2018: AI in All的元年

1995年，在互联网通讯技术高速发展的背景下，微软公司发布了其第一款“具有革命性质”的操作系统——Windows 95，并在发布会上特意邀请当时红极一时的滚石乐队演唱了《Start Me Up》。此后，微软公司开启了第一代的互联网“技术革命”。“爆款发布会”也成为了技术公司的商业标配。

2010年，乔布斯在苹果的Iphone4发布会上喊出“再一次改变世界”，Iphone4作为第一款“智能手机”引领了移动互联网的先声。商业上的成功宣传与技术上的飞跃进步再一次形成合力，带动了变革。技术革新的深刻程度，往往有几个判断标准：商业成功、社会变革、法律冲击、文化转型。

相比较其他标准，商业成功可以在短期之内量化衡量，所以也最容易作出判断。越是深刻的技术革新，越是会带来除商业以外对其他领域影响的丰富想象。没有哪一项技术像人工智能技术一样，影响如此广泛且深远。

人工智能技术不再“锦衣夜行”

我们总是会高估技术的短期作用，而忽视技术的长期影响。人工智能技术从1956年萌芽开始，经历了一个甲子。六十年的时间可以分为三段。第一个阶段是人工智能学科初创的新兴期。从1956年到1970年前，新兴时期的第一个十年充满了“技术乐观”。人工智能学科的代表人物西蒙与明斯基曾在这十年间做出了四个著名的预言：第一，“数字计算机”十年之内就会战胜国际象棋世界冠军；第二，在三到八年时间里我们将得到一台具有人类平均智能的机器；第三，二十年内机器将能完成人能做到的一切工作；第四，一代之内……创造人工智能的问题将获得实质性解决。

现在看来，四个预言无一应验成真。战胜国际象棋世界冠军也是20世纪最后十年中的事儿了。第二个阶段是理论与技术逐步发展的沉寂期。进入20世纪七十年代之后，人工智能技术的发展远没有达到专家与社会的预期，理论与技术的发展也逐步陷入瓶颈，整个学科陷入迷茫。

1973年，英国发布了著名的《莱特希尔报告》，宣告人工智能领域“没有得到有重大影响潜力的发现”，学科和行业随之进入第一个“冬天”。日本曾经想通过第五代超级计算机计划带动整个行业的发展。试验了十年最后也以失败告终。人工智能领域的研究持续暗淡。

到了2005年，纽约时报的一篇报道，道出了一股心酸，“计算机科学家和软件工程师避免使用人工智能一词，因为怕被认为是在说梦话。”尽管社会关注度逐渐下降，但是前沿研究始终在累积着巨大能量。

从2010年前后开始，人工智能进入新的发展阶段。深度学习、神经网络、大数据是这个阶段的关键词。此次发展期持续到今，前后也不过十余年时间，但是获得了空前的关注。人工智能技术在互联网通讯技术、大数据、云计算的“加持”下，开始形成“技术合力”，不再“锦衣夜行”。

2018年被称为人工智能技术规模应用的拐点，人工智能技术在诸多国家、各个领域都被大量运用，这背后离不开商业化运作的推手。每一年，在人工智能领域都有一个风光的“明星”，2016年，仿人机器人索菲亚首次吸引社会的关注；2017年，Alpha Go战胜人类围棋冠军柯洁，摘得人类智力“最后的皇冠”在2018年，谷歌的Duplex还以假乱真地完成了美发店、餐馆预约服务。“明星效应”叠加未来想象，越来越多的科技公司选择了All in AI，AI也正随处可见。

All in AI的三大效应

在前期所积累的大量研究成果基础上，人工智能技术在2018年实现新的发展与爆发。例如生成对抗网络(Generative Adversarial Nets)。这项在2014年开发出来的模型是近年来在复杂分布问题上进行无监督学习的新兴技术，被认为是人工智能领域最具有前景的技术之一，主要运用在语音合成、人脸识别等领域，解决了以往需要依靠大数据训练人工智能模型的效率以及合规等问题。

据说生成对抗网络是在一场斗酒之后，由一位程序员敲打的几百行代码一气呵成的。有时候，越是具有广阔应用前景的重要技术，其诞生就越具有戏剧感。生成对抗网络的诞生就颇有些生活化的浪漫。相似的，那些All in AI的公司也像极了认定目标奋勇前进的骑士。这种“浪漫与决绝”的态度形成了溢出、替代与巨头三大效应，促进了当下人工智能的规模化应用。

溢出效应指的是技术会通过各种方式扩散，从而逐渐地适用于越来越多的领域。这种溢出效应可以是科技公司通过对外投资实现的内部技术转移，也可以是商业对手在不同领域的技术竞争，更可以是算法代码在研究层面上的一定程度共享。

一个典型的例子是，经由全球最早也是最顶级的图像识别大赛——ImageNet的“普及”，深度学习算法成为了图像识别领域的“标配”之一。2018年，类似ImageNet所采用的“技术普及”方式，迁移学习（同样是机器学习的一种）正在改变着自然语言识别领域。

替代效应指的是人工智能替代了人力，人工智能产品替代了各类产品。一方面，替代效应表现在人工智能提升了原有社会中效率低的部分，改善了技术运用的效果；另一方面，替代效应还表现在人工智能改变了原有社会中的组织结构，改变了各类商业模式。效率提升的需求、商业模式创新的需求是从微观而生的。

