必然 The Inevitable （二）

这一切都是必然！...

这些力量并非命运，而是轨迹。它们提供的并不是我们将去往何方的预测。而是告诉我们，在不远的将来，我们会向哪些方向前行，必然而然。

凯文·凯利对于经济和社会发展的趋势有着深刻的见解。20年前，他的《失控》一书，便已预见了当下几乎所有的互联网经济热点概念，如：物联网、云计算、虚拟现实、网络社区、大众智慧、迭代等。此次，凯文·凯利在新书《必然》中，提到了未来30年的12种必然趋势。1.形成 Becoming

2.知化 Cognifying

3.流动 Flowing

4.屏读 Screening

5.使用 Accessing

6.分享 Sharing

7.过滤 Filtering

8.重混 Remixing

9.互动 Interacting

10.追踪 Tracking

11.提问 Questioning

12.开始 Beginning

知化
Cognifying

-把机敏的头脑置入普通事物中，才能带来真正的颠覆。这些事物可以是自动贩卖机、鞋子、书、卡车、电子邮件、手表、手机。我们的行为将因此而被彻底的改变。

- 这种额外的智能只是廉价还不够，应当完全免费。

-知化，来自新兴综合的人工智能。像IBM的沃森机器人。人工智能会随着人们的使用自我改进，会越来越聪明，它在一个项目习得的东西能够被立即运用到其他项目上。它是多种软件引擎的集合、其逻辑演绎引擎和语言解析引擎可能使用不同代码，分别在不同地点的不同芯片上运行，而所有这些都汇集成一条统一的“智能流”。

- 消费者可以直接进入这个不断运转的智能系统，也可经由使用这个人工智能云端的第三方应用程序进入。

- 简单地说，当告诉它自己在印度感染某种疾病的症状后，它会提供一张按照得病可能性由高到低排列的疾病推断清单。Scanadu公司的CEO Alan Greene说：从人工智能发展速度来看，现在出生的孩子在成年后可能很少需要依靠医生来诊断了！

- 医学只是开端，所有主流云公司加上几十家创业公司都争先恐后地启动类似于沃森提供认知服务。

- 2014年以来，雅虎、英特尔、Dropbox、领英、Pinterest、推特都收购了人工智能公司。人工智能领域的民间投资在过去四年每年增长62%，这个速度会持续下去。

- 谷歌收购的DeepMind公司叫人工智能玩20世纪80年代的街机类电子游戏。

- 教导的是学习玩游戏的方法，不是具体游戏的玩法。例如，Atari 公司的Pong的变种Breakout，它会学着不断提高分数。半小时后，每4次操作，失误1次。1小时后，300局做到0失误。第2个小时，它算出breakout 的漏洞，利用这个漏洞，它可以通过打用一面墙赢得游戏。

- 一种deep reinforcement machine learning的算法在接触49个Atari游戏数小时后，能在其中约一半游戏中打败熟练掌握游戏的人类。

