【本文為“獵豹全球智庫”原創(chuàng)文章，如需轉(zhuǎn)載必須在文章開頭注明“來源：獵豹全球智庫”和作者姓名，未經(jīng)同意，不得更改或增刪文中任何信息?！?/strong>

AI，全稱Artificial Intelligence。人工智能，是計算機科學的一個分支，從1956年被公認為一個學科之后，至今已經(jīng)經(jīng)歷了60年的發(fā)展。

說起人工智能，一些人眼中泛起的是希望的曙光，另一些人眼中則流露出了憂慮和謹慎。

2014年，特斯拉和SpaceX的創(chuàng)始人伊隆·馬斯克（Elon Musk）就曾公開表示：“我需要盯著人工智能的一舉一動，因為我認為它有潛在的危險?！蓖?，英國著名物理學家史蒂芬·霍金（Stephen Hawking）用彷如機器的聲音指出：“開發(fā)全面的人工智能可能會致使人類滅亡。

但在絕大多數(shù)人印象中，人工智能還停留在影視作品中。

人工智能對我們來說究竟意味著什么？作為謹慎的樂觀派，獵豹全球智庫希望通過這篇文章，深入淺出的和各位聊聊這個輕松又深刻的問題。

本文全文約5000字，閱讀大概需要6分鐘。文中如有描述有誤或資料不對的地方，歡迎各位讀者留言指出，智庫的小伙伴們期待與你的交流~

Part1 人工智能現(xiàn)在怎么樣？——碩果累累 又遙不可及

從90年代到現(xiàn)在，人工智能再次經(jīng)歷一個發(fā)展的黃金期，各個方面碩果累累，尤其是在專用網(wǎng)絡方面，已經(jīng)迎來的爆發(fā)性的成果。

1.AlphaGo：是里程碑 但談不上飛躍

以最近的例子來說吧。2016年，由Google公司DeepMind開發(fā)的圍棋程序AlphaGo戰(zhàn)勝韓國著名選手李世石，首次在圍棋上戰(zhàn)勝人類。

人類在最不可能被戰(zhàn)勝的項目上被AI戰(zhàn)勝了，這可以說是人工智能發(fā)展的一個里程碑，但要說人工智能的飛越卻也顯得有些中氣不足。人工智能距離我們依舊很遠。

相比于1997年在國際象棋上擊敗了人類的深藍，無論是從算法的先進性以及計算的深度等方面來看，AlphaGo無疑是進步。

國際象棋和圍棋的蒙特卡羅樹決策對比，圍棋需要更復雜更深度的計算

不像深藍刻板的程序式計算，AlphaGo在開發(fā)中融入了深度學習與自我對弈的過程，開始變得有點像人類一樣會不斷學些和進化。棋盤上的AlphaGo完勝人類。AlphaGo根據(jù)對手的策略來在制定對自己有利的策略，從而完成致勝。在于李世石的對弈中，AlphaGo優(yōu)勢甚至展現(xiàn)出了放棄局部的利益而從而獲得整體利益的最大化的能力。目前GoRatings排名第一的柯潔看了AlphaGo的比賽后也驚嘆，這完全不像一個程序在下棋，而更像是出自一個人類棋手之手。

截至2016年10月，AlphaGo的等級分僅次于柯潔，世界排名第二，而AlphaGo的誕生也就僅僅十幾個月時間 ，AlphaGo僅次于柯潔?；贓LO算法的“GoRatings”世界圍棋排名是當今對弈水平評估的公認的權(quán)威方法。

2.戰(zhàn)勝了人類 并不代表學會了人的思維

AlphaGo真正可以像人類選手那樣理解圍棋嗎？答案就未必了。

AlphaGo的整個學習過程是一個不斷自我矯正的過程，編程人員沒有將圍棋規(guī)則告訴AlphaGo，只是不斷輸入各種對弈的數(shù)據(jù)，然后從結(jié)果上告訴AlphaGo是輸是贏。AlphaGo再自我對弈通過不斷的試誤，把不能贏棋的下法統(tǒng)統(tǒng)淘汰，保留可以贏的下法。

