本文節(jié)選自國際技術經濟研究所《人工智能全球格局：未來趨勢與中國位勢》一書，內容略有修改。
遙想1969年，ARPANET（由ARPA創(chuàng)建）剛剛成立的時候，還只是美國國防部防止蘇聯(lián)打擊的冷戰(zhàn)產物。誰曾想在隨后的半個世紀，由ARPANET轉變而來的Internet竟掀起了如此巨大的波瀾。2001年，全球市值最高的前五家公司中，只有微軟一家科技公司，而且當時的微軟并非是一家互聯(lián)網公司。但到了2016年，全球市值最高的前五家公司均是互聯(lián)網公司。在這期間，搜索引擎、社交網絡、移動互聯(lián)網和移動支付等技術一次又一次改變了人們的生活，互聯(lián)網也成就了一個又一個商業(yè)傳奇。
2001-2016年全球市值前五公司的變遷（單位：十億美元）
估計美國國防部在成立ARPANET項目的時候，也難以想象互聯(lián)網在未來會給人類社會帶來多么大的變革。同樣的，人工智能技術的潛力大家都有目共睹，但未來人工智能可以用來做什么，將會給人類社會帶來多大的變革，也在考驗我們的想象力。盡管人工智能技術還處在初級發(fā)展階段，但它現有的能力也足以改變眾多領域，尤其是那些有著大量數據卻無法有效利用的領域。
縱覽歷史，每一次重大的基礎科學理論突破，都必將帶來人類社會的巨大變革。例如，牛頓的經典力學為第一次工業(yè)革命奠定了基礎，法拉第的電磁感應理論和麥克斯韋方程直接引發(fā)了第二次工業(yè)革命，愛因斯坦、馮·諾依曼等科學家無疑是第三次工業(yè)革命的“幕后推手”。人類一旦認識了新世界，就必然會創(chuàng)造工具來改造舊世界，社會就會沿著“基礎科學理論突破→新工具誕生→生產效率極大提升”的模式產生變革。
但被很多人詬病的是，近幾十年來基礎科學理論沒有像樣的重大突破。例如，核電技術在60年代就商業(yè)運營了，核聚變卻仍然遙遙無期；登月火箭和高鐵60年代就造出來了，但相關材料科學卻沒有重大進展；粒子物理和弦理論等物理學的理論發(fā)展幾乎停滯；在醫(yī)學上，癌癥、艾滋病和帕金森等疾病仍然難以治療。雖然最近幾十年應用物理的發(fā)展很快，比如手機一代一代更新、汽車一代一代進步，但基礎科學理論都是在“吃老本”。
隨著人工智能的發(fā)展，基礎科學研究仿佛又有了的新希望。在瀏覽Phys.org和EurekAlert!網站（全球最著名的科技新聞網站）的時候，可以發(fā)現2016年以來出現了很多關于人工智能促進新材料、化學和物理研究的新聞。
2018年12月，僅“人工智能+新材料”領域的消息就有4條，這足以說明學術界對人工智能工具的重視。仔細瀏覽一遍，還可以發(fā)現美國幾乎主導了這方面的研究。美國學術界一直對利用大數據加速科學研究抱有濃厚的興趣，例如“材料基因組”就是由美國發(fā)起的，美國人對大數據在科學研究中的作用有著更深刻的認識，繼續(xù)引領“人工智能+材料/化學/物理”領域的研究也不足為奇。
2018年12月關于人工智能變革新材料研發(fā)方式的幾則消息
實際上，材料、化學、物理等基礎科學領域的研究過程中充滿了“大數據”，從設計、實驗、測試到證明等環(huán)節(jié)，科學家們都離不開數據的搜集、選擇和分析。由于物理、化學或力學規(guī)律的存在，這些領域的數據往往都是結構化的、高質量的以及可標注的。
人工智能技術（機器學習算法）擅長在海量數據中尋找“隱藏”的因果關系，能夠快速處理科研中的結構化數據，因此得到了科研工作者的廣泛關注。人工智能在材料、化學、物理等領域的研究上展現出巨大優(yōu)勢，正在引領基礎科研的“后現代化”。
以物理領域為例，人工智能的應用給粒子物理、空間物理等研究帶來了前所未有的機遇。為尋找希格斯玻色子（上帝粒子），進一步理解物質的微觀組成，歐洲核子研究中心（CERN）主導開發(fā)了大型強子對撞機（LHC）。LHC是目前世界上最大的粒子加速器，它每秒可產生一百萬吉字節(jié)（GB）的數據，一小時內積累的數據竟然與Facebook一年的數據量相當。
有一些研究人員就想到，利用專用的硬件和軟件，通過機器學習技術來實時決定哪些數據需要保存，哪些數據可以丟棄。事實證明，機器學習算法可以至少做出其中70%的決定，能夠大大減少人類科學家的工作量。
