給小白看的 AI 最小入門指南(一)
人工智慧究竟會如何改變我們的生活? 它會不會像之前的電力革命, 網際網路革命那樣徹底重塑我們的生活? AI革命的本質又是什麼?
這篇小文帶大家展望一個未來的人工智慧新世界,從衣食住行的方方面面,到新經濟的方方面面,直到人生的意義和價值本身,想象人工智慧將會給世界帶來的巨大變化, 以至如何重塑我們的生命本身。 然後, 我們會後退一步, 仔細去看今天人工智慧給人類各個產業帶來的變化,網際網路, 金融,醫療,安防,還是製造業, 最終所有企業, 為什麼會一一引入這頭猛獸, 對於普通人到底會迎來哪些機遇和挑戰, 你會淪為一個被別人利用的資料棋子, 還是AI的掌控者贏得人生? 都是我會涉及的話題。
一, 這為什麼會是一場革命
在過去的5000年裡,人類經歷了所謂的農業革命, 鐵器革命,以蒸汽機為代表的第一次工業革命, 以電力為代表的第二次工業革命, 以及資訊革命。 我們說,這幾次革命稱之為革命,都是把人從一部分不得不做的繁重勞動中解放出來。 農業革命使得我們不用為了惆悵食物來源而打獵衝擊,而都是用工具或機器來取代一部分人力能做的事情。鐵器革命大量金屬工具取代人手的功能,而工業革命時代, 蒸汽機的火車頭替代了牲口, 珍妮紡織機取代了手工織布, 到了有電以後,以至於電腦的發明,連人類的簡單運算功能,都開始被機器取代掉。 而因特網為代表的資訊革命, 使得人與人的連線方法,乃至社會不同要素的組合效率得到了一個質變, 人不用在每天記憶大量無用的知識, 人的大腦開始迅速被解放。
然而, 上述的革命,都建立在一個基礎上, 是人的經驗的長期積累, 被提煉成知識, 提煉成科學,然後一步步產生出來的。 是一個個鮮活的人, 他們的大腦, 把經驗寫成書籍, 然後書籍的知識在一點點的被下一代人學習, 融合了它們的經驗,再度彙集成書籍這個過程本身。 如果我們說, 有一天, 連這個從經驗中形成知識的過程都可以交給機器, 那你說, 這是不是一場某種意義上,終極的革命? 沒錯, 這, 就是AI革命。
在工業革命時代, 我們通過思考製造機器, 在AI時代, 我們製造會思考的機器。 人工智慧對未來的改變, 是對我們一點一滴的形成知識的過程本身的自動化。是讓我們的這個用機器取代人力的過程本身的自動化。 在AI革命前,剛剛所描述的整個過程,我們而可以稱之為人類學習和發現的過程,是人類大腦的專利。 未來, 這一切將化作歷史
二, 什麼是演算法, 什麼是AI演算法
在講解AI革命之前, 我們要先弄明白一個東西叫演算法。 說到演算法, 你可能會想到程式。在計算機出現的初期, 我們就試圖把人類的知識,比如計算, 放入到計算機裡,然後通過程式來解決問題, 這個東西我們通常稱之為演算法。我們可以說AI革命前的計算機時代, 演算法已經在全面的改變我們的生活。演算法首先表達的是人類的邏輯, 通常可以被數學公式,或者是某種符號語言表達。然後我們通過電晶體精密的運作方式表達這種邏輯, 然後幫助人類來工作。
具體理解什麼是演算法, 一個非常典型的例子, 排序就是一個很經典的演算法, 雜亂無章的數字堆在一起, 我們要一從大到小給它排列出來。然後, 我們會規定一個過程, 讓這串資料進去, 然後整齊從大到小的出來,這就是一個演算法。 我們可以如何做呢? 有無數種方法, 最簡單的讓每個資料從左到右與旁邊資料比較,每次遇到比自己大的, 就右移一格, 遇到不如自己的, 就不動,這樣下來, 然後那個小的繼續比較, 這樣最小的那個就沉到最後, 這樣再對剩下的數處理, 往復迴圈,就可以從小到大的出來。 當然我們可以發明無數過程實現這個東西,比如插入法, 堆排序等,但是萬變不離其綜的是, 一個可以自動實現的過程, 每一步按照一定規則行進,得到一個我們想要的結果。我們可以看到演算法是把人的邏輯過程給自動化了。
進一步想, 演算法其實也並不一定是程式。 通過一個給定的規則和自動化的過程得到一個結果,只要是這件事,有沒有計算機都可以看成演算法。比如生物進化可以看作一個巨大的遺傳進化演算法,一開始有一堆原始的細胞, 然後你規定一個過程,細胞可以通過遺傳產生一樣的新細胞, 這個過程會有錯誤出現變異, 然後自然環境可以選擇有利的變異, 只要迭代論述足夠多, 這個演算法得到的結果是所有複雜的生命型別。一些社會現象, 如自由市場對經濟的調控, 也可以看作演算法,你自己可以回去想下。
