「洞见」智能时代，我们要遭遇一个怎样的未来？

THE INTELLIGENCE AGE

智能时代(洞见篇)

吴军《智能时代》提出

大数据与智能革命重新定义未来

让我们跟随作者思维窥探一二

请花几分钟

认真阅读深度思考

这关乎你的未来

战略不是研究我们未来要做什么，而是研究我们今天做什么才有未来。

——德鲁克

未来已来，智能时代已初露端倪，无人驾驶、智能识别、语音交互……我们看到许多存在于科幻小说中的场景已成为了现实。我们将面对什么？我们该怎么做？让我们紧跟吴军博士的真知灼见和前瞻思维窥探一二。

01 “机器智能”到底是什么？

你认为：机器智能是什么样子的？

是不是觉得“机器要像我们那样思考”？

如果你是这样想的，恭喜你，你和早期的科学家想法一致。

他们认为，在研发智能的时候，要先研究人是如何产生智能的，然后让机器按照人的思路去做，这样机器就能像人一样拥有智慧。

遗憾的是，这条路子走不通，多年努力只是制作出了几个“玩具”，如让机器像猴子一样摘香蕉，离人工智能差的太远。

(1)“机器智能”的逻辑

问题来了！！！

我们现在接触到的无人驾驶、语音交互等机器智能又是什么呢？要理解这个问题，首先让我们回到图灵博士描述机器智能的原点。

1950年，图灵在《思想》杂志上发表了一篇题为《计算的机器和智能》的论文，在论文中提出了著名的图灵测试，即验证机器有无智能的判别方法：

让一台机器和一个人坐在幕后，让一个裁判同时与幕后的人和机器进行交流。如果这个裁判无法判断自己交流的对象是人还是机器，就说明这台机器有了和人同等的智能。

在这个原点，我们发现机器智能最重要的是解决人脑所能解决的问题，而不在于是否需要采用和人一样的方法。从这点上来讲，机器已经做到了，而且还超额完成任务了，比如在下棋方面，不仅战胜了国际象棋的世界冠军，而且还战胜了围棋的世界冠军。

(2)AlphaGo的胜利

2016年3月，AlphaGo与韩国著名棋手李世石九段进行了五番棋比赛，结果以4：1大胜，震惊了世界围棋界和科技界。

既然科学家的“像人一样思考的机器智能”研究失败了。那AlphaGo是如何做到的呢？

因为，20世纪70年代起，部分科学家找到了机器智能的另一条发展道路，即采用数据驱动和超级计算的方法，变智能问题为数据处理问题。虽然开始有困难，但当数据量足够大之后，计算机开始变得聪明起来。

简单的说：AlphaGo记住了以数据形式存在的所有棋谱和对弈，在此基础上，利用数学模型计算了每一步棋获胜的概率，并做出最优选择。AlphaGo的胜利并不是他的智慧高，而是它的数据量足够大，计算速度足够快。

大数据对机器智能起决定作用。在深蓝、AlphaGo等智能机器人的背后，是数据中心强大的服务器集群。没有大数据，就没有现在的机器智能。

现在的数据量相比过去大了很多，量变带来了质变。这也是机械智能近些年突飞猛进的根本原因。因此，我们与机器智能的较量不是“智力与智力”的博弈，而是“逻辑推理”与“数据计算”的PK。

我们正在经历“机器智能革命”，这是所有人能切身感受的！

02 “思维革命”悄然到来！

机器智能的革命将导致计算机在越来越多的领域超过人类，并最终让我们的社会发生翻天覆地的变化。

要理解这些变化，首先要回到方法论层面，即我们做事情的方法与方式。

(1)开创科学时代的“机械思维”

自17世纪以来一直指导我们日常做事行为的先前最重要的一种思维方式——机械思维。它开创了科学时代、理性时代，也开启了西方的近代社会。

机械思维可以追溯到古希腊，欧洲之所以在科学上领先，依靠的就是古希腊的思辨思想和逻辑推理能力，从实践中总结出最基本的公理，然后通过因果逻辑构建起整个科学大厦。

欧几里得的几何学，提出了5条简单的公理，用这些简单的公理（两点间可画直线、直角都相等），可以推理出很多复杂的定理。

托勒密的天文学理论体系，通过一个简单的元模型，来构建复杂的模型，就能推算出天体运动的规律。

贡献最大的是牛顿，他用简单而优美的数学公式破解了自然之谜；用几个简明的公式（力学三定律和万有引力定律）破解了万物运动的规律；用微积分的概念把数学从静止的变量拓展为连续变化的函数……

