首先聲明我不是技術流，讓我闡述數理化原理臣妾做不到，我只是從本行的商業與金融角度，嘗試將國家的大戰略解釋得淺表一點，尤其是著重探尋與你我普通人的關係，以打開機會之門，探尋未來之道。

投資幾十萬億的新基建序列裡，還有個既熟悉又陌生的名詞：人工智能。說熟悉是因為終結者、變形金剛的形象實在是太深入人心，很多人腦子的的固有公式就是人工智能=機器人。其實這個概念很不全面，從廣義的角度而言，人工智能早就和我們密不可分，凡是能替代人做事的機器都有人工智能的影子。

你淘寶上搜了桶泡麵，一個月內你淘寶頁面上就老有泡麵；你抖音上看見個傻子，這傻子就頻繁和你在抖音上照面。這背後投你所好的不是客服小姐姐，就是服務器裡按一定算法運作的人工智能。

什麼是人工智能

概念：Artificial Intelligence,簡稱AI,是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

概念就是這樣，一定是說的最完整最科學的句子，但你看得懂就算他輸。我就喜歡大白話：人工智能就是讓機器學習人、模仿人、超過人，目的是服務於人（最後幾個字是我良好的願望）。

1956 年在美國達特茅斯學院會議上，提出了人工智能的概念，在這次會議的討論引發了計算機學界的關注，從而宣佈了「人工智能」這一新興學科的誕生。

人工智能是迄今為止所有現代學科裡最複雜的之一，包括了數學。。。。。。等16門學科，看到第一門我就沒有了列舉下去的慾望，有強迫症的自己百度。你可以考慮一下，要全面模仿人這麼雞賊的物種，那機器得學多少東西，就可以理解這個學科的複雜性。

人工智能這麼複雜，裹和了那麼多學科，一般要把它說清楚是件痛苦的事，這個痛苦指的是正在爬文你的痛苦。還好我有好生之德，自虐了良久，下面我就由淺入深，九淺一深得把這個事給捋清楚：

人工智能四大要素

算法、算力、數據、場景。

聰不聰明看算法--算法是實現人工智能的根本途徑，是方法論，是軟件；

能不能幹看算力--算力就是計算的能力，是物質基礎，主要是硬件；

淵不淵博看數據--數據就是把機器要模仿的人變成數字，是機器學習的資源庫；

有沒有用看場景--算了半天，學了半晌，沒有用武之地，都是白扯。

你是不是靠你的算力用你的算法加工了你腦子裡的數據，得出了一個場景了？還蒙圈？

再舉個你非明白不可得例子：

把擼串作為場景，大數據相當於串，算力就相當於碳，算法就是作料和火候。嗯，吃貨們都明白了。

那我們就繼續：

算法：也可以說是機器的學習方法，主流的有機器學習算法和神經網絡算法，到了某個程度二者又水乳交融。

算力：最直觀的就是芯片。芯片的速度、能耗、反應決定了人工智能的絕大部分算力，人工智能領域的主流芯片都是GPU，算是CPU他大哥。

數據：就是機器學習的課本。

場景：行了，烤好的串出場了。現在人工智能的主要應用領域可以概括成四個方向：

機器人、語言識別、圖像識別、專家系統，再分的細點、直觀點：

所以上面鋪墊一大堆，最終目的就是為了達到讓機器更聰明一點，能幫人做的事更多一點，我們有更多的時間可以葛優躺。

人工智能的三個發展階段

人工智能的未來，大致已經做出了推測：

第一階段：弱人工智能（簡稱弱智），這個階段機器可以在單個方面比人做得好，比如深藍可以戰勝世界象棋冠軍；大狗可以做的比騾子好；但是你讓它們哪怕是垮領域得識別雞蛋和大象的區別，它們也做不到。人類從1956年開始折騰到現在，還踏踏實實得待在這個階段。

弱智階段的機器學習還有個典型案例就是特斯拉， 特斯拉公司的新型汽車非常酷炫， 而這種酷炫背後蘊含著不折不扣的AI科技。你每購買一輛特斯拉汽車就連上了雲端。 你的汽車會不停的向雲端共享你的駕駛數據。

特斯拉汽車將取得非常多牛逼司機的駕駛數據，當然也包括菜鳥的出錯記錄，這就好比無數牛逼的教練在幫助特斯拉汽車逐步的掌握人才能掌握的駕駛技巧。 這為其今後的無人駕駛技術，積蓄了海量的數據，雖然現在特斯拉的自動駕駛老是磕磕碰碰，但未來的發展非常有料。

第二階段：強人工智能，這個階段機器可以與人比肩，人類乾的腦力活它都能幹。

著名教授Linda Gottfredson定義強智為：“一種寬泛的心理能力，能進行思考、計劃、解決問題、抽象思維、理解複雜理念、快速學習和從經驗中學習等操作。”

第三階段：超人工智能，到了這個階段，機器各方面都可以秒殺人類。

牛津哲學家，知名人工智能思想家Nick Bostrom定義如下：“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能。”

