導(dǎo)讀：

中國(guó)已經(jīng)成為機(jī)器人大國(guó)，“人工智能”搜索次數(shù)早已遠(yuǎn)超互聯(lián)網(wǎng)思維、大數(shù)據(jù)等熱詞，一波人工智能狂潮已經(jīng)來(lái)襲！想了解哪些行業(yè)即將消失，哪些行業(yè)高枕無(wú)憂(yōu)？想準(zhǔn)確把握時(shí)代的浪潮與未來(lái)的脈動(dòng)？人工智能正在飛速進(jìn)化，在很多方面已經(jīng)跨越了人類(lèi)。它終將成為“人類(lèi)的最后一個(gè)發(fā)明”嗎？針對(duì)人們的種種擔(dān)憂(yōu)和迷茫，日本人工智能大師松尾豐將帶領(lǐng)讀者遍覽人工智能的前世今生。書(shū)中對(duì)人工智能歷史上的三次浪潮做了詳述，也解釋了第三次浪潮為何被稱(chēng)為“狂潮”，“深度學(xué)習(xí)”的顛覆性在哪里，其中難逢的發(fā)展機(jī)遇在何處？

目錄：

第一章：人工智能的過(guò)去式：機(jī)器人一步步突破瓶頸

第二章：人工智能的進(jìn)行式：看機(jī)器人如何逆天

第三章：人工智能的將來(lái)式：我們?nèi)绾螒?yīng)對(duì)未來(lái)的人工智能時(shí)代

第一章：人工智能的過(guò)去式：機(jī)器人一步步突破瓶頸

人工智能在歷史上的三次智能狂潮可以簡(jiǎn)單概括為：

1：推理和搜索的時(shí)代

2：知識(shí)的時(shí)代

3：機(jī)器學(xué)習(xí)的時(shí)代

關(guān)于第一次人工智能狂潮：推理與搜索

“人工智能”這個(gè)術(shù)語(yǔ)第一次提出是在1956年夏天在美國(guó)東部達(dá)特茅斯召開(kāi)的一次學(xué)術(shù)會(huì)議上。在那里，人們首次決定將像人類(lèi)那樣的思考的機(jī)器人稱(chēng)為“人工智能“。

就在這個(gè)會(huì)議10年前，第一臺(tái)多用途、使用了1.7萬(wàn)個(gè)真空管的巨型計(jì)算機(jī)ENIAC誕生，人類(lèi)第一次看到了計(jì)算機(jī)無(wú)比強(qiáng)大的計(jì)算能力，所以我們有理由相信將來(lái)的某一天，機(jī)器人終將變得比我們?nèi)祟?lèi)更加聰明，其能力也將在人類(lèi)之上，于是人類(lèi)展開(kāi)了一個(gè)又一個(gè)野心勃勃的研究計(jì)劃。

在這個(gè)時(shí)期，“推理“和”搜索“成了主角，推理將人的思維過(guò)程用符號(hào)來(lái)表示，然后加以運(yùn)行的方法，從處理方法講，與搜索很接近。簡(jiǎn)單來(lái)講，計(jì)算機(jī)通過(guò)運(yùn)算將就是一件事情的無(wú)數(shù)種可能性羅列在人們面前，讓人們選擇。

憑借強(qiáng)大的推理和搜索能力，第一次人工智能的浪潮在20世紀(jì)60年代大放異彩。一個(gè)個(gè)需要智慧的課題，都被計(jì)算機(jī)一個(gè)個(gè)破解，于是人們感嘆“計(jì)算機(jī)真的太聰明了“。

但當(dāng)人們冷靜下來(lái)思考，當(dāng)前的計(jì)算機(jī)能解決的問(wèn)題其實(shí)很有限。計(jì)算機(jī)對(duì)于求解迷宮、解決疑難定理等問(wèn)題，我們可以通過(guò)設(shè)定一定的規(guī)則來(lái)讓計(jì)算機(jī)完成，但是對(duì)于解決生活中的實(shí)際問(wèn)題，計(jì)算機(jī)的能力還是有限的。比如有人生病了，需要用什么藥才能治療等這些問(wèn)題無(wú)法用當(dāng)時(shí)的計(jì)算機(jī)運(yùn)算能力解決。

