《智能時(shí)代》一書是吳軍先生的佳作，通篇來講，這本書更確切的題目是“大數(shù)據(jù)時(shí)代”，因?yàn)榇髷?shù)據(jù)的質(zhì)變的發(fā)展，使得“智能時(shí)代”飛速朝我們奔來。

1946年，第一臺(tái)計(jì)算機(jī)ENIAC誕生，它體積龐大，計(jì)算速度只有每秒5000次，跟現(xiàn)代隨便一臺(tái)智能手機(jī)完全沒有可比性。但是科學(xué)家已經(jīng)開始思考計(jì)算機(jī)的智能問題，畢竟ENIAC的計(jì)算速度比人腦快多了。

然而，計(jì)算機(jī)智能的研究之路頗為坎坷。雖然計(jì)算機(jī)的性能不斷提高，但它們都不能像人腦那樣去思考問題，特別是一些抽象性問題。原因是開始的路子一直運(yùn)用是“仿生學(xué)”的方法，讓計(jì)算機(jī)學(xué)會(huì)人類大腦的思考方式。后來科學(xué)家們意識(shí)到，對(duì)于計(jì)算機(jī)智能來說，最重要的是解決人腦解決的問題，而不一定采取和人腦一樣的方式。就像飛機(jī)的發(fā)明，并不是運(yùn)用仿生學(xué)原理，讓飛機(jī)像鳥一樣飛，而是利用了空氣動(dòng)力學(xué)。

轉(zhuǎn)變思路后，計(jì)算機(jī)智能發(fā)展還是遠(yuǎn)遠(yuǎn)落后于計(jì)算機(jī)其他學(xué)科，因?yàn)樵趯?shí)驗(yàn)室里，可以供研究的數(shù)據(jù)太少了，不足以支撐研究。這種情況在互聯(lián)網(wǎng)興起之后發(fā)生了變化，互聯(lián)網(wǎng)時(shí)代獲取數(shù)據(jù)變得非常容易，計(jì)算機(jī)智能化研究突飛猛進(jìn)。

這里先定義一下什么是“數(shù)據(jù)”，很多人印象當(dāng)中，數(shù)據(jù)就是數(shù)字，其實(shí)數(shù)據(jù)的概念比數(shù)字大得多?；ヂ?lián)網(wǎng)上任何內(nèi)容，包括文字、圖片、視頻等都是數(shù)據(jù)，不僅如此，醫(yī)學(xué)影像，工廠設(shè)計(jì)圖紙，出土文物上的符號(hào)等也是數(shù)據(jù)。

數(shù)據(jù)量不足夠大的時(shí)候，很多問題是受限的。但是當(dāng)數(shù)據(jù)體量夠大，算法足夠好，奇跡就產(chǎn)生了。拿著名的AlphGo來說，它以4:1的壓倒性勝利，戰(zhàn)勝了圍棋世界冠軍李世石，原因不是AlphGo比李世石聰明，邏輯推理能力比人類強(qiáng)，而是它運(yùn)用大數(shù)據(jù)和智能算法。

在對(duì)弈之前，AlphGo已經(jīng)做了海量的“五年高考，三年模擬”題，不同版本的AlphGo相互對(duì)弈了上千萬盤，具體到下棋的時(shí)候，AlphGo可以迅速把當(dāng)前狀態(tài)直接變成以前下過的獲勝模型，所以就“算無遺策”。而人類，怎么都不可能做到這點(diǎn)。

再拿無人駕駛汽車來說，Google的自動(dòng)駕駛汽車也是大數(shù)據(jù)思維的一個(gè)非常好的案例。不管有沒有開過車，我們都會(huì)知道駕駛的過程是一個(gè)瞬息萬變的過程，道路的形態(tài)，周邊車輛、人流，還有一些突發(fā)事件，都考驗(yàn)著駕駛員的觀察和應(yīng)變能力。而Google的自動(dòng)駕駛汽車，已經(jīng)非常成熟，安全性比人類駕駛要高。它不是學(xué)會(huì)人類的觀察反應(yīng)能力，而是利用大數(shù)據(jù)。

