文|鄧湘科
這一波的人工智能熱潮是因為Deep Learning帶來的。之前這個領(lǐng)域叫數(shù)字神經(jīng)網(wǎng)絡帽衙，嘗試模擬人腦神經(jīng)元的機理建立類似人腦的機器智能伤哺，探索了很多年，沒有誕生真正有實用價值的產(chǎn)品和方向棒掠，一度沉寂孵构。
用Artificial Intelligence指代Deep Learning是概念的再次包裝。這些年因為算法的突破句柠，以及云計算浦译、GPU、FPGA為代表的運算能力突破溯职，使得多層訓練算法在模式識別領(lǐng)域獲得了可實用的成果精盅。Alpha Go擊敗人類頂尖棋手點燃了對于機器學習、深度學習和人工智能領(lǐng)域的關(guān)注和投資熱潮谜酒。目前看Deep Learning是實現(xiàn)類人類智能叹俏，比如圖像識別、語音識別等感知能力的可行路徑僻族。由此可以進行人類各種單項perception能力的模擬粘驰、提升甚至超越。但本文并不打算介紹和分析Deep Learning述么，而是從另外一條隱性線索與規(guī)律來看待人工智能的出現(xiàn)蝌数、發(fā)展和終局。
人類整體效率提升和發(fā)展源于工業(yè)革命度秘。通過蒸汽機的發(fā)明把煤顶伞、石油等能源轉(zhuǎn)化成各種機器所需的動力，超越了數(shù)百萬年來人類自身的體力極限。然后出現(xiàn)電力進一步深化這種能力唆貌。第二次革命源于IT技術(shù)的出現(xiàn)滑潘，但很長時間IT并未成為類似工業(yè)機器一樣的革命性生產(chǎn)力工具。企業(yè)IT從打字锨咙、OA语卤、財務電算自動化、進銷存酪刀、MRP粹舵、MRP II、ERP蓖宦、SCM齐婴、CRM演進幾十年，經(jīng)歷無數(shù)浪費稠茂，也帶來了普遍效率提升柠偶，但談不上革命性。甚至互聯(lián)網(wǎng)出現(xiàn)后早期應用于門戶睬关、email等領(lǐng)域诱担，帶來的影響依舊有限。但電子商務的出現(xiàn)帶來了根本的改變电爹。我曾做個一個電商模式和傳統(tǒng)零售的對比蔫仙。電商再次重組全球生產(chǎn)、流通丐箩、消費和金融摇邦。在我看來電子商務（E-commerce）從本質(zhì)來看應該叫做Business@IT，是通過IT技術(shù)提升Business的廣度屎勘、深度和效率施籍。傳統(tǒng)企業(yè)信息化所有領(lǐng)域都應該屬于電子商務的一部分，而且實際上狹義的電子商務也在向企業(yè)信息化所有領(lǐng)域延伸概漱。Amazon的AWS本質(zhì)上就是提供一整套Modern IT來取代傳統(tǒng)IT丑慎。
人工智能將是人類的第三次革命。它并非孤立出現(xiàn)瓤摧，而是原有兩次革命的延續(xù)和發(fā)展竿裂。工業(yè)革命解放了人的體力，釋放出能源的巨大力量照弥。上世紀開始泰勒科學生產(chǎn)方法融合工業(yè)流水線和技術(shù)工人腻异，把人類整體的生產(chǎn)力水平提升了50倍，之后的工業(yè)工程这揣、全面質(zhì)量管理悔常、豐田的TPW敢会、精益生產(chǎn)在此基礎(chǔ)上通過消除浪費，繼續(xù)提升端到端效率这嚣。所以洛克菲勒有句名言：資本主義就是不斷地把奢侈品變成生活必需品。但工業(yè)生產(chǎn)有個局限塞俱，生產(chǎn)的是批量的標準化工業(yè)品姐帚，人們需要的物品本質(zhì)上都是個性化的，所以產(chǎn)業(yè)界提柔性制造提了很多年障涯。IT面臨同樣的問題罐旗，再高效的IT系統(tǒng)也是基于流程，本質(zhì)是基于計算程序唯蝶，而程序基于有限的預定規(guī)則范式：比如If then else九秀。IT無法處理未曾預先定義的問題，因此IT應用的范圍是有限的粘我。類似工業(yè)領(lǐng)域柔性制造鼓蜒，人工智能的出現(xiàn)可以幫助實現(xiàn)柔性IT，實現(xiàn)所有流程場景的IT化和自動化征字。結(jié)合了人工智能的IT從只能處理If then else到可以say when都弹，可以處理人類常說的It depends的問題，就像美國最高法院法官Potter Stewart被問到如何定義“淫穢”時匙姜，他著名的回答是：“I?know?it,?when?I?see?it.”
工業(yè)革命的終局是實現(xiàn)整個物理世界的自動化畅厢，解放人類身體。信息革命的終局是建立并實現(xiàn)整個數(shù)字世界的自動化氮昧。人工智能幫助最終建立整個物理世界的數(shù)字鏡像映射框杜，并把perception、分析判斷袖肥、決策能力注入其中咪辱，完成自動化，解放人類的精神昭伸。
從另外一條線看梧乘。人類的認知領(lǐng)域的飛速發(fā)展源于受控科學實驗的出現(xiàn)，在此之前人類認知的發(fā)展基于幾代人的離散實踐才能有很少的推進和累積庐杨，還特別容易耗散选调。建立科學猜想，邏輯推導灵份，然后受控科學實驗驗證仁堪，形成理論，推理更多應用場景填渠，指導實踐弦聂，然后反過來印證鸟辅、完善或者推翻理論，如此反復莺葫，人類認知借助于所謂科學得到加速度發(fā)展匪凉。但這依然存在瓶頸。人類個體所能掌握的資源捺檬、進行的實踐和自身生命周期都非常有限再层。當我們逐步對整個物理世界進行完整建模和映射，就會出現(xiàn)新的契機堡纬，人類拓展認知的實踐和受控科學實驗將無需在物理世界進行聂受，可以在數(shù)字世界突破時空限制加速遍歷各種路徑。唯一的限制只有算力烤镐。由此可以帶來人類認知領(lǐng)域進一步指數(shù)級的加速增長蛋济。這才是未來人工智能發(fā)展真正美妙的地方。
