未来的超级人工智能有多可怕？你读了这篇文章后可能会沉默不语！



未来学家凯文·凯利说过这样的话：“人工智能会是下一个20年颠覆人类社会的技术，它的力量将堪比电与互联网。”至于人工智能的定义？从广义上讲，人工智能是由算法和数据组成。从狭义上言，人工智能实质上就是一个超算中心，它的载体便是“机器人”。人工智能是对人类“认知框架”的更迭，算法则连通了人、事物、业务和信息。在未来，算法将成为企业的核心资产，全球正在进入“算法经济时代”。人工智能就是赋能机器并使之变得更加智能的活动，而智能就是赋能实物，在预测场景中去执行设定操作。而人工智能按“聪明”等级分，依次是弱人工智能、强人工智能和超级人工智能。当前，我们所面对的人工智能，主要是弱人工智能，真正意义上的强人工智能都仍未问世。

1784年到1993年，是为工业时代，最主要的特征是“大规模生产”，底层逻辑是“机器代替了人的四肢”，代表性企业如丰田、通用。1993年到2016年是互联网时代，最主要的特征是“互联网+”，底层逻辑是“机器代替了人的神经”，具有代表性的企业如谷歌、苹果、Facebook、亚马逊、腾讯、阿里巴巴、百度。2016年以后，便是人工智能时代，主要的特征是“人工智能+”，底层逻辑是“机器代替了人的大脑”，具备代表性的企业如英伟达、特斯拉、Uber、滴滴出行、今日头条。或者说，在全球科技产业中，第一个万亿美元级别的公司一定会在出在“人工智能和机器人”领域。

电子信息技术是工业技术、生物技术、太空技术、能源技术和材料技术等的底层技术。直接引用《经济学人》的一段原话：“50年之后，摩尔定律的尽头正在来临，制造更小的晶体管并不会使得芯片成本更低、速度更快，进步的方式将发生改变。除了基础的硬件性能外，计算能力的未来还将由其他三方面决定，即软件，云计算，针对特定任务开发的专业芯片。”

强人工智能尚且已令一些人感受到了压力，那么未来的超级人工智能到底会是以什么形式问世？未来的人类又将是以何种方式存在于世界上？下面的PPT已经给出了答案。













































































































































微软刚刚宣布Windows 10的下一个主要版本将支持人工智能（AI）和机器学习（ML）。但是，抛开市场炒作的因素，微软知道人工智能和机器学习真正的重担是在云端的开源软件上。这就是微软Azure的首席技术官Mark Russinovich在加利福尼亚州Sonoma召开的Linux基金会的开放源代码领袖峰会（Open Source Leadership Summit，OSLS）上传递的消息。



Russinovich开宗明义地表示：

人工智能科技和技术正在经历复兴。开源技术和社区的库和框架推动了自我教育机器学习开发人员的增长。云的计算能力使得大数据集的处理成本变得高效且普遍。随着越来越多的研究不断地被完成并在整个社区共享，我们将继续看到会有更多的智能应用程序采用各种各样的开放源代码技术，这些技术跨越了所有的处理平台。

具体而言，他举了两个微软正在使用云计算和开源软件来帮助客户提供解决方案的例子。第一个例子是劳斯莱斯的飞机发动机使用机器学习来跟踪它们的磨损状况。然后，这些数据将与人工智能一起用于发动机的主动维护。

微软还利用了大约二分之一的云计算和开源软件来支持DiagnosticX智能疾病预测架构（DiagnosticX Intelligent Disease Predictive Architecture），这是一个测试版的程序。它的首个用途就是检查来自美国国立卫生研究院（National Institute of Health，NIH）的X光数据库的X光图片。然后使用Visual Studio for AI和Azure Machine Learning将这些数据提供给诸如Core ML、Google TensorFlow和ONNX之类的开源机器学习和人工智能分析程序。最终的结果可以使用网页界面读取，可以用来诊断肺炎。

为什么要使用这些科技手段？因为X光机比放射科医生多得多。仅仅在美国，就有50,000名儿童死于肺炎，任何能够帮助及时发现这种致命疾病以便进行治疗的工具都是一种胜利。

Russinovich表示，是什么使得这些程序能够被创建出来？是云计算。我们之前没有取得太多进展，是因为只有到了现在，云计算才给了人工智能和机器学习开发人员一直需要的东西。也就是随需应变的、可扩展的计算能力，而且成本低廉，具有几乎无限的存储空间和高速GPU处理器，例如英伟达的Tesla K80和P100s。

综合下来，这为人工智能和机器学习开发人员提供了他们进行实验一直需要的资源。正如Russinovich所说的那样：“人工智能和机器学习是艺术，我们需要进行尝试。”

根据Russinovich的说法，实现这一目标的工具、程序和框架几乎都是开源的。“从MySQL PostgreSQL、Hadoop、Cassandra和NoSQL数据库开始，它们都是完全开源的。对于分析和预测，你可以使用Rand SPARK。而最受欢迎的深度学习库TensorFlow、Keras和Caffe也都是开源的。”

Russinovich继续表示：“早在2007年，机器学习专家就认为开放源代码是人工智能和机器学习的正确方法。现在两者都是基于开源的。”

在开放源代码和云计算之间，Russinovich认为人工智能和机器学习改变了每个行业，这不是营销炒作。