這告訴我們, 演算法是分層次的, 最上層的, 是符號世界的演算法也就是一個數學體系, 最下層的, 是物理世界的部分。因為演算法本身其實是一大堆可以被操作的符號的一個抽象的變換過程, 但是當它落到計算機程式上, 其實就被轉化為一大堆電晶體的開開閉閉, 這就是物理實現的層次。 當然如果硬要說兩者之間也還有一個層次,也就是程式設計師在計算機上的程式碼, 一方面它屬於符號世界的具體化,因為同一個演算法你可以用python也可以用java, 一方面它又高於硬體層, 同一個程式你可以在不同計算機上跑嗎。 這可以看作程式層。
因此我們可以不停的把人或者自然的演算法輸入到計算機,讓計算機幫我們完成這些事。大到我們可以把牛頓定律輸入到電腦裡,幫我們計算登月飛船的軌道, 也可以把狄拉克方程放進去, 幫我們調節加速器的電磁場, 小到寫一個管理公司賬目的程式, 讓電腦管理我們的賬戶。
而AI革命建立在演算法革命之上的, 卻超越之, 為什麼呢? AI演算法與一般程式演算法的區別在於什麼?就是AI演算法可以看作是讓計算機自己來寫演算法的演算法, 寫程式的程式。 所謂generative algorithm, 何為能夠寫程式的程式, AI演算法之前的程式, 實質上做的是按人類的指令做計算,當你指定了在某個大小的螺母裡放進一個螺釘,它就是會那麼一直做下去, 而現代的AI演算法呢? 我們說當下的AI演算法本質上尋找的是那個螺釘和螺母兩者間的匹配法則,如果尺寸不合適, 我如何去自己換一個。這樣的好處是什麼, 如果這個世界螺釘和螺母匹配的方法只有一個, 那麼或許我們還是可以用老辦法一個個的寫出來,但是如果這個匹配的方法多種多樣,因不同的國家而不同, 那麼我們寫好一個AI演算法, 就等於一次解決了所有的匹配問題, 相當於10行程式碼, 可以產生之前幾千行,幾萬行的效果。
這說的還是有點抽象了,快速的思考, 你就把每個AI演算法看成一個小機器人,它能夠通過資料, 學到某中人的能力,比如做匹配, 把某男和某女的特徵輸入給它, 它就知道合不合適。這個匹配的方法在不同國家不一樣, 但是隻要你有足夠資料, AI就會精準的找到這個匹配法則。 對, 沒錯, 你要讓它學習, 你就要給它資料,AI演算法從資料裡總結規律。
這僅僅是第一步, AI演算法要學習的,是學習整個人類的學習能力。 一旦計算機掌握了這個能力,它就可以掌管越來越多隻有人類才能掌管的事情。 這意味著什麼? 那些幾千年來我們認為的最卓越的人類腦力勞動, 計劃, 決策, 甚至發明創造, 都可以逐步的被機器取代。當它變得越來越強大和細膩,它甚至會比你更瞭解你自己, 成為每個人的主宰者。
三, AI時代的未來生活
我們且從最細微的細節來看ai能夠如何最終影響我們的生活的點點滴滴。
首先, 我們說,AI演算法會重新定義我們的個人生活。你會想到哪些方面呢?你是否已經被公共號洗腦了呢? 以下是經常被人們提及的幾個未來生活場景, 我就附加上我的分析。
首先看我們自己, 我要講幾個故事, 你來判斷這樣的事到底會不會發生。
故事一 被重新定義的人類健康
想象20年後的一天早上,你大腦上帶著的智慧睡眠檢測系統會根據你的腦電波圖,根據你晚上經過的睡眠週期,確定是否該把你叫醒,然後你在徐徐啟動的音樂裡,一點點甦醒,開始你美妙的一天。
我們睡醒之後, 智慧手環已經檢測到了你今天你的血液指標,根據你最近進食的記錄和偏好, 給你選好了適宜的早餐,傳送指令給廚用機器人做好。 吃早餐的時候,會根據你最近的血液成分記錄, 你的長期資訊偏好, 給你呈現上個性化定製的早餐。這個原理, 跟上面是一樣的。
由於又到了每週的體檢時間, 個人電腦會提示你吃完早點到離你最近的體檢中心進行檢測了。 檢測中心裡, 你從大腦到身體的所有係數都被計算一遍, 然後根據超級計算機裡你的計算機情況, 檢測到你一個5年後你獲得胃癌的風險, 巨大的模擬器開始啟動, 模擬不同的病情風險調控方案下, 你會得到的結果, 幾億次模擬之後,一個最佳的推薦方案已經形成。 這個方案包含了整個幾年你的飲食和運動計劃, 將潛在風險降到最小。 這樣, 由於一些致命的疾病幾乎被消除了, 人的壽命會變得極長,配合器官更換一類的技術, 我們甚至會開始攻克死亡。 然而不幸的是, 由於貧富分化是存在的, 這些最新技術一定是用於最富有和有權利的人, 所以, 人類最終將不僅僅是財富的分化,而是生理的分化, 變成兩個物種。
