了解科技史，是為了找到科技發(fā)展的客觀規(guī)律。

為什么到了工業(yè)革命以后，科技發(fā)展這么快，從偶然性的成功變成必然性的成功？這就是技術(shù)的特點(diǎn)。一是可疊加的進(jìn)步，科技加速進(jìn)步是因?yàn)榻裉斓倪M(jìn)步是基于昨天的技術(shù)發(fā)展，技術(shù)進(jìn)步是一個(gè)疊加。二是可復(fù)制的具有必然性的成功，讓成功不是偶然碰運(yùn)氣?？萍际鞘澜缟衔ㄒ荒軌虍a(chǎn)生可疊加式進(jìn)步的力量。

人工智能不能做什么

前三次工業(yè)革命是對“人手”的延伸，以人工智能為代表的第四次工業(yè)革命，則主要是“人腦”的延伸。

三年前人工智能時(shí)代開啟。在任何時(shí)刻，如果一個(gè)事兒所有人都覺得它能做的時(shí)候，會有兩種可能，一是的確太厲害，二是可能發(fā)展到了頭。當(dāng)紅利被所有人都看到的時(shí)候，紅利就未必是紅利，這個(gè)時(shí)候恰恰需要冷靜地思考，換一個(gè)角度，看人工智能不能做什么。

人工智能基于計(jì)算機(jī)。無論是用深度學(xué)習(xí)還是人工神經(jīng)網(wǎng)絡(luò)，人工智能的極限取決于計(jì)算機(jī)的極限，計(jì)算機(jī)的極限取決于計(jì)算的極限。這決定了什么能算，什么不能算，對本源問題的思考決定了做事的大方向和對錯(cuò)。

今天討論人工智能，首先要清楚它的邊界在哪里，這樣才知道什么事需要由人工智能解決，而不是說把一個(gè)原本不是人工智能的問題，也不需要用人工智能解決的問題，硬套上人工智能。

或者原本可能是數(shù)學(xué)的問題，非要說成是人工智能的問題，最后做了一大堆未必有用的產(chǎn)品。

人工智能能做什么

人們常常會高估三五年內(nèi)發(fā)生的事，會低估十年后發(fā)生的事。比如有人覺得無人駕駛汽車會馬上上路，是高估了這件事。

為什么人們會熱衷于5G？因?yàn)樯暇W(wǎng)設(shè)備突然增加十倍、百倍之后，需要足夠的網(wǎng)速支持。這么密集的網(wǎng)絡(luò)會產(chǎn)生大量的數(shù)據(jù)，人處理不了的時(shí)候自然需要人工智能，這是很重要的原因。

人工智能，確切講是機(jī)器智能涉及的一個(gè)可計(jì)算的問題，它跟我們?nèi)祟惖闹悄軟]有什么關(guān)系。如果人無法判定機(jī)器和人哪個(gè)做得更好的時(shí)候，機(jī)器和人是等價(jià)的。

人工智能和人腦智能是完全無關(guān)的。它實(shí)際上是一種數(shù)據(jù)驅(qū)動的方法加上機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)又有賴于摩爾定律，因?yàn)橹挥杏?jì)算機(jī)的性能速度達(dá)到足夠高的時(shí)候效率才能出來。人工智能是讓現(xiàn)在的計(jì)算機(jī)在回答問題的時(shí)候能超過人，而不是說研究人腦的結(jié)構(gòu)。說人工智能和認(rèn)知科學(xué)有很深的關(guān)系，就像說發(fā)明了一架翅膀可以振動的飛機(jī)，這都是騙人的。這是人工智能的重要特點(diǎn)。

人工智能是1956年提出來的，人類認(rèn)識一個(gè)事物，起初都是憑直覺。最早模仿鳥飛行，后來才搞出空氣動力學(xué)的理論，今天飛機(jī)飛的方式和鳥是完全不同的。人工智能起初也是這樣，先是模仿人，讓它解決一些簡單的智能問題。

提出人工智能的著名科學(xué)家明斯基用兩句英文說明了為什么計(jì)算機(jī)難以模仿人。 “The pen was in the box”“The box was in the pen”，在英語里pen一是指鋼筆，二是指圍欄。這件事對人來說不難理解，但是對計(jì)算機(jī)非常費(fèi)解。因?yàn)槿酥佬|西要放在大的東西里，這是常識。但是計(jì)算機(jī)怎么知道鋼筆有多大？即使賦予它與人類類似的分析語法和語義，也往往得不到這種知識。人類很簡單的常識，計(jì)算機(jī)也做不到。

2004年左右，人工智能曙光初顯。機(jī)器翻譯的水平基本上可以達(dá)到人的水平了。2011年前后，深度學(xué)習(xí)開始熱門起來。

人工智能發(fā)展到今天，好消息是它得到了全世界的認(rèn)可，壞消息是人類找到數(shù)據(jù)驅(qū)動方向的時(shí)候，用光了40年技術(shù)積累的紅利，之所以今天有這個(gè)結(jié)果，是40年前栽下的樹。