關(guān)于第二次人工智能狂潮：知識(shí)

人類(lèi)意識(shí)到第一次人工智能只能解決一些所謂的“玩具問(wèn)題“，而非真正的實(shí)際問(wèn)題，所以相關(guān)的研究在70年代顯得有些蕭條。但是到了80年代，人工智能再次卷土重來(lái)，與之前不同的是，這次它開(kāi)始應(yīng)用于生產(chǎn)車(chē)間和現(xiàn)實(shí)產(chǎn)業(yè)領(lǐng)域。與利用搜索和推理的簡(jiǎn)單人工智能相比，第二次人工智能真正是依靠”知識(shí)“來(lái)解決問(wèn)題。通過(guò)給計(jì)算機(jī)輸入大量的”知識(shí)“，它可以通過(guò)輸入的”知識(shí)“來(lái)處理比如診療或者法律等真實(shí)案例，這看起來(lái)比之前的計(jì)算機(jī)更加聰明了。

但是對(duì)于一些比較固定和模式化的答案來(lái)說(shuō)，當(dāng)時(shí)的人工智能可以帶來(lái)解決方案，但是對(duì)于一些模糊的或者更為廣泛的領(lǐng)域，計(jì)算機(jī)就顯得無(wú)能為力了，比如，總感覺(jué)肚子疼或者胃痛，對(duì)于這些比較模糊的的輸入，計(jì)算機(jī)就顯得無(wú)所適從，沒(méi)辦法按照固定的模式給出答案。因?yàn)閷?duì)于這樣的模糊問(wèn)題，我們需要輸入海量的輔助數(shù)據(jù)或者知識(shí)來(lái)幫助計(jì)算機(jī)判斷，但是輸入這樣海量的數(shù)據(jù)在當(dāng)時(shí)是無(wú)法實(shí)現(xiàn)的，因?yàn)槿祟?lèi)擁有這樣普遍性的知識(shí)太多了。這一定程度上催生了第三次人工智能浪潮的到來(lái)。

關(guān)于第三次人工智能狂潮：機(jī)器學(xué)習(xí)和深度學(xué)習(xí)

對(duì)于第二次人工智能時(shí)代，我們需要輸入足夠多的數(shù)據(jù)來(lái)幫助計(jì)算機(jī)處理，但是這恰恰是局限，因?yàn)橛?jì)算機(jī)解決問(wèn)題的能力會(huì)受我們輸入信息的量所限制。因?yàn)槲覀儫o(wú)法真正做到海量數(shù)據(jù)的輸入。

這樣有一種技術(shù)逐步發(fā)展起來(lái)，那就是“機(jī)器學(xué)習(xí)“，為什么機(jī)器學(xué)習(xí)可以發(fā)展起來(lái)呢？這要?dú)w功于在文字識(shí)別等模式識(shí)別領(lǐng)域長(zhǎng)期積累的基礎(chǔ)技術(shù)與不斷增加的海量數(shù)據(jù)。

1990年，互聯(lián)網(wǎng)網(wǎng)頁(yè)出現(xiàn)，最早的瀏覽器Mosaic出現(xiàn)于1993年，1998年谷歌搜索引擎誕生，用戶(hù)數(shù)據(jù)挖掘變得開(kāi)始盛行，相關(guān)國(guó)際性組織也在1998年誕生。并隨著多年的積累，我們多年的用戶(hù)海量數(shù)據(jù)終于讓機(jī)器學(xué)習(xí)登上了歷史舞臺(tái)。

學(xué)習(xí)的主要工作是進(jìn)行“區(qū)分”，即對(duì)某一事物進(jìn)行判斷和識(shí)別。出于生物本性，我自身會(huì)對(duì)事物進(jìn)行識(shí)別和判斷，比如判斷某些食物是否能吃；對(duì)面的人事朋友還是敵人扥等，因?yàn)槿祟?lèi)擁有更高度的智能，所以對(duì)世界的分化處理更細(xì)致，有時(shí)細(xì)得甚至讓人覺(jué)得沒(méi)有意義。人類(lèi)涉及的識(shí)別及判斷，基本都可以看著是回答“YES/NO問(wèn)題”。對(duì)這些問(wèn)題回答正確率的提升就是我們學(xué)習(xí)能力的表現(xiàn)。

