【
中國智能制造網 學術論文】從歷史來看,每一次科技進步終創造的就業,都超過所消滅的就業,即使我們需要經歷短時間內的動蕩與陣痛,長期創造的新就業也將彌補這一且,甚至綽綽有余。中間階層將成為早感受到變革陣痛的人群。
人工智能發展突飛猛進 中間階層正在經歷變革陣痛
12月6日,亞馬遜即將開業的線下生鮮實體店AmazonGo,在朋友圈里刷了屏。
這個商店整合了亞馬遜新的智能技術,可以自動感知顧客有沒有從貨架上拿走商品,或者是把商品放回貨架,用戶不需要排除結賬,拿著商品就可以直接回家,亞馬遜會從你的賬戶里自動扣款,并生成賬單。
很神奇。但亞馬遜真的已經實現了。
事實上,很多以前我們想像得到,甚至想象不到的“黑科技”,都正在走入現實。
比如猿題庫,只需要拿出手機拍照,就可以
自動識別手寫的英語作文,將其轉化為單詞,顯示作文評分,并對語法、單詞等錯誤和亮點進行批注,有的地方甚至比老師批改更詳細。
比如訊飛,不但可以智能識別語音、將文字合成為語音,甚至可以模擬真人的語音,讓聽者難辯真假。
比如百度,“百度號”的寫作
機器人已經可以實現體育新聞、熱點新聞等多領域的全機器創作。
諸如此類,不勝枚舉。
這些已經成為現實黑科技背后,都指向已依稀可見的同一個未來:人工智能(Artificial Intelligence,AI)。
在對于未來的預測中,不論積極還是悲觀,絕大多數科技界都相信,人工智能已經近在咫尺,并將為人類社會帶來的巨大改變。
比如《連線》雜志創始主編凱文·凱利(KevinKelly)認為,人工智能是下一個20年里顛覆人類社會的技術,其力量堪比電與互聯網;英特爾CEO科再奇(Brian Krzanich)也認為,人工智能將成為人類歷史新的轉折點。
在2016年12月6日,36氪主辦的WISE大會上,創新工場董事長兼CEO李開復更斷言,“十年后,全世界50%的工作,都會被人工智能所取代。”
但現在的問題是,面對人工智能的突飛猛進,從經濟到產業,從政策到法律,從社會到倫理,我們真的已經做好準備了嗎?
1
人工智能的發展,與人類社會對它的預期,其實已經偏離。
到底什么是人工智能?
關于這個問題,有太多的定義、闡述與理解,很難找到通行的準確定義。
從廣義來講,能夠執行自動程序的計算機、手機等所有機械與設備,都應該納入人工智能的范圍,從手機、電腦、銀行、汽車到我們生活中的幾乎每一個環節,都已經有或多或少的人工智能發揮作用。
但在普通人眼中,或許"終結者"那樣擁有自己思想甚至情感的機器人,才是人工智能的典型代表。
而業界更普遍的觀點,是把人工智能分為三種:弱人工智能、強人工智能,以及超人工智能。
其中,弱人工智能是所有不能真正地自主推理和解決問題的智能,它的智能更多體現在"智能的行動",這也是當前所有--至少是幾乎所有人工智能的現實水平。
而強人工智能,將具有智能思考能力,在某些領域的智能表現,接近甚至達到人類水平;超人工智能則將有可能形成對人類的智能碾壓。
這兩者,也正是人工智能產業努力的方向。
過去,即使每天花10個小時在自己的手機上,使用著各種信息時代的便利,我們依然認為,"真正的人工智能"還停留在科幻電影與遙遠的未來。
但現在,各種黑科技的井噴,正在告訴我們,從弱人工智能到強人工智能之間,或許并沒有一道森嚴的壁壘。在一些領域,人工智能將達到,甚至已經悄然越過那條看不見的分界線。
更重要的是,要對我們的產業、經濟乃至社會組織形成顛覆式的影響,其實遠遠不需要真正的強人工智能。
即使,我們離想象中的人工智能仍有距離,但它對人類社會產生的沖擊,已經全面開始。
2
2015年3月,谷歌人工智能AlphaGo以4比1戰績,擊敗韓國圍棋選手李世石,是刺激進入人工智能競速狂潮的標志事件。
人工智能概念由來已久,但近幾年,這個產業才迎來井噴式的大繁榮。這段時間的發展速度與成就取得,遠超過去幾十年的累積。
這一輪的人工智能大發展,始于2006年,Hinton等人提出的深度學習概念。
在此之前,們更希望直接編寫出一套足夠智能的程序,但無論如何天才的,編寫出的程度都與外界的期望天差地別。
而深度學習則放棄了這個不切實際的想法,不再是程序員直接完成所有的代碼,而是放手讓人工智能自己演化成長。
通俗來講,它通過對人和動物大腦的仿生,將計算代碼模擬為簡單的、相互連接的神經元,并通過修改單元之間的連接,來不斷進行經驗積累,讓它形成自己的邏輯推理,自我完善發展。
這就像人的成長,剛出生時只有基礎的本能,只有經過慢慢長大,不斷學習,才能在不同的領域綻放光彩。成長環境的不同,學習方向的不同,都會影響未來的前進方向與成就高度。
這個概念的另一個通俗叫法,是"機器學習"。這個詞顯然更直接,它的目的就是要讓機器學習,自己進化。
比如,科學家們有過這樣的實驗:他們制造了一個機械海星,只為它輸入了控制自身部件的簡短代碼,以及讓它"學會自己走路"的目標,但它通過深度學習,只用了很短時間,就從只能在原地蠕動,到學會了流暢地行走,甚至當科學家截去一部分"肢體",它依然能頑強地繼續前進。
這并非科學幻想,而是2015年初就已完成的真實實驗。
而現在,這種人工智能的深度學習,正在無數個不同的領域展開實驗,不斷累積通往下一次進化的經驗與數據。
就像本文開始列舉的那些黑科技,都是有人工智能和深度學習參與的應用實例。