接下來20年人工智能是否會有一個(gè)巨大的加速？也會，也不會！

先說好消息。這40年成果在一些領(lǐng)域被證實(shí)可以開花結(jié)果，AlphaGo可以用它下棋，可以在股票上掙錢，無人駕駛汽車，語音識別、機(jī)器翻譯、醫(yī)學(xué)影象的識別，人臉識別都做得很好，這項(xiàng)技術(shù)已經(jīng)成熟到了可以用到各行各業(yè)中去。從產(chǎn)業(yè)發(fā)展來講，它會加速。

今天一家企業(yè)要想做人工智能，基礎(chǔ)是三件事。一個(gè)是摩爾定律，手機(jī)性能每18個(gè)月翻一番，手機(jī)速度加快才能實(shí)現(xiàn)實(shí)時(shí)處理圖像，無論是拍照后的美圖還是識別人臉就變得很容易；二是大數(shù)據(jù)，多一倍、兩倍的數(shù)據(jù)不會有結(jié)果，但是多一萬倍的數(shù)據(jù)就會有結(jié)果；三是數(shù)學(xué)模型，生活中某些問題可以類似數(shù)學(xué)問題，想用人工智能解決這些問題，就需要對它建立起一個(gè)數(shù)學(xué)模型。

在上海有一家人工智能研究所，公司內(nèi)有三類人，一類人學(xué)MBA，去各家公司了解客戶的業(yè)務(wù)邏輯；第二類人學(xué)數(shù)學(xué)，根據(jù)業(yè)務(wù)邏輯抽象出數(shù)學(xué)模型；第三類人學(xué)計(jì)算機(jī)，把數(shù)學(xué)模型變成計(jì)算機(jī)算法。

任何一次技術(shù)革命中，掌握核心技術(shù)的可能是2%的人，但是剩下來的人有無限應(yīng)用它的可能性。

未來在人工智能時(shí)代，有三類企業(yè)會受益，第一類是像阿里巴巴、騰訊、今日頭條、百度這樣的企業(yè)，有足夠的技術(shù)和數(shù)據(jù)，自成體系，與他們合作的企業(yè)很少有機(jī)會。第二類是中石油、四大國有銀行，中國移動、中車等企業(yè)，有大量的數(shù)據(jù)，但沒有能力來處理。第三類是提供解決方案的企業(yè)。一些從某個(gè)垂直領(lǐng)域進(jìn)入的企業(yè)會很有機(jī)會，而且當(dāng)企業(yè)能夠不斷證實(shí)第一件事為第二件事打基礎(chǔ)，第二件事為第三件事打基礎(chǔ)這樣可復(fù)制的成功時(shí)，機(jī)會就很大。這就要求深入企業(yè)了解業(yè)務(wù)邏輯，做一些臟活累活。

人們常常會問，人工智能對商業(yè)會產(chǎn)生怎樣的影響呢？人們通常持有三種態(tài)度，一是取代人、模擬人，即將原來人能做的事讓機(jī)器來做。但在某些領(lǐng)域未必是一個(gè)好思路，比如養(yǎng)老領(lǐng)域，老人更想跟人聊天，而不是和機(jī)器聊天。

二是人工智能比人還了解自己。當(dāng)人們在社交網(wǎng)絡(luò)或是電商平臺點(diǎn)擊上百次后，平臺會比人更了解人的需求。

萬物互聯(lián)是下一代互聯(lián)網(wǎng)，之所以能誕生，主要有三個(gè)技術(shù)的先決條件：機(jī)器智能、移動互聯(lián)網(wǎng)和傳感器技術(shù)。

三是人工智能會比人做得更好，包括無人駕駛汽車，一些疾病的診斷等。疾病診斷誤診、漏診的情況很多。世界上一流和二流醫(yī)生的差別在哪？一流醫(yī)生知道愈后的情況，具有一致性和穩(wěn)定性，二流醫(yī)生時(shí)靈時(shí)不靈。但是計(jì)算機(jī)做到這件事是非常容易的。

IoT、5G未來的應(yīng)用

IoT之所以發(fā)展起來是因?yàn)閺V義上的傳感器數(shù)量變得很多。萬物互聯(lián)是下一代互聯(lián)網(wǎng)，之所以能誕生，主要有三個(gè)技術(shù)的先決條件：機(jī)器智能、移動互聯(lián)網(wǎng)和傳感器技術(shù)。

沒有傳感器技術(shù)就沒有萬物互聯(lián)，移動互聯(lián)網(wǎng)傳輸大量的數(shù)據(jù)，大量的數(shù)據(jù)處理需要機(jī)器智能，這三個(gè)現(xiàn)在的條件都成熟了。

