IT高管会（
ITGGH13
）
----与一群浪漫而有思想的IT高管同行，一同分享那些有价值、有意思的观点和事！不一样的人生，不一样的事业，咱们的IT高管社区。合作联系：
[email protected]
高管介绍：
吴军，
前腾讯副总裁、丰元创投创始合伙人、
著名自然语言处理和搜索专家。
曾经在谷歌、腾讯有着多年工作经验的吴军，从2012年开始和多位硅谷企业的华人高管联合出资成立了丰元创投，关注高科技领域的早期投资。他的作品《智能时代：大数据与智能革命重新定义未来》把话题聚焦在了人工智能上，探讨人工智能对于人文和社会的影响能力。对于智能时代，用他的话说就是：「未来我们的城市，就是一个大的超级机器人。」
素材来源：上观新闻、《硅谷来信》、财新时间、经济观察报
投资人说编辑作品！
1、大数据是智能的基础
我曾经跟伯克利很有名的一位叫迈克尔·乔丹（与美国球星同名）的教授聊了聊，他是现在的深度机器学习的最早期提出者，也是美国工学院、文理学院和科学院三院院士，我们就把AI这两个字母来回来去组合：
首先是IA— Intelligence Augmentation（智能放大），这就是说人工智能做出来的事情显得人类很聪明，比如搜索引擎和机器翻译，你不会法语要去法国旅游，在网上搜索一下就把知识综合起来了，这以前是要经过20年学术研究的。
第二个是II—Intelligence Integration（智能综合），机器不创造知识，但是它做了综合。我之前在谷歌做自动回答问题的项目，比如问天为什么是蓝色的，我们会把知识综合起来，然后重新组成句子，形成一个段落回答你。
第三个是AA—Automatic Algorithm（自动算法）。比如说以前人要做一件事情，步骤一二三是设定好的。最典型的例子就是美图秀秀，之前用PS也可以做的，但是要有个学习PS的过程，还不一定能学好，但现在计算机就能算好，你按一个键，就可以自动修好照片。
所以我们可以认为今天的AI（人工智能）=IA+II+AA。
从60年前到今天，人工智能发展到一个什么水平阶段呢，我把它分成三层：
第一层，弱人工智能。每个人都在用，今天拍个照片，女孩子们美图秀秀修一修，发出去，这是弱人工智能。今天买东西和五年前习惯是不一样的，很多是它推荐给你的，40%营收额是靠推荐来的。这是一种很人工智能的算法，很多人觉得还不够聪明，还放在了弱人工智能方面去。
第二层，强人工智能。人工智能现在不仅能够识别，还能翻译。如果想翻译成英文，我想我们现在不需要同声翻译，直接用计算机翻译过去的话美国人英国人是听得懂的。它还可以干别的事，比如计算机能回答问题，能写作，在华尔街日报或者是纽约时报，今天大部分和财经类新闻有关的这种报道中，大部分文章是计算机写的，不是人写的；下棋就更不用说了，人工智能还可以开车，美国Google的无人驾驶汽车，到现在开了将近500万多里，但主动交通事故只出了两起，也就是说它开车的水平要比人其实高很多；人工智能还可以看病，机器人看片子会比专家更好，不仅如此，像沃森这样人工智能计算机，你告诉它三件事，描述一下你的病情，比如肚子疼，给它一个化验结果，再给它你过去病例，它就可以做到美国医生的平均水平。
第三层，超级智能时代。超级智能有两个核心，一是机器智能，相当于人类的大脑，二是IOT万物互联，相当于人类的五官。当机器智能的计算水平足够高，当IOT的触角触及到城市的每个角落，就形成了超级智能。未来我们的城市，就是一个大的超级机器人。
在人工智能的发展过程中，人工智能大厦有三个重要支柱支撑着过程的演变：
1) 摩尔定律。在IT行业里来讲，每18个月处理器的性能会翻一番，这个速度大概相当于每五年多一点的时间，处理器性能要涨10倍左右。iPhone当年2007年发布，距离今天10年，那么今天iPhone的处理器相当于当年的100倍。