但是，機(jī)器學(xué)習(xí)也有弱點(diǎn)，它們沒(méi)有辦法區(qū)分那些因素重要或者不重要，選取什么樣的特征量將決定預(yù)測(cè)精準(zhǔn)度的高低。換句話(huà)說(shuō)，選取什么的特征量，即讀取什么變量，將很大程度上決定預(yù)測(cè)的精確度。

所以，如何選取特征量是機(jī)器學(xué)習(xí)的關(guān)鍵點(diǎn)。另外，視覺(jué)信息處理方面，即便計(jì)算機(jī)進(jìn)行機(jī)器學(xué)習(xí)，它也無(wú)法找到合適的特征，因而也就無(wú)法實(shí)現(xiàn)真正的學(xué)習(xí)。

2012年，人工智能領(lǐng)域，在圖像識(shí)別領(lǐng)域的國(guó)際大賽ILSVRC（大型視覺(jué)識(shí)別挑戰(zhàn)賽）上，機(jī)器人的圖像識(shí)別能力，憑借研究者豐富的經(jīng)驗(yàn)和技能，機(jī)器學(xué)習(xí)的算法和特征量設(shè)計(jì)有一點(diǎn)點(diǎn)進(jìn)步。多倫多大學(xué)提供的人工智能計(jì)算機(jī)將錯(cuò)誤率降低到了15%，這領(lǐng)先于其他選手10%以上，其原因主要是該大學(xué)的杰弗里.欣頓教授研發(fā)的新式機(jī)器學(xué)習(xí)“深度學(xué)習(xí)”。

深度學(xué)習(xí)的原理是以數(shù)據(jù)為基礎(chǔ)，讓計(jì)算機(jī)自動(dòng)生成特征量，它不需要由人來(lái)設(shè)計(jì)特征量，而是計(jì)算機(jī)自動(dòng)獲取高層特征量，并由此來(lái)對(duì)圖像進(jìn)行分類(lèi)。深度學(xué)習(xí)是人工智能研究50年來(lái)的重大突破。

在大數(shù)據(jù)海洋中，通過(guò)預(yù)測(cè)然后再確定答案，反反復(fù)復(fù)進(jìn)行這樣的操作從而發(fā)現(xiàn)各種特征量；之后不久就會(huì)發(fā)現(xiàn)“媽媽”這個(gè)概念，進(jìn)而發(fā)現(xiàn)周?chē)母鞣N“事物”，并學(xué)習(xí)它們之間的關(guān)系，就這樣，他一點(diǎn)點(diǎn)地去對(duì)這個(gè)世界進(jìn)行學(xué)習(xí)。

第二章：人工智能的進(jìn)行式：看機(jī)器人如何逆天

人類(lèi)和人工智能在正各個(gè)領(lǐng)域上演對(duì)決。前不久谷歌的研發(fā)的智能機(jī)器人阿爾法戰(zhàn)勝韓國(guó)圍棋冠軍李世石。成為一個(gè)人工智能戰(zhàn)勝人類(lèi)的標(biāo)志性事件。

另外，人工智能的機(jī)器人也被廣泛應(yīng)用于各行各業(yè)，尤其是制造業(yè)。2014年日本舉辦了一場(chǎng)料理品嘗大會(huì)，其所有料理均有IBM研發(fā)的智能機(jī)器人“沃森大廚”設(shè)計(jì)食譜、由頂級(jí)西餐大廚親自掌勺。2016年是人工智能的元年，各種人工智能的機(jī)器人在各個(gè)領(lǐng)域大放異彩。同時(shí)機(jī)器人在學(xué)習(xí)人類(lèi)情感的課題上也不斷進(jìn)步，開(kāi)始嘗試著理解人類(lèi)的復(fù)雜情感。