未來的市場前景會怎樣？我們可以通過歷史來做推算。每一代互聯(lián)網(wǎng)都有核心的受益者，第一代互聯(lián)網(wǎng)的核心受益人群就是兩家公司，一家是微軟公司，還有一家是英特爾。因?yàn)樘幚砥骱筒僮飨到y(tǒng)就這兩個(gè)選擇，拿住這兩頭就占據(jù)了整個(gè)行業(yè)的制高點(diǎn)。第一代互聯(lián)網(wǎng)用戶的體量在全球是10億用戶。PC機(jī)銷售量最高峰是2011年，全年3.65億，一天100萬臺，此后就走下坡路了。

第二代互聯(lián)網(wǎng)，是人和人的聯(lián)網(wǎng)，而不是手機(jī)與手機(jī)的互聯(lián)網(wǎng)。人和人聯(lián)網(wǎng)導(dǎo)致在網(wǎng)上的時(shí)間大大增加，原來人們使用互聯(lián)網(wǎng)的方式是上班工作，晚上回家查資料，余下的時(shí)間不在網(wǎng)上。智能手機(jī)出來后，把整片的時(shí)間都變成了碎片時(shí)間。Android和ARM成為受益者。

摩爾定律帶來的結(jié)果是，在過去的半個(gè)多世紀(jì)里，計(jì)算機(jī)處理器的性能提升了數(shù)十億倍，耗電量卻下降了上百倍，價(jià)格異常便宜。從能量的角度來看，摩爾定律其實(shí)反映出人類在單位能耗下所能完成的信息處理能力的巨大提升。

單位能量使得計(jì)算能力有著突飛猛進(jìn)的進(jìn)步，這才使得移動設(shè)備成為可能。所以看一個(gè)行業(yè)根本的增長點(diǎn)，把握信息和能量這兩條非常重要。如果谷歌做的Android系統(tǒng)的耗電量和Windows還是一樣多的話，功能更酷也一定沒有市場，基于ARM的處理器也是一樣。但是到了IoT時(shí)代，ARM還是太耗電了。

移動互聯(lián)網(wǎng)的體量有多大？2016年為30億用戶，漲了3倍。移動設(shè)備每年出貨量超過10億臺，增長依然看不到頭，但PC銷量還在下滑。

通過這些數(shù)據(jù)可以解釋一個(gè)現(xiàn)象，有些時(shí)候不用去分析為什么一家企業(yè)衰落，只是因?yàn)镻C互聯(lián)網(wǎng)衰落了，移動互聯(lián)網(wǎng)起來了，在移動互聯(lián)網(wǎng)上沒有任何建樹的企業(yè)沒有機(jī)會。第二代互聯(lián)網(wǎng)的體量比第一代大半個(gè)數(shù)量級，并且還在增長。

手機(jī)跟電腦幾乎是一樣的價(jià)格，手機(jī)app還要不斷在上面花錢，這個(gè)體量三倍都不止。在Windows和Intel的Wintel時(shí)代，沒有人覺得能挑戰(zhàn)這兩家公司的地位。騰訊在PC時(shí)代，市值不及百度，但現(xiàn)在高出了快一個(gè)數(shù)量級，是時(shí)代幫助了騰訊，幫助了阿里巴巴的移動支付。

在接下來的萬物互聯(lián)的時(shí)代，這又是一個(gè)近乎無邊界的時(shí)代，能夠想象的一切都連在上面。

想象力要豐富，但是要有邊界。未來至少有500億臺IoT的設(shè)備要聯(lián)網(wǎng)。2016年電信市場是3.5萬億美元，5G+萬物互聯(lián)全開通后，會將這個(gè)市場規(guī)模擴(kuò)大一倍，最保守的估計(jì)也會達(dá)到7萬億美元的市場。全世界只有兩個(gè)國家的GDP超過7萬億美元，這是一個(gè)非?？捎^的前景。

每一次技術(shù)革命都會有一些核心點(diǎn)。從本源來看，基礎(chǔ)架構(gòu)會有變化。PC時(shí)代靠物理線連接，在移動時(shí)代通過空中的電波連接，但是空中的頻帶是有限的。

萬物互聯(lián)的基礎(chǔ)架構(gòu)還沒有準(zhǔn)備好?，F(xiàn)有的IoT設(shè)備本身不能直接聯(lián)網(wǎng)，要通過WiFi和手機(jī)，除了不方便還會有很多隱患。因此IoT需要新的基礎(chǔ)架構(gòu)，也將誕生新的產(chǎn)業(yè)領(lǐng)導(dǎo)者。

歷史總在重演，科技永遠(yuǎn)向前?？茖W(xué)在過去的發(fā)展由偶然性走向必然性，就在于人們總結(jié)出一套方法論，尤其是笛卡爾發(fā)展出一套方法論后，讓科學(xué)得到了快速的發(fā)展。它不能保證每次都成功，但是大部分都是會成功的。（作者吳軍系智能搜索科學(xué)家、交大安泰訓(xùn)練營營長） 采訪整理：錢麗娜