中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

對于智能時代，用吳軍的話說就是：「未來我們的城市，就是一個大的超級機器人?！?/p>

大數(shù)據(jù)是智能的基礎

我曾經(jīng)跟伯克利很有名的一位叫邁克爾·喬丹（與美國球星同名）的教授聊了聊，他是現(xiàn)在的深度機器學習的最早期提出者，也是美國工學院、文理學院和科學院三院院士，我們就把AI這兩個字母來回來去組合：

首先是IA— Intelligence Augmentation（智能放大），這就是說人工智能做出來的事情顯得人類很聰明，比如搜索引擎和機器翻譯，你不會法語要去法國旅游，在網(wǎng)上搜索一下就把知識綜合起來了，這以前是要經(jīng)過20年學術研究的。

第二個是II—Intelligence Integration（智能綜合），機器不創(chuàng)造知識，但是它做了綜合。我之前在谷歌做自動回答問題的項目，比如問天為什么是藍色的，我們會把知識綜合起來，然后重新組成句子，形成一個段落回答你。

第三個是AA—Automatic Algorithm（自動算法）。比如說以前人要做一件事情，步驟一二三是設定好的。最典型的例子就是美圖秀秀，之前用PS也可以做的，但是要有個學習PS的過程，還不一定能學好，但現(xiàn)在計算機就能算好，你按一個鍵，就可以自動修好照片。

所以我們可以認為今天的AI（人工智能）=IA+II+AA。

從60年前到今天，人工智能發(fā)展到一個什么水平階段呢，我把它分成三層：

第一層，弱人工智能。每個人都在用，今天拍個照片，女孩子們美圖秀秀修一修，發(fā)出去，這是弱人工智能。今天買東西和五年前習慣是不一樣的，很多是它推薦給你的，40%營收額是靠推薦來的。這是一種很人工智能的算法，很多人覺得還不夠聰明，還放在了弱人工智能方面去。

第二層，強人工智能。人工智能現(xiàn)在不僅能夠識別，還能翻譯。如果想翻譯成英文，我想我們現(xiàn)在不需要同聲翻譯，直接用計算機翻譯過去的話美國人英國人是聽得懂的。它還可以干別的事，比如計算機能回答問題，能寫作，在華爾街日報或者是紐約時報，今天大部分和財經(jīng)類新聞有關的這種報道中，大部分文章是計算機寫的，不是人寫的；下棋就更不用說了，人工智能還可以開車，美國Google的無人駕駛汽車，到現(xiàn)在開了將近500萬多里，但主動交通事故只出了兩起，也就是說它開車的水平要比人其實高很多；人工智能還可以看病，機器人看片子會比專家更好，不僅如此，像沃森這樣人工智能計算機，你告訴它三件事，描述一下你的病情，比如肚子疼，給它一個化驗結(jié)果，再給它你過去病例，它就可以做到美國醫(yī)生的平均水平。

第三層，超級智能時代。超級智能有兩個核心，一是機器智能，相當于人類的大腦，二是IOT萬物互聯(lián)，相當于人類的五官。當機器智能的計算水平足夠高，當IOT的觸角觸及到城市的每個角落，就形成了超級智能。未來我們的城市，就是一個大的超級機器人。

在人工智能的發(fā)展過程中，人工智能大廈有三個重要支柱支撐著過程的演變：

（1）摩爾定律

在IT行業(yè)里來講，每18個月處理器的性能會翻一番，這個速度大概相當于每五年多一點的時間，處理器性能要漲10倍左右。iPhone當年2007年發(fā)布，距離今天10年，那么今天iPhone的處理器相當于當年的100倍。

（2）大量數(shù)據(jù)

