1956年盛夏季節(jié)，在美國漢諾斯小鎮(zhèn)寧靜的達(dá)特茅斯學(xué)院，約翰·麥卡錫（John McCarthy）、馬文·明斯基（Marvin Lee Minsky）等人提出了“人工智能”的概念，這就是著名的“達(dá)特茅斯會(huì)議”，也是人工智能（AI）的元年。

65年，從科學(xué)假說變成通用技術(shù)

當(dāng)時(shí)，科學(xué)家們?cè)跁?huì)上討論的是一個(gè)看似完全科幻的問題——用機(jī)器來模仿人類學(xué)習(xí)以及其他方面的智能是可能的嗎？整整65年過去了，經(jīng)過無數(shù)次的懷疑、低谷，人工智能終于從一個(gè)開放式的命題變成為一個(gè)確定性的話題。

本文想探討一個(gè)問題——即發(fā)展到通用技術(shù)階段的人工智能的產(chǎn)業(yè)意義。

所謂通用技術(shù)，我們可以理解為可以廣泛地應(yīng)用于各個(gè)領(lǐng)域，產(chǎn)生強(qiáng)烈的溢出效應(yīng)，帶來方方面面變革的技術(shù)。當(dāng)人工智能隨著整個(gè)應(yīng)用環(huán)境的成熟，包括技術(shù)方向、落地場景、算力、云計(jì)算和帶寬等方面的飛速進(jìn)展，人工智能第一次可以以一種通用技術(shù)的姿態(tài)登上歷史舞臺(tái)。

我們毫不懷疑，人工智能通用化對(duì)于變革整個(gè)社會(huì)系統(tǒng)中資源分配和資源運(yùn)用方式的巨大潛力和推力，它將注定是可以和蒸汽機(jī)、內(nèi)燃機(jī)、電力、計(jì)算機(jī)與互聯(lián)網(wǎng)等發(fā)明并列于人類文明史的最大規(guī)模的技術(shù)革命，它將改變?nèi)祟愇拿鞯倪M(jìn)程。

而它的發(fā)展速度也是驚人的。近期，英特爾發(fā)布了一個(gè)代號(hào)為Pohoiki Beach的類腦芯片，集成了1320億個(gè)晶體管，總面積3840平方毫米，將800萬個(gè)數(shù)字神經(jīng)元和80億個(gè)突觸塞進(jìn)了這個(gè)計(jì)算機(jī)系統(tǒng)里，大小超過人的手掌。而或許在5-10年之后，達(dá)到這一算力的芯片會(huì)出現(xiàn)在我們的電腦、智能手機(jī)或其他消費(fèi)電子產(chǎn)品上。

通過AI知曉AI

給人工智能分級(jí)的工作是令人興奮的，因?yàn)樗前慈说姆绞饺?chuàng)造另一個(gè)智慧體系。我們有幸為人類自己創(chuàng)造未來的助手、伙伴和同行者，這令我們意識(shí)到自己正在書寫歷史新的一頁，賦予每個(gè)人工智能工作者前所未有的使命感。

目前，對(duì)于人工智能的發(fā)展階段劃分有種種不同的標(biāo)準(zhǔn)或者假說。作為人工智能行業(yè)的從業(yè)者，從人工智能與人腦的思維過程的相似性出發(fā)，將之劃分為四到五個(gè)階段，即：感知、理解、分析、決策、創(chuàng)新。

首先，感知能力是最基本的能力，即通過多模態(tài)的傳感器（比如你的手機(jī)攝像頭）感知外部信息和態(tài)勢(shì)的能力，類似于人類的五官獲取外部信息的能力，它是一切的基礎(chǔ)，目前已經(jīng)發(fā)展到了相對(duì)成熟的階段。

隨之而來的理解能力，重點(diǎn)在于分辨出感知到的事物究竟為何。舉個(gè)例子，一個(gè)攝像頭可以把我和你分辨出來，但“我是誰”或者“誰是我”則超越了感知范疇，進(jìn)入了理解即認(rèn)知范疇。理解，可以說是連接感知和此后的更高級(jí)思維過程如分析、決策和創(chuàng)新的關(guān)鍵樞紐，只有正確的理解才能夠構(gòu)建解析出的思維過程。目前，知識(shí)圖譜、深度學(xué)習(xí)等熱門技術(shù)都為人工智能的理解能力提供了重要的支持。

但最激動(dòng)人心的莫過于從理解到“分析+決策”的飛躍，分析能力可以提供事務(wù)洞察，作為判斷和決策的基礎(chǔ)。它是人工智能真正切入解決現(xiàn)實(shí)痛點(diǎn)的一個(gè)重要的分水嶺，盡管這一過程目前還不夠完善，而且也許需要人類數(shù)十年如一日的努力才能最終完善，但我們已經(jīng)可以看得到它正在落地，正在對(duì)整個(gè)社會(huì)的資源的分配變革發(fā)生效應(yīng)，它是人工智能的當(dāng)下。未來科技的發(fā)展可能最終實(shí)現(xiàn)具有分析決策能力的高階人工智能應(yīng)用，而人類更多的資源將投入到創(chuàng)新的工作中去。

