内容来源：湖畔大学出品，喜马拉雅FM播出的《湖畔三板斧》音频节目。
条记侠作为独家条记互助伙伴，经授权整理条记版。

今日侠客 | 王晴 责编 | Even

第1728篇深度好文：5793字 | 6分钟阅读

—每周三，在条记侠遇见湖畔大学—

本文新鲜度：★★★+ 口感：拿铁

条记君邀您，先思考：

1. 人工智能最具商业代价的是什么？

2. 人工智能是否会再一次退潮？

3. 人是否会被机器代替？

关于人工智能，我相信大家已经打仗了很多内容，包括技能、商业模式等等，但是听到的内容和实际操作之间还有很大的差距。
今天主要想和大家分享我在“如何衔接技能-产品-业务”方面的思考。

一、“判断”最具商业代价

我将人工智能分为三类：

1.识别

在视觉上，基于相对活动物体的识别已经发展到一定水平。
识别的核心“人脸识别”和“语音识别”也具有很大的打破。
因此，原来，人所具有的感性体验现在也能够被机器所节制。

2.判断

能够帮忙人们进行选择或者判断。
比如阿尔法狗便是在帮助人们为棋子选取一个更好的位置。
判断被越来越多地运用到实际事情生活和领域，比如：广告。
未来在基金方面也有可能由机器自主进行决策购买行为。

3.创造

在学术界里面研究较多的便是创造类，比如：帮助人类合成一段笔墨或者语音等。
谷歌发布的WaveNet便是基于语音网络利用天生算法制作而成的，相对付以前的拼接法、参数法，在声音质量上更具上风。
以前方法集中虽多，但性能慢，每合成一秒的音频须要用时几分钟之多。

到目前为止，创造本身仍勾留在学术阶段，当然如果有人能够掌握无人驾驶领域就另当别论了。
但是即便拥有无人驾驶技能，技能本身仍旧不具商业代价，由于目的地是由用户指定的，商业利益弱。

费曼曾说过“凡是我们不能创造的，便是我们不能理解的”，比如：除了生孩子以外的方法我们不能创造生命。
虽然创造在商业上并没有直接的用途，但是有助于我们对根本的理解。

我认为在这三个领域里，识别和创造的商业前景并不大，最具商业代价的是判断，即帮助人们进行选择或者决策。

事实上，输入法作为搜狗最大的产品并没有达到它应具有的商业代价，由于输入法作为一个工具，用户所表达的和他所须要的内容是完备同等的。
比如输入“A”绝对不能显示“B”，以是输入法没有丝毫空间可以做更多的增值。

当用户对一个产品具有充分选择权，这个产品就无法表示出判断的增值。
这也是搜狗基于如此之大的用户规模，在输入法方面却没有得到商业回报的缘故原由。

与输入法不同的是——搜索引擎，它可以利用与搜索干系的推举上风，帮助人们进行决策判断，在推举的同时，就能够带来商业选择的代价。

二、人工智能发展的三个阶段

1.教规则

将规则教给机器，让其进行判断，这是依赖于人们的履历的最低级的人工智能产品。

电饭锅便是个中范例的例子，在其内部有一个测试温度的传感器，可以监控内部温度，如果温度达到103度，就停滞加热。

最初的人脸识别技能，虽然技能实现方面更加繁芜，但是事理是一样的，便是见告机器该从哪几个特色来进行判断。
如何理解眼睛的间隔、鼻子的高度，如何选取这些特色是传统人工智能的做法。

传统人工智能最大的瓶颈在于，不仅要懂规则，还要能够准确描述规则。
比如：人脸识别技能，我们看到一个人就能够急速知道他是谁，但是对付机器来讲，就须要工程师将这个识别技巧写成措辞奉告它。

但是，这一点，相对来说，就不那么随意马虎了，由于很难用机器能懂的措辞描述一个人的长相。
我们把这些说不清楚的规则叫做感性：纵然我知道怎么回事，但是无法用措辞描述出来。

2.原始数据

在2012年，图像识别技能有了重大打破，机器的识别能力超越了人类。
其根本事理在于，图像识别不再须要描述，而是输入大量原始点阵数据，当机器存储的数据量足够大，打算能力足够强的时候，就能够学会有效识别。