盡管人工智能商業(yè)化發(fā)展更容易受關注，但人工智能在基礎科研中的應用，卻更加激動人心。因為社會生產力的變革，歸根結底在于基礎科研的進一步突破。我們或許再也回不到有著牛頓、麥克斯韋和愛因斯坦等科學“巨人”的時代。在那個時代，“巨人”們可以憑借著超越時代的智慧，在紙張上書寫出簡潔優(yōu)美的定理，或者設計出轟動世界的實驗。
像這樣做出偉大工作的機會或許不多了，在這個時代，更多需要的是通過大量實驗數據來獲取真理的工作。大到宇宙起源的探索，小到蛋白質分子的折疊，都離不開一批又一批科學家們前赴后繼、執(zhí)著探索。人工智能技術的應用，或許能幫助藍色星球的科學家們擺脫無窮無盡實驗的痛苦，加速重大科學理論的發(fā)現，將人類文明提升到新的層次。
人工智能無疑是計算機應用的最高目標和終極愿景：徹底將人類從重復機械勞動中解放出來，讓人們從事真正符合人類智能水平、充滿創(chuàng)造性的工作。在60年的人工智能發(fā)展史中，已經誕生了機器翻譯、圖像識別、語音助手和個性推薦等影響深遠的應用，人們的生活在不知不覺中已經發(fā)生了巨大變化。未來，人工智能應用場景進一步延伸，是否能夠帶來社會生產效率的極大提升，引領人類進入新時代？
為了探索這一問題，曾在谷歌和百度擔任高管的吳恩達于2017年成立了一家立足于解決 AI 轉型問題的公司 Landing.ai。吳恩達通過一篇文章和一段視頻在個人社交網站上宣布了該公司的成立，并表示希望人工智能能夠改變人類衣食住行等方方面面的生活，讓人們從重復性勞動的精神苦役中解脫。
Landing的中文含義是“落地”，這家公司的目標是幫助傳統(tǒng)企業(yè)用算法來降低成本、提升質量管理水平、消除供應鏈瓶頸等等。截至目前，Landing.ai已經選擇了兩個落地領域，分別是制造業(yè)和農業(yè)。
Landing.ai官網頁面
Landing.ai最先與制造業(yè)巨頭富士康達成合作。Landing.ai嘗試利用自動視覺檢測、監(jiān)督式學習和預測等技術，幫助富士康向智能制造、人工智能和大數據邁進，提升制造過程中AI應用的層次。吳恩達認為，人工智能對制造業(yè)帶來的影響將如同當初發(fā)明電力般強大，人工智能技術很適合解決目前制造業(yè)面臨的一些挑戰(zhàn)，如質量和產出不穩(wěn)定、生產線設計彈性不夠、產能管理跟不上以及生產成本不斷上漲等。
目前，工業(yè)互聯(lián)網、智能制造和工業(yè)4.0等概念已經深入人心，傳統(tǒng)企業(yè)都在向智能化、數據化轉型，但生產過程中獲取的大量數據如何應用又成了新的問題。Landing.ai與富士康的合作，或將給傳統(tǒng)制造的從業(yè)者帶來新啟示。
繼富士康之后，Landing.ai又與農業(yè)機械制造商中聯(lián)重科達成了戰(zhàn)略合作協(xié)議。雙方聯(lián)姻后，攜手研發(fā)由人工智能技術驅動的農業(yè)機械產品，這些設備利用機器學習將具備在作業(yè)現場自我智能決策的能力，從而將產品的智能控制提升到新的高度。
吳恩達表示，“由人工智能技術驅動的農業(yè)，將會減輕農民的勞動強度，同時也使整個作業(yè)更加環(huán)保，這樣人們將更容易獲取更安全、更健康的食物。”Landing.ai與中聯(lián)重科的合作是“智慧農業(yè)”發(fā)展的一個縮影，未來人工智能+農業(yè)的發(fā)展還有著更多想象空間。當農業(yè)進入了大數據時代，機器作業(yè)時可以利用產量、氣候、溫度、濕度和土壤等各方面的數據進行調整，進一步提升農業(yè)生產效率。
當然，制造業(yè)的核心競爭力還在于制造業(yè)本身，比如車床的精度、熱處理爐的溫度控制能力等等，農業(yè)的核心競爭力也在于農業(yè)本身，比如育種技術、轉基因技術等等。人工智能技術的主要價值在于提升決策能力，進一步提升生產效率，以及降低人的重復性勞動等方面，這就是人工智能為什么可以“賦能”各個行業(yè)的原因。
自第一次工業(yè)革命以來，人類活動對自然界造成的影響越來越大，日益增長的資源需求使得土地利用情況產生巨大變化，污染愈發(fā)嚴重，生物多樣性銳減，人類的生存空間變得越來越惡劣。