注意到沒，到了這個階段只有哲學家能給它下定義了，科學家都已經無語了。這其實也告訴我們，終結者的電影有多荒謬，因為按照這個推理，在機器戰隊面前人類生存概率為0。

那問題又來了，從弱智到強智幾十年一直跨越不過去，是什麼原因呢？

這似乎又是一個哲學問題，因為在研究中發現很多有趣現象，比如，

製造 AlphaGo那樣有窮盡算力，並戰勝所有圍棋冠軍的目標已經實現，但谷歌花了幾十億美元造一臺能真正讀懂六歲兒童畫本的電腦宣告失敗。

再比如：微積分、天體物理、核聚變模擬、多語言翻譯，這些能把你折磨死的課題，電腦不費吹灰之力；但理解我們的笑話、微表情、評論、情緒這些本能的事情，機器會覺得比登天還難。

怪事出來了，凡是需要思考的事情，機器大概率可以超越人類，而無論給它多少樣本學習、分析、模擬，人不怎麼需要思考就能完成的事，機器卻始終遙不可及。這可不是我說的，這是計算機領域專家的總結。人類一思考。。。。。。，我去~機器是上帝的化身了嗎？

我們關於人工智能三階段的驚悚討論先到此為止，回過頭來把弱智階段的事先搞明白。

新基建裡為何有AI

如果說在21世紀，還有哪一種技術可以和歷次工業革命中的先導科技相提並論的話，那答案一定是人工智能技術。但不可否認，人工智能的發展在前些年遇到瓶頸期，最近大熱的新基建裡為何將相對比較高冷的人工智能又涵蓋了進去呢？

1.技術條件儲備，為快速增長奠定了基礎，再回憶前文我們講過的人工智能四要素：

深度學習的日益成熟，突破了過去機器學習領域淺層學習算法的侷限，顛覆了語音識別、語義理解、計算機視覺等基礎應用領域的算法設計思路。

算力方面，GPU、NPU、FPGA等專用芯片的出現，使得數據處理速度不再成為人工智能發展的瓶頸。

數據的爆發式增長為人工智能提供了充分的條件，根據IDC預計，到2020年，全球數據總量將達到40ZB。得益於巨大的人口基數和活躍的線上平臺，我國數據量將達到8.6ZB，佔全球的21%左右。

學習方法、學習能力、學習教材都升級了，結果也一定會快速向好。

2.龐大的市場容量和投資拉動效應：

全球市場調研機構IHS Markit發佈數據顯示，到2025年AI應用市場規模將從2019年的428億美元激增到1289億美元。而僅中國國內的市場規模預計核心產業規模和帶動產業規模也十分驚人。

從2019年，全球AI產業鉅額融資清單也看得出，中國無論數量和金額都排名第一，說明投資熱情高漲。未來對於人工智能的吸金和盈利效應普遍看好。

3.國家戰略的持續關注：

國務院2017年7月8日就印發了《新一代人工智能發展規劃》，作為我國人工智能發展的頂層戰略。對人工智能在各細分行業的發展規劃都做了詳細描述，而2020年開始正是發力年。

國家之所以如此關注，還有一個主要背景就是目前世界上已形成中、美、歐三足鼎立的競爭態勢。全球正在從“互聯網+”向“AI+垂直細分領域”轉型。“AI+”讓人工智能逐漸融入各個傳統行業，對行業進行改造。推動人工智能在金融、醫療、交通、安防、文娛、農業、教育等領域將應用場景落地生根，創造出更大價值。

由於人工智能的發展，尤其是應用仍處於大規模起步階段。中國無論在數據容量、企業數量都具有不小的優勢，同時又有製造業大規模轉型內生動力。目前人工智能時代的產業格局還沒有形成壟斷，因此全球科技產業巨頭都還在積極推動人工智能技術生態的研發佈局，全力搶佔未來人工智能相關產業落地的制高點。時不我待啊！

目前在我國，綜合類人工智能第一陣列還是BAT三強，想想為什麼？因為他們掌握了最權威的教材，也就是最大的數據。包括大疆、華為、海康、訊飛等一批企業在某個專項上，也做到了世界前排。

人工智能與我們的未來

我們先來看看同是行業巨咖的二馬在一個高峰論壇上說的一段相聲：

馬斯克：人通常低估人工智能的能力，實際上機器很有可能比人聰明得多。我希望AI是友好的，如果打不過AI就加入AI組成團隊。人類輸入信息給計算機特別慢，計算機看人一定會覺得特別無聊。

馬雲：我不是搞高科技的人，我是講生活的，我覺得AI能更好服務現在我們居住的環境。我很樂觀，我不覺得AI是一種威脅，因為人類很聰明。

馬斯克：技術進步速度太快了，人類歷史來看，哪怕技術進步慢1000倍，人類進化/文明也跟不上。這是事實，和樂觀悲觀無關。

馬雲：每一個技術革新，人類都擔心會減少就業，事實證明技術會創造出新的就業機會。以後人類會活的更長，工作時間最好減少，讓人有更多時間娛樂、旅遊、生活和生孩子。

馬斯克：今後人工智能會使得工作失去意義，所以我建議大家去學工程、物理或者做一些和人互動的工作。我們要思考神經連接的問題，我們所剩的時間也不多了。

馬雲：我從來不擔心自己解決不了的問題。

馬雲：所有的教育體系給孩子教的東西，主要是為工業時代所設計，過去我們專注的都是記憶，但計算機可以比你記得更好，算得更快。所以人類要更有創意，更有建設性，比如去學藝術，學畫畫，學跳舞。