分析: 技術上, 像睡眠,飲食這一類生活中最基本的事情,我們說在今天的時代似乎與演算法和資料無關, 事實上,這些東西的一點一滴都和演算法有關。比如人的大腦, 這臺由一千億個神經元組成的宇宙間最複雜的機器,事實上是一大堆生物演算法的集合。 你雖然接受這臺精密儀器的指令, 你卻事實上對他一無所知。(比如人在睡夢中形成和固化前一天的記憶…. )對於人腦這樣複雜的機器的真正管理在AI時代成為可能。 為什麼? 首先,AI演算法通過感測器(核磁, EEG)獲取人腦的資料,然後它們可以很有效的利用AI演算法學到這些感測器的資料與我們的大腦認知功能狀態的關係, 比如你處在什麼樣的睡眠週期。然後, 這些AI演算法就可以做到控制, 比如在你的睡眠週期那個最適合甦醒的階段叫醒你。
我們的身體也是一樣,在21世紀以前, 即使是最精確的西醫,對身體的毛病, 也是壞哪修哪的一種修機器的邏輯。而AI演算法一旦介入,我們的身體資料會事實的計入到檢測資料中,模型可以根據整個身體的各個引數的實時檢測任何病症的風險,來預測所有需要在前期做到的預備工作。
因此技術是可行的。 至於是否會像未來簡史的作者Uval擔心的那樣將人類分成兩個物種,我認為這樣的可能並不大, 因為資料有關的技術從一個人遷移到另一個人成本不大。 正是因為有了AI的遠端醫療系統, 有些非常貧窮的地區目前可以接受到最先進地區的診療效果,這點上看AI是在消除不平等。
故事二: 機器指引下的社交
你是一個不善交際的AI程式設計師, 早上寫了兩小時程式, 你的大腦監控儀早已發現了你有效率減低趨勢,於是, 它建議你出去走走。 一輛自動駕駛的清潔能源車早已停在了門口,它決定帶你到頤和園裡走一趟,當然如果你不滿意只要在地點選項上稍微調整一下就好了,於是車輛啟動,前往目的地。
在公園裡, 你的個人助理系統知道你平時很宅但其實喜歡邂逅, 於是它迅速與目前處在公園裡的異性的個人AI助理進行溝通, 匹配雙方的資料,然後計算得到了一個最佳的邂逅物件, 雙方電腦達成共識給主人傳送一條資訊。 於是一場歡樂的邂逅就開始了。
當然不善言辭的你見到她感到有點緊張, 沒關係, 個人助理跟據對方的性格, 已經給你做好了聊天提示, 你啥事變得十分健談。 由於這樣的浪漫邂逅太多太容易, 我們已經不願意去和一人結婚終老, 而是享受這種U盤式的邂逅關係。
甚至由於助理機器人的功能過於強大, 很多宅男和她聊天就已經不願意接觸人類了。
分析: 這個故事是展示AI對人類社交可能產生的影響, 人與人的最佳匹配變得太過容易, 會不會最後動搖了婚姻家庭等各類最基礎的人類關係紐帶。 倘若一段關係的開始,僅僅是在你的個人助理app裡發出一條請求, 還會有人需要長久的關係嗎?
故事三: 空無一人的車間
我們再從人類社會尺度來看這個美麗新世界。 機器, 已經普遍的存在在了所有以前認為只有個體才完成的職位上。我們看到空無一人的汽車生產線,空無一人的醫院, 即使是最精妙的技藝, 配備了最好的視覺和聽覺識別系統, 經過了多輪強化學習的機器也可以嫻熟的完成。 那你要問勞動者在什麼地方?都在玩啊,除了幾個極為聰明的AI工程師。
分析: 這可能是你聽到的公號上最多的一個故事, 關於自動化和失業。 我個人認為,首先這樣一個故事真正實現的歷程會很漫長,再有, 就算有那麼多AI佔領 了工廠的流水線, 就有更多的人進入到整個AI的生產線裡,這並不僅僅包含程式設計師, 還包括需要大量檢測AI在各種情況下行為合理性的人, 就拿無人駕駛情況看,一輛新的無人駕駛車出來,那麼它可能和之前車不一樣的就不僅僅是發動機, 還有行為規則, 比如在各種特殊情況下是選擇保守還是效率 , 那麼單純對AI行為的管理就要有多少設計師呢。還有有些人可能會變成AI分析家, 比如柯潔已經開始想從阿法狗那裡探討圍棋的真諦了。
退一步講, 即使AI真的取代了大量取代了人的工作, 也不是人類末日,人類並非一定為工作而生, 有很多可以給人生活以意義的事情, 那麼如何製造一個低工作但是高幸福度的社會或許就是那時候新的課題吧 。
故事四: 機器意志的政府
