【free style】人工智能的本质

文|邓湘科

这一波的人工智能热潮是因为Deep Learning带来的。之前这个领域叫数字神经网络，尝试模拟人脑神经元的机理建立类似人脑的机器智能，探索了很多年，没有诞生真正有实用价值的产品和方向，一度沉寂。

用Artificial Intelligence指代Deep Learning是概念的再次包装。这些年因为算法的突破，以及云计算、GPU、FPGA为代表的运算能力突破，使得多层训练算法在模式识别领域获得了可实用的成果。Alpha Go击败人类顶尖棋手点燃了对于机器学习、深度学习和人工智能领域的关注和投资热潮。目前看Deep Learning是实现类人类智能，比如图像识别、语音识别等感知能力的可行路径。由此可以进行人类各种单项perception能力的模拟、提升甚至超越。但本文并不打算介绍和分析Deep Learning，而是从另外一条隐性线索与规律来看待人工智能的出现、发展和终局。

人类整体效率提升和发展源于工业革命。通过蒸汽机的发明把煤、石油等能源转化成各种机器所需的动力，超越了数百万年来人类自身的体力极限。然后出现电力进一步深化这种能力。第二次革命源于IT技术的出现，但很长时间IT并未成为类似工业机器一样的革命性生产力工具。企业IT从打字、OA、财务电算自动化、进销存、MRP、MRP II、ERP、SCM、CRM演进几十年，经历无数浪费，也带来了普遍效率提升，但谈不上革命性。甚至互联网出现后早期应用于门户、email等领域，带来的影响依旧有限。但电子商务的出现带来了根本的改变。我曾做个一个电商模式和传统零售的对比。电商再次重组全球生产、流通、消费和金融。在我看来电子商务（E-commerce）从本质来看应该叫做Business@IT，是通过IT技术提升Business的广度、深度和效率。传统企业信息化所有领域都应该属于电子商务的一部分，而且实际上狭义的电子商务也在向企业信息化所有领域延伸。Amazon的AWS本质上就是提供一整套Modern IT来取代传统IT。

人工智能将是人类的第三次革命。它并非孤立出现，而是原有两次革命的延续和发展。工业革命解放了人的体力，释放出能源的巨大力量。上世纪开始泰勒科学生产方法融合工业流水线和技术工人，把人类整体的生产力水平提升了50倍，之后的工业工程、全面质量管理、丰田的TPW、精益生产在此基础上通过消除浪费，继续提升端到端效率。所以*** 菲勒有句名言：资本主义就是不断地把奢侈品变成生活必需品。但工业生产有个局限，生产的是批量的标准化工业品，人们需要的物品本质上都是个性化的，所以产业界提柔性制造提了很多年。IT面临同样的问题，再高效的IT系统也是基于流程，本质是基于计算程序，而程序基于有限的预定规则范式：比如If then else。IT无法处理未曾预先定义的问题，因此IT应用的范围是有限的。类似工业领域柔性制造，人工智能的出现可以帮助实现柔性IT，实现所有流程场景的IT化和自动化。结合了人工智能的IT从只能处理If then else到可以say when，可以处理人类常说的It depends的问题，就像美国最高法院法官Potter Stewart被问到如何定义“淫秽”时，他著名的回答是：“I know it, when I see it.”

工业革命的终局是实现整个物理世界的自动化，解放人类身体。信息革命的终局是建立并实现整个数字世界的自动化。人工智能帮助最终建立整个物理世界的数字镜像映射，并把perception、分析判断、决策能力注入其中，完成自动化，解放人类的精神。

从另外一条线看。人类的认知领域的飞速发展源于受控科学实验的出现，在此之前人类认知的发展基于几代人的离散实践才能有很少的推进和累积，还特别容易耗散。建立科学猜想，逻辑推导，然后受控科学实验验证，形成理论，推理更多应用场景，指导实践，然后反过来印证、完善或者推翻

理论，如此反复，人类认知借助于所谓科学得到加速度发展。但这依然存在瓶颈。人类个体所能掌握的资源、进行的实践和自身生命周期都非常有限。当我们逐步对整个物理世界进行完整建模和映射，就会出现新的契机，人类拓展认知的实践和受控科学实验将无需在物理世界进行，可以在数字世界突破时空限制加速遍历各种路径。唯一的限制只有算力。由此可以带来人类认知领域进一步指数级的加速增长。这才是未来人工智能发展真正美妙的地方。