大數(shù)據(jù)和機(jī)器智能都是講了很久的事了，好像每個(gè)人都知道那么一點(diǎn)，但又什么都不知道。只要是上網(wǎng)，大家或多或少都會(huì)接觸這些熱詞，但很少人能有對(duì)這些概念的清晰定義，因此也不會(huì)去想這些新的概念是否僅僅只是概念，它們是生意還是革命。我沒(méi)有多想過(guò)。
吳軍老師出新書(shū)了，要不要買(mǎi)呢，我猶豫不決。直到我看見(jiàn)書(shū)本宣傳用的一段話(huà)。
在歷次技術(shù)革命中，一個(gè)人、一家企業(yè)，甚至一個(gè)國(guó)家，可以選擇的道路只有兩條：要么加入浪潮，成為前 2% 的人，要么觀望徘徊，被淘汰。
機(jī)器智能到了嗎？
這個(gè)問(wèn)題讓我想起了奇葩說(shuō)第三季的一個(gè)辯題，“時(shí)保聯(lián)是暴政嗎？”。當(dāng)時(shí)黃執(zhí)中表達(dá)了這么個(gè)觀點(diǎn)，我們之所以認(rèn)為時(shí)保聯(lián)是暴政，是因?yàn)槲覀冎辉诋?dāng)下這個(gè)時(shí)間點(diǎn)去挑“人與人時(shí)刻保持聯(lián)系”的不便，但卻忘了不久之前的固話(huà)時(shí)代的極大不方便。所以看待一件事需要結(jié)合歷史的進(jìn)步。機(jī)器智能也是這樣的。
除了圖靈測(cè)試，20 世紀(jì) 50 年代的計(jì)算機(jī)科學(xué)家認(rèn)為，如果計(jì)算機(jī)能做到以下幾件事之一，就認(rèn)為機(jī)器具有圖靈所說(shuō)的智能：
- 語(yǔ)音識(shí)別
- 機(jī)器翻譯
- 文本的自動(dòng)摘抄或者寫(xiě)作
- 戰(zhàn)勝人類(lèi)的國(guó)際象棋冠軍
- 自動(dòng)回答問(wèn)題
我們現(xiàn)在回頭看一下，除了第 3 和第 5 點(diǎn)，其他計(jì)算機(jī)都能完成得很好了。我們之所以認(rèn)為機(jī)器還不夠智能，是因?yàn)榭萍嫉倪M(jìn)步讓我們更加挑剔，不斷地抬高了智能的門(mén)檻。
另一方面的原因是，大部分人依然認(rèn)為要做出一個(gè)智能的機(jī)器，需要它的思維方式與人類(lèi)的大腦相仿。但這其實(shí)已經(jīng)是上世紀(jì)科學(xué)家的做法，這種做法在長(zhǎng)時(shí)間沒(méi)有獲得進(jìn)步。于是，一部分科學(xué)家獨(dú)辟蹊徑，嘗試用大數(shù)據(jù)的方式來(lái)解決智能問(wèn)題。
為什么大數(shù)據(jù)能解決智能問(wèn)題？
首先需要確定到底什么是智能問(wèn)題。智能問(wèn)題的本質(zhì)在于問(wèn)題對(duì)應(yīng)著的不確定性。1+2=3 不屬于智能問(wèn)題，因?yàn)榇鸢甘谴_定的，唯一的。相比之下，機(jī)器翻譯是智能問(wèn)題，因?yàn)樗慕Y(jié)果不確定，不存在某個(gè)答案是翻譯的確定文本。所以智能問(wèn)題是過(guò)去需要人類(lèi)非參與不可，需要思考去減少不確定性才能解決的問(wèn)題。
那么一個(gè)問(wèn)題，從“不確定”到“確定”之間的轉(zhuǎn)變，到底是因?yàn)槭裁炊鵂顟B(tài)被影響？答案是信息。這個(gè)答案的理論基礎(chǔ)是香農(nóng)的信息論，他用熵來(lái)描述一個(gè)信息系統(tǒng)的不確定性。要消除一個(gè)系統(tǒng)的不確定性，就要引入信息。所以要解決帶有不確定性的智能問(wèn)題，就需要從數(shù)據(jù)中獲取信息。
正如所有理論先于工程實(shí)現(xiàn)的事情一樣，智能問(wèn)題能在今天慢慢被解決，不是因?yàn)橐郧皼](méi)有數(shù)據(jù)，不是因?yàn)榻裉觳虐l(fā)明出來(lái)機(jī)器學(xué)習(xí)算法（很早就有了），而是以前的數(shù)據(jù)不夠多。從思科給出的手機(jī)數(shù)據(jù)增長(zhǎng)圖看，進(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代后，數(shù)據(jù)是以指數(shù)型增長(zhǎng)。其他涉及網(wǎng)絡(luò)的數(shù)據(jù)也是一樣的，企業(yè)數(shù)據(jù)的增長(zhǎng)量更加大。大量的數(shù)據(jù)可以被獲得，數(shù)據(jù)之間相互關(guān)聯(lián)，交織成網(wǎng)。于是有了大數(shù)據(jù)的基本特征：