举个例子，阿尔法狗便是存储了将近3000万个棋局，将每一个棋局的原始点阵数据输入进去，见告机器人下棋的棋路和落子方法。
当3000万个棋局全部输入进去往后，机器就开始学会了下围棋。

中国围棋队总教练余斌，号称在围棋界里面最会写程序的人。
他认为让机器下围棋最大的难点在于机器没有大局不雅观，但事实证明机器在大局不雅观方面比人做的更好，由于机器存储的是全体棋盘的点阵图，而人还要琢磨某一个局部。

这个阶段打破的意义在于，打算机工程职员有机会进入更多的行业领域进行互助。

比如：医疗领域，以前做心电图剖析须要技能职员能够像年夜夫一样懂行，到底什么样的心电图代表一个人的心脏有问题，是一种履历技巧，仅勾留在年夜夫心中，工程师要节制这方面的知识就有些难度。

但是现在如果数据量足够多，工程师就不必费力去进行规则表达描述，只要见告机器这样的心电图是生病的心脏，那样的心电图是康健的心脏，机器就有机会学会对心电图的识别判断。

这便是大数据下，强大的打算能力和精准的算法在日常事情和生活中的打破。
以前须要依赖履历才能够办理的问题，现在通过数据和技能职员就能够实现，阿尔法狗最大的启示便是不用找规则，直接给出答案即可。

3.强化学习

有的时候我们既不知道如何向机器表达规则，也不能找出一个准确的答案，但是我们有能力去判断，机器实行后的结果是离目标更近了，还是更远了。
这便是强化学习的基本意义。

一个繁芜性颇高的问题，很难找出精确的答案，但是验证答案是否精确十分大略。
就像几何里的定理一样，证明定理很难，但是如果别人证明往后，判断是否精确就很大略。

在这种情形下，给机器的答案就进化成了给机器一个目标。
与围棋类似，阿尔法狗既拥有3000万个棋局作为根本，也有人为剖断输赢帮助它连续学习。
学习到一定程度往后，就可以安排两个机器对弈，目标便是赢取比赛，过程无论好坏，只要见告机器棋局结果就可以了。

机器根据比赛结果，自行复盘总结的这种算法称作强化学习。

这是基于我个人视角进行的分类，在行业里面可能会看到不同的分类方法。
我这个视角的上风在于最随意马虎理解技能的进步路线图，最随意马虎剖析若何的职业随意马虎被取代。

对付普通员工来讲，他们最担心的问题是科技发展到什么程度，自己就失落业了。
而对付企业家来讲，他们更关心的是如何将人工智能嵌入自己公司业务的发展。

如果所输入的信息是封闭、有边界、可以构造化的，且包含做决策所需的所有信息，目标也是确定的，那么这样的判断能力就可以被机器所取代。

在打算机数据里面有一个基本准则，机器完备可以胜任，输入可以被表达，输出目标稳定且可评测的事情。
除了下围棋以外，还有类似审计和数字干系的事情实在都可以被机器取代。

难以被取代的职业有画家、作家、科研职员等，便是那种创造性大、输入的问题相对开放的职业。

即便机器可以进行绘画，但仍旧不能取代画家，由于机器不能真正理解“画”，“画”里面领悟了画家个人的人生经历和阅历，作品里带有好的人生体验。
因此，机器不能创造“画”，只能作为一种噱头供人不雅观看。

过去人们总认为，人工智能会取代蓝领工人的事情，精英人士无所畏惧。
但我以为不一定，比如做事员、幼儿园老师等等面对极其不愿定的、开放环境的事情者，是很难被取代的。
这些事情并不须要具有博识的知识，而是在与他人的交互中处于完备开放的环境，任务也是开放的。

因此，不要认为蓝领的事情随意马虎被取代，而白领、金领的事情随意马虎被保住。
只要不带有创造性的事情，就会有被智能取代的风险。

三、人工智能仍有诸多未打破的领域

直到本日，人工智能领域依然有很多瓶颈没有被打破。

与阿尔法狗的对局以4:1结束的结局虽然很美妙，但如果阿尔法狗连赢五局，这会让人们对人工智能产生恐怖。
如果机器完胜人类，就会让人类找不到自己的生存空间。

实在，机器只要赢一局便是一种胜利，企业也会把它当做英雄，老百姓更是亲密的称“阿尔法狗”为“狗狗”。
这就代表着，阿尔法狗作为机器已经被放在了和人相对平等的位置上，很多下围棋的棋友更是称呼“阿尔法狗”为“阿老师”，这彻底地将机器拟人化了。