馬斯克：最好的未來學習方法是完善神經連接科技，讓知識批量快速上傳。

馬雲：人類最好的資源是大腦，人腦不會被AI控制，人類無法制造出比人更聰明的東西。

馬斯克：我不贊成，聰明人犯的最嚴重的錯誤就是自以為聰明。

馬雲：哪個人類創造的東西比人更聰明？

馬斯克：阿爾法go

馬雲：計算機可能更聰明，但是人類要有更多的智慧。聰明是學術驅動的，但是智慧是經驗驅動的。是人類發明了計算機，我從來沒有看到計算機發明一個人。

馬斯克：人工智能已經在跳躍自由度，智能的數量級在不斷的上升，可以完全模擬人的各個方面。

馬雲：AI就是愛，以前一個成功的人士必須情商高智商高，在未來的AI世界裡面，成功需要愛商要高。

馬斯克：牛。

你品，你細品，這段對話信息量極大。對未來的人工智能，二馬明顯一個是悲觀主義者，一個是樂觀主義者。馬雲寄希望於“用愛發電”，馬斯克很現實的要實現人機接口，就是用人和機器合體來對抗人工智能統治世界。

這裡有幾個現實問題：

1.人工智能的廣泛運用會否讓人都失業？

這個問題我比較樂觀，理由如下：

人類歷史的演進中，每個顛覆性的新技術出現雖然會滅掉一部分傳統職業，但又會創造一大批新職業，逐漸實現平衡。機器越來越聰明，把髒活累活都幹了，但機器的維護和設計製造總得有人幹吧。

再者，包括富士康在內的人力密集企業現在廣泛使用機器人，那是因為人力成本超過了設備配置成本。一旦達到某個臨界點，資本可猴精猴精的，哪些活誰幹更合算，資本說了算。

MIT的經濟學家阿西莫格魯曾做過關於人工智能對於人類影響的推測模型，最後的結論是：

當新的技術革命產生時，某個行業受到衝擊，此時再投入進行技術的改進費效比很低。反而是開發基於新技術的周邊商業應用更有利可圖，而且也會創造大量新工作崗位。

再說了，如果真達到物質生產極大豐富的時候，人可以少幹活甚至不幹活，安享共產主義啊。

2.普通人如何在人工智能大潮中活的更好？

人工智能因為跨越大量學科而出奇複雜，所以對一般人而言要成為專業人士去掘金，那需要接受長時間、大量的基礎教育和研究積累，門檻很高。

目前，很多平臺採用了開源的方法，共享很多功能代碼。比如百度，他就開源了很多無人駕駛的功能代碼與汽車企業共享共建，即為很多非專業企業提供了升級的渠道，同時也為自己建立了數據收集的通道。這些開源的功能包，可以為企業和個人提供抱著大腿起飛的機會。

從機器鋼鐵直男鐵憨憨的學習秉性而言，普通人應該掌握其致命弱點，即關於情感、文化、心理類的感性範疇是其無法逾越的坎，所以揚長避短的設定發展方向是明智選擇。你非要和它拼背誦圓周率，我~祝你開心。

3.強人工智能後的人類命運？

最後，我們又到了開腦洞的環節。有幾個關鍵結論是需要掌握的：

A.按現有發展，人類製造出與自身智能水平相當的機器是早晚的事，即達到強人工智能水平。計算能力的飛速躍升、算法的逐漸精進、數據庫的無限膨脹，讓這個結果是理所當然的事。

這個不是倫理、道德和焦慮可以限制得了的。總有人按捺不住統治同類的慾望，科學家的好奇心和自尊心也無法得到滿足。

B.一個人工智能當達到了與人類比肩的程度，哪怕它之前花了幾十年甚至上百年，哪怕只是觸摸到腦殘級別的智能水準，但就像打開了一個開關，它的運算能力和自我進化速度可以在極短時間內就達到超人工智能的水平。

例如電腦“小明”在凌晨12:00達到人類4歲的全面智力水平，在12:30就可以自行推導出廣義相對論級別的理論系統，在0:30分智能就可以達到人類水平的17萬倍，而且它可以同步讓所有連線電腦同時達到這個水平。

然後呢？誰能說出這個然後來？對這一點，我表示悲觀，因為部分人類有時候會愚蠢和自私到無法想象而不自知的地步。

霍金、馬斯克、比爾.蓋茨是三個“人工智能威脅論”的堅定持有者，人工智能可能毀滅人類甚至是霍金的臨終警示。但，那個開關何時會被按下，誰也不知道，也許100年後，也許就在明天。。。。。。

我是【玄同商道】，商業地產二十年運營，頭部金融企業合夥人。

嚴肅財商、有趣分享、歡迎關注、共同進步。

閱讀更多 玄同商道 的文章

關鍵字: 機器人 人工智能 算法