BP反向傳播算法大致示意，AlphaGo深度學習中用到的算法

正如復旦大學計算機科學技術(shù)學院教授危輝所說，AlphaGo不懂圍棋，只是記下了海量的“布局VS布局”映射關(guān)系，所謂的類推理能力是以現(xiàn)有的巨大體量數(shù)據(jù)為基礎，由海量樣本間相似性得到的，其實根本沒有創(chuàng)新。

這可以說AlphaGo學會了在19*19的圍棋盤上的制勝策略，但不能說AlphaGo真正理解了圍棋。假如我們現(xiàn)在讓李世石和和AlphaGo再對弈一局，規(guī)則不變，然而只是把棋盤從標準的19*19的棋盤，換成24*15的非標準長方形棋盤，在雙方都是第一次對弈的情況下，李世石可以根據(jù)以往圍棋的經(jīng)驗，很快找到規(guī)律和致勝策略；而缺少了對弈案例和學習的AlphaGo也許只能兩眼一抓瞎。

3.人工智能要顛覆人類？還欠點火候

人工智能先驅(qū)硅谷“老炮兒”皮埃羅·斯加魯菲（Piero Scarruffi ） 在AlphaGo獲勝時對它大潑冷水，認為這沒什么值得驕傲的，他表示“AlphaGo除了下圍棋之外，連一只蒼蠅都不如”?；蛟S經(jīng)過學習的AlphaGo可以在其他方面也勝過人類，但這也說明了AlphaGo所代表的的人工智能在泛用性上顯得有些欠缺。

除了AlphaGo，在各種專業(yè)問題的處理上，人工智能已經(jīng)開始了應用，例如近期在線直播火爆，因此有些公司開始切入直播鑒黃這個細分領域，阿里巴巴和騰訊分別擁有阿里綠網(wǎng)、萬象優(yōu)圖兩大鑒黃系統(tǒng)，而在創(chuàng)業(yè)公司方面，較為有名的有圖普科技、飛搜科技、深圖智服等公司。

騰訊的萬象優(yōu)圖鑒別案例，其經(jīng)過學習已經(jīng)能識別大部分違規(guī)圖片和視頻

這些在各個領域發(fā)展的風生水起的人工智能，從分類上來說可以歸類為弱人工智能Artificial Narrow Intelligence (ANI)。ANI可以幫助我們在生產(chǎn)生活的更有效率，“智能 ”或許可以讓我們活的跟好，但距離革命性的顛覆我們的生活，還有差一點。人工智能看似距離我們很近，實際上卻又很遠。

Part2 發(fā)展的瓶頸——弱人工智能ANI或許將伴隨我們很長時間

不少人相信，我們所期待的，像是影視作品中一樣的人工智能會很快到來。然而現(xiàn)實情況看，他們可能有些過于樂觀了。

1.你口中的人工智能 究竟在那個層級？

一般來說，人工智能可以分為三個層級。

目前我們所熟知的，包括AlphaGo在內(nèi)的種種已經(jīng)應用了人工智能，都僅能被稱為弱人工智能Artificial Narrow Intelligence (ANI)，弱人工智能是擅長于單個方面的人工智能。比如AlphaGo能戰(zhàn)勝圍棋世界冠軍，但是它只會下圍棋，你要問它怎樣更好地在硬盤上儲存數(shù)據(jù)，它就不知道怎么回答你了。

而影視作品中出現(xiàn)的人工智能，比如最近很火的《西部世界》里面各種人造人，從級別上劃分應該屬于強人工智能或泛用人工智能Artificial General Intelligence (AGI)。強人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經(jīng)驗中學習等操作?！?/strong>強人工智能在進行這些操作時應該和人類一樣得心應手。也可以說，強人工智能可以通過“圖靈測試”。