本文要討論的重點(diǎn)是，我們究竟應(yīng)該如何加速人工智能對(duì)我們的社會(huì)、產(chǎn)業(yè)、商業(yè)的變革？對(duì)此，筆者很贊同埃森哲報(bào)告中的一句話：要把人工智能付諸實(shí)施，一定要從業(yè)務(wù)模式而非技術(shù)模式，即從需要解決什么問題而不是可以解決什么問題出發(fā)，加之以強(qiáng)有力的機(jī)構(gòu)作為變革的推動(dòng)者，才能加速其落實(shí)。

正是秉持問題先行的原則，我們可以看到，進(jìn)入智能推理即分析+決策階段的人工智能，已經(jīng)為我們的生活帶來了哪些激動(dòng)人心的變化。

今天，全社會(huì)的生產(chǎn)要素正在重構(gòu)

“千人千面”這個(gè)詞現(xiàn)在非常流行，從我們的各種互聯(lián)網(wǎng)廣告系統(tǒng)，從“今日頭條”、“抖音”這樣的推薦引擎，從“必要”這樣的先下單、再生產(chǎn)的柔性供應(yīng)鏈電商，我們發(fā)現(xiàn)一個(gè)什么規(guī)律呢？就是無論是內(nèi)容、服務(wù)還是產(chǎn)品，都開始實(shí)現(xiàn)從生產(chǎn)端到需求端的極度個(gè)性化供給，這是非常極致的一種體驗(yàn)。

我們知道，大工業(yè)時(shí)代解決了產(chǎn)能不足的問題，但是也帶來了巨大的產(chǎn)能過剩問題。不說很遠(yuǎn)的事情，中國大概20年不到的電商發(fā)展史上，至少有5-10家非常有希望的電商平臺(tái)倒在了庫存問題上。為什么呢？因?yàn)楝F(xiàn)在絕大多數(shù)商品的模式都是，在銷售季節(jié)到來之前靠人工推測趨勢(shì)，然后對(duì)賭式地生產(chǎn)，如果踏準(zhǔn)了市場的節(jié)奏，就風(fēng)生水起，如果踏錯(cuò)了就大敗虧輸。這聽起來也許很可笑，但卻是事實(shí)。某種意義上來說，在人工智能出現(xiàn)之前，人類基本一直是沿著這種模型來組織生產(chǎn)的。

但是具有智能推理能力的人工智能可以解決這個(gè)問題，它從本質(zhì)上把大工廠、大流水線式的生產(chǎn)資料分配方式，切割成了千千萬萬個(gè)點(diǎn)，這種切割是虛擬的，但它重構(gòu)了整個(gè)社會(huì)的供需關(guān)系。

現(xiàn)在我們看到的更多是營銷、內(nèi)容、娛樂這樣的本身已經(jīng)是純數(shù)字化的載體借助于智能分發(fā)取得了極高的估值，未來它一定可以轉(zhuǎn)移到實(shí)體產(chǎn)品的生產(chǎn)上。它將帶來什么？帶來的是資源的極大節(jié)省和效率的極大提高，它將是中國80%的還沒有數(shù)字化、智能化的實(shí)體產(chǎn)業(yè)進(jìn)行彎道超車的一次徹底的潛能釋放。

再舉一個(gè)我們都很感興趣的例子——破案。其實(shí)，在真實(shí)的生活里，破案絕不如影視文學(xué)作品那樣充滿了刺激和張力，更多的是進(jìn)行沙里淘金式的艱苦工作，因?yàn)槲覀兊木?yán)重不足。筆者所在機(jī)構(gòu)參與過一個(gè)涉毒案件偵破，我們構(gòu)建的某市“警務(wù)大腦”，圍繞涉毒這個(gè)關(guān)鍵詞在公安內(nèi)部及政府部門的相關(guān)系統(tǒng)中找到了323億條數(shù)據(jù)，識(shí)別出全省高危涉毒人員3.5萬余人。

