2％的人將控制未來，成為他們或被淘汰

內容來源：本文為餃子哥投稿，吳軍博士新書《智能時代》讀書筆記。來源：一隻水餃跳過去（ID：aiyuedu_xmu）。

封圖設計 |Holly責編|清野

第2087篇深度好文：6589 字 | 8 分鐘閱讀

讀書筆記·《智能時代》·人工智慧

本文新鮮度：★★★★★+口感：黑椒牛仔骨

筆記君邀您，先思考：

什麼是「機器智能」？它和「人工智慧」有什麼關係？

一項技術帶動整個社會變革，通常遵循的模式是什麼？

既然什麼事情都可以讓機器來做，而且還比人做得好，人類怎麼辦？

最近幾年，人類在一些科技前沿領域取得了重大突破，我們看到許多存在於科幻小說中的內容成為現實：

人工智慧擊敗人類頂尖棋手，自動駕駛汽車技術日趨成熟，生產線上大批量的機器人取代工人……

不管你承不承認，智能時代到來已經是不爭的事實。

《智能時代：大數據與智能革命重新定義未來》中指出，我們在過去被認為非常難以解決的問題，會因為大數據和機器智能的使用而迎刃而解。

這本書在羅輯思維上首印8小時即告售罄，雷軍、鄔賀銓、李善友等大佬撰序推薦，截至目前豆瓣評分高達8.5。

為什麼說這本書非常值得一讀呢？

首先，作者非常牛。吳軍博士是著名自然語言處理和搜索專家，矽谷風險投資人。著作等身，先前已出版過《浪潮之巔》、《文明之光》、《數學之美》等暢銷書，其中《浪潮之巔》銷量更是達到百萬級別。

他曾經擔任Google資深研究員，設計了Google中、日、韓文搜索演算法以及Google的自然語言分析器。2010-2012年期間擔任騰訊負責搜索和搜索廣告等業務的副總裁，後回到Google負責計算機自動問答項目。

2008年開始從事風險投資，並於2014年作為創始合伙人創立了矽谷豐元資本風險投資基金。他也是上海交通大學客座研究員和約翰·霍普金斯大學工學院董事。

其次，本書對大數據與智能革命帶來的思維革命、技術上的挑戰，以及機器智能如何改變人類社會等方面都做了全面的講解，對於提升個人認知和對未來社會的前瞻性認識大有裨益。

書中提到，與工業革命相比，人工智慧帶來的革命程度將更深更廣。一些人對變化開始有了一定程度的擔心，認為機器智能將在未來危及整個人類的工作機會，大多數人在未來將不再被社會需要。

不可避免，每一次大的技術革命都會帶來陣痛，但同時誕生的，還有更多新的機會。想要在智能時代取得勝利，我們需要做的第一步，就是打破現有的認知束縛。

接下來就讓我們跟隨作者一起，走近這即將到來的智能時代。

一、大數據和機器智能

不知道你發現沒有，現在我們經常能聽到「大數據」這個詞，給人感覺逼格非常高。

比如你去菜市場買水果，問老闆這個蘋果甜不甜，老闆跟你說很甜你也不一定會信。

但老闆要是說，我這個蘋果是山東煙台產的，經過成千上萬次的實驗後，利用大數據技術分析確定了最佳光照時間、最適宜的培育溫度和最充足的水分，你覺得它甜不甜？

你一聽，那肯定甜啊對不對，大數據技術都用上了，蘋果不甜難道三星甜嗎！

當然，蘋果甜不甜我不清楚，但是這裡對大數據的理解卻是錯誤的。

由於互聯網的發展不過二十年，而對大數據發展帶來直接貢獻的移動互聯網也才十年時間，因此現在許多人對大數據也有很大的誤解。

1.大數據的特徵

在2000年以後，由於互聯網特別是後來移動互聯網的出現，數據量不僅劇增，而且開始互聯，這才有了大數據的概念。

要談大數據的問題，我們首先要講清楚什麼是大數據，以及它都有哪些特徵。

大數據最明顯的特徵就是體量大，這點沒有什麼異議。但是僅僅有大量的數據並不一定是大數據，比如一個人基因全圖譜數據，是在上百GB到TB數量級，這個數據量不可謂不大，但是它沒有太大的統計意義。