我在6月份的时候去DeepMap（硅谷自动驾驶领域的技能公司，2016年才刚刚成立，专注于高精度舆图办理方案的研发）参不雅观访问，与开拓职员进行谈论。

为什么阿尔法狗会输这一局？当时在现场下棋的时候，机器走着走着就开始变得毫无章法了。
对付这一点，程序员也很抓狂，比赛完确当天就回去复盘了，但是结果显示程序并没有bug，没有bug就意味着代码不能改进，问题也就不能得到办理，只能想尽各种办法去找漏洞。

我去的时候，比赛已经由去3个月了，但是这个问题仍旧没有办理，由于程序员也不知道问题究竟出在哪里了。

阿尔法狗所采取的神经元网络是一个高维叠加的空间，从数据输入到结果输出，打算的繁芜程度之高弗成思议。
比如：我们现在看到的是一个三维空间，但是再增加维度，四维就没有那么直不雅观了，而五维就彻底混乱了。

在深度学习网络中，空间是几百维乃至上千维，那么人用肉眼就没有办法去梳理究竟是哪些数据出了差错。

人工智能的妙处就在于可以办理高维繁芜的问题，但难点在于出问题往后，程序员根本无从查起。

以是与之相对应的另一个学派，贝叶斯学派认为，程序一定要能够看到参数的运算过程，即如何得到的运算结果。
贝叶斯学派一贯对深度学习表达担忧，认为深度学习理论体系没有严格的数学证明，而是仅靠梯度进行不断考试测验，所得结果的稳定性不受掌控，风险大。

以前我认为这种思想是吃不到葡萄还说葡萄酸，你自己做不到还要贬低能做到的人。
然而这件事情真的证明了深度学习理论框架确实存在风险，这个别系的精确率能够达到90%-95%，但是对付从未考试测验的某些数据处理，人为根本无法掌控，没有原有的算法稳定性强。

我离开后一周，DeepMap的程序员将程序进行了修正，重新调度了网络连接参数，使得阿尔法狗一旦面对之前失落败的棋局会选择精确的位置，但是这并不代表不会出其他的问题。
由于这不是bug，如果换其余一个棋局，可能依然会涌现严重的漏洞。

四、无人驾驶技能尚不成熟

实在就好比给墙上漆，如果有的地方有遗漏的点，可以多刷几下补漏。
阿尔法狗的这个点被补刷上了，但是这堵墙上究竟还有多少没有刷上的点就不得而知了。

因此，深度学习理论是高度不稳定的系统，将这个问题引申到无人驾驶领域，如果不考虑商业问题，利用大数据模式，让无人驾驶能够在开放环境里自由上路的技能还是不成熟的。

在汽车工业界，将无人驾驶分为L1-L4四级。
L4为最高级，即在任何环境都能够实现无人驾驶；L3是在封闭环境下可以实现无人驾驶，比如高速公路中间不会有人溘然穿越，没有不可估量的障碍物。

我与DeepMap程序员进行互换的时候，得到的结论是：传统算法无法实现无人驾驶技能，实现无人驾驶技能只能依赖深度学习理论。

就目前情形来看，深度学习理论的数据量越大，得到的结果越准确。
但是人为无法判断“墙上漏刷的点” 在哪里，这个“漏刷的点”可能会带来非常严重的后果。
比如溘然从路边冲出来一个人或者一只动物，就很可能会发生加速冲撞事宜。

以是到目前为止，在开放环境里面仍旧无法彻底实现无人驾驶，或者说让人不能放心。
有可能利用无人驾驶技能很永劫光都很顺利，但是溘然间涌现了事件，就会像阿尔法狗输的那局棋一样。

对付碰着类似情形如何填补，能否杜绝此类征象不再发生，厂商也显得无能为力。
如果这件事情不能得到有效彻底的办理，就可能会涌现严重的事件。
以是我认为，无人驾驶仅作为赞助驾驶还是相对安全的，开车上路仍旧须要司机。

