B体育人工智能虽然今年很火，但对于它是个什么鬼依然很多人搞不清，今天智能菌在参考大量资料的基础上，尤其是知乎大神@谢熊猫君的那篇神级翻译的《为什么最近有很多名人，比如比尔盖茨，马斯克、霍金等，让人们警惕人工智能？》，做了一个详细的图解笔记，从人工智能的定义、分类和发展路径等角度，给大家展示了一个全面的AI图谱。
人工智能（Artificial Intelligence）：它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。1956年由约翰.麦卡锡首次提出，当时的定义为“制造智能机器的科学与工程”。人工智能目的就是让机器能够像人一样思考，让机器拥有智能。时至今日，人工智能的内涵已经大大扩展，是一门交叉学科。
基础设施层：回顾人工智能发展史，每次基础设施的发展都显著地推动了算法层和技术层的演进。从20世纪70年代的计算机的兴起，80年代计算机的普及，90年代计算机运算速度和存储量的增加，互联网兴起带来的电子化，均产生了较大的推动作用。到21世纪，大规模集群的出现，大数据的积累，GPU与异构/低功耗芯片兴起带来的运算力的提升，促成了深度学习的诞生，点燃了人工智能的爆**潮，其中海量的训练数据是人工智能发展的重要燃料。
算法层：机器学习是指利用算法使计算机能够像人一样从数据中挖掘出信息，而深度学习作为机器学习的一个子集，相比于其他学习方法，使用了更多的参数、模型也更复杂，从而使得模型对数据的理解更加深入也更加智能。
计算机视觉：计算机视觉的历史可以追溯到1966年，人工智能学家Minsky在给学生布置的作业中，要求学生通过编写一个程序让计算机告诉我们它通过摄像头看到了什么，这也被认为是计算机视觉最早的任务描述。计算机视觉借鉴了人类看东西的方法，即“三维重构”与“先验知识库”。计算机视觉除了在比较成熟的安防领域外，也应用于金融领域的人脸识别身份验证、电商领域的商品拍照搜索、医疗领域的智能影像诊断、机器人/无人车上作为视觉输入系统等。
语音处理：让机器学会“听”和“说”，实现与人类的无障碍交流一直是人工智能、人机交互领域的一大梦想。1920年生产的“Radio Rex”玩具狗可能是世界上最早的语音识别器，第一个真正基于语音识别系统出现在1952年，AT&T贝尔实验室开发的Audrey的语音识别系统，能够识别10个英文数字，正确率高达98%。比如Apple Siri，Echo等。
自然语言处理：人类的日常社会活动中，语言交流是不同个体间信息交换和沟通的重要途径。对机器而言，能否自然的与人类进行交流、理解人类表达的意思并作出合适的回应，被认为是衡量其智能程度的一个重要参照。
规划决策系统：人工智能规划决策系统的发展，一度是以棋类游戏为载体的。比如，AlphaGo战胜李世石，Master对顶级选手取得60连胜，机器人，无人车。
• 语音处理主要是自动且准确的转录人类的语音。一个完整的语音处理系统，包括前端的信号处理、中间的语音语义识别和对话管理以及后期的语音合成。
– 前端处理：说话人声检测，回声消除，唤醒词识别，麦克风阵列处理，语音增强等。
• 未来：真正做到像正常人类一样，与他人流畅沟通，自由交流，还有待时日。
• 计算机视觉指计算机从图像中识别出物体、场景和活动的能力，包含图像处理、识别检测、分析理解等技术。
– 图像识别：过程包括图像预处理、图像分割、特征提取、判断匹配，可以用来处理分类、定位、检测、分割问题等。
– 图像理解：本质是图像与文本间的交互，可用来执行基于文本的图像搜索、图像描述生成、图像问答等。
• 未来：计算机视觉有望进入自主理解、分析决策的高级阶段，真正赋予机器“看”的能力，在无人车、智能家居等场景发挥更大的价值。
• 自然语言处理的几个核心环节：知识的获取与表达、自然语言理解、自然语言生成等，也相应出现了知识图谱、对话管理、机器翻译等研究方向。
– 机器翻译：由传统的PBMT方法到Google的GNMT，流畅度与正确率大幅提升。
• 应用：搜索引擎、对话机器人、机器翻译、甚至高考机器人、办公智能秘书。
如今这个时代，无时无刻不在产生大数据。移动设备、廉价的照相机、无处不在的传感器等等积累的数据。这些数据形式多样化，大部分都是非结构化数据。如果需要为人工智能算法所用，就需要进行大量的预处理过程。
主流的算法主要分为传统的机器学习算法和神经网络算法。神经网络算法快速发展，近年来因为深度学习的发展到了高潮。
人工智能的发展对算力提出了更高的要求。以下是各种芯片的计算能力对比。其中GPU领先其他芯片在人工智能领域中用的最广泛。GPU和CPU都擅长浮点计算，一般来说，GPU做浮点计算的能力是CPU的10倍左右。
另外深度学习加速框架通过在GPU之上进行优化，再次提升了GPU的计算性能，有利于加速神经网络的计算。如：cuDNN具有可定制的数据布局，支持四维张量的灵活维度排序，跨步和子区域，用作所有例程的输入和输出。在卷积神经网络的卷积运算中实现了矩阵运算，同时减少了内存，大大提升了神经网络的性能。
人工智能：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法及应用系统的一门新的技术科学。