那麼政府呢? 那些決定國際民生的首腦呢? 這些還需要大量人來管理吧。 事實上, 在這個新世界, 首腦也已經被積累了人類歷史發展的所有資料庫的超級決策系統替代, 你要在城市的某個地點修個鐵路嗎,好了, 我們的資料決策系統會根據以往所有鐵路的收益資料, 加上目前整個地區的特徵, 給出一個修建鐵路的收益預測, 和推薦指數, 要知道, 這可比以前的那些什麼智囊團的決策效率高的多,人的決策說到底是被各種情緒和潛意識左右的, 而不同的人, 而所謂的投票, 只要人的情緒收到某些共同的因素影響和操縱, 可以非常的不理性。
分析: 這也是很多AI愛好者關心的一些方面 ,雖然這個故事實現不是完全沒有可能,但是我認為在50年內實現的可能性不大, 能用AI做的一些微觀影響的決策的確可能被AI所承包掉,
但是國家能做的更復雜的具有強烈動機的決策,比如實現某種改革保證某個階級利益這一類, 除非強AI成為現實,否則將幾乎不可能被取代。
故事五: 機器控制的人生
既然大部分的產業, 甚至政府的主要功能, 都已經被AI去掉,那我們自然的會問, 人類在幹什麼。事實上, 這個時候最有用的職業可能是哲學家, 因為他們最喜歡的討論是人生的意義何在, 這可是在這個時代非常有意義的話題, 因為我們的生活的主要決策既然都可以大量的交給AI演算法, 人存在的意義又何在,除了那些極個別的設計演算法的天才外, 你, 作為一個普通人, 存在的意義何再? 在幾十年前, 你起碼可以說我就是我的自由意志, 我思故我在, 我動故我在,而現在,你大腦裡的每一個脈衝都被機器記錄, 然後它比你預先的知道你想要去哪裡, 會和誰dating, 如果機器想控制你,那麼只要按照一定的方法引導你的多巴胺訊號,就會讓你不知不覺的成為你不想成為的人。 這樣的世界不是太可怕了嗎? 你存在和意義何在? 所以在這樣的一個世界裡, 哲學家或心理學家成為了非常好的職業,他或許會不停的引導你如果你去發揮你在某個方面的才幹, 你會創作出一些好的藝術品, 比如你可以去寫小說, 去畫畫, 你連續的創造和提升, 或許就是你的生命意義。
分析:這裡的觀點認為創作永遠屬於人的領地, 但從AI演算法發展角度看,不一定。 當下的gan技術, 已經能夠模擬人創作一些具有固定藝術風格的畫,如果未來結合了阿法狗裡用到的強化學習,那麼說不定超越了簡單的摹仿大家作品, 而是在不同的大家作品裡尋找出人類創作的進化規律, 去不停的產生新的能夠取悅於人的藝術風格。
那麼科學創造呢? 是的, 我們說科學創造是人類歷史的長河裡, 建立在大量經驗之上的靈感火花帶來的突破性創新,波普爾認為這些科技成果的出現甚至是沒有太多的可預測性,由於科技進步的偶然性,帶來了人類歷史程序的不確定性。 然而在真正的AI時代, 這也可能發生改變, 除了相對論這一類的非常接近哲學的研究,大量的實驗學課,比如藥物的設計, 會被機器取代, 因為這一類學科的探索取決於大量試錯, 這個試錯過程讓AI來做遠比人高的多, 所以未來,大量的高效藥物, 可能會是AI設計出來的, 而你所做的汽車,飛機從形狀曲線, 到材料選擇, 也都來自於AI。
當然, 那些相對論,進化論級別的發現呢? 這也許並非AI一時所能級,因為本質上這些東西需要AI建立對世界的整個認知系統, 和最關鍵的,對自我的認知, 即使是21世紀初期的腦科學,也對這些一無所知, 而如果這些都有一天被突破, 那麼我們所面臨的就已經面臨的不是人的存在意義與否的問題, 而是人類本身是否還需要存在了。 既然這個基本問題一時是沒有答案了,我們也就不需要太過焦慮這個問題了。
故事六: 強AI統治人類,人成為AI的寵物。
這個交給你自己分析吧。
這是AI可能在幾十年裡帶來的美麗新世界, 雖然我有足夠的理由認為這是未來的趨勢,卻不是我們今天需要擔心的, 我們更多需要擔心的,是在今天, 以及未來的3,5年, AI將會如何影響我們的生活。 我們就來一個一個剖析一下未來的產業佈局裡, AI將會如何一個個的影響每個產業的未來。
AI對當下產業的影響:給你一張未來AI產業滲透的進軍圖
都說AI將要入侵各個產業, 然而你自己的行業什麼時候會被AI滲入, 你有沒有一套思維方法, 這裡我就要給大家一套思考這個問題的思維框架。
