聰明得多，而在其他方面則遠遠不如我們，因為根本沒必要。我們會用這些東西，這些人造的功能組合，為我們的 AI 添加各種各樣的人工認知。我們會讓它們的功能非常單一、具體。比方說:電腦在數學運算上要比我們聰明得多；GPS的空間導航能力遠勝過我們；谷歌、必應、百度在長期資料資料的記錄搜尋上完勝我們。
然後我們再把這些不同類型的智能，知化運用起來
比如說汽車的自動行駛功能。我們之是以這麼做，正是因為它的駕駛方式跟我們不一樣。它不像我們那樣思考。這恰恰是它的特點。它不會分心，不會擔心是否忘記了關爐子，不會糾結要不要選金融專業，學醫到底是救人還是賺錢。它隻知道開車。
它會全力以赴的開車，我們甚至可以把這個做為賣點，叫做“無意識”。它們沒有意識，不會東想西想，不會分心。
是以，我們應該盡我們所能制造各種各樣的思考型智能，去嘗試所有可能的思考方式。在商業和科學上，我們會遇到一些難題，單憑人類自身的思考無法解決。我們可能需要分兩步走，先發明出新的思考方式，再與它們一起解決這些真正的難題，比如暗能量和量子引力。
我們實際上是在創造異形智能。某種意義上，甚至可以将它們看作"人造異形"。它們将幫助我們用不同的方式思考，而換一種思考方式是創造的源泉，是财富和新經濟的引擎。
二、我們将用 AI 推動新的工業革命
在第一次工業革命中，人類發明了我稱之為 “人造能源” 的東西。在此之前，在農業革命時期，制造業靠人力驅動，或者靠畜力。除此之外别無他法。
工業革命時期的偉大發明就是人們利用化石燃料和蒸汽所産生的“人造能源”來做我們想做的大多數事情。
今天，當我們開車行駛在高速上，隻需輕輕撥弄開關，就能駕馭250馬力；我們可以建造高樓大廈，修建道路，建設城市，開辦工廠，源源不斷地 生産桌椅或冰箱，這些都遠遠超出了人力所為。這種“人造能源” 還可以通過電網和電線 輸送到家庭、工廠和村莊，任何人都可以購買這種“人造能源”，隻需插上插頭就可以使用。
它也帶來了很多創新，人們可以為手動泵通上電，加上這種“人造能源”，就變成了電泵。類似的改造成千上萬，這個“人力器械+人造能源的”公式造就了工業革命。今天我們看到的所有事物，享受的所有服務，幾乎都來源于此。
現在我們要用 AI 做同樣的事情。 我們用網絡傳輸 AI， 把 AI 加載到諸如電泵之類的東西上，就得到了聰明的電泵。類似的改造做上幾百萬次，就會掀起再一次的工業革命——AI革命。那麼将來汽車行駛在高速上，它不僅有 250倍馬力，還有 250倍的腦力。這就是自動駕駛汽車。它是一種新的商品，是一種新的基礎設施。AI 将會在網絡、在雲端傳輸，就像電一樣。是以凡是可以用電的地方，都可以用 AI。
是以在這裡我可以預言說：未來一萬家創業公司的秘訣其實非常非常簡單：拿來某樣東西，加上 AI。未來公式 = 萬物 + AI = AI(x)。這個公式就是我們将要不斷踐行的。我們将以這種方式來掀起新的工業革命。
三、我們将AI實體化， 就得到了機器人
工作就是完成一系列的任務。機器人可以幫助我們完成許多曾經需要我們親力親為的任務。以後，我們的工作将會被重新定義，一部分任務将交給機器人來完成。與此同時，也将産生一大批不同種類的新任務，一批以往我們沒有意識到要去做的任務。它們甚至有可能催生出新的職業——我們感興趣的新工作，就像自動化帶來的許多新事物，我們之前并不知道會需要它們，但今天我們已經離不開它們了。
是以機器人帶來的工作機會比它們搶走的要多。我想我和我的很多同僚都已經體會到這方面的機會了。
更重要的是，我們交給它們的都是需要效率或生産率的任務。如果一個任務，不管是體力的還是腦力的，可以用效率或生産率來衡量，那麼就應該交給機器人來完成。需要效率的事情交給機器人好了。
我們擅長的是浪費時間，這并不是一種貶義。
科學從本質上來說是低效的。我們一次又一次的失敗，很多試驗和嘗試都徒勞無功，成功從無數次的失敗中誕生，否則我們也學不到什麼東西。事實就是，科學研究沒有什麼效率。
創新從定義上來說也是低效的。畢竟我們需要制作原型，需要做各種嘗試，經曆各種失敗。
探索是低效的。藝術是低效的。人際關系也是低效的。這些都是我們喜歡做的事情，因為它們都是低效的。高效是機器人的使命。還要認識到我們将和 AI一起工作，因為它們的思維方式與我們不同。
在“深藍”戰勝世界國際象棋冠軍後，人們以為國際象棋沒什麼玩頭了。但事實上，目前世界上最厲害的國際象棋冠軍并不是AI，也不是人類，而是由人類和AI組成的團隊。最棒的醫學診療師既不是醫生，也不是AI，而是他們組成的團隊。也就是說我們将和AI 一起工作，你将來的薪酬，很可能取決于你跟機器人合作得如何。這就是我想說的第三點：AI是不同于我們的，它們是技術裝置，我們将與它們合作，而非競争。就像你學着使用你的手機那樣。
那麼，未來會如何？
我想，25年後我們回頭再看 今天對AI 的了解，我們會說：“你們那都不叫 AI。你們甚至都還沒有真正的網際網路，25年後的網際網路才能叫網際網路呢。 我們也還沒有真正的 AI 專家。而大量的資本正湧向這個領域，動辄數十億美金，這是一個巨大的産業。但我們尚未擁有真正的 AI 專家—— 如果跟20年後相比的話。 我們還處在最初的起步階段，所有一切才剛剛開始。網際網路的曆史才剛剛開始。美好的未來才剛剛開始。未來20年最受歡迎的AI産品、最普及的 AI 産品，還沒有被發明呢。
也就是說，我們還有機會。加油！緻敬我們的未來！
*注：文中圖源網絡
END