坦率地說，如果是在福爾摩斯的時(shí)代，案件到此可以說已經(jīng)中斷了。因?yàn)闆]有人有能力去分析323億條數(shù)據(jù)和識(shí)別3.5萬個(gè)僅僅是有某種可能性的“涉毒者”的嫌疑。因?yàn)檫@里的核心邏輯已經(jīng)不僅僅是感知和識(shí)別，它涉及根據(jù)多方面的因素進(jìn)行組合的分析、排除、確認(rèn)、搜索……簡單說，它基于分析挖掘模型，最終判定嫌疑人身份及活動(dòng)區(qū)域。然而，正是因?yàn)槲覀円呀?jīng)進(jìn)化到人工智能的高級(jí)時(shí)代，因?yàn)槲覀兊南到y(tǒng)不能說完全代替但已經(jīng)可以充分根據(jù)公安人員的思維系統(tǒng)來提供輔助的決策依據(jù)，所以我們得以分析和處理天量的數(shù)據(jù)，最終根據(jù)已有線索挖掘出多個(gè)嫌疑人，從而在一項(xiàng)重大案件中輔助警察實(shí)施抓捕涉毒人員41名，繳獲毒品3公斤。

這樣的案例還有太多太多，比如軌道交通行業(yè)，就拿上海作為例子。上海地鐵經(jīng)營16條線路，415個(gè)車站，總里程705公里，平均每天乘客超過1100萬人。地鐵最重要的問題是安全檢修，但這是一個(gè)非常消耗人力的工作。

能不能把預(yù)防性的維護(hù)，變成預(yù)測性的維護(hù)呢？從“防”到“測”，一字之差，其實(shí)包含了人工智能從識(shí)別到“分析+決策”的飛躍，這是軌道交通行業(yè)幾十年都沒有解決的問題。

其實(shí)，問題的邏輯并不復(fù)雜，軌道交通作為一種非常復(fù)雜的機(jī)械車輛可以產(chǎn)生大量數(shù)據(jù)，而其中相當(dāng)一部分?jǐn)?shù)據(jù)已經(jīng)數(shù)字化了，關(guān)鍵是這些數(shù)據(jù)需要非常有專業(yè)判斷能力的人來進(jìn)行分析才能產(chǎn)生“預(yù)測”式的效果，而這在傳統(tǒng)的人力組織架構(gòu)中是無法實(shí)現(xiàn)的。但是，通過對(duì)11個(gè)車型的300輛列車的監(jiān)控，并圍繞每列車每500毫秒產(chǎn)生4000個(gè)采集點(diǎn)（相當(dāng)于每秒采集240萬個(gè)測點(diǎn)，一天2TB數(shù)據(jù)），逐步構(gòu)建感知-認(rèn)知-分析-決策的反饋閉環(huán)，上海地鐵成為全國第一家完成路網(wǎng)級(jí)車輛大規(guī)模在線監(jiān)測的地鐵運(yùn)營方。

在上面我們列舉了三個(gè)例子，所有的例子都有一個(gè)共性，就是在人工智能介入前，其實(shí)可用于分析、決策的數(shù)據(jù)基礎(chǔ)已經(jīng)有了，但從人力的角度來說，這個(gè)數(shù)據(jù)過于龐大，以至于超過了在現(xiàn)實(shí)中組織這些人力的事實(shí)可能，最終把可預(yù)測、可分析的事情變成了不可能。而進(jìn)入智能推理境界的人工智能則用數(shù)據(jù)處理能力高得多的機(jī)器在特定問題的分析上取代人工，最終實(shí)現(xiàn)了生產(chǎn)資源、供需關(guān)系、信息處理方面的二次飛躍。

AI未來

正是因?yàn)檫@種飛躍，我們完全有理由期望一個(gè)更美好的時(shí)代的到來。

前面提及，1956年由達(dá)特茅斯會(huì)議開啟了人工智能的元年。其實(shí)，那一年也是中國科技史上的一個(gè)重要時(shí)刻。也在這一年，國務(wù)院科學(xué)規(guī)劃委員會(huì)集中全國數(shù)百位專家，完成了《1956-1967年科學(xué)技術(shù)發(fā)展遠(yuǎn)景規(guī)劃綱要》（簡稱《十二年科技規(guī)劃》）這一指導(dǎo)性文件的編寫，將計(jì)算機(jī)、自動(dòng)化、電子學(xué)、半導(dǎo)體列為需要重點(diǎn)快速發(fā)展的緊急措施。然而，非?？上У氖牵?yàn)榉N種因素，人工智能在中國的發(fā)展陷入了停滯，長達(dá)數(shù)十年之久。

然而，僅僅通過30年不到的努力，現(xiàn)在，中國已經(jīng)一躍成為美國之外全球具有人工智能完整產(chǎn)業(yè)鏈和創(chuàng)新發(fā)展落地最密集、最蓬勃的國家，我們有理由為這個(gè)時(shí)代驕傲。但我更經(jīng)常和我們的朋友分享的是，要想推動(dòng)這個(gè)行業(yè)的發(fā)展，所能依靠的唯有具體的案例落實(shí)和拿出真實(shí)的成績，而一旦它深入社會(huì)的經(jīng)濟(jì)核心，可能如核聚變般釋放出整個(gè)社會(huì)進(jìn)步的巨大潛能。