首先我們從巨集觀層面看這個問題, 什麼是AI時代的企業? 我們說, 每個企業都帶著自己的一個個時代烙印,20世紀初最典型的成功企業是福特,通用汽車這樣的公司, 20世紀中期最典型的成功企業是索尼松下這樣的公司, 而到了21世紀最成功的企業是谷歌。
圖: 工業自動化時代的正規化與智慧化時代的正規化
AI時代企業的特點我用資料驅動的自我優化的閉環來形容,我們來看一個更小的公司為例子, 它叫waze, waze是一家提供實時地圖導航的以色列公司, 如果你去維基百科查詢這家公司,你會發現“社群導航”這幾個字歷歷在目。
與一些單純的電子地圖或衛星地圖的不同是, 下載waze進行地圖查詢的公司同時會把自己的資訊(如gps)定位傳送給waze。 也就是說, 它的客戶就是地圖的來源, 而這個資料將構成產品的一部分,你想想,如果很多的使用者下載了waze 的工具, 我們就得到了一個地圖上具有大量動態車輛資料的地圖, 而使用使用者越多, 這個地圖就越實時精確,同時,越實時精確, 就越能吸引使用者, 提高更高的精度,這就形成了一個良性的閉環, 而產品的邊界也大大擴張,它不是僅僅一個產品(一個app的所有程式碼),而是包含了產品的所有客戶(社群), 雲端資料庫, 和app組成的一個合體,一個閉環。
用同樣的思路設計的產品還有特斯拉, 特斯拉公司的新型汽車非常酷炫, 而這種酷炫背後是不折不扣的AI科技, 你每購買一個特斯拉汽車, 就相當於購買了一個雲端的特斯拉汽車, 因為你的汽車會不停的向雲端的終端共享你的駕駛資料,這個共享過程, 會產生的結果是什麼呢? 特斯拉汽車將取得非常多牛逼司機的駕駛資料,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。 同樣的, 特斯拉把所有的客戶(司機)變成自己產品的一部分。 客戶越多,產品越好, 同時客戶更多。
我們說, 現代AI公司需要具備的幾個基本特徵就是: 1, 產品自身具備感官系統, 可以實時採集資料 2,產品和客戶產生互動,產品不僅可以影響客戶,客戶也即使反作用給產品, 所以需要將客戶包含在產品裡 3 , 客戶的使用導致更多的資料, 使得產品進化, 產品進化帶來更多的客戶,構成一個閉環。
從上面觀點看如果說AI前的產品就是一個機器, 那麼AI時代的產品就更像是一個生命體。
我們就用上面的觀點來看AI對各個產業的影響, 我把這一類影響按大小分為三大類:1, 整個產品是一個AI演算法:比如網際網路, 移動醫療器械,自動駕駛, AI教育 2. 核心產品需要使用AI演算法, 但未和使用者形成閉環, 比如演算法交易,保險, 智慧農業, 智慧製造 3. 非核心產品使用AI演算法, AI作為輔助服務, 這就幾乎包含了所有的產業, 因為幾乎所有產業都需要三部分:智慧客服, 使用者資料分析, 和知識圖譜。
如果我問你在當下的產業裡哪一個會率先AI化, 如果你的回答是網際網路, 那麼恭喜你答對了, 今天, 無論你是開啟百度還是谷歌,還是今日頭條, 今日人都在玩的快手, 抖音,微信,陌陌, 滴滴打車, 本質都可以看作或者將要成為AI公司。
為什麼,首先, 我們剛剛說的產品自身包含感官系統, 網際網路公司每時每刻的使用者資訊, 無論是使用者的登陸瀏覽訪問還是購買,都可以被留存下來, 這就是它的感官。 進一步,客戶實時反作用於產品這是肯定的, 我們只需要這樣定義既可以, 最後, 網際網路產品的質量和客戶數量協同進化, 顯然符合。
因此, 網際網路公司天然就是AI公司。 我們再仔細看網際網路公司, 所有這些網際網路公司的商業模式都包含一個東西, 叫做推薦系統, 你所看到的廣告一定是搜尋引擎根據你平時的瀏覽記錄給你推薦的,陌陌根據你的一些基本資訊推薦給你周圍的女生, 滴滴按照周圍司機的基本資訊給你推薦司機。 而推薦演算法是什麼呢? 是一種最常見的AI演算法。
為什麼推薦演算法會是我們所說的AI演算法? 還記的剛剛說的, AI演算法是具有自主學習,形成知識的能力的嗎? 在沒有推薦引擎這件事前, 知道一個人的喜歡並給它推薦合適的東西是一件非常困難的事情,也是很多心理學家學習研究的物件, 而推薦演算法, 就是把整個網際網路儲存的相關資料給機器呈上,然後讓機器來學習推薦這件事。