第三章：人工智能的將來(lái)式：我們?nèi)绾螒?yīng)對(duì)未來(lái)的人工智能時(shí)代

人工智能已經(jīng)經(jīng)歷了三次狂潮，那么它到底會(huì)進(jìn)化成什么樣呢？

2014年底。著名的科學(xué)家霍金說(shuō)：人工智能發(fā)明是人類(lèi)歷史上的一個(gè)里程碑，但是同時(shí)，它也可能成為歷史上最后一個(gè)里程碑。我們將這樣的言論稱(chēng)之為奇點(diǎn)論。

所謂奇點(diǎn)，就是人工智能能夠自動(dòng)地制造出超越自身能力的新人工機(jī)器人的那個(gè)時(shí)間點(diǎn)。機(jī)器人能反復(fù)制造出能比自身更聰明的機(jī)器人后，通過(guò)這樣的反復(fù)，最終就能產(chǎn)生具有壓倒性?xún)?yōu)勢(shì)的全新機(jī)器人，這便是奇點(diǎn)的大概理論。

那為什么現(xiàn)階段人工智能還不能超越人類(lèi)呢？因?yàn)槟壳暗娜斯ぶ悄苓€存在較多局限。

首先，在我們所說(shuō)的深度學(xué)習(xí)階段，計(jì)算機(jī)所制造出的“概念”可能與人類(lèi)所持有的“概念”可能并不相同。

另外，當(dāng)人看到畫(huà)面，并使用語(yǔ)法向別人描述畫(huà)面和傳遞信息時(shí)，用的是一種與生俱來(lái)的方法，并不是有深度學(xué)習(xí)那樣的數(shù)學(xué)合理性。我們無(wú)法將這一的天生的方法輸入給計(jì)算機(jī)，那么計(jì)算機(jī)將很難獲取與人類(lèi)相同的語(yǔ)法。

還有一個(gè)重要的東西就是“本能”。在人類(lèi)獲取的概念里，除了單純地將還原錯(cuò)誤最小化，還有很多是根據(jù)情感和本能來(lái)決定的，計(jì)算機(jī)獲取這些跟本能相關(guān)的概念非常困難。這些概念都與人類(lèi)長(zhǎng)期進(jìn)化中所制造出來(lái)的本能有密切的關(guān)系。

所以想讓人工智能機(jī)器人，解決“特征量”、“語(yǔ)法”、和“本能”這些關(guān)鍵問(wèn)題后，跟人類(lèi)完全無(wú)障礙溝通是非常困難的。

另外，本書(shū)還談到了人工智能對(duì)于個(gè)體的影響，也就是，人工智能機(jī)器人是否可以代替人類(lèi)做很多工作，搶走我們的“飯碗”。

從短期（15年內(nèi)）來(lái)看，不會(huì)發(fā)生特別大的變化，或許人工智能和大數(shù)據(jù)可能會(huì)迅速引入到會(huì)計(jì)及法律等領(lǐng)域。另外，介于它們的大數(shù)據(jù)分析能力，它們可能在營(yíng)銷(xiāo)里面得到大量的應(yīng)用。

從中期（今年5-10年）來(lái)看，在生產(chǎn)管理和設(shè)計(jì)等領(lǐng)域，人們的工作可能會(huì)產(chǎn)生很大的變化，人工智能的能力將有很大的提升，在這個(gè)階段，除了一些例外或者特殊的需要?jiǎng)?chuàng)造性的工作必須要人來(lái)完成，其他大部分工作可能被機(jī)器人代替。

從長(zhǎng)期（15年以后）來(lái)看，需要由人來(lái)完成的工作大致分為兩類(lèi)。一類(lèi)是需要站在大局層面，樣本數(shù)量非常少且需要作出艱難判斷的業(yè)務(wù)，比如管理者的工作。另外，與人相連接的界面還是有人來(lái)做比較合適，有些工作會(huì)因此保留下來(lái)，比如治療師或者餐廳服務(wù)員等。未來(lái)有可能由人來(lái)完成的工作會(huì)變得非常昂貴。

總之，從短期和中期來(lái)看，掌握數(shù)據(jù)分析及人工智能的知識(shí)和技能非常重要，從長(zhǎng)期來(lái)看，一部分工作會(huì)被人工智能取代，因?yàn)橐磳W(xué)習(xí)如何做出那些只有人才能完成的具有判斷性和創(chuàng)造性的工作，要么索性專(zhuān)心于人打交道的工作。