从牛顿时代开始，科学家们都在致力于通过几个公式来描述我们的世界，并且应用他们预知未来。

后来，人们将牛顿的方法论概括为机械思维，并用它来指导日常的行为。其核心思想可以概括成确定性（或可预测性）和因果关系。

机械思维：确定性+因果关系

牛顿可以把所有天体运动的规律用几个定律讲清楚，并且应用到任何场合都是正确的，这就是确定性。

当我们给物体施加一个外力时，它就获得一个加速度，而且加速度的大小取决于外力和物体本身的质量，这是一种因果关系。

没有这些确定性和因果关系，我们就无法认知世界。客观上讲机械思维确实促进了世界近代化，乃至现代化的过程——它导致了很多重大的发明和发现。

(2)机械思维&工业革命

机械思维是现代文明的基础，也直接带来工业大发明的时代。

工业革命最重要的标志是瓦特发明蒸汽机。在瓦特之前蒸汽机就已经存在，但非常难用，不是那时的工匠们不想改进，而是他们不知道该怎么改进。

在牛顿和瓦特之前，一项技术的进步需要非常长的时间来积累经验。瓦特的成功不是他的经验和技术的胜利，而是他掌握了新的方法论——机械思维。

瓦特，成为第一个用牛顿力学原理做出重大发明的发明家。

此后，机械思维在欧洲开始普及，工匠们发明了解决各种问题的机械，史蒂芬森发明了火车、耶鲁机械学毕业生伊莱·惠特尼发明了轧棉机，罗伯特·富尔顿发明了蒸汽船……

机械的广泛应用和机械的思维方式直接导致了人类迄今为止最伟大的事件——工业革命。

(3)机械思维的局限

从牛顿开始，人类社会的进步在很大程度上得益于机械思维，但到了信息时代，它的局限越来越明显。

首先，并非所有的规律都可以用简单的原理描述；
其次，像过去那样找到因果关系已经变得非常困难，因为简单的因果关系规律性都被发现了。
最后，随着人类对世界认识得越来越清楚，人们发现世界本身存在着很大的不确定性，并非如过去想象的那样一切都是可以确定的。

我们将不确定的事情称为“黑天鹅”，今天，世界步入一个“黑天鹅湖”的时代——一湖水全是黑天鹅。

各种不确定性交织在一起，构建起不确定的指数变化。在这种情形下，机械思维已难以奏效，我们急需一种新的方法论。

(4)信息熵&不确定性

世界的不确定性，让很多事情难以用确定的公式或者规则来表示，但他们并非没有规律可循，通常可以用概率模型来描述。

在概率论的基础上，香农博士建立一整套完整的理论，将世界的不确定性和信息联系了起来，这就是信息论。

这给了人们一种看待世界和处理问题的新思路。

香农指出，信息量与不确定性有关：假如我们需要搞清楚一件非常不确定的事，或者我们一无所知的事情，就需要了解大量的信息。

与机械思维是建立在一种确定性的基础上所截然不同的是，信息论完全是建立在不确定性的基础上，要想消除这种不确定性，就要引入信息。

这种思路成为信息时代做事情的根本方法。用不确定性的眼光看待世界，再用信息消除不确定性。

比如，要识别一个人脸图像，实际上可以看成从有限种可能性中挑出一种，因为全世界的人数是有限的。

这也就把识别问题变成了消除不确定性问题。人工智能领域的成就，其实就是不断地把各种智能问题转化成消除不确定性的问题，然后再找到能够消除相应不确定性的信息，如此而已。

(5)大数据&相关关系

当我们了解到信息或者数据能够消除不确定性之后，便能理解为什么大数据的出现能够解决那些智能的问题，因为很多智能问题从根本上来讲无非是消除不确定性问题。

所以，大数据的科学基础是信息论，它的本质就是利用信息消除不确定性，采用信息论的思维方式可以让过去很多问题迎刃而解。

与“确定性”对应的是“因果关系”，在过去我们一直非常强调这点，一方面是因为常常先有原因，再有结果，另一方面是因为如果我们找不到原因，常常会觉得结果不是非常可信。

如药物研制过程，通常需要分析病因，寻找能消除这些病因的物质，然后合成新药。青霉素的发现过程就是如此：

19世纪中期发现巴斯德发现微生物导致疾病；1928年弗莱明发现了青霉素，但不知道其杀菌原因；1943年，牛津大学科学家发现青霉素中的一种物质——青霉烷——能破坏细菌的细胞壁，搞清了青霉素有效的原因；1945年，多萝西·霍奇金搞清了青霉烷的分子结构；1957年，人工合成青霉素。

青霉素的发明过程中，人们就是通过分析原因，然后寻找答案，虽然通过因果关系找到的答案非常让人信服，但是这个过程非常漫长，费用非常高。直到现在大量新药的研发仍是如此，一款新药大约需要20年时间和20亿美元的成本投入。