2) 大量数据。现在数据产生的速度有多快呢？最近三年产生的数据，超过了从三年前到人类出现文字以来产生数据的总和。在很多人的印象中，数据就是数字，或者必须是由数字构成的，其实不然。互联网上的任何内容，文字、图片和视频，都是数据；医院里包括医学影像在内的所有档案也是数据；各种设计图纸，甚至是出土文物的尺寸、材料，也都是数据；我们的社会关系、我们每天的活动，都是数据。很多种数据，比如语音和文字，反而没有多少数字的内容。知识是人类进步的阶梯，我们用知识不断地改变我们的生活和周围的世界，而数据正是知识的基础。过滤没有意义的数据，删除伪造的数据，从数据中获取有用的信息，随后进行处理，人类就可以获得知识。
3) 深度学习。这实际是一种新的算法或者数学模型。
在有大数据之前，计算机并不擅长解决那些需要人类智能解决的问题，但在今天，这些问题换个思路就可以解决了，其核心就是转换智能问题为数据问题。传统的人工智能方式是让计算机按照人的思路去做，但今天几乎所有的科学家都不再坚持「机器要像人一样思考才能获得智能」的观点。比如AlphaGo（阿尔法狗），它不是靠逻辑推理获胜的，而是靠大数据和算法。在数据方面，谷歌使用了几十万盘围棋高手之间对弈的数据来训练它；在算法方面，谷歌采用了上万台服务器来训练它下棋的模型，并且让不同版本的AlphaGo相互对弈了上千万盘，可以说它几乎是算无遗策。所以说，这是个智能的时代，而智能的基础是大数据，可谓「无数据、不智能」。
大数据对于商业的影响更显而易见，举个某服装奢侈品牌的例子。奢侈品牌有个特点，就是决定销量的并非价格，而是顾客群的喜爱。之前企业并不太很好了解顾客的喜好，但进入大数据时代，则有了解决方案，就是在商品标签中植入智能芯片，商品只要被拿到试衣间，芯片就能识别出来，同时记录这件商品的试穿次数，从而了解顾客的喜好。这样公司就能明白销量不好的商品的原因是什么，然后针对商品做出改进，改变销售方式。
有了移动互联网之后，数据量是非常大的。以前很多数据，其实没有没有收集上传、没法存储，今天这个都变成了一个可能。在过去三年里，人类收集到的数据总和超过人类历史上六千年，从出现文字到现在六千年就有了数据记载。过去三年里，数据量超过了人类六千年的总和。而且按照这个指数速度往上涨，可以预测估计一年半以后，又要翻一番了，这是一个非常快的速度。所以在今天来讲，你干任何一件事都要善用数据。
未来随着人工智能的发展，最先受到冲击的将会是传统生产线上的工人。机器人可以替代人类做重复性的工作，特斯拉的工厂已经完全机械化，没有人工作业了。其次就是高端行业领域，比如专科医生的病理诊断，机器的识别病症识别率开始高于医生了。
在未来，机器为人类所用，给人类提供服务。可能98%的人都在享受人工智能的成果，2%的人在设计AI。而这2%的人会有绝对话语权，所以如果不想被社会淘汰的话，要争取成为2%的人。
2、做2%的人
两次工业革命和信息革命都曾对当时的社会产生巨大的冲击，使得很多行业消失，但同时又催生出新的行业。不过，新的行业容不下那么多人，释放出来的劳动力需要寻找出路，这种影响花费了半个世纪、甚至更长的时间才消化掉。在这个漫长而痛苦的转型过程中，只有2%的少数人受益于新科技。
很多人问我这2%的人是怎么算的？2%不是计算出来的，而是前些年占领华尔街的人自称98%的人，反对社会的既得利益者，即所谓的2%的人。从此诞生了一个新概念，2% VS 98%。
在过去如果按照社会阶层和经济状况将人口分类，会发现社会是一个纺锤形，两头小中间大，但今天却是一个金字塔形状，上面小下面大。这样的社会不会太稳固，最底层常常是最容易产生动荡的。但是尽管世界各国都不断地增加穷人的福利，各国的金字塔形状却越来越明显。