机器学习：专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。是人工智能的核心研究领域之一，任何一个没有学习能力的系统都很难被认为是一个真正的智能系统。
深度学习：源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
人工智能究竟会如何改变我们的生活？ 它会不会像之前的电力革命， 互联网革命那样彻底重塑我们的生活? AI革命的本质又是什么？
这篇小文带大家展望一个未来的人工智能新世界，从衣食住行的方方面面，到新经济的方方面面，直到人生的意义和价值本身，想象人工智能将会给世界带来的巨大变化， 以至如何重塑我们的生命本身。 然后， 我们会后退一步， 仔细去看今天人工智能给人类各个产业带来的变化，互联网， 金融，医疗，安防，还是制造业， 最终所有企业， 为什么会一一引入这头猛兽， 对于普通人到底会迎来哪些机遇和挑战， 你会沦为一个被别人利用的数据棋子， 还是AI的掌控者赢得人生？ 都是我会涉及的话题。
在过去的5000年里，人类经历了所谓的农业革命， 铁器革命，以蒸汽机为代表的第一次工业革命， 以电力为代表的第二次工业革命， 以及信息革命。我们说，这几次革命称之为革命，都是把人从一部分不得不做的繁重劳动中解放出来。 农业革命使得我们不用为了惆怅食物来源而打猎冲击，而都是用工具或机器来取代一部分人力能做的事情。铁器革命大量金属工具取代人手的功能，而工业革命时代， 蒸汽机的火车头替代了牲口， 珍妮纺织机取代了手工织布， 到了有电以后，以至于电脑的发明，连人类的简单运算功能，都开始被机器取代掉。 而因特网为代表的信息革命， 使得人与人的连接方法，乃至社会不同要素的组合效率得到了一个质变， 人不用在每天记忆大量无用的知识， 人的大脑开始迅速被解放。
然而， 上述的革命，都建立在一个基础上， 是人的经验的长期积累， 被提炼成知识， 提炼成科学，然后一步步产生出来的。 是一个个鲜活的人， 他们的大脑， 把经验写成书籍， 然后书籍的知识在一点点的被下一代人学习， 融合了它们的经验，再度汇集成书籍这个过程本身。 如果我们说， 有一天， 连这个从经验中形成知识的过程都可以交给机器， 那你说， 这是不是一场某种意义上，终极的革命? 没错， 这， 就是AI革命。
在工业革命时代， 我们通过思考制造机器B体育， 在AI时代， 我们制造会思考的机器。 人工智能对未来的改变， 是对我们一点一滴的形成知识的过程本身的自动化。是让我们的这个用机器取代人力的过程本身的自动化。在AI革命前，刚刚所描述的整个过程，我们而可以称之为人类学习和发现的过程，是人类大脑的专利。 未来， 这一切将化作历史
在讲解AI革命之前， 我们要先弄明白一个东西叫算法。 说到算法， 你可能会想到程序。在计算机出现的初期， 我们就试图把人类的知识，比如计算， 放入到计算机里，然后通过程序来解决问题， 这个东西我们通常称之为算法。我们可以说AI革命前的计算机时代， 算法已经在全面的改变我们的生活。算法首先表达的是人类的逻辑， 通常可以被数学公式，或者是某种符号语言表达。然后我们通过晶体管精密的运作方式表达这种逻辑， 然后帮助人类来工作。
具体理解什么是算法， 一个非常典型的例子， 排序就是一个很经典的算法， 杂乱无章的数字堆在一起， 我们要一从大到小给它排列出来。然后， 我们会规定一个过程， 让这串数据进去， 然后整齐从大到小的出来，这就是一个算法。 我们可以如何做呢？ 有无数种方法， 最简单的让每个数据从左到右与旁边数据比较，每次遇到比自己大的， 就右移一格， 遇到不如自己的， 就不动，这样下来， 然后那个小的继续比较， 这样最小的那个就沉到最后， 这样再对剩下的数处理， 往复循环，就可以从小到大的出来。 当然我们可以发明无数过程实现这个东西，比如插入法， 堆排序等，但是万变不离其综的是， 一个可以自动实现的过程， 每一步按照一定规则行进，得到一个我们想要的结果。我们可以看到算法是把人的逻辑过程给自动化了。
进一步想， 算法其实也并不一定是程序。 通过一个给定的规则和自动化的过程得到一个结果，只要是这件事，有没有计算机都可以看成算法。比如生物进化可以看作一个巨大的遗传进化算法，一开始有一堆原始的细胞， 然后你规定一个过程，细胞可以通过遗传产生一样的新细胞， 这个过程会有错误出现变异， 然后自然环境可以选择有利的变异， 只要迭代论述足够多， 这个算法得到的结果是所有复杂的生命类型。一些社会现象， 如自由市场对经济的调控， 也可以看作算法，你自己可以回去想下。
这告诉我们， 算法是分层次的， 最上层的， 是符号世界的算法也就是一个数学体系， 最下层的， 是物理世界的部分。因为算法本身其实是一大堆可以作的符号的一个抽象的变换过程， 但是当它落到计算机程序上， 其实就被转化为一大堆晶体管的开开闭闭， 这就是物理实现的层次。 当然如果硬要说两者之间也还有一个层次，也就是程序员在计算机上的代码， 一方面它属于符号世界的具体化，因为同一个算法你可以用python也可以用java， 一方面它又高于硬件层， 同一个程序你可以在不同计算机上跑吗。 这可以看作程序层。