例如，规模化生产的制造业、养殖业都存在着利用智能机器人降低生产成本的需求。而一个比较热门的微观商业创新模式是，面对日益增长的中产阶级理财需求，人工智能技术驱动的“机器人投顾”应运而生。

巨头效应指的是：公司规模越大，掌握的核心技术越多，越能够形成人才的集聚、技术的集聚、场景的集聚。巨头效应之下，和行业中的其他公司相比，头部公司拥有技术研发能力、商业创新能力等方面的优势。

此外，对于人工智能技术的研发和运用来说，数据体量越大、应用场景越丰富的公司，人工智能技术的规模运用越容易实现。所以对于那些已经积累了大量数据、创设了丰富场景的公司，其先发优势更加明显。

AI in All的新预言

与之前不同，进入21世纪之后，伴随此轮人工智能技术发展而广为传播的著名预言或多或少地反映了技术发展之下的人文隐忧。

《连线》杂志创始人和前主编凯文?凯利强调，未来20年，人工智能将会连接全球，乐观之下也会带来新的风险。《人类简史》作者尤瓦尔?赫拉利认为，在未来，99%的人类将沦为无用阶层，人工智能革命将成为个人价值的终结。而拥有技术背景的人工智能科学家的预测显得更加乐观：微软副总裁沈向洋博士认为，从2018年往后看，五年之内，语音识别技术一定可以超过人；十年之内，机器视觉一定比人好。

“奇点理论”的发明光大者、预言家雷?库兹韦尔更是大胆设想：超人工智能从多方努力中诞生，它将深深融入我们的文明基础中，并被亲密捆绑在我们的身体与大脑中，它会反映我们的价值，因为它就是我们。

回到现在，人工智能还远远没有发展到能够触及“奇点”的地步。人类依靠着宣传攻势，打造了拥有智能的“挑战者”。而真正超出人类智能的东西，是不会热衷于向人类宣称自己是拥有智能的。

凯文?凯利认为，现在的我们正身处人工智能的第一天，甚至在它的起步阶段。人工智能始终在悄然进步和渗透，加速从实验室走到了实践中。AI in All依旧仍然需要遵循人工智能的技术路径。

清华大学计算机系教授、中国科学院院士张钹教授指出了目前人工智能存在的三个限制条件：第一，确定性任务；第二，完全的知识和信息；第三，封闭化、特定化的问题。简单来说，目前的人工智能在处理限定性问题时的表现可能会优于人类；但是无法胜任开放性问题的解决。

他认为，人的智能是举一反三，而机器是举一百反一。从这个角度来说，只要走不出限制条件，真正的人工智能还“任重而道远”。技术的发展正在打破这种藩篱限制。例如，机器学习需要用大数据训练算法模型，训练的效果取决于大数据的质量和数量。

所以有人认为大数据是人工智能发展的必要条件，缺乏大数据将会影响算法的有效性。而现在，以对抗生成网络为代表的算法只需要小数据就可以实现自我学习。

2019年的人工智能需要什么

“人机对战”这样的主题总是能够吸引大众的眼光。过去的2018年，我们始终将目光放在机器“挑战”人类带来的恐慌和膜拜，但忽略了更本质的东西。当我们理解AI in All的时候，往往把范围限定在产业领域。为了解决产业领域的人工智能问题，人工智能需要一群“公民数据科学家”，他们需要了解数据科学，了解人工智能的思维方式，是出色的研究人才，而当我们将范围扩展到整个社会的时候，人工智能最本质的东西就开始浮现——基于人工智能的新社会结构。

这个结构需要一群“理性思考技术中性的思想领袖”去搭建，他们需要融汇技术和伦理，需要研究和发展经济和法律理论，他们既是新秩序的构建者，又是技术异化的批判者，同时还是科技文明的布道者。

相似的故事在不同的时代都会发生。人类天生会对未知的事物产生无法控制的恐惧。19世纪，当机动车首次出现在伦敦街头时，沿街的民众一片哗然。1865年，英国议会通过了《机动车法案》，立法规定汽车必须由三个人共同驾驶，且不得超过手举红旗之人的行走速度。很多评论家认为它限制了英国汽车业的发展，最终将发展机遇拱手让给了美国。这部法案也被嘲笑为《红旗法案》。

其实，限制了行业发展的，并不在于这部法律，而是其背后对于超出社会认知范围的科技力量的恐惧。100多年后，无人驾驶汽车发生交通事故，第一次夺去无辜行人的生命。要解决这个问题，光有恐惧是不够的，我们应该做的，是因应新的社会结构创设新的社会制度。

前人已经给我们提供了非常多的思想。有一些人类思想的引领者始终在拓展着人类和机器的边界。例如艾伦?图灵从理论上奠定了计算机与智能的基础，打开了机器智能与人类互动的大门。也有科学家始终保持着理性与批判，例如美国科学家休伯特?的雷福斯反思《计算机不能做什么：人工智能的极限》。现在，历史的方向盘交到我们手里，如何有效地利用前人的智力遗产，如何融合行业发展的现状，考验着我们的智慧。

Iphone4降世时，虽然号称世界上首部智能手机（smart phone），但是并不拥有严格意义上的智能（Intelligence）。而在人类工程师不到十年的辛勤开发之下，其智能程度不断迭代提升。现如今，我对着最新款的Iphone说：嘿siri，你是不是人工智能时，它会回答：差不多吧。