- 即将到来的人工智能更像亚马逊的网络服务--廉价、可靠、工业级的数字智能在一切事物背后运行，除了闪现在眼前的短暂时刻，它近乎无影无踪。

- 知化可以应用于任何领域。音乐、洗衣、营销、房产、护理、建造、伦理、玩具、体育、编织等等。

- Google创办人在2002年就利用搜索改善它的人工智能。每当你键入一个查询词，点击一个搜索引擎生成的链接或是网上创建一个链接，都是在训练谷歌的人工智能。

近期的三大突破：

1）廉价的并行计算

2）大数据

3）更好的算法

开启人们期待已久的人工智能时代。

廉价的并行计算

- 我们大脑中的数百亿神经元同时激发，制造出用于计算的同步电波。人工智能软件结构是建立一个神经网络，同时需要各个进程同步运行。

- 2009年史丹福大学吴恩达（Andrew Ng）与研究团队发现GPU芯片可以并行运行神经网络。

- 现在GPU被应用于云计算公司当作常规技术使用。比如，Netflix用它来为超过5000万订户推荐靠谱的内容；Facebook用它来识别你照片中的好友。

大数据

- 吴恩达解释道：建设人工智能就像建造一艘火箭飞船，需要一个巨大的引擎和许多燃料。飞船的引擎是各种学习型算法，而燃料是我们提供给这些算法的大量数据。

更好的算法

- 数据神经网络是29世纪50年代就被发明出来，但计算机科学家用了数十年的时间学习如何驾驭数百万或亿神经元之间多如天文数字的组合关系。

- 其中的关键在于神经网络组织的成叠层（staked layer）。比如人脸识别任务，当神经网络中的一组数位被发现能触发某种图案，如一只眼睛的图像，就会被移到神经网络下一层级进一步解析。下一层级会将双眼归在一组，并将这有意义的数据块传到层级结构的更下一级，该层级能将双眼和鼻子的关联图案连在一起，通过叠加15个层级，最终能从数百万这类的节点连起来识别一张脸。

- 多伦多大学Geoff Hinton将这个方法改进并称之为“深度学习”。他能将各个层级的数据结果进行数学上的优化，从而加快了叠层时的学习速度。

- 数年后，深度学习算法被移到GPU集群上，大大加快了叠层的速度。因此产生的产品比如IBM的沃森、Deep mind、谷歌搜索引擎及Facebook。

- 云计算遵循收益递增（increasing returns）法则又叫网络效应（network effect）。这一法则指出，网络规模扩大的速度远远赶不上其价值增加的速度，网络规模越大，对新用户的吸引力越强，反复循环下去。

- 人工智能的云端服务，越多人使用，就越聪明，越聪明就越多人使用，不断循环。企业进入此良性循环后，规模扩展速度变得又快又大，进而形成竞争优势！

- 未来的人工智能由2-3家寡头公司主导, 并以云端多用途商业产品为主。

-“人工智能+人”创造了世界第一象棋棋手马格努斯·卡尔森（Magnus Carlsen），证实是可行的组合。

- 目前人工智能被细分发展，但未来要发展的是人工智慧。智慧是专注的、能衡量的、专门化的。它还能用完全不同于人类认知的方式思考。

- IBM用不同于人类思考的人工智能搜集的数据，开发了一种食谱就是这样的研究。

- 在一个联系超密集的世界中，不一样的思维是创新和财富的来源。商业机会让工业力量相关的人工智能无所不在。它们廉价而聪明。会被植入到所有我们制造的东西里。

- 我们开始发明新的智能种类和新的思维方式时，将获得更大的回报。

- 巴克斯特（Baxter）新型作业机器人，麻省理工学院罗德尼·布鲁克斯教授发明。它与一般机器人有三个不同：

1.能看四周并通过移动头部的动画眼睛提示它正在看的地方

2.任何人都可以训练巴克斯特

3.巴克斯特成本更低

- 机器人可以从事的工作：

1.人能从事但机器人表现更佳的工作

2.人类无法从事但机器人可以从事的工作

3.人类想要从事却还不知道是什么的工作

4.刚开始只有人类从事的工作

- 机器人替代的7个步骤：

1.机器人干不了我的工作

2.它会许多事情，但我会的它不一定都会

3.它会做我的事但却常常故障，这时需要我来处理

4.我需要训练它学习的新任务

5.它做不该人做的事

6.机器人做我以前的工作、我的新工作不仅好玩工资还高

7.机器人绝对干不了我现在做的事情。

这一切是必然，机器人做我们现在的工作。让我们再他的帮助下去构思有意义的新工作。

凯文·凯利

Kevin Kelly，1952～，人们经常亲昵地称他为 KK，世界著名科技杂志《连线》（Wired）创始主编。“网络文化”（Cyberculture）的发言人和观察者，第一届世界黑客大会发起者。1994年，其预言未来科技发展的传奇著作《失控》横空出世，十几年后，文中所指相继实现，从此，KK的一言一行都成为互联网发展的“风向标”。

文中内容来源于

凯文·凯利的《必然》

中国工信出版集团

电子工业出版社