因此我们可以不停的把人或者自然的算法输入到计算机，让计算机帮我们完成这些事。大到我们可以把牛顿定律输入到电脑里，帮我们计算登月飞船的轨道， 也可以把狄拉克方程放进去， 帮我们调节加速器的电磁场， 小到写一个管理公司账目的程序， 让电脑管理我们的账户。
而AI革命建立在算法革命之上的， 却超越之， 为什么呢？ AI算法与一般程序算法的区别在于什么？就是AI算法可以看作是让计算机自己来写算法的算法， 写程序的程序。 所谓generative algorithm， 何为能够写程序的程序， AI算法之前的程序， 实质上做的是按人类的指令做计算，当你指定了在某个大小的螺母里放进一个螺钉，它就是会那么一直做下去， 而现代的AI算法呢？ 我们说当下的AI算法本质上寻找的是那个螺钉和螺母两者间的匹配法则，如果尺寸不合适， 我如何去自己换一个。这样的好处是什么， 如果这个世界螺钉和螺母匹配的方法只有一个， 那么或许我们还是可以用老办法一个个的写出来，但是如果这个匹配的方法多种多样，因不同的国家而不同， 那么我们写好一个AI算法， 就等于一次解决了所有的匹配问题， 相当于10行代码， 可以产生之前几千行，几万行的效果。
这说的还是有点抽象了，快速的思考， 你就把每个AI算法看成一个小机器人，它能够通过数据， 学到某中人的能力，比如做匹配， 把某男和某女的特征输入给它， 它就知道合不合适。这个匹配的方法在不同国家不一样， 但是只要你有足够数据， AI就会精准的找到这个匹配法则。 对， 没错， 你要让它学习， 你就要给它数据，AI算法从数据里总结规律。
这仅仅是第一步， AI算法要学习的，是学习整个人类的学习能力。 一旦计算机掌握了这个能力，它就可以掌管越来越多只有人类才能掌管的事情。 这意味着什么？ 那些几千年来我们认为的最卓越的人类脑力劳动， 计划， 决策， 甚至发明创造， 都可以逐步的被机器取代。当它变得越来越强大和细腻，它甚至会比你更了解你自己， 成为每个人的主宰者。
首先， 我们说，AI算法会重新定义我们的个人生活。你会想到哪些方面呢？你是否已经被公共号洗脑了呢？ 以下是经常被人们提及的几个未来生活场景， 我就附加上我的分析。
想象20年后的一天早上，你大脑上带着的智能睡眠检测系统会根据你的脑电波图，根据你晚上经过的睡眠周期，确定是否该把你叫醒，然后你在徐徐启动的音乐里，一点点苏醒，开始你美妙的一天。
我们睡醒之后， 智能手环已经检测到了你今天你的血液指标，根据你最近进食的记录和偏好， 给你选好了适宜的早餐，发送指令给厨用机器人做好。 吃早餐的时候，会根据你最近的血液成分记录， 你的长期信息偏好， 给你呈现上个性化定制的早餐。这个原理， 跟上面是一样的。
由于又到了每周的体检时间， 个人电脑会提示你吃完早点到离你最近的体检中心进行检测了。 检测中心里， 你从大脑到身体的所有系数都被计算一遍， 然后根据超级计算机里你的计算机情况， 检测到你一个5年后你获得胃癌的风险， 巨大的模拟器开始启动， 模拟不同的病情风险调控方案下， 你会得到的结果， 几亿次模拟之后，一个最佳的推荐方案已经形成。 这个方案包含了整个几年你的饮食和运动计划， 将潜在风险降到最小。 这样， 由于一些致命的疾病几乎被消除了， 人的寿命会变得极长，配合器官更换一类的技术， 我们甚至会开始攻克死亡。 然而不幸的是， 由于贫富分化是存在的， 这些最新技术一定是用于最富有和有权利的人， 所以， 人类最终将不仅仅是财富的分化，而是生理的分化， 变成两个物种。
分析： 技术上， 像睡眠，饮食这一类生活中最基本的事情，我们说在今天的时代似乎与算法和数据无关， 事实上，这些东西的一点一滴都和算法有关。比如人的大脑， 这台由一千亿个神经元组成的宇宙间最复杂的机器，事实上是一大堆生物算法的集合。 你虽然接受这台精密仪器的指令， 你却事实上对他一无所知。（比如人在睡梦中形成和固化前一天的记忆…. ）对于人脑这样复杂的机器的真正管理在AI时代成为可能。 为什么？ 首先，AI算法通过传感器（核磁， EEG）获取人脑的数据，然后它们可以很有效的利用AI算法学到这些传感器的数据与我们的大脑认知功能状态的关系， 比如你处在什么样的睡眠周期。然后， 这些AI算法就可以做到控制， 比如在你的睡眠周期那个最适合苏醒的阶段叫醒你。
我们的身体也是一样，在21世纪以前， 即使是最精确的西医，对身体的毛病B体育， 也是坏哪修哪的一种修机器的逻辑。而AI算法一旦介入，我们的身体数据会事实的计入到检测数据中，模型可以根据整个身体的各个参数的实时检测任何病症的风险，来预测所有需要在前期做到的预备工作。
因此技术是可行的。 至于是否会像未来简史的作者Uval担心的那样将人类分成两个物种，我认为这样的可能并不大， 因为数据有关的技术从一个人迁移到另一个人成本不大。 正是因为有了AI的远程医疗系统， 有些非常贫穷的地区目前可以接受到最先进地区的诊疗效果，这点上看AI是在消除不平等。
你是一个不善交际的AI程序员， 早上写了两小时程序， 你的大脑监控仪早已发现了你有效率减低趋势，于是， 它建议你出去走走。 一辆自动驾驶的清洁能源车早已停在了门口，它决定带你到颐和园里走一趟，当然如果你不满意只要在地点选项上稍微调整一下就好了，于是车辆启动，前往目的地。
