AlphaGo不可怕，带你深度剖析人与人工智能
一夜之间，AlphaGo战胜李世石的消息在网络中掀起了滔天巨浪，人们纷纷担忧“天网”的临近以及人工智能对人类的安全性。让人恐惧的不是灾难，而是无知。本文将从以下六方面让你深度了解人工智能。
第一部分、简述Alphago的本质和未来二十年真正意义上的人工智能
第二部分、人工智能迅速发展三大的原因以及现状
第三部分、以历史为镜：工业革命带来的第一次自动化浪潮
第四部分、历史正在重演：第二次自动化浪潮
第五部分、人与机器的关系
第六部分、未来我们路在何方
一、简述Alphago的本质和未来二十年真正意义上的人工智能
Alphago的核心等于廉价并行运算+大数据+深度强化机器学习算法（后文会详细解答）。人工智能公司DeepMind在20世纪80年代教人工智能打街机小游戏。起初，人工智能几乎是在随机地玩，但它在逐渐进步。半小时后，每4次操作，它才失误1次。一小时后，它在第300局游戏中做到了零失误。之后，它继续飞快地学习，以至于在第二个小时里，它算出了Breakout中的一个漏洞，而此前数百万人类玩家都没有发现。利用这个漏洞，它可以通过打通一面墙赢得游戏，这连游戏开发者也没想到。在没有DeepMind开发者指导的情况下，一种叫做“深度强化机器学习”的算法在接触49个雅达利游戏数小时后，能在其中约一半游戏中打败熟练掌握游戏的人类。未来我们看到的更多可能是所谓人工智能是指专业化的机器人，我们制造的人工智能都将会是为专门任务而设计，并且通常是超越我们能力的任务。
二、人工智能迅速发展三大的原因以及现状
（一）廉价的并行计算
思考是人类固有的一种并行过程，是在人类大脑中数百亿神经元的共同作用下产生了用于计算的同步电波，以此分析思考。而之前典型的计算机处理器每次只能处理一项命令，无法构造一个复杂神经网络所需的深度并行任务。我们大脑中的数百亿神经元同时激发，制造出用于计算的同步电波。十多年前，情况开始改变，当时出现的一种叫做图形处理器或GPU的新型芯片是为了满足电子游戏中大量的视觉并行需求而设计的。游戏里的一张图片中包含的数百万像素需要在一秒内被多次重新计算，这就需要在主板上增加一块专门的并行芯片作为辅助。并行图像芯片运行效果极佳，电子游戏也大受欢迎。2009年，吴恩达和斯坦福大学的一个研究团队意识到GPU芯片可以并行运行神经网络。这项发现让神经网络的节点之间能拥有上亿的连接，开启了神经网络新的可能性。传统的处理器计算拥有一亿节点的神经网络的级联可能性需要数周时间，一个GPU集群一天内就能完成同样的任务。如今，在GPU集群上运行神经网络被应用云计算的公司当作常规技术使用
（二）大数据
每种智能都需要接受训练。尽管基因决定了人的大脑善于给事物分类，但人脑仍需要看过数十个实例才能区分猫和狗。人工心智更是如此。哪怕是程序编得最好的电脑也要对弈至少1000局国际象棋后才会有良好表现。人工智能之所以获得突破，部分是因为对全世界令人难以置信的海量数据的收集为人工智能提供了训练的条件。大规模数据库、自我追踪、网页cookies、网上足迹、太字节（TB）级别的存储、几十年的搜索结果、维基百科以及整个数字世界都成了让人工智能变聪明的老师。如果说建设人工智能就像造一艘火箭飞船，需要一个巨大的引擎和许多燃料。飞船的引擎是各种学习型算法，而燃料是提供给这些算法的大量数据。
（三）更好的算法
数字神经网络在20世纪50年代就被发明出来，但是计算机科学家花费了几十年时间学习如何驾驭数百万甚至数亿神经元之间多如天文数字的组合关系。其中的关键在于将神经网络组织成叠层。可以用相对简单的人脸识别任务举例。当神经网络中的一组数位被发现能触发某种图案，比如一只眼睛的图像，这个识别的结果（“啊，是只眼睛！”）会被移到神经网络的下一层级做进一步解析。下一层级可能会将双眼归在一组，并把这个有意义的数据块传到层级结构的更下一层级，该层级能够将双眼和鼻子的图案关联在一起。识别一张人脸可能需要数百万这类节点（其中每个节点产生一个计算结果供周围的节点使用），并需要叠加多达15个层级。2006年，当时就职于多伦多大学的杰夫·辛顿对这个方法做出了关键改进，并将其称为“深度学习”。他能对各个层的数据结果进行数学上的优化，从而加快了进一步叠层时的学习速度。数年后，当深度学习算法被移植到GPU集群上时，速度有了大幅提升。深度学习代码本身不足以产生复杂的逻辑思维，但它是当下所有人工智能产品的基本组成部分，这些产品包括IBM的沃森、DeepMind、谷歌的搜索引擎以及脸谱网的算法。