比如推薦電影,這種特徵,就可以是你往日觀看電影的一個歷史, 顯然每個人看過的電影都只能是世界上全部電影的冰山一角,但是當你把所有人的電影都拼湊在一起的時候,電腦卻可以看到一個更大的圖景,這就是每個人的相似性, 比如A和B都喜歡一些武大片, 這些相似性,可以作為更大的相似性的基礎, B同時喜歡看科幻, 那麼這時候機器就有可能給A也看一些科幻。
在未來的幾年裡, 推薦演算法還會大行其道的發展,而且,未來的推薦演算法還會越來越強大,而這裡會出現的一個趨勢是,我主動的引導你的興趣, 而非像剛剛說的那樣被動的預測你的偏好。 怎麼講呢? 控制人類好惡的一個最重要的東西叫多巴胺迴路,這個迴路所作的事情呢, 是讓你對一些事物上癮,這個時候, 只要你不停的啟用這個迴路, 你就會快樂起來, 就像有的人愛吃薯條有的愛打遊戲, 那麼如果機器可以引導你進入這種狀態呢? 這並不是不可能的, 因為人的這種原始的弱點,如果給你投放的東西,讓你嚐到了甜頭, 你就會一發不可收拾。 商家設計的AI演算法, 無非是讓它學會這個投放誘餌和引導的過程。
想象一下如果今日頭條完全掌握了這個演算法, 那麼有多少人會在每日被投放的小文裡樂不思蜀,大把的把自己時間消耗進去。而你的這個行為,又會變成演算法變得更加強大的工具。 那麼如果我問你,當下, 什麼領域的人最熱衷於把AI引入到自己的地盤裡,如果你回答的是醫療和金融, 恭喜你答對了。
醫療,尤其是小型醫療器械, 是個非常典型的符合之前說的三個特徵的產業。 首先, 醫療自身具備大量的感測器提取資料, 然後, 小型移動醫療產品, 比如手環, 血壓, 血糖儀會一旦提取客戶的資料,並接受客戶反饋,會變得更強大,演算法變得更聰明,客戶也越愛用,因此閉環成立。今天隨著各種可穿戴感測器裝置的流行,關於你身體資料每分每秒都在彙總起來, 今天它們大多屬於沒有被利用的資料冰山的部分, 而一旦它們被開發出來, 就可以作為我們眾多身體疾病接近的命門。
運用小型穿戴檢測疾病的最成功的案例來自以色列, 小型的檢測裝置加上AI演算法甚至可以幫助我們在極早期在家裡就檢測出癌症的可能性。 這類的裝置通常只有一個簡易的攝像頭,而這個攝像頭背後, 是一個能夠聯通雲伺服器, 並實時進行疾病識別的演算法終端。 通過這個終端, 這個演算法能夠得到你換癌症的概率: 以色列的一家叫MobileOdt的公司, 已經實現了用一個手機外掛的攝像裝置加上雲端演算法對女人陰道癌的篩查, 客戶足跡甚至到達非洲。
另一個值得一提的領域是藥物設計, 如同剛剛講過的, 很多未來的科技創造, 會引入AI元素, 而藥物設計這個需要嘗試大量的化學成分組合和試錯的領域, 就特別適合AI演算法來完成,事實上這樣的公司已經初露頭角, 大家可以網上搜索atomwise, 這個藥物公司可以在沒有進入大量臨床之前用神經網路預測新藥療效,並且利用具有創造性的網路gan等直接生成新藥配方, 大大提升藥物研發效率。
未來中國會迅速進入高度老齡化的社會, AI在這點上可以給社會解決巨大的潛在問題,這主要體現在可以陪伴獨居老人起居的陪護型機器人, 大量用於平日健康監護的小型醫療裝置, 這些裝置可以和周圍醫院進行聯動隨時處理緊急情況, 還有慢病管理系統, 介於老年人總是伴隨各種慢性病,隨時進行干預的慢病管理系統對此作用巨大。
我們再用之前的觀點看當下的金融產品。首先, 金融具備大量資料,任何交易的資訊, 都是儲存在電腦裡的資料。當然,這些資料並不一定能夠作為金融AI系統的有效感官,因為金融世界裡, 大量對決策具有巨大作用的資料潛伏在冰山之下,比如說公司ceo的心智特徵, 某種產品的潛在顛覆者之類, 但是我們的確可以通過一些手段提取區域性的資訊, 比如說電腦裡的歷史交易資訊,或者一些公司財報。也就是資料這點部分滿足。由於金融大部分是to b的, 並不太構成一個客戶反饋的閉環,因此歸入第二類。
幾乎所有的金融領域都可以在核心技術裡引入人工智慧, 包括演算法交易, 保險, 資產管理, 徵信等等。 金融可以被AI大量改變, 主要還是體現在它自身的邏輯非常的複雜,而人類的思維並不適合處理複雜度非常高的系統。演算法交易這個詞你一定早就聽說過了, 在金融市場裡,人類性格的弱點經常導致致命的錯誤,比如追漲殺跌,貪婪和恐懼如同魔鬼一樣, 瞬間讓你輸精光, 而演算法沒有任何這些人類的缺陷,你知道它在任何時候都是穩準狠, 收集所有的資訊, 按照原則出牌, AI天生就比人類適合金融交易。雖然目前的演算法還無法準確的預測金融危機, 但是不代表演算法在處理類似問題時候會比人做的更差,比如演算法可以通過強化學習演算法精確的計算在股市出現某種行為時候如何去止損。