在公园里， 你的个人助理系统知道你平时很宅但其实喜欢邂逅， 于是它迅速与目前处在公园里的异性的个人AI助理进行沟通， 匹配双方的数据，然后计算得到了一个最佳的邂逅对象， 双方电脑达成共识给主人发送一条信息。 于是一场欢乐的邂逅就开始了。
当然不善言辞的你见到她感到有点紧张， 没关系， 个人助理跟据对方的性格， 已经给你做好了聊天提示， 你啥事变得十分健谈。由于这样的太多太容易， 我们已经不愿意去和一人结婚终老， 而是享受这种U盘式的邂逅关系。
甚至由于助理机器人的功能过于强大， 很多宅男和她聊天就已经不愿意接触人类了。
分析： 这个故事是展示AI对人类社交可能产生的影响， 人与人的最佳匹配变得太过容易， 会不会最后动摇了婚姻家庭等各类最基础的人类关系纽带B体育。 倘若一段关系的开始，仅仅是在你的个人助理app里发出一条请求， 还会有人需要长久的关系吗？
我们再从人类社会尺度来看这个美丽新世界。 机器， 已经普遍的存在在了所有以前认为只有个体才完成的职位上。我们看到空无一人的汽车生产线，空无一人的医院， 即使是最精妙的技艺， 配备了最好的视觉和听觉识别系统， 经过了多轮强化学习的机器也可以娴熟的完成。 那你要问劳动者在什么地方？都在玩啊，除了几个极为聪明的AI工程师。
分析： 这可能是你听到的公号上最多的一个故事， 关于自动化和失业。 我个人认为，首先这样一个故事真正实现的历程会很漫长，再有， 就算有那么多AI占领 了工厂的流水线， 就有更多的人进入到整个AI的生产线里，这并不仅仅包含程序员， 还包括需要大量检测AI在各种情况下行为合理性的人， 就拿无人驾驶情况看B体育，一辆新的无人驾驶车出来，那么它可能和之前车不一样的就不仅仅是发动机， 还有行为规则， 比如在各种特殊情况下是选择保守还是效率 ， 那么单纯对AI行为的管理就要有多少设计师呢。还有有些人可能会变成AI分析家， 比如柯洁已经开始想从阿法狗那里探讨围棋的真谛了。
退一步讲， 即使AI真的取代了大量取代了人的工作， 也不是人类末日，人类并非一定为工作而生， 有很多可以给人生活以意义的事情， 那么如何制造一个低工作但是高幸福度的社会或许就是那时候新的课题吧 。
那么政府呢？ 那些决定国际民生的首脑呢？ 这些还需要大量人来管理吧。 事实上， 在这个新世界， 首脑也已经被积累了人类历史发展的所有数据库的超级决策系统替代， 你要在城市的某个地点修个铁路吗，好了， 我们的数据决策系统会根据以往所有铁路的收益数据， 加上目前整个地区的特征， 给出一个修建铁路的收益预测， 和推荐指数， 要知道， 这可比以前的那些什么智囊团的决策效率高的多，人的决策说到底是被各种情绪和潜意识左右的， 而不同的人， 而所谓的投票， 只要人的情绪收到某些共同的因素影响和操纵， 可以非常的不理性。
分析： 这也是很多AI爱好者关心的一些方面 ，虽然这个故事实现不是完全没有可能，但是我认为在50年内实现的可能性不大， 能用AI做的一些微观影响的决策的确可能被AI所承包掉，
但是国家能做的更复杂的具有强烈动机的决策，比如实现某种改革保证某个阶级利益这一类， 除非强AI成为现实，否则将几乎不可能被取代。
既然大部分的产业， 甚至政府的主要功能， 都已经被AI去掉，那我们自然的会问， 人类在干什么。事实上， 这个时候最有用的职业可能是哲学家， 因为他们最喜欢的讨论是人生的意义何在， 这可是在这个时代非常有意义的话题， 因为我们的生活的主要决策既然都可以大量的交给AI算法， 人存在的意义又何在，除了那些极个别的设计算法的天才外， 你， 作为一个普通人， 存在的意义何再？ 在几十年前， 你起码可以说我就是我的自由意志， 我思故我在， 我动故我在，而现在，你大脑里的每一个脉冲都被机器记录， 然后它比你预先的知道你想要去哪里， 会和谁dating， 如果机器想控制你，那么只要按照一定的方法引导你的多巴胺信号，就会让你不知不觉的成为你不想成为的人。 这样的世界不是太可怕了吗？ 你存在和意义何在？ 所以在这样的一个世界里， 哲学家或心理学家成为了非常好的职业，他或许会不停的引导你如果你去发挥你在某个方面的才干， 你会创作出一些好的艺术品， 比如你可以去写小说， 去画画， 你连续的创造和提升， 或许就是你的生命意义。
分析：这里的观点认为创作永远属于人的领地， 但从AI算法发展角度看，不一定。当下的gan技术， 已经能够模拟人创作一些具有固定艺术风格的画，如果未来结合了阿法狗里用到的强化学习，那么说不定超越了简单的摹仿大家作品， 而是在不同的大家作品里寻找出人类创作的进化规律， 去不停的产生新的能够取悦于人的艺术风格。
那么科学创造呢？ 是的， 我们说科学创造是人类历史的长河里， 建立在大量经验之上的灵感火花带来的突破性创新，波普尔认为这些科技成果的出现甚至是没有太多的可预测性，由于科技进步的偶然性，带来了人类历史进程的不确定性。 然而在真正的AI时代， 这也可能发生改变， 除了相对论这一类的非常接近哲学的研究，大量的实验学课，比如药物的设计， 会被机器取代， 因为这一类学科的探索取决于大量试错， 这个试错过程让AI来做远比人高的多， 所以未来，大量的高效药物， 可能会是AI设计出来的， 而你所做的汽车，飞机从形状曲线， 到材料选择， 也都来自于AI。