- 數(shù)據(jù)量極大
- 數(shù)據(jù)具有多維性
- 數(shù)據(jù)具有完備性
這里需要多加認(rèn)識(shí)的也許是完備性。所謂完備性，某種意義上可以理解成窮舉。在過(guò)去，司機(jī)是不可能被取代的職業(yè)，因?yàn)轳{駛汽車(chē)需要解決很多不確定的問(wèn)題，但是在今天，無(wú)人自動(dòng)駕駛的趨勢(shì)已經(jīng)越來(lái)越明顯了。以前研制自動(dòng)駕駛的方法是參照人的思維方式，每到一處都臨時(shí)識(shí)別目標(biāo)，這樣即使計(jì)算機(jī)再快，也沒(méi)法進(jìn)行太深入的計(jì)算，容易誤判。但今天，Google 用大數(shù)據(jù)的方法解決了自動(dòng)駕駛汽車(chē)的問(wèn)題。
Google 不再臨時(shí)識(shí)別道路狀況，而是在出發(fā)前就熟知所有路況信息，把自動(dòng)駕駛項(xiàng)目變成街景項(xiàng)目的延伸。周?chē)心繕?biāo)的形狀大小、道路寬窄、限速等信息早已全部掌握，再利用交通情況、人流密度，把自動(dòng)駕駛的難度極大降低。
因此，Google 自動(dòng)駕駛汽車(chē)不是“聰明”地臨時(shí)識(shí)別道路信息，而是用最“笨”的方式預(yù)先知道所有道路信息，這就是大數(shù)據(jù)完備性的優(yōu)勢(shì)。文本翻譯也是類(lèi)似的。
機(jī)械思維到大數(shù)據(jù)思維的轉(zhuǎn)變
我們已經(jīng)知道了大數(shù)據(jù)能夠解決智能問(wèn)題，現(xiàn)在需要了解為了善用大數(shù)據(jù)，需要怎么樣的大數(shù)據(jù)思維。
在大數(shù)據(jù)出現(xiàn)之前，雖然我們?cè)诳茖W(xué)史上經(jīng)歷了思辨的古希臘、近代科學(xué)、現(xiàn)代科學(xué)，但思維方式上來(lái)看，依然是機(jī)械思維。在歐幾里得的古希臘時(shí)期，在基本公理的基礎(chǔ)上，通過(guò)邏輯建立了公理化系統(tǒng)；牛頓的近代科學(xué)時(shí)期，讓世人認(rèn)識(shí)了世間萬(wàn)物的運(yùn)動(dòng)變化規(guī)律，簡(jiǎn)潔優(yōu)美，放之四海皆準(zhǔn)；愛(ài)因斯坦更是把這樣的機(jī)械思維發(fā)揮到極致，在光速恒定這一前提下，僅僅通過(guò)邏輯推導(dǎo)，建立了狹義相對(duì)論。所以總結(jié)下來(lái)，機(jī)械思維可以概括成以下幾點(diǎn)：
- 世界變化的規(guī)律是確定的
- 規(guī)律用簡(jiǎn)單的公式或者語(yǔ)言就能描述清楚
- 規(guī)律放之四海而皆準(zhǔn)
這些科學(xué)成就引導(dǎo)了兩次工業(yè)革命，創(chuàng)造出了極大的生產(chǎn)力，社會(huì)方方面面收到了改變?，F(xiàn)在，為了引領(lǐng)新的生產(chǎn)力革命，不得不面臨世界的不確定性問(wèn)題：
- 現(xiàn)實(shí)世界的變量是極多的，甚至沒(méi)有準(zhǔn)確的理論來(lái)預(yù)測(cè)這些不確定的變化
- 客觀世界本身就是不確定的，因?yàn)樵谀撤N程度上我們的觀察，干擾了結(jié)果本身
為了用大數(shù)據(jù)解決不確定問(wèn)題，我們不得不轉(zhuǎn)換我們的思維方式，從因果關(guān)系轉(zhuǎn)變?yōu)橄嚓P(guān)關(guān)系：
- 承認(rèn)世界的不確定性
- 把智能問(wèn)題轉(zhuǎn)變?yōu)椴淮_定問(wèn)題
- 用大數(shù)據(jù)消除不確定性問(wèn)題
書(shū)上有這么個(gè)大數(shù)據(jù)偵查大麻種植的例子。美國(guó)和加拿大都有利用豪宅種植大麻的案件，因?yàn)樽≌瑢儆谒接胸?cái)產(chǎn)，沒(méi)有足夠證據(jù)的話(huà)是沒(méi)有辦法進(jìn)入核查的。警察也只能通過(guò)蛛絲馬跡來(lái)診斷這種不確定案例。現(xiàn)在有了智能電表，我們可以獲取一個(gè)住宅的用電量，用電模式。種植大麻的房子用電模式和一般家居是不同的，通過(guò)大量數(shù)據(jù)的比較，就能圈定一些嫌疑人。