但是，在充满黑天鹅（不确定）的时代，我们或许可以另辟蹊径。

比如斯坦福大学医院通过数据发现，原来用于治疗心脏病的某种药对治疗某种胃病特别有效。
为了证实这一点需要做临床试验，这样找到治疗胃病的药只需要花费3年的时间，成本也只有1亿美元。

这种方法，实际上依靠的并非因果关系，而是一种强关联关系，即A药对B病有效。至于为什么有效，接下来3年研究工作实际就是反过来找原因。

这种先有结果再反推原因的做法，和过去通过因果关系推导出结果的做法截然相反。无疑，这样的做法会比较快，当然前提是有足够多的数据支持。

在黑天鹅时代，“不确定性”对应的是“相关关系”，从大量的数据中直接找答案，即使不知道原因。

如谷歌根据数据统计，发现效果非常好的广告与内容的搭配：

在电影租赁和视频网站上，放零食广告；
在女装网站上，放男装广告；在咖啡评论和销售网站上，放信用卡和房贷的广告；在工具评论网站上，放快餐的广告。

这些搭配，如果没有大量数据统计，一般人是想不到的，有一些甚至知道结果后，都找不出原因，但只要使用了这些相关性，广告效果就好。

显然，这是一种捷径，但更重要的是，这也是一种新的思维方式——大数据思维。

大数据思维：不确定性+相关关系

(6)思维的方式

落后与先进，不是购买一些机器或引进一些技术就能弥补的，落后最可怕的地方是思维方式的落后。

西方在近代走在了世界前列，很大程度上靠的是思维方式的全面领先。

今天，如果我们能找到确定性和因果关系，这依然是最好的结果。如果无法确定因果关系，数据所包含的信息可以帮助我们消除不确定性，数据之间的相关性在某种程度上可以取代原来的因果关系，帮我们找到答案。

机械思维（确定性+因果关系）带来了工业革命，开启了科学时代，将我们带入了近代社会。

那大数据思维或者说信息论思维（不确定性+相关关系），将会带来什么？

03 “未来社会”我们要遭遇什么？

工业革命让大量工厂的体力劳动者失业，那智能革命是否会导致坐在电脑后的脑力劳动者失业呢？

答案是显然的，智能革命给我们带来一个更美好的社会的同时，也必然会带给我们空前的挑战。

当计算机越来越聪明之后，一定会取代人类完成很多需要高智力的工作。而且，这次取代的不仅仅是简单的重复性劳动，智能革命所要替代的是人类最值得自豪的部分——大脑。

像医生、律师、新闻记者、金融分析师等过去被认为是非常重要的脑力工作都将被取代。

不过遗憾的是，很多人对此不以为然。就如同历史上工业化国家的民众曾经的不以为然。机器智能如此翻天覆地的革命，不可能不对社会产生巨大的负面影响。

人类总是会遗忘痛苦，几个世纪后，我们看工业革命，它带来的好处自然要远大于它的负面影响。

但在当时，它的负面影响，它给社会带来的动荡是巨大的，它给当事人带来的痛苦程度是可怕的，以至于当时诅咒它的人比欢呼拥抱的它的人更多。

因为新技术出现初期，受益者只有少数人，其他人因为新技术变得更加贫困，甚至被机器抢了生计。

在工业革命后的半个世纪里，原有的经济结构被摧毁，那些社会主流的小作坊纷纷破产，那些拥有一技之长的工匠失去工作（工匠们敌不过年轻劳工的结实身体，更敌不过工资低的童工），这让那些当年引以为豪的中产阶级沦为赤贫。

这些痛苦的消除，远比我们想象的要久。事实证明，负面影响需要两代人的时间才能消除。更可怕的是消除的方法如此残忍：

那些被技术革命淘汰的员工能够进入新行业中的其实非常少，消化掉这些劳动力的方法，就是等待他们老去，逐渐退出劳务市场，而他们唯一的希望就是他们的后代能够进入一个新的行业。

（第二次工业革命 美国工人运动 后面是警察镇压）

还有一个不幸的消息，大数据和机器智能的趋势一旦形成，就不是人力可以阻挡的。这一次由机器智能带来的革命，对社会的冲击将是全方位的，我们所依赖的那些所谓需要智力的工作也在消失。

即使有新的行业出现，由于机器智能的影响，它所需要的就业人数相比过去的老行业也会少很多。

也许几个世纪后，再看智能革命，它的历史意义是巨大的，可作为时代的当事人，我们必须正面迎接挑战。

在历次技术革命中，一个人，一家企业，甚至一个国家，可以选择的道路只有两条：要么进入，要么被淘汰，抱怨是没用的。

“落后最可怕的地方是思维方式的落后”，要想不被时代抛弃，就要接受新的思维方式，利用大数据和机器智能。

如对此话题感兴趣，建议买本吴军的《智能时代》深入研读，用一篇文章表达一本书的内容并不容易，如喜欢，麻烦点赞转发，谢谢！