談到演算法交易,不得不提的就是美國的文藝復興公司,這家公司憑藉演算法穩坐美國對衝基金收益的第一把交椅。其創始人西蒙斯是一個不折不扣的數學家,他招募了大量的機器學習人才進入公司, 文藝復興目前的演算法負責人是自然語言處理神經網路LSTM的專家, 而非金融專家,也可以見到AI演算法的重要性。
而交易, 也僅僅是AI在金融裡嶄露頭角的一角。 金融的本質在於信用, 而信用如何衡量? 這個亙古迷信的話題本質是一個數學題。 因為信用的本質是預測,是從一個人的行為軌跡到性格的蛛絲馬跡去看它未來的發展,穩定性等, 沒有什麼, 比AI演算法更適合完成這個任務, 這也是為什麼各類徵信大資料平臺如火如荼。今天我們經常聽說金稅三期, 經常聽說全國大資料徵信系統,它們背後都是通過大量被徵信系統記錄的個人行為資料, 來統計預測每個人的行為, 這些事實上反應了AI演算法全方位的進入我們的生活的事實。 未來,甚至討債公司可能會運用專業的AI系統。
在核心產品裡極為需要AI的, 不能不提的就是安防。安防可以說是全國最大的人工智慧市場。 因為我們需要監控的地點太多了, 從地鐵火車站,到機場,到商場, 直到沒有人煙的國防線,安防都是人工智慧被佈局的密集地帶 在海量的人口裡,尋找可能的犯罪嫌疑分子,你想象一下這是多大的工程量, 因而幾乎是一個人力不可能完成的任務。 而無處不在的城市攝像頭,加上深度視覺演算法, 可以近乎100% 的取代巡邏人員的工作。
除了視覺檢測以外,剛剛提到的無人區或人跡罕至的地方,一個可能未來會變得有效的方法是佈局成本更低, 覆蓋面積更廣的光線,這個地表光纖, 就像大地的耳朵一樣, 鑄造一起無限延申的地網, 通過你的走步的方向等就知道有什麼人在向何處去。
當然, 犯罪分子也會利用人工智慧系統加強它們的攻擊能力。 比如未來的諜報裝置, 可能僅僅就是一張桌子。你想象一下你所說的任何一句話, 都可以先通過空氣的聲波, 然後轉化為桌子的振動, 一旦桌子能夠記錄這些振動, 再加上一定的AI學習演算法,就可以把這些振動還原為你所說的話, 這個技術目前事實上已經有了初步的效果。那麼毫無疑問, 未來的諜報人員就只需要在你可能出現的地點都佈局上這些桌子就可以了。
另外, 犯罪分子還可以利用GAN製造偽證,讓你的形象或聲音出現在任何一段視訊裡,以後估計視訊和音訊都難以作為法律證據了。如果你對安防有興趣, 你可以去了解海康衛視,或者商湯科技這樣的AI巨頭,這公司都是很視訊識別, 動作檢測這一類的技術用在了安防上。
人工智慧對製造業的影響:
首先我要說的是AI對各大產業的影響我覺得最重要的是製造業, 在勞動力銳減的今天, 它的意義不言而喻。
製造業在工業革命之後歷來是人類最重要的產業, 從鋼鐵到汽車到電腦手機,都是製造業的領域, 談到製造業,我們會想到巨大的生產線, 富士康力的產業工人。
製造業自身的變化在20世紀經歷過兩次比較大的變革,一個是以福特汽車為代表的流水線的引入,因為有了流水線,就有了標準化的革命, 我們把大量工序不停優化, 並用流水線固定下來。第二次大的變革可以稱為自動化, 在自動化的時代, 各種自動化裝置,數控機床,機器手開始進入到我們的視野, 產業工人的數量大大減少,流水線上開始出現的是各種巨大的鋼鐵怪物。
那麼21世紀製造業的第三次機會,就是AI。 AI引領的不是標準化, 也不是簡單的自動化的繼續, 而是我們可以稱為適應性“adaptive”的革命。 這個詞原本是在描述生物系統的一種特性, 是說的生物系統適應環境的能力,比如你帶一個狗從中國來到美國, 狗立刻就能夠像以前一樣生活了, 這就是適應性。
這點對於過去的機器手是完全做不到的, 因為它們只能按照標準化的程式做同樣的動作。無論是機器手還是數控機床, 本質都是用程式精確的控制運動軌跡, 但是這些軌跡是已經被預先設定好的。 而一些更高階的加工, 由於工序太複雜,而且需要不停的根據當時的狀況來調整動作,難以使用預先設定軌跡的方法解決,解決這個問題, 你就又回到了那個智慧的本質問題, 我們需要讓機器自己來學習, 那個根據情況靈活學習調整的技術, 不是把某個螺釘釦到一個螺紋裡,而是自己學習螺釘和螺紋匹配的技術, 不行, 我就換一個。 這將徹底改變高階製造業的佈局。