根据量化分析公司Quid的数据，自2009年以来，人工智能已经吸引了超过170亿美元的投资。仅2014年，322家拥有类似人工智能技术的公司获得的投资就超过20亿美元。脸谱网和谷歌都为自己的人工智能研究团队招募研究员。2014年以来，雅虎、英特尔、Dropbox、领英、Pinterest以及推特都收购了人工智能公司。人工智能领域的民间投资在过去4年里平均每年增长62%，这个速度还会持续下去。
三、以历史为镜：工业革命带来的第一次自动化浪潮
试想，如果明天10个人中就有7个会失业，他们该怎么办？如果超过一半的劳动人口都拿到了解雇通知书，很难相信一个经济体还能继续存在。事实上，工业革命就让19世纪初的劳动力面临这种状况，只不过事情发生得较为缓慢。两百年前，70%的美国劳动力以农场为生。后来，自动化实现后，机器代替了农民以及在农场作业的动物，淘汰了大多数人的工作，只留下1%左右。但是被取代的农民并没有就此闲着。自动化转而在全新的领域中创造了亿万份工作。曾经务农的人如今操纵着工厂中炮制农具、汽车以及其他工业产品的机器。从此，一浪又一浪建立在自动化之上的新职业潮水般袭来，包括家用电器维修工、胶印工人、食品化学家、摄影师、网站设计师。今天，我们大多数人从事的工作是19世纪的农民无法想象的。
四、历史正在重演：第二次自动化浪潮
或许很难令人相信，但在本世纪结束前，如今人们从事的职业中有70%很可能会被自动化设备取代。换句话说，机器人取代人工是必然的，一切只是时间问题。第二次自动化浪潮正引领这项变革，而人工认知、廉价传感器、机器学习和分布式智能将成为变革的焦点。广泛的自动化将会触及包括体力劳动和知识型工作在内所有工种。
首先，已经实现自动化的行业中，机器会进一步巩固自身的地位。当机器人取代流水线工人后，它们会接着取代仓库工人。麻利的机器人能够从早到晚不断地抬起150磅的重物。它们把箱子取出来，分好类，然后装上卡车。这种机器人已经在亚马逊的仓库工作了。采摘水果和蔬菜的过程也将逐步由机器人接手，最后只有在特色农场里才能见到人类在采摘。药房里将会有一个配药机器人在后台工作，而药剂师专心回应病人的咨询。实际上配药机器人的雏形已经问世，目前正在加利福尼亚州的医院里工作。它们至今还未出现过一次弄错处方上要求的状况，这对人类药剂师来说很难做到。接下来，打扫办公楼这种相对精细的杂活也将由机器人在半夜完成。它们从简单的打扫地面和窗户开始，最终完成清洁厕所的要求。长途货运客车在高速公路上行驶时，将由驾驶室内置的机器人进行驾驶。
这不是一场人类和机器人之间的竞赛，而是一场机器人参与的竞赛。如果和机器人比赛，我们必输无疑。未来，你的薪水高低将取决于你能否和机器人默契配合。90%的同事将会是看不见的机器，而没有它们，你的大部分工作将无法完成。人和机器的分工也将是模糊的，至少在开始时，你可能不会觉得自己在干一份工作，因为看上去所有的苦差事都被机器人承包了。
五、人与机器的关系
我根据人类和机器人的关系把工作分为四大类，希望能帮助我们更好地了解机器人将怎样取代人类。
（1）人类能从事但机器人表现更佳的工作
人类需要花大力气动手织布，然而只用几分钱，自动织布机就可以织出一英里的布。如今，对手工中不完美的留恋，是我们购买手工纺织品的唯一理由。但是没有人想要一辆有瑕疵的汽车。谁也不愿意驾驶一辆性能不稳定的汽车以70英里时速在高速公路上飞驰。因此我们认定，在汽车的生产过程中人参与的程度越低越好。