大數據之所以有用，是因為它除了數據量大之外，還具有其他的特徵，包括多維度和完備性。

什麼是多維度？

簡單來講就是說以前我認識你可能只知道你叫什麼名字，性別男還是女，長相如何，其他多餘的信息我就不清楚了。

而現在除了姓名、性別、樣貌之外，通過互聯網積累的數據，我還能知道你用什麼手機、學歷如何、家住哪裡，甚至你的購物行為、使用什麼瀏覽器上網、去過哪些地方等等。

因此，多維度的信息能夠讓我對你更加了解。現在許多互聯網企業強調構建用戶畫像，以便用於精準營銷，其背後就是大數據的功勞。

大數據的第三個特徵是「完備性」。

這個很好理解，比如以前我們做問卷調查，如果樣本群體數量太多，我們採用的方法就是隨機抽樣。但大數據用不著隨機抽樣，有100個我們就調查100個，有10000個就調查10000個。因此，完備性能讓分析結論非常精準。

為什麼能做到這樣？

因為這些數據其實在互聯網上都已經存在，你要做的就是把它挖掘出來，而現在計算機的運算速度已經非常牛逼，每秒幾億次，幾萬幾百萬的數據根本就不是事兒。

2.什麼是機器智能？

與「機器智能」這個詞相比，我們更經常聽到的是「人工智慧」。那麼作者為什麼要用「機器智能」呢？它和「人工智慧」又有什麼關係？

事實上，人工智慧並非近幾年才興起，計算機科學家早在二十世紀五六十年代就已經開始致力於人工智慧方面的研究了，並且以「圖靈測試」正式定義了什麼是人工智慧。

圖靈測試說的是，讓一台機器和一個人坐在幕後，讓一個裁判同時與幕後的人和機器進行交流，如果這個裁判無法判斷自己交流的對象是人還是機器，就說明這台機器有了和人同等的智能，我們可以稱之為人工智慧。

但嚴格來說，人工智慧這個名詞在今天又兩個定義：

第一個是泛指機器智能，也就是任何可以讓計算機通過圖靈測試的方法，包括本書中講的數據驅動方法。

第二個是狹義上的概念，即20世紀五六十年代特定的研究機器智能的方法。

因此，學術界將機器智能分為傳統人工智慧的方法和現代其他的方法（比如數據驅動、知識發現或者機器學習）。

為了便於區分，本書中儘可能地用機器智能表示廣義上的概念，而在使用人工智慧表達時，通常指傳統的人工智慧方法，所以在本書中，機器智能的概念包含了人工智慧。

3.大數據與機器智能的關係

在有大數據之前，計算機並不擅長解決需要人類智能來解決的問題，但是今天這些問題換個思路就可以解決了，其核心就是變智能問題為數據問題。由此，全世界開始了新的一輪技術革命——智能革命。

儘管在過去的半個世紀，計算機的運算速度一直呈指數級提升，可以做的事情越來越多，可是給人的印象依然是「快卻不夠聰明」。

比如它不能回答人的提問，不會下棋，不認識人，不能開車，不善於主動做出判斷……然而當數據量足夠大之後，很多智能問題都可以轉化成數據處理的問題，這時計算機開始變得聰明起來。

以1996年IBM深藍計算機戰勝國際象棋世界冠軍卡斯帕羅夫為例：

深藍在評估自己和對方的勝率時，都是基於對歷史數據考慮卡斯帕羅夫可能採用的走法，對不同的狀態給出可能性的估計，然後根據對方下一步走法對盤面的影響，找到一個最有利於自己的狀態，並走出這步棋。

因此，深藍的團隊其實把一個機器智能問題變成了一個大數據的問題和大量計算的問題。而AlphaGo在具體的演算法上雖然和深藍略有差異，但是它們博弈的原理其實是相同的。

我們對大數據重要性的認識不應該停留在統計、改進產品和銷售，或者提供決策的支持上，而應該看到它（和摩爾定律、數學模型一起）導致了機器智能的產生。而機器一旦產生和人類類似的智能，就將對人類社會產生重大影響。