通過現有的深度學習+ 強化學習技術, 我們會逐步的接近 這個目標。具有“適應性” 的機器人講會真正進入到我們的視野裡。我們會看到, 未來的產業機器人都裝配著現金的感測器, 比如攝像頭, 甚至鐳射雷達, 它們可以根據不同零件或物體的大小做不同的動作,並且和人配合完成一些複雜的任務。首先, 這樣做更安全, 因為更加智慧的機器, 會有意的避免生產事故,然後,我們的生產效率會高很多, 材料更節省。這樣的嘗試, 已經在一些全球最先進的製造業裡, 比如日本的工廠, 開始嘗試使用。
進一步的, 人工智慧會逐步的進入到工業設計的領域,遺傳演算法已經能夠越來越好的輔助人類設計工作。 利用進化的原理,我們可以設計出超越任何人類設計師的工具來。因為人的想象力受到既往經驗的限制,難以突破那幾個正規化。 倘若真正使用遺傳演算法來設計工具的形狀,甚至整個汽車, 或者香包。 我們講可能看到一些完全顛覆人的想象力的產品開始出現。
人工智慧對農業的影響
最後我們來看最為傳統的農業, 雖然最為傳統, 農業領域確是一個正在被人工智慧徹底改變的領域。 為什麼呢? 回想農業生產發展的歷史, 從最早的刀耕火種到開始使用農業機械, 化肥, 這些變化無疑是巨大的。 但是, 農業的最高目標, 一定是根據農作物的生長情況,自動的調整水肥光溫, 因為作物的生長事實上就是一個需要點對點的精細調控的東西, 但是這樣浩繁的工作遠非人力所及, 怎麼解決呢? 安裝感測器, 然後把水肥光溫的調控和這個連線在一起,把農機和這個聯絡在一起。 事實上,以色列已經在這方面開始了嘗試。
AI農業公司【prospera】已經開始佈局這個AI農場的概念, 它們的視覺感測器, 可以做到連一個葉片都不放過,全面的監控每顆植物的健康風險,比如各類病害, 感測器把訊號傳到雲上, 然後形成一個農場整體的情況報告, 並對整個農作物的收成進行預測。 另外, 一些衛星和無人機公司,比如佳格天地,也加入了這個陣營, 衛星和無人機,提供了對整個某片天地的墒情, 火情,蟲害情況的資訊,並卻可以根據不同塊田地的關聯性(比如某些病蟲害是轉移的)進行長線預測, 這對農場在災害前的重大決策干預,意義無需多言。
農業的人工智慧化會在未來十年急速推進。 因為物聯網, 感測器, 無人機等技術已經非常成熟且低成本,資料採集的成本已經變得很低,匹配以合理的演算法, 農業將會成為一個被人工智慧徹底改變的學科。
人工智慧對教育的影響
除了這些和生產生活直接相關的領域, 人工智慧在一些比較“軟” 的領域, 比如教育, 也會成就非凡。 AI教育其實符合我們剛剛說的所有三個條件。當下的教育產業已經非常接近網際網路產業。 一方面各大線上教育機構的產品本身就是網際網路釋出的,另一方面, 學生也都是在網上完成註冊資訊等。 AI的教育產品也和網際網路產品一樣, 是可以從每個使用者身上提取資料進化形成閉環的。
人工智慧非常有利於我們做到真正的因材施教的個性化教育。為什麼呢? 首先,在網際網路時代, 線上教育積累了大量的老師的一手資料,這些資料包含每個學生學習的行為習慣,甚至是性格, 注意力變化的資料, 這些資料, 會在下一個時代, 啟動真正的個性化學習, 比如為每個學生量身定製的課表等。
另一個不得不提的是遊戲化教學, 比如說題庫。以前的題庫大部分是靜態的,而AI時代, 它一定會向打遊戲一樣, 首先給你隨機投放一些題目, 根據你的反饋情況再給你提供下一波題目, 這個難度是根據你的情況逐步上升的,你和這個“機器人題庫“形成一個互動的閉環, 這就會給你一種上癮的做練習的感覺, 1000小時的練習也會遊戲般過去。類似的產品已經在英語流利說這類app上初露雛形, 它有一個自動的給你的發音打分的系統, 你會情不自禁的加入英語標準化的比賽裡。
作者簡介:微訊號:ironcruiser 法國巴黎高師物理碩士 ,以色列理工大學計算神經科學博士,巡洋艦科技有限公司創始人, 《機器學習與複雜系統》紙質書作者。
公眾號文章合集 當神經網路遇到神經科學-鐵哥18年長文彙總