更進一步人工智能，科學家們將它定義為超人工智能Artificial Superintelligence (ASI) 。牛津哲學家，知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創(chuàng)新、通識和社交技能?！?/strong>超人工智能可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍的。超人工智能也正是為什么人工智能這個話題這么火熱的緣故，同樣也是為什么永生和滅絕這兩個詞會在本文中多次出現(xiàn)。

2.從ANI到ASI需要克服的兩大難題——算法和運算能力

從弱人工智能ANI到泛用人工智能AGI，再到超人工智能ASI，雖然只有一字之差，實現(xiàn)的難度卻不可同日而語。

首先我們面臨的是算法上的難題。

在人工智能的發(fā)展過程中，人工智能其實很早就解決了一些人類看似非常困難的東西，例如證明幾何定理，解決現(xiàn)代數(shù)學應用題等，這些早在上世界70年代左右就已經(jīng)被人工智能攻克；但是諸如語音語義識別，圖像識別，讓機器學會兩腿行走等等，這些在我們看來稀松平常的事情，人工智能卻發(fā)展了很長時間才能做到。

這種現(xiàn)象被叫做莫拉維克悖論，也就是說和我們的常識相左，人類所獨有的高階智慧能力實際上只需要非常少的計算能力，但是無意識的技能和直覺卻需要極大的運算能力。

一些我們覺得困難的事情——微積分、金融市場策略、翻譯等，對于電腦來說都太簡單了

我們覺得容易的事情——視覺、動態(tài)、移動、直覺等，對電腦來說太難了。

用計算機科學家Donald Knuth的說法，“人工智能已經(jīng)在幾乎所有需要思考的領域超過了人類，但是在那些人類和其它動物不需要思考就能完成的事情上，還差得很遠。”

除了算法上的難題，其次還有來自運算能力的制約。

目前，硅芯片的工藝從90納米、45納米、22納米，到現(xiàn)在最成熟的14納米，雖然單位面積內(nèi)的計算單元越來越多，造價越來越便宜，但這個趨勢已經(jīng)逐漸放緩，最好的例子是英特爾在14納米的工藝上固守了好多年，遲遲沒有往下縮小。雖然不斷有新工藝在產(chǎn)生，臺積電和三星都在為了將工藝水平提升到10nm甚至7nm不斷的努力，但考慮到成本、功耗、散熱等等條件的制約，這樣進步的過程只會越來越慢。曾經(jīng)對IT行業(yè)影響長達半個世紀的“摩爾定律”已經(jīng)走到了盡頭。

圖片來源：未來電晶體科技發(fā)展藍圖與挑戰(zhàn)Applied Materials（2013）

有人說，“一塊芯片不行，用很多塊芯片合起來不就行了？再不行還有云計算啊。”在不考慮功耗和實用性的情況下，多重CPU/GPU的串聯(lián)并聯(lián)或許可以增強一些運算能力，但這樣的處理方式會讓計算受到響應速度和傳輸速度的影響，最終也會達到極限。同理，云計算也是一樣。

算法和運算能力兩個條件并不是相互孤立的，而是相互制約，現(xiàn)實中，人工智能的發(fā)展受到運算能力的約束更多一些。比如從深藍到AlphaGo，實際上就是運算能力的突破而帶來的算法的突破的結(jié)果。

3.和人一樣聰明需要多大的運算量？

要達到強人工智能AGI級別，讓人工智能變得和人類一樣聰明，至少要讓人工智能具備和人類大腦相似的運算能力。

用來描述運算能力的單位叫作cps（calculations per second，每秒計算次數(shù)），要計算人腦的cps只要了解人腦中所有結(jié)構(gòu)的最高cps，然后加起來就行了。谷歌的技術(shù)總監(jiān)Kurzweil曾經(jīng)做過一個估算，其結(jié)論是人腦的cps是10^16，也就是1億億次計算每秒。