現(xiàn)在數(shù)據(jù)產(chǎn)生的速度有多快呢？最近三年產(chǎn)生的數(shù)據(jù)，超過了從三年前到人類出現(xiàn)文字以來產(chǎn)生數(shù)據(jù)的總和。在很多人的印象中，數(shù)據(jù)就是數(shù)字，或者必須是由數(shù)字構成的，其實不然。互聯(lián)網(wǎng)上的任何內(nèi)容，文字、圖片和視頻，都是數(shù)據(jù)；醫(yī)院里包括醫(yī)學影像在內(nèi)的所有檔案也是數(shù)據(jù)；各種設計圖紙，甚至是出土文物的尺寸、材料，也都是數(shù)據(jù)；我們的社會關系、我們每天的活動，都是數(shù)據(jù)。很多種數(shù)據(jù)，比如語音和文字，反而沒有多少數(shù)字的內(nèi)容。知識是人類進步的階梯，我們用知識不斷地改變我們的生活和周圍的世界，而數(shù)據(jù)正是知識的基礎。過濾沒有意義的數(shù)據(jù)，刪除偽造的數(shù)據(jù)，從數(shù)據(jù)中獲取有用的信息，隨后進行處理，人類就可以獲得知識。

（3）深度學習

這實際是一種新的算法或者數(shù)學模型。

在有大數(shù)據(jù)之前，計算機并不擅長解決那些需要人類智能解決的問題，但在今天，這些問題換個思路就可以解決了，其核心就是轉(zhuǎn)換智能問題為數(shù)據(jù)問題。傳統(tǒng)的人工智能方式是讓計算機按照人的思路去做，但今天幾乎所有的科學家都不再堅持「機器要像人一樣思考才能獲得智能」的觀點。比如AlphaGo（阿爾法狗），它不是靠邏輯推理獲勝的，而是靠大數(shù)據(jù)和算法。在數(shù)據(jù)方面，谷歌使用了幾十萬盤圍棋高手之間對弈的數(shù)據(jù)來訓練它；在算法方面，谷歌采用了上萬臺服務器來訓練它下棋的模型，并且讓不同版本的AlphaGo相互對弈了上千萬盤，可以說它幾乎是算無遺策。所以說，這是個智能的時代，而智能的基礎是大數(shù)據(jù)，可謂「無數(shù)據(jù)、不智能」。

大數(shù)據(jù)對于商業(yè)的影響更顯而易見，舉個某服裝奢侈品牌的例子。奢侈品牌有個特點，就是決定銷量的并非價格，而是顧客群的喜愛。之前企業(yè)并不太很好了解顧客的喜好，但進入大數(shù)據(jù)時代，則有了解決方案，就是在商品標簽中植入智能芯片，商品只要被拿到試衣間，芯片就能識別出來，同時記錄這件商品的試穿次數(shù)，從而了解顧客的喜好。這樣公司就能明白銷量不好的商品的原因是什么，然后針對商品做出改進，改變銷售方式。

有了移動互聯(lián)網(wǎng)之后，數(shù)據(jù)量是非常大的。以前很多數(shù)據(jù)，其實沒有沒有收集上傳、沒法存儲，今天這個都變成了一個可能。在過去三年里，人類收集到的數(shù)據(jù)總和超過人類歷史上六千年，從出現(xiàn)文字到現(xiàn)在六千年就有了數(shù)據(jù)記載。過去三年里，數(shù)據(jù)量超過了人類六千年的總和。而且按照這個指數(shù)速度往上漲，可以預測估計一年半以后，又要翻一番了，這是一個非?？斓乃俣?。所以在今天來講，你干任何一件事都要善用數(shù)據(jù)。

未來隨著人工智能的發(fā)展，最先受到?jīng)_擊的將會是傳統(tǒng)生產(chǎn)線上的工人。機器人可以替代人類做重復性的工作，特斯拉的工廠已經(jīng)完全機械化，沒有人工作業(yè)了。其次就是高端行業(yè)領域，比如?？漆t(yī)生的病理診斷，機器的識別病癥識別率開始高于醫(yī)生了。

在未來，機器為人類所用，給人類提供服務?？赡?8%的人都在享受人工智能的成果，2%的人在設計AI。而這2%的人會有絕對話語權，所以如果不想被社會淘汰的話，要爭取成為2%的人。