毫不誇張地講，決定今後20年經濟發展的是大數據和由之而來的智能革命。

二、大數據的本質

到這裡，我們已經明白了大數據可以解決機器智能問題，但是其背後的原理是什麼呢？要回答這個問題，我們需要簡單介紹一下機械思維和香農的資訊理論。

注意了，接下的內容有點高能，如果你能認真看完並掌握，那麼將極大提升你的個人認知水平和對大數據本質的理解！

1.機械思維

自17世紀以來一直指導我們日常做事行為的最重要的思維方式是——機械思維。

從歐幾里得到托勒密再到牛頓，在思想方法上可以說是一脈相承而又不斷發展的。

牛頓不僅把歐幾里得通過邏輯推理建立起一個科學體系的方法論從數學擴展到自然科學領域，而且把托勒密用機械運動模型描述天體的規律，擴展到對世界任何規律的描述。

後來人們將牛頓的方法論概括為機械思維，其核心思想可以概括成這樣幾句話：

世界變化的規律是確定的；

因為有確定性做保障，因此規律不僅是可以被認識的，而且可以用簡單的公式或者語言描述清楚；

這些規律應該是放之四海而皆準的，可以應用到各種未知領域指導實踐。

這些其實是機械思維中積極的本質，而機械思維直接帶來了工業大發明的時代，工業革命，是機械思維的結果。

2.世界的不確定性

機械思維認為世界變化的規律是確定的，是可以被認識和描述的，因此它關心的是因果關係，然而不確定性在我們的世界裡無處不在。

我們經常可以看到這樣一種怪現象，很多時候專家們對未來各種趨勢的預測是錯的（特別是金融領域），這並不是因為他們缺乏專業知識，而是由於不確定性是這個世界的重要特徵，以至於我們按照傳統機械論的方法難以做出準確的預測。

世界的不確定性來自兩個方面：

首先，是當我們對這個世界方方面面了解得越來越細緻之後，會發現影響世界的變數其實非常多，已經無法通過簡單的辦法或者公式算出結果。

其次，不確定性的第二個因素來自客觀世界本身，它是宇宙的一個特性。

比如在宏觀世界裡，行星圍繞恆星運動的速度和位置是可以計算得很準確的，但是在微觀世界裡，電子在圍繞原子核做高速運動時，我們不可能同時準確地測出它在某一時刻的位置和運動速度，這便是量子力學中的測不準原理。

在現實生活中情況也是類似的，不論是因為數據量太大導致的不確定性，還是因為世界本身帶有的不確定性，總之，世界上很多事情是難以用確定的公式或者規則來表示的。

但是它們並非沒有規律可循，通常可以用概率模型來描述。在概率論的基礎上，香農博士建立起一套完整的理論，將世界的不確定性和信息聯繫了起來，這就是資訊理論。

香農在資訊理論中借用了熱力學裡熵的概念，他用熵來描述一個信息系統的不確定性。

香農指出，信息量與不確定性有關：

假如我們需要搞清楚一件非常不確定的事，或是我們一無所知的事情，就需要了解大量的信息。

可以認為，信息量的度量就等於不確定性的多少，這樣香農就把熵和信息量聯繫起來了。他還指出想要消除系統內的不確定性，就要引入信息。

不得不說，這個確實厲害。如果你還沒看懂的話，建議想辦法把它搞懂，信息熵這個知識點很重要，這也是為什麼我花這麼大的篇幅進行介紹。

3.大數據的本質

有了資訊理論這樣一個工具和方法論，我們便很容易認清大數據的本質了。

當我們了解到信息或者說數據能夠消除不確定性之後，便能理解為什麼大數據的出現能夠解決那些智能的問題，因為很多智能問題從根本上來講無非是消除不確定性的問題。

由此可見，大數據的科學基礎是資訊理論，它的本質就是利用信息消除不確定性。

雖然人類使用信息由來已久，但是到了大數據時代，量變帶來質變，以至於人們忽然發現，採用資訊理論的思維方式可以讓過去很多難題迎刃而解。

三、從歷史經驗看大數據的作用

在歷史上，一項技術帶動整個社會變革的事情也曾經發生過。它們通常遵循一個模式，即：

新技術+原有產業=新產業

那些有意無意接受了這個規律的企業家，常常在新的時代又站到了浪潮之巔。

第一次工業革命英國人開始採用蒸汽機改造原有產業時，它的GDP還遠比不上傳統的經濟大國中國。但是在廣泛使用蒸汽機的同時，英國實際上按照以下思路重新定義了很多產業：

現有產業+蒸汽機=新產業

這一思路使得英國把各個古老的文明都甩在了後面，並且英國當時並不是每一個工廠都在製造蒸汽機。製造蒸汽機的是非常少的幾個工廠，大部分是使用蒸汽機改造原有的產業。

到了19世紀末，電的應用改變了世界，其發揮作用的方式和蒸汽機有相似之處。電帶來的「第二次工業革命」也遵循著如下定義產業的思路：

現有產業+電=新產業

而「二戰」後信息技術帶來了新的產業革命，自從1965年摩爾博士提出摩爾定律，計算機處理器和存儲器的性能分別提高了2000萬倍和10億倍，價格卻不斷地下降，以至於它可以被應用到各個行業，以及生活的方方面面。