在這個(gè)案件里，相關(guān)性證據(jù)取代了因果證據(jù)，執(zhí)法成本也發(fā)生了改變。行業(yè)的運(yùn)作模式因?yàn)榇髷?shù)據(jù)的產(chǎn)生發(fā)生了變化。
大數(shù)據(jù)與機(jī)器智能如何改造舊產(chǎn)業(yè)
新技術(shù)與舊產(chǎn)業(yè)的結(jié)合創(chuàng)造出新產(chǎn)業(yè)，正如過(guò)去工業(yè)革命中蒸汽機(jī)與電的發(fā)明一樣。過(guò)去，機(jī)器的升級(jí)與運(yùn)用讓成本從人的體力挪到了腦力。思考與判斷是人與機(jī)器相比，值得自豪的一面。
但大數(shù)據(jù)與機(jī)器智能的誕生，使得人類(lèi)重復(fù)性思考與判斷的工作能夠被計(jì)算機(jī)取代了。書(shū)中對(duì)改造醫(yī)療行業(yè)的例子讓我印象很深。以美國(guó)為例，高額的醫(yī)療成本來(lái)自?xún)煞矫?，一是長(zhǎng)周期高成本的制藥研發(fā)費(fèi)用，二是長(zhǎng)周期人數(shù)少的醫(yī)務(wù)人員的培養(yǎng)成本。在美國(guó)，培養(yǎng)一個(gè)專(zhuān)科醫(yī)師需要 13 年的時(shí)間，從本科算起，到醫(yī)學(xué)院畢業(yè)，需要花費(fèi) 50-70 萬(wàn)美元。
因此，一位放射科醫(yī)生通過(guò)醫(yī)學(xué)影像識(shí)別和分析病情，被視為需要很多專(zhuān)業(yè)技能才能完成的事。但是在今天，我們已經(jīng)可以憑借大數(shù)據(jù)對(duì)醫(yī)學(xué)影像進(jìn)行模式識(shí)別與圖像理解。一個(gè)放射科大夫一輩子閱讀的案例很難超過(guò) 10 萬(wàn)個(gè)，但是對(duì)計(jì)算機(jī)來(lái)說(shuō)，學(xué)習(xí)百萬(wàn)病例是一件非常輕松的事情。
由此一來(lái)，放射科醫(yī)生的工作效率能大大提高。由于工作門(mén)檻的逐步降低，診斷費(fèi)用必定逐步降低。
智能革命來(lái)了，我們何去何從
生產(chǎn)革命長(zhǎng)期來(lái)看必定是好事，但我們?cè)跉v史書(shū)的學(xué)習(xí)上往往忘記了，它在短期上給公眾帶來(lái)的負(fù)面影響。
第一次工業(yè)革命帶來(lái)了極大的生產(chǎn)力，蒸汽機(jī)工廠及相關(guān)的制造工廠最先受益，與此同時(shí)，大批的工人失業(yè)，變得更加貧窮。從 18 世紀(jì)末到 19 世紀(jì)初，是英國(guó)貧富分化最為嚴(yán)重、社會(huì)矛盾重重的半個(gè)世紀(jì)。英國(guó)人花了兩代人的時(shí)間才消化工業(yè)革命帶來(lái)的負(fù)面影響。再后來(lái)，少數(shù)人創(chuàng)造的生產(chǎn)力沒(méi)法自己消化，于是英國(guó)通過(guò)資本輸出，開(kāi)拓全球殖民地，推行自由貿(mào)易。
每一次生產(chǎn)力革命都揭示了這樣的趨勢(shì)，生產(chǎn)力必定越來(lái)越富足，需要進(jìn)行農(nóng)業(yè)、工業(yè)生產(chǎn)的勞動(dòng)力需求變得越來(lái)越少，從事服務(wù)業(yè)的人員越來(lái)越多。并且每一次革命，政府本身沒(méi)有辦法快速消化富余的勞動(dòng)力，只能靠時(shí)間來(lái)解決，也許是一代人，也許是兩代人。
而這次智能革命的沖擊比以前的強(qiáng)度更大、影響面更廣、更深刻。因?yàn)?/p>
- 信息革命本身帶來(lái)的影響還沒(méi)有消化完
- 全球化的時(shí)代，沒(méi)有更多的空白市場(chǎng)可以去開(kāi)拓
- 智能革命取代的是人類(lèi)最值得自豪的部分——大腦
在歷次技術(shù)革命中，一個(gè)人、一家企業(yè)，甚至一個(gè)國(guó)家，可以選擇的道路只有兩條：要么加入浪潮，成為前 2% 的人，要么觀望徘徊，被淘汰。
大數(shù)據(jù)與機(jī)器智能最后會(huì)像現(xiàn)在的集成電路一樣，作為一種資源被極少數(shù)公司所擁有。所幸的是，“成為前 2% 的人”并不是要我們加入到這些公司里去，而是擁抱變化，用大數(shù)據(jù)思維經(jīng)驗(yàn)我們的企業(yè)，成為新技術(shù)來(lái)臨時(shí)，最先受益的那部分人。