做2%的人

兩次工業(yè)革命和信息革命都曾對當時的社會產(chǎn)生巨大的沖擊，使得很多行業(yè)消失，但同時又催生出新的行業(yè)。不過，新的行業(yè)容不下那么多人，釋放出來的勞動力需要尋找出路，這種影響花費了半個世紀、甚至更長的時間才消化掉。在這個漫長而痛苦的轉(zhuǎn)型過程中，只有2%的少數(shù)人受益于新科技。

很多人問我這2%的人是怎么算的？2%不是計算出來的，而是前些年占領華爾街的人自稱98%的人，反對社會的既得利益者，即所謂的2%的人。從此誕生了一個新概念，2% VS 98%。

在過去如果按照社會階層和經(jīng)濟狀況將人口分類，會發(fā)現(xiàn)社會是一個紡錘形，兩頭小中間大，但今天卻是一個金字塔形狀，上面小下面大。這樣的社會不會太穩(wěn)固，最底層常常是最容易產(chǎn)生動蕩的。但是盡管世界各國都不斷地增加窮人的福利，各國的金字塔形狀卻越來越明顯。

很多處于社會和行業(yè)底層的人經(jīng)常抱怨社會的不公，但很少思考為什么，以及自己如何能改變命運。美國大部分富豪都是一代致富，中國的富一代也是如此，那么為何同樣的起跑線，每個人的命運會有如此巨大差距。舉個例子，在阿里巴巴之前，有個叫8848的電商網(wǎng)站一度很火，但是后來關門了，同時關門的電商還有一大批。于是當時搞電子商務的人說中國不適合做電商，因為當時沒有支付手段，大家不誠信，以及沒有物流等等。他們采取了消極的態(tài)度，但馬云用的是另一種積極的態(tài)度，沒有支付手段就搞一個支付寶，沒有誠信就搞一個商家評價體系，沒有物流就由公司出面和物流公司談專門的服務協(xié)議。換句話說，馬云是站在商家的角度想問題，幫商家成功就是幫阿里巴巴成功。

98%的人在思維上犯了不能公正的就事論事的錯誤，習慣撿芝麻而不是撿西瓜。在機器搶掉人類飯碗的時代，如何做到不被拋棄？答案很簡單———跟上智能革命的浪潮。98%的人，就是抱著舊思維不放、不愿接受新技術的人。比如你做秘書的工作，不會用電腦而非要手寫稿子，那你馬上就會被淘汰。

所以，要做2%的人：首先，獨立思考這一點非常重要。很多人很容易接受結(jié)論，而不去關注結(jié)論產(chǎn)生的過程和方法，不去判斷它是否正確、合理，是否符合常識。有人說自己太忙，沒時間求證，在我看來，這是一種思想上的懶惰。別說沒時間，我看很多人有大把刷微信的時間；還有就是要簡單化。永遠要記得：兩點之間，直線最短。任何復雜的金融產(chǎn)品都可能是騙局，因為它無法直截了當?shù)馗嬖V你它的贏利模式。

分享·跟蹤·合作·眾籌

自從我的《智能時代》出版之后，我進一步梳理了思路，根據(jù)對產(chǎn)業(yè)的研究，總結(jié)出了未來時代商業(yè)八字訣——「分享、跟蹤、合作、眾籌」。

1、分享

中國的滴滴、美國的Uber、Airbnb都是分享經(jīng)濟的代表。在未來分享經(jīng)濟時代，連接比擁有更重要。滴滴和Uber沒有一輛汽車，確實全球最大的出租車公司，Airbnb沒有一間住房，卻比世界上任何酒店集團都大。淘寶上的商品也不是阿里巴巴的，但它也超過任何一家百貨連鎖店。滴滴、Uber和Airbnb通過互聯(lián)網(wǎng)把更多的資源引入市場。滴滴出現(xiàn)之前，中國只發(fā)放了200萬張出租車牌照，今天中國街上的出租車加上專車幾乎翻了兩番，接近800萬輛，增加的500多萬輛都是滴滴等公司通過互聯(lián)網(wǎng)把閑置資源和大家進行共享。