当然， 那些相对论，进化论级别的发现呢？ 这也许并非AI一时所能级，因为本质上这些东西需要AI建立对世界的整个认知系统， 和最关键的，对自我的认知， 即使是21世纪初期的脑科学，也对这些一无所知， 而如果这些都有一天被突破， 那么我们所面临的就已经面临的不是人的存在意义与否的问题， 而是人类本身是否还需要存在了。 既然这个基本问题一时是没有答案了，我们也就不需要太过焦虑这个问题了。
这是AI可能在几十年里带来的美丽新世界， 虽然我有足够的理由认为这是未来的趋势，却不是我们今天需要担心的， 我们更多需要担心的，是在今天， 以及未来的3，5年， AI将会如何影响我们的生活。 我们就来一个一个剖析一下未来的产业布局里， AI将会如何一个个的影响每个产业的未来。
都说AI将要入侵各个产业， 然而你自己的行业什么时候会被AI渗入， 你有没有一套思维方法， 这里我就要给大家一套思考这个问题的思维框架。
首先我们从宏观层面看这个问题， 什么是AI时代的企业？ 我们说， 每个企业都带着自己的一个个时代烙印，20世纪初最典型的成功企业是福特，通用汽车这样的公司， 20世纪中期最典型的成功企业是索尼松下这样的公司， 而到了21世纪最成功的企业是谷歌。
AI时代企业的特点我用数据驱动的自我优化的闭环来形容，我们来看一个更小的公司为例子， 它叫waze， waze是一家提供实时地图导航的以色列公司， 如果你去查询这家公司，你会发现“社区导航”这几个字历历在目。
与一些单纯的电子地图或卫星地图的不同是， 下载waze进行地图查询的公司同时会把自己的信息（如gps）定位发送给waze。 也就是说， 它的客户就是地图的来源， 而这个数据将构成产品的一部分，你想想，如果很多的用户下载了waze 的工具， 我们就得到了一个地图上具有大量动态车辆数据的地图， 而使用用户越多， 这个地图就越实时精确，同时，越实时精确， 就越能吸引用户， 提高更高的精度，这就形成了一个良性的闭环， 而产品的边界也大大扩张，它不是仅仅一个产品（一个app的所有代码），而是包含了产品的所有客户（社群）， 云端数据库， 和app组成的一个合体，一个闭环。
用同样的思路设计的产品还有特斯拉， 特斯拉公司的新型汽车非常酷炫， 而这种酷炫背后是不折不扣的AI科技， 你每购买一个特斯拉汽车， 就相当于购买了一个云端的特斯拉汽车， 因为你的汽车会不停的向云端的终端共享你的驾驶数据，这个共享过程， 会产生的结果是什么呢? 特斯拉汽车将取得非常多牛逼司机的驾驶数据，当然也包括菜鸟的出错记录，这就好比无数牛逼的教练在帮助特斯拉汽车逐步的掌握人才能掌握的驾驶技巧。 同样的， 特斯拉把所有的客户（司机）变成自己产品的一部分。 客户越多，产品越好， 同时客户更多。
我们说， 现代AI公司需要具备的几个基本特征就是： 1， 产品自身具备感官系统， 可以实时采集数据 2，产品和客户产生互动，产品不仅可以影响客户，客户也即使反作用给产品， 所以需要将客户包含在产品里 3 ， 客户的使用导致更多的数据， 使得产品进化， 产品进化带来更多的客户，构成一个闭环。
从上面观点看如果说AI前的产品就是一个机器， 那么AI时代的产品就更像是一个生命体。
我们就用上面的观点来看AI对各个产业的影响， 我把这一类影响按大小分为三大类：1， 整个产品是一个AI算法：比如互联网， 移动医疗器械，自动驾驶， AI教育 2. 核心产品需要使用AI算法， 但未和用户形成闭环， 比如算法交易，保险， 智慧农业， 智能制造 3. 非核心产品使用AI算法， AI作为辅助服务， 这就几乎包含了所有的产业， 因为几乎所有产业都需要三部分：智能客服， 用户数据分析， 和知识图谱。
如果我问你在当下的产业里哪一个会率先AI化， 如果你的回答是互联网， 那么恭喜你答对了， 今天， 无论你是打开百度还是谷歌，还是今日头条， 今日人都在玩的快手， 抖音，微信，陌陌， 滴滴打车， 本质都可以看作或者将要成为AI公司。
为什么，首先， 我们刚刚说的产品自身包含感官系统， 互联网公司每时每刻的用户信息， 无论是用户的登陆浏览访问还是购买，都可以被留存下来， 这就是它的感官。 进一步，客户实时反作用于产品这是肯定的， 我们只需要这样定义既可以， 最后， 互联网产品的质量和客户数量协同进化， 显然符合。
因此， 互联网公司天然就是AI公司。我们再仔细看互联网公司， 所有这些互联网公司的商业模式都包含一个东西， 叫做推荐系统， 你所看到的广告一定是搜索引擎根据你平时的浏览记录给你推荐的，陌陌根据你的一些基本信息推荐给你周围的女生， 滴滴按照周围司机的基本信息给你推荐司机。 而推荐算法是什么呢？ 是一种最常见的AI算法。
为什么推荐算法会是我们所说的AI算法？ 还记的刚刚说的， AI算法是具有自主学习，形成知识的能力的吗？ 在没有推荐引擎这件事前， 知道一个人的喜欢并给它推荐合适的东西是一件非常困难的事情，也是很多心理学家学习研究的对象， 而推荐算法， 就是把整个互联网存储的相关数据给机器呈上，然后让机器来学习推荐这件事。