中國的超級計算機——天河二號

現(xiàn)在最快的超級計算機，中國的天河二號，其實已經(jīng)超過這個運算力了，天河每秒能進行3.4億億。當然，天河二號占地720平方米，耗電2400萬瓦，耗費了3.9億美元建造。廣泛應用就不提了，即使是大部分商業(yè)或者工業(yè)運用也是很貴的。

Kurzweil認為考慮電腦的發(fā)展程度的標桿是看1000美元能買到多少cps，當1000美元能買到人腦級別的1億億運算能力的時候，強人工智能可能就是生活的一部分了。這顯然是一個有些久遠的現(xiàn)實。

綜合前文所述，弱人工智能可能會在不同的方面分別滲入到我們的生活中，我們的生活也會因為弱人工智能而顯得便利。但目前看來，除非有特別重大的基礎科學和材料科學方面的突破，以解決目前的運算瓶頸，否則強人工智能依舊會離我們很遙遠。超人工智能還依舊是個遙遙無期的設想。

Part3 一些實際的問題

有了前面兩部分關(guān)于人工智能的發(fā)展和前景的論述，接下來我們可以對一些實際的問題進行暢想了。

1.AI會搶人類的工作嗎？

毫無疑問，在某些領域，弱人工智能ANI對人類的替代已經(jīng)開始了。

例如獵豹移動的News Republic，利用數(shù)據(jù)分析和挖掘等手段了解用戶的新聞取向以及使用習慣，通過智能編輯用戶提供豐富多彩的個性化新聞內(nèi)容推薦，同時不斷自我學習和優(yōu)化，讓所有人的界面實現(xiàn)“千人千面”。這代替了傳統(tǒng)頁面編輯的工作。而獵豹移動的LIve.me依靠可以人工智能，識別直播中有黑屏，停頓，或是主播進行色情表演等問題，識別率高達90%。這代替了審核人員的職能。

請點News Republic、live.me的推薦審核等功能都運用了人工智能擊此處輸入圖片描述

例如，近來在大紅大紫的科大訊飛，其在語音語義識別上已經(jīng)做到了97%的準確率，其推出的速記產(chǎn)品訊飛聽見在多個大型會議上都有驚艷的表現(xiàn)，其對語音的判斷和語義的識別已經(jīng)達到了專業(yè)速記的水平，完全可以取而代之。

訊飛聽見現(xiàn)場識別案例

又例如參加過獵豹CONNCET大會的格靈深瞳，其研發(fā)出了“深瞳無人監(jiān)控安防系統(tǒng)”，一舉解決了傳統(tǒng)安防監(jiān)控行業(yè)“看不見”和“找不到”的行業(yè)基本痛點。傳統(tǒng)的安防監(jiān)控中心，一個保安需要同時看幾十上百路視頻，即使發(fā)生了異常事件，能夠被保安看到的概率也是非常小的;而當異常事情發(fā)生以后，需要靠人力去大量的硬盤數(shù)據(jù)里面尋找線索，這是一項極其浩大的工程，耗時特別長，效率特別低。格靈深瞳的產(chǎn)品可以代替“保安盯屏幕”，從而安防單位可以將人力投入到更加重要的事情中。

格靈深瞳的安防相機

通過以上案例，我們不難想象，人工智能對對一些低創(chuàng)新、規(guī)律簡單、重勞力的崗位將沖擊很大。在目前的技術(shù)條件下，隨著學習過程的不斷完善，人工智能將不斷完善，自動駕駛、智能泊車等系統(tǒng)將對駕駛行業(yè)產(chǎn)生巨大沖擊；而經(jīng)過大量學習完善的客服系統(tǒng)將對人工的客服產(chǎn)生不小的沖擊。

人工智能在一段時間內(nèi)不大可能取代人類做一些需要擁有思維能力和創(chuàng)新的工作，原因是智能程度達不到相應的要求。因此來看，藝術(shù)行業(yè)、公關(guān)、HR、營銷、市場、科技創(chuàng)新，管理崗位等等，這些人類職位不會被AI所取代，但AI會對這些行業(yè)產(chǎn)生深刻的影響。