從1850年開始，全球氣候變暖開始越來越嚴重，由此引發(fā)的水資源供應、氣溫反常、沙漠化等問題接踵而至，人類與自然生態(tài)系統(tǒng)的動態(tài)平衡被擾亂。近年來，全球氣候變暖問題已經受到全球范圍內的高度重視，節(jié)能、環(huán)保、綠色和可持續(xù)發(fā)展已成為世界各國政策的落腳點。
根據聯(lián)合國的預測，2050年世界人口將從現在的76億增長至98億，2100年更將達到112億，其中一半以上的人口增長量將來自南亞和非洲地區(qū)。隨著人口的迅速增長和經濟的不斷發(fā)展，全球能源消費需求將會呈直線上升的趨勢，現有高污染、高能耗的發(fā)展模式將難以為繼。
在這種大背景下，全世界都在大力發(fā)展太陽能、風能以及核能等清潔能源，并積極研發(fā)可降解的生物質材料來替換石化產品。進入人工智能時代后，怎樣更好地利用大數據和機器學習等前沿技術，為環(huán)保和綠色產業(yè)賦能，成為了政府、科學家、公眾以及企業(yè)的關注焦點。
在能源利用方面，谷歌旗下的DeepMind無疑走在了最前面。2016年開始，DeepMind將人工智能工具引入到谷歌數據中心，幫助這家科技巨頭節(jié)省能源開支。DeepMind利用神經網絡的識別模式系統(tǒng)來預測電量的變化，并采用人工智能技術操控計算機服務器和相關散熱系統(tǒng)，成功幫助谷歌節(jié)省了40%的能源，將谷歌整體能效提升了15%。
2018年后，DeepMind更是將“觸手”伸向了清潔能源領域。我們都知道，風力發(fā)電因為有較大的波動性和不可預測性，因而難以并入電網，無法有效利用。DeepMind利用天氣預報、氣象觀測等數據訓練神經網絡模型，可以提供36小時后的風力預測，從而讓農場的風力發(fā)電變得能夠預測。一旦風力發(fā)電可以預測，電廠就能有充裕的時間啟動需要較長時間才能上線的發(fā)電手段，與風力互補。如此一來，風電并網難的問題就可輕松解決。
在自然環(huán)境保護方面，微軟的“人工智能地球計劃（AI of Earth）”則為大家做出了表率。這一計劃于2017年7月啟動，旨在借助云計算、物聯(lián)網和AI技術，保護和維持地球及其自然資源，通過資助、培訓和深入合作的方式，向水資源、農業(yè)、生物多樣性和氣候變化等領域的個人和組織機構提供支持。
例如，“SilviaTerra”項目通過使用Microsoft Azure、高分辨衛(wèi)星圖像和美國林務局的現場數據來訓練機器學習模型，實現對森林的監(jiān)測；“WildMe”項目通過使用計算機視覺和深度學習算法，可對瀕臨滅絕的動物進行識別；“FarmBeats”項目在戶外環(huán)境下可以通過傳感器、無人機以及其它設備改進數據采集，進而提高農業(yè)的可持續(xù)性。
在前三次工業(yè)革命中，科學技術進步給人們帶來極大生活便利的同時，也帶來了氣候變化、生物多樣性退化、大氣與海洋污染等棘手的自然環(huán)境問題，人類的生存環(huán)境正逐漸變得惡劣。
從表面上看，似乎發(fā)達經濟體的自然環(huán)境已經改善了，但這種改善是以轉移污染、破壞發(fā)展中國家自然環(huán)境為代價的，世界整體的自然環(huán)境狀況依然不容樂觀。一直以來，人們寄希望于未來的科學技術進步能夠解決當下的自然環(huán)境問題，而人工智能技術的出現點燃了這一希望。一旦人工智能技術可以加速基礎科學理論的突破，實現生產效率的大幅提升，有效改善人類的生存空間，一切發(fā)展與自然環(huán)境的問題也就迎刃而解。
4.總結
站在2019年看人工智能，不免感到幾絲寒意。人工智能算法沒有明顯突破，魯棒性差、算法黑箱等問題依然突出，部分商業(yè)化落地也不及預期，一些專家學者開始擔心人工智能將迎來新的“寒冬”。
但若站在未來回顧人工智能，當前所有的擔憂將僅僅是一個個小插曲。即便是目前，人工智能技術的潛力也遠遠未終結。人工智能即將帶來的變革，仍將會超乎大部分人的想象。近年來，許多行業(yè)都已切實感受到人工智能帶來的顛覆，包括金融、制造、教育、醫(yī)療和交通等等。但人工智能的價值維度還有很多，加速基礎科學研究、提升社會生產效率和改善人類生存空間也只是其中的幾個方面，我們不妨先提升一下自己的想象力。人工智能將為人類帶來怎樣的變革，讓我們拭目以待吧！
作者丨宮學源