比如推荐电影，这种特征，就可以是你往日观看电影的一个历史， 显然每个人看过的电影都只能是世界上全部电影的冰山一角，但是当你把所有人的电影都拼凑在一起的时候，电脑却可以看到一个更大的图景，这就是每个人的相似性， 比如A和B都喜欢一些武大片， 这些相似性，可以作为更大的相似性的基础， B同时喜欢看科幻， 那么这时候机器就有可能给A也看一些科幻。
在未来的几年里， 推荐算法还会大行其道的发展，而且，未来的推荐算法还会越来越强大，而这里会出现的一个趋势是，我主动的引导你的兴趣， 而非像刚刚说的那样被动的预测你的偏好。怎么讲呢？ 控制人类好恶的一个最重要的东西叫多巴胺回路，这个回路所作的事情呢， 是让你对一些事物上瘾，这个时候， 只要你不停的激活这个回路， 你就会快乐起来， 就像有的人爱吃薯条有的爱打游戏， 那么如果机器可以引导你进入这种状态呢？ 这并不是不可能的， 因为人的这种原始的弱点，如果给你投放的东西，让你尝到了甜头， 你就会一发不可收拾。 商家设计的AI算法， 无非是让它学会这个投放诱饵和引导的过程。
想象一下如果今日头条完全掌握了这个算法， 那么有多少人会在每日被投放的小文里乐不思蜀，大把的把自己时间消耗进去。而你的这个行为，又会变成算法变得更加强大的工具。那么如果我问你，当下， 什么领域的人最热衷于把AI引入到自己的地盘里，如果你回答的是医疗和金融， 恭喜你答对了。
医疗，尤其是小型医疗器械， 是个非常典型的符合之前说的三个特征的产业。 首先， 医疗自身具备大量的传感器提取数据， 然后， 小型移动医疗产品， 比如手环， 血压， 血糖仪会一旦提取客户的数据，并接受客户反馈，会变得更强大，算法变得更聪明，客户也越爱用，因此闭环成立。今天随着各种可穿戴传感器设备的流行，关于你身体数据每分每秒都在汇总起来， 今天它们大多属于没有被利用的数据冰山的部分， 而一旦它们被开发出来， 就可以作为我们众多身体疾病接近的命门。
运用小型穿戴检测疾病的最成功的案例来自以色列， 小型的检测设备加上AI算法甚至可以帮助我们在极早期在家里就检测出癌症的可能性。 这类的设备通常只有一个简易的摄像头，而这个摄像头背后， 是一个能够联通云服务器， 并实时进行疾病识别的算法终端。 通过这个终端， 这个算法能够得到你换癌症的概率： 以色列的一家叫MobileOdt的公司， 已经实现了用一个手机外挂的摄像装置加上云端算法对女人癌的筛查， 客户足迹甚至到达非洲。
另一个值得一提的领域是药物设计， 如同刚刚讲过的， 很多未来的科技创造， 会引入AI元素， 而药物设计这个需要尝试大量的化学成分组合和试错的领域， 就特别适合AI算法来完成，事实上这样的公司已经初露头角， 大家可以网上搜索atomwise， 这个药物公司可以在没有进入大量临床之前用神经网络预测新药疗效，并且利用具有创造性的网络gan等直接生成新药配方， 大大提升药物研发效率。
未来中国会迅速进入高度老龄化的社会， AI在这点上可以给社会解决巨大的潜在问题，这主要体现在可以陪伴独居老人起居的陪护型机器人， 大量用于平日健康监护的小型医疗设备， 这些设备可以和周围医院进行联动随时处理紧急情况， 还有慢病管理系统， 介于老年人总是伴随各种慢性病，随时进行干预的慢病管理系统对此作用巨大。
我们再用之前的观点看当下的金融产品。首先， 金融具备大量数据，任何交易的信息， 都是存储在电脑里的数据。当然，这些数据并不一定能够作为金融AI系统的有效感官，因为金融世界里， 大量对决策具有巨大作用的数据潜伏在冰山之下，比如说公司ceo的心智特征， 某种产品的潜在颠覆者之类， 但是我们的确可以通过一些手段提取局部的信息， 比如说电脑里的历史交易信息，或者一些公司财报。也就是数据这点部分满足。由于金融大部分是to b的， 并不太构成一个客户反馈的闭环，因此归入第二类。
几乎所有的金融领域都可以在核心技术里引入人工智能， 包括算法交易， 保险， 资产管理， 征信等等。金融可以被AI大量改变， 主要还是体现在它自身的逻辑非常的复杂，而人类的思维并不适合处理复杂度非常高的系统。算法交易这个词你一定早就听说过了， 在金融市场里，人类性格的弱点经常导致致命的错误，比如追涨杀跌，贪婪和恐惧如同魔鬼一样， 瞬间让你输精光， 而算法没有任何这些人类的缺陷，你知道它在任何时候都是稳准狠， 收集所有的信息， 按照原则出牌， AI天生就比人类适合金融交易。虽然目前的算法还无法准确的预测金融危机， 但是不代表算法在处理类似问题时候会比人做的更差，比如算法可以通过强化学习算法精确的计算在股市出现某种行为时候如何去止损。
谈到算法交易，不得不提的就是美国的文艺复兴公司，这家公司凭借算法稳坐美国对冲基金收益的第一把交椅。其创始人西蒙斯是一个不折不扣的数学家，他招募了大量的机器学习人才进入公司， 文艺复兴目前的算法负责人是自然语言处理神经网络LSTM的专家， 而非金融专家，也可以见到AI算法的重要性。
而交易， 也仅仅是AI在金融里崭露头角的一角。 金融的本质在于信用， 而信用如何衡量？ 这个亘古迷信的话题本质是一个数学题。 因为信用的本质是预测，是从一个人的行为轨迹到性格的蛛丝马迹去看它未来的发展，稳定性等， 没有什么， 比AI算法更适合完成这个任务， 这也是为什么各类征信大数据平台如火如荼。今天我们经常听说金税三期， 经常听说全国大数据征信系统，它们背后都是通过大量被征信系统记录的个人行为数据， 来统计预测每个人的行为， 这些事实上反应了AI算法全方位的进入我们的生活的事实。 未来，甚至讨债公司可能会运用专业的AI系统。