五、人工智能是否会再一次退潮

在学术界有一个大谈论，主题是人工智能是否会再一次退潮？

之所以是“再一次”，是由于人工智能已经退潮过很多次了，只不过没有引起大家的关注而已。

每一次新科技涌现“涨潮”，都会引起学术界的欢呼，大伙儿认为会有重大的打破，然而过了几年却根本无法实现，就会引发“退潮”，这样的“涨退”已经发生过三次了。
以阿尔法狗为代表的胜利，让人们认为人工智能很厉害。

我认为不会退潮的缘故原由是：虽然人工智能没有打破到永久高，但是已经第一次能够跟工业界大范围结合，办理一些繁芜性的问题了。
能够投入利用，是与前三次比较而言最实质的差异，也是不会退潮的根本缘故原由。

其余，由于有成本家看到了商业代价，以是会有资金源源不断地流入，有了成本的驱动，人工智能才会不断进步。

我希望这波人工智能浪潮能够持续涨潮，由于已经可以预见到未来的实用性，但是仍旧有很多的坑值得把稳和当心。

六、人是否会被机器所取代

总有人问：人会不会被机器所取代？

我认为这个问题的提问者既自大又自卑。
人体的布局实际上非常繁芜，是难以通过机器进行创造的。
凯文·凯利的《失落控》里面有一句话：一架波音飞机和一根黄瓜究竟谁更繁芜？

对付这个问题，我认为黄瓜比飞机还繁芜，由于黄瓜的细胞构造里面的运转很难。
科学家在考试测验创造最小的生命的时候，是剪掉现有细菌的DNA，剪掉往后去不雅观察细菌是否还活着，如果可以进行新陈代谢和繁殖，就仍旧认为它是个生命。

到今年为止，这个细菌被剪到还剩200个基因，仍旧存活。
这代表人类制造生命的最高水平，但这条生命是在现有生命体的根本上得到的，而不是创造的。
人类目前还没有能力去创造一条生命。
因此，到目前为止，生命还是来源于生命本身。

人类对付生命的理解还勾留在非常浅近的阶段，这200个基因里面只有60%是被明确浸染的，而剩下的40%仍旧不知道存在的浸染，可是没有这40%，生命就不能连续繁衍。
以是，要理解，生命是特殊困难的，机器到目前为止仍旧不能取代人类，人类不要盲目“自卑”。

在我心中，未来会涌现一个人机结合的局势，这才是未来天下的本源。

以前，人是自我进化的，这个进化是跟环境对抗而言的。
比如冷，就会长脂肪、长肌肉；奔跑，让自己更加健壮。
现在冷了，要穿衣服、开暖气；走不动了，就可以开车、坐电梯。

以是，现在人的进化是跟机器同步的，乃至依赖于技能的进步。
原来我总在思考一个问题，人在科技面前，是变得更强大了还是更弱小了。
我得出的基本结论是如果人和机器是一种协同关系，把科技当做工具，比如：利用搜索引擎、淘宝等等，人险些无所不能。
一旦离开了科技往后，人实在变得更加薄弱了。

因此，我们必须拥抱科技进步，这是不可阻挡的趋势。

技能在进化，技能和我们共同合成了地球的一部分，以是体内进化一段韶光往后，又开启了智能设备，然后又走向了体内技能的侵入。

有一本书内容很浅近，叫《科技想要什么》，讲人和机器之间的互动关系。
对人们理解人和技能之间的进化会有帮助，不是理解商业问题，而是理解人生存在地球上的代价。

人工智能实现往后，人类末了的阵地也会有一部分失落守。
过去人认为断腿没有关系，机器可以代替腿的功能，由大脑掌握就可以了，大脑是人最宝贵的。
但是现在，人脑可以进行的活动，机器也能够替代一部分了。
就比如阿尔法狗使得下围棋的棋手非常痛楚，认为自己的大脑被机器取代了。

但实在，人早晚会进化成一种人工智能的物种，或者人和机器进行合体，不但是身体的替代。
因此也会逐步涌现人和机器的连接、“脑机接口”等。

以上是我关于人工智能的一些感悟，我不是科班出身，大概会有错的地方，仅作为我个人的想法与大家分享。

感激大家！