（2）人类不能从事但机器人能从事的工作
举个琐碎的例子，人类想造出一枚铜螺钉都很困难，而自动化技术可以在一小时内生产一千枚。没有自动化，我们连一块计算机芯片也造不出来，因为这种工作需要人类身体不具备的精准、控制力和坚定不移的注意力。同样，无论受教育程度有多高，没有一个人或一群人能快速搜索世界上所有的网页，找到包含尼泊尔首都加德满都鸡蛋价格的网页。任何时候你在点击搜索按钮时，都是在雇用一个机器人帮忙完成我们这个物种无法独立完成的事情。
（3）人类想要从事却还不知道是什么的工作
在机器人和计算机智能的协助下，我们得以完成150年前完全无法想象的事情，这是机器我们可以通过手术摘除内脏上的肿瘤，录制婚礼视频，让登陆车在火星上行驶，在布料上印出朋友通过电波传来的图案。我们正在进行的100万种有偿或无偿的新活动会让19世纪的农民觉得眼花缭乱并感到震惊。从过去的角度看，这些新的成就不仅仅困难，而且主要是由那些能够完成它们的机器创造出来的。它们是由机器设计的工作。
在我们发明汽车、空调、平板显示器以及动画之前，住在古罗马的人不会想到他们能一边看动画片，一边吹着空调前往雅典，但我最近就这么干过。200年前，没有哪个中国老百姓会告诉你，他们要买一小块用来和远方的朋友对话的玻璃面板，而不是家里的下水道系统。如今，没有现代下水道系统的中国农民却去购买智能手机。第一人称射击游戏中内置的精巧的人工智能技术，给了数百万青春期男孩成为职业游戏设计师的动力和需求，而这种梦想是维多利亚时期的男孩不会拥有的。自动化每一次微小的成功都会催生一些新职业，没有自动化的促进，我们不会想到这些职业。
（4）（刚开始）只有人类能从事的工作
至少在很长一段时间内，人类想做什么是由人类而不是机器人决定的。这句话并不是一句多余的表述，事实上，人类发明的东西唤起了自身的欲望，因此人类的需求和机器人之间互为因果。
当机器人和自动化过程包办了我们的大多数基础工作，让我们的吃、穿、住变得相对容易时，我们就会闲下来并且自问：“人的目的是什么？”工业化不仅延长了人类的寿命，还让很大一部分人认为，人类理应成为芭蕾舞演员、专职音乐家、数学家、运动员、服装设计师、瑜伽大师、同人小说作者或是拥有名片上那些独一无二的头衔。在机器的帮助下，我们才能担当这些角色。当然，随着时间的推移，机器也会从事这些工作。接下来，面对“人类应该做什么”这个问题，我们会想到更多的答案。但是机器人想回答这个问题还要等到多年以后。
六、未来路在何方
（一）人类更贴近市场
当人人都拥有召之即来的个人机器人，真正的变革就开始了。想象一下，你是0.1%依然从事农业的人群中的一员，打理一家直接向客户供货的小型有机农场。虽然你仍然是一个农民，但是机器人承担了大部分的农活。分布在泥土里的细小探针指导你的机器人队伍在炎炎夏日里播种、治虫、收割。你作为农民的新任务将是监管整个农耕系统。某天，你可能会研究一下应该种植祖传番茄的哪一个变种；第二天试着发现客户的需求；接下来的一天更新你的客户群。其他所有能被量化评估的任务都由机器人完成。
自工业革命带来的第一次自动化浪潮，人类离生产环节越来越远，但离市场越来越近，未来我们需要把握的是市场环节。
（二）通过人工智能强化自身
IBM的（超级电脑）深蓝在一场著名的人机对弈中击败了当时具有统治地位的国际象棋大师加里·卡斯帕罗夫。当电脑又赢得了几场比赛后，人类选手基本上对这种比赛失去了兴趣。后来卡斯帕罗夫率先提出了“人加机器”的概念，即在比赛中用人工智能增强国际象棋选手水平，而不是让双方互相对抗。在廉价且超级智能的国际象棋软件的激励下，下国际象棋的人数、锦标赛的数量以及选手的水平都达到了历史之最。与深蓝首次战胜卡斯帕罗夫时相比，拥有国际象棋大师头衔的人数至少翻了一番。现今排名第一的人类国际象棋选手马格努斯·卡尔森就曾和人工智能一起训练，并且被认为是所有人类国际象棋选手中最接近电脑的一个。他还是有史以来评分最高的人类国际象棋大师。