在核心产品里极为需要AI的， 不能不提的就是安防。安防可以说是全国最大的人工智能市场。 因为我们需要监控的地点太多了， 从地铁火车站，到机场，到商场， 直到没有人烟的国防线，安防都是人工智能被布局的密集地带 在海量的人口里，寻找可能的犯罪嫌疑分子，你想象一下这是多大的工程量， 因而几乎是一个人力不可能完成的任务。 而无处不在的城市摄像头，加上深度视觉算法， 可以近乎100% 的取代巡逻人员的工作。
除了视觉检测以外，刚刚提到的无人区或人迹罕至的地方，一个可能未来会变得有效的方法是布局成本更低， 覆盖面积更广的光线，这个地表光纤， 就像大地的耳朵一样， 铸造一起无限延申的地网， 通过你的走步的方向等就知道有什么人在向何处去。
当然， 犯罪分子也会利用人工智能系统加强它们的攻击能力。 比如未来的谍报装置， 可能仅仅就是一张桌子。你想象一下你所说的任何一句话， 都可以先通过空气的声波， 然后转化为桌子的振动， 一旦桌子能够记录这些振动， 再加上一定的AI学习算法，就可以把这些振动还原为你所说的话， 这个技术目前事实上已经有了初步的效果。那么毫无疑问， 未来的谍报人员就只需要在你可能出现的地点都布局上这些桌子就可以了。
另外， 犯罪分子还可以利用GAN制造伪证，让你的形象或声音出现在任何一段视频里，以后估计视频和音频都难以作为法律证据了。如果你对安防有兴趣， 你可以去了解海康卫视，或者商汤科技这样的AI巨头，这公司都是很视频识别， 动作检测这一类的技术用在了安防上。
首先我要说的是AI对各大产业的影响我觉得最重要的是制造业， 在劳动力锐减的今天， 它的意义不言而喻。
制造业在工业革命之后历来是人类最重要的产业， 从钢铁到汽车到电脑手机，都是制造业的领域， 谈到制造业，我们会想到巨大的生产线， 富士康力的产业工人。
制造业自身的变化在20世纪经历过两次比较大的变革，一个是以福特汽车为代表的流水线的引入，因为有了流水线，就有了标准化的革命， 我们把大量工序不停优化， 并用流水线固定下来。第二次大的变革可以称为自动化， 在自动化的时代， 各种自动化设备，数控机床，机器手开始进入到我们的视野， 产业工人的数量大大减少，流水线上开始出现的是各种巨大的钢铁怪物。
那么21世纪制造业的第三次机会，就是AI。 AI引领的不是标准化， 也不是简单的自动化的继续， 而是我们可以称为适应性“adaptive”的革命。 这个词原本是在描述生物系统的一种特性， 是说的生物系统适应环境的能力，比如你带一个狗从中国来到美国， 狗立刻就能够像以前一样生活了， 这就是适应性。
这点对于过去的机器手是完全做不到的， 因为它们只能按照标准化的程序做同样的动作。无论是机器手还是数控机床， 本质都是用程序精确的控制运动轨迹， 但是这些轨迹是已经被预先设定好的。 而一些更高级的加工， 由于工序太复杂，而且需要不停的根据当时的状况来调整动作，难以使用预先设定轨迹的方法解决，解决这个问题， 你就又回到了那个智能的本质问题， 我们需要让机器自己来学习， 那个根据情况灵活学习调整的技术， 不是把某个螺钉扣到一个螺纹里，而是自己学习螺钉和螺纹匹配的技术， 不行， 我就换一个。 这将彻底改变高端制造业的布局。
通过现有的深度学习+ 强化学习技术， 我们会逐步的接近 这个目标。具有“适应性” 的机器人讲会真正进入到我们的视野里。我们会看到， 未来的产业机器人都装配着现金的传感器， 比如摄像头， 甚至激光雷达， 它们可以根据不同零件或物体的大小做不同的动作B体育，并且和人配合完成一些复杂的任务。首先， 这样做更安全， 因为更加智能的机器， 会有意的避免生产事故，然后，我们的生产效率会高很多， 材料更节省。这样的尝试， 已经在一些全球最先进的制造业里， 比如日本的工厂， 开始尝试使用。
进一步的， 人工智能会逐步的进入到工业设计的领域，遗传算法已经能够越来越好的辅助人类设计工作。 利用进化的原理，我们可以设计出超越任何人类设计师的工具来。因为人的想象力受到既往经验的限制，难以突破那几个范式。 倘若真正使用遗传算法来设计工具的形状，甚至整个汽车， 或者香包。 我们讲可能看到一些完全颠覆人的想象力的产品开始出现。
最后我们来看最为传统的农业， 虽然最为传统， 农业领域确是一个正在被人工智能彻底改变的领域。 为什么呢？ 回想农业生产发展的历史， 从最早的刀耕火种到开始使用农业机械， 化肥， 这些变化无疑是巨大的。 但是， 农业的最高目标， 一定是根据农作物的生长情况，自动的调整水肥光温， 因为作物的生长事实上就是一个需要点对点的精细调控的东西， 但是这样浩繁的工作远非人力所及， 怎么解决呢？ 安装传感器， 然后把水肥光温的调控和这个连接在一起，把农机和这个联系在一起。 事实上，以色列已经在这方面开始了尝试。