Google的自動(dòng)駕駛汽車是在成熟的街景范圍內(nèi)開展的，全球人都知道Google地圖有多好，可以說Google地圖搜集的數(shù)據(jù)已經(jīng)幫自動(dòng)駕駛汽車“掃過街，探過道”，每條街的具體情況，寬窄，限速，周邊物體形狀、顏色，每個(gè)時(shí)段交通狀況，Google都已經(jīng)了然于胸。自動(dòng)駕駛汽車上的傳感器，每秒幾十次掃描周遭的環(huán)境，它遇到的情況都是之前Google地圖掃描過的，處理起來自然沒有問題。

而最熟練的老司機(jī)，也沒有Google自動(dòng)駕駛汽車掌握的情況多，更別說兩只眼睛兩只耳朵趕不上遍布汽車全身的傳感器了。這也是現(xiàn)在在國(guó)內(nèi)，為什么百度敢做自動(dòng)駕駛汽車，別的科技公司很少踏足這一領(lǐng)域，因?yàn)榘俣鹊貓D搜集的大數(shù)據(jù)也是體量很大的。當(dāng)然，百度的產(chǎn)品做到哪一階段，還是需要實(shí)際情況檢驗(yàn)的。

除了上面兩個(gè)例子外，大數(shù)據(jù)也運(yùn)用在商業(yè)的各個(gè)領(lǐng)域。比如線上零售業(yè)根據(jù)我們的購(gòu)物點(diǎn)擊推送商品，這個(gè)場(chǎng)景我們已經(jīng)非常熟悉。而線下零售業(yè)也開始運(yùn)用商品上的信標(biāo)跟蹤探尋顧客的反應(yīng)。比如一款衣服頻繁被顧客挑中，試衣后買走，而另一件也是被顧客挑中，試衣后卻留下，商場(chǎng)就可以調(diào)整商品的位置、出貨量等。這些問題雖然可以由一線銷售人員反映，但是信標(biāo)所顯示的數(shù)據(jù)可能更多更完整。

警察也可以利用大數(shù)據(jù)發(fā)現(xiàn)異常行為，從而查獲犯罪行為。舉例來說，有犯罪分子租下豪宅種毒品，因?yàn)槭窃谑覂?nèi)，需要大量光照，所以用電就比較多。這種情況在過去是很難發(fā)現(xiàn)的，但是大數(shù)據(jù)就能幫警察找出區(qū)域內(nèi)哪些房屋用電量是異常的，結(jié)合其他線索，一舉摧毀犯罪分子的制毒場(chǎng)所。

保險(xiǎn)公司也可以利用大數(shù)據(jù)，根據(jù)人的自身情況定制不同保費(fèi)。如果你的汽車傳回來的數(shù)據(jù)總是顯示你不喜歡系安全帶，經(jīng)常超速，就小心保險(xiǎn)公司提高車險(xiǎn)價(jià)錢吧。

類似的例子書中舉了很多，從國(guó)家到社會(huì)，到個(gè)人，大數(shù)據(jù)已經(jīng)影響到每一個(gè)方面。從積極角度來說，大數(shù)據(jù)的運(yùn)用，讓機(jī)器開始職能化，我們的生活又提高了一個(gè)新的臺(tái)階。消極角度來說，隱私安全問題也越來越嚴(yán)重。

另一個(gè)和每個(gè)人息息相關(guān)的是，大數(shù)據(jù)改變了以前的職業(yè)結(jié)構(gòu)，很多之前人們認(rèn)為不大可能被機(jī)器替代的工種也岌岌可危。比如說律師、醫(yī)生、記者，這些腦力勞動(dòng)者，可能也要像工業(yè)時(shí)代的手工勞動(dòng)者一樣，面臨極高的失業(yè)機(jī)會(huì)。每一個(gè)時(shí)代的變化，通常只有2%的人能夠迎頭趕上，其余的人或多或少淹沒在時(shí)代浪潮當(dāng)中。這是每個(gè)人的悲哀，也是每個(gè)人的機(jī)會(huì)。