在過去的半個世紀里，世界進步背後最根本的動力可以概括為摩爾定律的應用，或者說數字化，因此這個時代的經濟特點可以概括為：

現有產業+摩爾定律=新產業

我們回顧過去是為了展望未來。今後，由大數據引發的智能革命也將是以一種與前面幾次技術革命類似的方式展開，如果我們用兩個簡單的公式來概括的話，那就是：

現有產業+大數據=新產業

現有產業+機器智能=新產業

所以，從工業革命開始，幾次主要的技術革命都遵循相似的規律。

首先，大部分現有產業加上新技術等於新產業。或者說原有產業需要以新的形態出現。

其次，並非每一家公司都要從事新技術產品本身的製造，更多時候它們是利用新技術改造原有產業。

這次以大數據為核心的智能革命也不例外，我們將看到它依然會延續這兩個特點。

每次技術革命都會誕生新的思維方式和商業模式，企業只有在思維上跟上新的時代，才能在未來的商業中立於不敗之地。

四、智能革命和未來社會

機器智能會給人類帶來一個終極問題：既然什麼事情都可以讓機器來做，而且還比人做得好，那麼人類怎麼辦？

1.機器搶掉人的飯碗

技術對社會帶來的影響有時候非常詭異。

一方面它可以改善人們的生活，延長人類的壽命，讓一些處在新的行業、掌握了新的技能的人發揮更大的作用；

另一方面則可能讓更多的人無事可做。智能革命也必然如此，當計算機變得足夠聰明之後，一定會取代人類完成很多需要高智力的工作。

人類總體來講是過分自信的，趨利而忽視危害。

當社會面對重大技術革命所產生的衝擊不知所措，要兩代人才能消除它的負面影響時，大家才開始感嘆歷史再一次重複。

智能革命將比過去歷次技術革命來得更深刻，對社會帶來的衝擊可能是空前的。

歷史上影響力可以和正在進行的智能革命相比的，只有19世紀末始於英國的工業革命、20世紀末始的第二次工業革命、「二戰」後以摩爾定律為標準的信息革命，一共是三次。

這三次技術革命都有一個共同的特點，那就是它們對當時的社會產生了巨大的衝擊，都需要經過大約半個世紀甚至更長的時間才能消化掉。

目前我們正處於「二戰」後的信息時代，而從全世界的範圍看，消化掉信息革命的衝擊波，或許還要更長時間，然而現在大數據和機器智能革命已經來敲門了。

2.解決問題只有靠時間

每一次重大的技術革命都需要至少一代人的時間來消除其所帶來的負面影響，比如使得很多產業消失，或者產生從業人口大量減少等，造成社會動蕩。

日本和歐美的解決方案是將這些失業且無法通過二次學習去適應新就業環境的人強制塞到公司里，中國則是「耗」，耗上兩代，社會問題就解決了。

那些曾經為人類的文明做出過貢獻，但已經被技術革命所淘汰的員工，唯一的希望就是他們的後代能夠進入一個新的行業。這實際上是靠時間慢慢地消化技術革命帶來的負面影響。

3.智能革命的衝擊

智能革命將要走的路和歷史上歷次技術革命的路會有很多相似之處。大數據和機器智能的趨勢一旦形成，就不是人力可以阻擋的。

從目前的發展來看，智能革命對社會的衝擊甚至有可能超過過去幾次技術革命，主要原因有以下三方面：

首先，信息革命本身帶來的影響還沒有完全消化完。

其次，今天的世界和200年前已經不同了，消化掉技術革命的影響要比工業革命時難得多。

最後，也是最重要的一點，智能革命所要替代的是人類最值得自豪的部分——大腦。

現代社會，很多國家都採用「劫富濟貧」的方式，徵收富人的稅養活窮人，社會的進步拋棄了那些沒有跟上時代步伐的人，這幾十億的勞工缺口卻無法得到很好的解決，只能任由放任。

在歷次技術革命中，一個人、一家企業、甚至一個國家，可以選擇的道路只有兩條：

要麼加入浪潮，成為前2%的人；要麼觀望徘徊，被淘汰。

抱怨是沒有用的。至於當下怎麼才能成為2%，其實很簡單，就是踏上智能革命的浪潮。

記得張泉靈在今年1月份的一個演講中說過這樣一句話：時代拋棄你的時候，連再見都不會說一聲。

科技的發展日新月異，這邊內容創業、共享經濟的風口剛吹起來，人工智慧就席捲而來，而人工智慧的屁股還沒坐熱，區塊鏈又橫空出世了。

面對技術的快速進步，避免自己被淘汰的最好辦法就是保持不斷學習。

謹以此文，共勉。

大數據、智能革命、人工智慧、

機械智能領域首要選擇科普作品

易於理解，有態度，有溫度

羅輯思維8小時售罄首印圖書

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！