2.我們和AI會是什么關(guān)系？

正如前文所說，人工智能或許會長時間處于弱人工智能ANI階段。未來的工作方式可能是“智能 人工”，在一些AI擅長的領域，AI或許將幫助人類做一些繁重的邏輯、計算工作，以及提出方案、計算可行性等，而人類將在AI的幫助下進行工作。

像是金融市場領域，目前已經(jīng)有很多基金是“智能 人工”的操作方式。

倫敦的對沖基金機構(gòu)Castilium由金融領域大佬與計算機科學家一同創(chuàng)建，包括前德意志銀行衍生品專家、花旗集團前董事長兼首席執(zhí)行官和麻省理工的教授。他們采訪了大量交易員和基金經(jīng)理，復制分析師、交易員和風險經(jīng)理們的推理和決策過程，并將它們納入算法中。

又例如坐落在香港的Aidyia致力于用人工智能分析美股市場，依賴于多種AI的混合，包括遺傳算法(genetic evolution)，概率邏輯(probabilistic logic)，系統(tǒng)會分析大盤行情以及宏觀經(jīng)濟數(shù)據(jù)，之后會做出自己的市場預測，并對最好的行動進行表決。

3.我們會為AI的工作嗎？

那些擔心我們會為了AI工作的人也可放心，就前文列舉的諸多事實來看，未來公司管理運營方面人工智能不會取代人類的CEO。

正如前文所說，人工智能或許會長時間處于弱人工智能ANI階段，弱人工智能ANI是不能勝任管理工作的。我們不會為機器人工作，但是AI融入管理是必然的趨勢。未來在管理中，或許會是“智能 人工”的方式，即AI幫助管理者處理一些量化的工作，AI幫助人類做一些繁重的邏輯、計算工作，以及提出方案、計算可行性等，但真正決策的還會是人類的CEO。“智能 人工”可以帶來高效、低失誤率的工作方式。

如果真有可以管理人類的AI出現(xiàn)，那種量級的AI應該可以被歸類為超人工智能ASI，那個時候或許人類就不單單只是AI的員工了，而是整個人類社會都可以上交AI之手，就像黑客帝國那樣。但就運算能力來看，那天還遙遙無期，所以完全不用杞人憂天。

4.未來AI社會，人類何去何從？

人工智能的廣泛應用可以提高人類的生產(chǎn)力，加強社會福利。這個過程中，人類社會的結(jié)構(gòu)和經(jīng)濟結(jié)構(gòu)也會發(fā)生改變。

目前，已經(jīng)有工業(yè)生產(chǎn)制造等，有標準化的行業(yè)，機器生產(chǎn)取代人工生產(chǎn)已經(jīng)發(fā)生。雖然沒有學習功能，但智能機器人已經(jīng)普遍投入到了生產(chǎn)行業(yè)中，隨著人力成本的提高，這更將成為一個趨勢。

今年10月份，富士康就在中國各大生產(chǎn)基地上布置了超過4萬臺機器人，據(jù)報道稱，，富士康每年可以打造1萬臺機器人，未來它們將繼續(xù)利用機器人替代人類，而僅僅在昆山工廠，它們最近就裁掉了6萬員工。

“富士康機器人”（Foxbots）

未來，機器人、AI代替人類進行繁重、危險的工作是趨勢，這應該是社會的進步，這也有助于提高社會的生產(chǎn)力。而機器人、AI融入生產(chǎn)，換言之也是將人類從繁重的生產(chǎn)勞動中解放出來，必然將改變整個經(jīng)濟的結(jié)構(gòu)。

生產(chǎn)力的發(fā)展，經(jīng)濟結(jié)構(gòu)的改變，必然也會催生新的需求，這也意味著新的工作崗位。而且這種替代發(fā)生在一夜之間的可能性非常小，筆者相信有足夠的時間給人類社會去適應這種改變。

獵豹全球智庫微信號：CheetahGlobalLab