2、跟蹤

在萬物聯(lián)網(wǎng)這個時代，當然還有大數(shù)據(jù)、人工智能做后臺支撐，就有可能跟蹤到經(jīng)濟，細到說能跟蹤到每一筆交易，每一個人，每一個很細節(jié)的地方，這都將帶來無限的商機。

3、合作

我在《智能時代》一書中講了一個技術革命時代的范式：現(xiàn)有產(chǎn)業(yè)+新技術=新產(chǎn)業(yè)。很多在美國、日本等工業(yè)化國家已經(jīng)消失的所謂「遺產(chǎn)工業(yè)」，在中國依然所在。這些產(chǎn)業(yè)，在過去被看作是拖后腿的產(chǎn)業(yè)，但是它們升級改造的壓力最大，也最愿意采用新技術。因此，未來智能技術和它們的結(jié)合，會創(chuàng)造出很多有新意的產(chǎn)業(yè)。合作經(jīng)濟是未來的趨勢。

4、眾籌

相比于網(wǎng)絡上眾籌出書、出唱片，更大、更有顛覆性的眾籌經(jīng)濟是通過顧客參與的方式，改變產(chǎn)品和服務設計、生產(chǎn)和銷售的全過程。最典型的例子就是特斯拉汽車，特斯拉通過眾籌的方式從未來顧客那里收取定金，然后讓顧客參與設計，運用顧客的理念來生產(chǎn)汽車，并且繞過批發(fā)零售的環(huán)節(jié)，直接送到客戶手上。這樣比傳統(tǒng)汽車制造銷售鏈條短了很多，因此價格就會便宜很多。采用特斯拉眾籌模式的不僅適用制造業(yè)，那些先充值后服務的模式，也是一種變相眾籌經(jīng)濟。比如說摩拜單車，用戶要先充值押金，這些錢足夠讓摩拜單車生產(chǎn)足夠的自行車投放在市場上，不然像摩拜單車這樣重資產(chǎn)的企業(yè)，負債的壓力是很大的。

好壞參半的未來

我們每個人的出行都是隨機的，就跟布朗運動似的。未來城市是怎樣的呢？你可以把整個城市想象成一臺超級電腦，每一輛汽車是一個終端，可以從主機上獲得一個優(yōu)化的交通方案。在美國有人做過這樣的試驗，將原來70分鐘的出行時間降到了20分鐘?，F(xiàn)在在北京，人們上下班平均要花兩個半小時，如果能夠按照這個比例節(jié)省，每天就有可能節(jié)省40分鐘，社會效益非常可觀。再往后，馬路上可能都是無人駕駛的電動汽車。它們可以連成一排往前開，像火車一樣而不需要紅綠燈，中間哪輛車要拐彎了，就從隊伍里分出去。整個社會交通會變得更美好、更安全。未來還可以用無人機來代替警察巡邏，這些無人機和今天的無人機不一樣，它們很聰明，攝像頭帶有人工智能視覺識別軟件，能夠識別出潛在的犯罪嫌疑人。

為什么說也是一個很壞的時代呢?智能革命讓一切更精細化和人性化，所有產(chǎn)業(yè)都將迎來挑戰(zhàn)，包括農(nóng)業(yè)、制造業(yè)、體育、醫(yī)療，還有傳媒這些行業(yè)。這是空前的挑戰(zhàn)，因為它會造成非常多的社會問題——科技進步帶來的未必全是生活水平的提高，也可能有很多困擾。比如，今天的我們生活在一個毫無隱私可言的社會里。我們自己就是隱私泄露者———你在手機里安裝了那么多APP，參加了那么多優(yōu)惠活動，都是在主動曝光自己。雅虎曾被曝丟失5億個賬號。一般人可能會覺得，5億個賬號，哪那么容易從中找到我的信息？其實不然。處理這些賬號的是機器，不是人工，找到你的賬號、破解你的密碼是很容易的。

所以，未來的時代是一個很好的時代，同時也是一個很壞的時代。

作者：吳軍，前騰訊副總裁、豐元創(chuàng)投創(chuàng)始合伙人 著名自然語言處理和搜索專家

本文由 @投資人說（ID：touzirenshuo） 整編發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Pexels，基于 CC0 協(xié)議