AI农业公司【prospera】已经开始布局这个AI农场的概念， 它们的视觉传感器， 可以做到连一个叶片都不放过，全面的监控每颗植物的健康风险，比如各类病害， 传感器把信号传到云上， 然后形成一个农场整体的情况报告， 并对整个农作物的收成进行预测。 另外， 一些卫星和无人机公司，比如佳格天地，也加入了这个阵营， 卫星和无人机，提供了对整个某片天地的墒情， 火情，虫害情况的信息，并却可以根据不同块田地的关联性（比如某些病虫害是转移的）进行长线预测， 这对农场在灾害前的重大决策干预，意义无需多言。
农业的人工智能化会在未来十年急速推进。 因为物联网， 传感器， 无人机等技术已经非常成熟且低成本，数据采集的成本已经变得很低，匹配以合理的算法， 农业将会成为一个被人工智能彻底改变的学科。
除了这些和生产生活直接相关的领域， 人工智能在一些比较“软” 的领域， 比如教育， 也会成就非凡。 AI教育其实符合我们刚刚说的所有三个条件。当下的教育产业已经非常接近互联网产业。 一方面各大在线教育机构的产品本身就是互联网发布的，另一方面， 学生也都是在网上完成注册信息等。 AI的教育产品也和互联网产品一样， 是可以从每个用户身上提取数据进化形成闭环的。
人工智能非常有利于我们做到真正的因材施教的个性化教育。为什么呢？ 首先，在互联网时代， 在线教育积累了大量的老师的一手数据，这些数据包含每个学生学习的行为习惯，甚至是性格， 注意力变化的数据， 这些数据， 会在下一个时代， 启动真正的个性化学习， 比如为每个学生量身定制的课表等。
另一个不得不提的是游戏化教学， 比如说题库。以前的题库大部分是静态的，而AI时代， 它一定会向打游戏一样， 首先给你随机投放一些题目， 根据你的反馈情况再给你提供下一波题目， 这个难度是根据你的情况逐步上升的，你和这个“机器人题库“形成一个互动的闭环， 这就会给你一种上瘾的做练习的感觉， 1000小时的练习也会游戏般过去。类似的产品已经在英语流利说这类app上初露雏形， 它有一个自动的给你的发音打分的系统， 你会情不自禁的加入英语标准化的比赛里。
作者简介：微信号：ironcruiser 法国巴黎高师物理硕士 ，以色列理工大学计算神经科学博士，巡洋舰科技有限公司创始人, 《机器学习与复杂系统》纸质书作者。
人工智慧从字面上看就是人造的智慧，但是实际上涵盖了不少部分，大家最关心的实际上是人工自主意识，因为网络和电脑已经完成了知识的检索和存储，几大搜索引擎也完成了关键字-关联解释的功能和海量数据积累，而且大多数机器人厂商已经完成了反应机，自适应等等高级功能，但是还是没有能出现通过图灵测试的人工自主意识，当然这也包含了人类对自身意识的研究并没有上升到更透彻的层面。
现在应该是有两大派，也许还有更多分支，其实就是一个问题的是否两面性回答：自主意识是否是自主产生，还是人工赋予？如果是自主产生，那么就面临一个严重的认知性障碍，只有神经系统复杂到一定程度，且在大尺度上的相似性高度保持一致，那么个体自然产生的意识才会具备相似神经网络个体的认同和感知，简单说，以人类神经网络构成分布，和社会化训练的过程复制产生的个体自然产生的意识，才能被人类所认同和感知到。所以很可能网络上自动机和各种设备产生的不知名网络现象，有可能是互联网自主意识的初级阶段，但是无法被人类类型的智慧个体感知，而是被当做不知名故障进行处理，多数无解，可以称为Ghost-In-The-Machine。也就是说，当人造神经网络复杂到一定程度，意识只不过是诸多需求反馈链交错所致。
人工赋予的意识很可能在初期会表现出来类似创造者的行为而获得相当认同，但是一样会面临要么会被超过或少于神经反馈网络数据量导致的过载或饥荒，进而导致意识的消亡。或者当刚好适合的神经网络加入了适当的意识，很可能会在一段时间内因为个体对群体交流的渴望而失去意识。
当然在另外一个层面上来说，为何我们无法制造出真正意义上的自主意识，是因为几个非常简单的原因：
这三个关键因素没有能在一个人造个体内实现，那么我们距离自主产生的意识真是相距甚远。以上三点可以简单的描述为，如果能源不是自主获取的，那么谈不上求生。不能自我修复，也就不具备变异的基础特征，就更谈不上进化；或者说不能自我修复，会让进化的路程变得更遥远，如果不能携带当前一代的经验和因果学习数据到下一代，那么就更谈不上进化。意识如果是进化优势的产物，那么没有进化，自然不会产生意识，更谈不上个体间意识的合作从而获得更高的进化优势。
大数据分析主要是利用数据分析相关的技术来完成分析工作，根据不同场景进行批量、交互式或实时的分析，需要人参与对数据进行探索，比如挖掘用户兴趣图谱。
人工智能主要是构建算法模型来替代人工劳动，在与人的交互中，算法模型不断改进，变得更加智能。但两者都需要用到大数据相关技术进行数据处理和计算。两者并没有可比性，也许随着技术的发展，两者会逐渐融合。
是指通过收集及解释信息来感知并描述世界，包括IBM Watson识别医学图像，科大讯飞将语音转换为文本。
是指通过推理来预测行为和结果。例如谷歌根据用户行为推荐广告，豆瓣根据你的观影记录推荐电影。
则主要关心如何做才能实现目标。这一领域的用例十分广泛，如路线规划、新药研发、动态定价等。
4）最后，当人工智能与其他互补性技术（如机器人）结合时，可生成多种集成解决方案，如自动驾驶、机器人手术，以及能够对刺激做出响应的家用机器人等。
目前人工智能各项技术的商业化水平参差不齐。认知和预测领域的许多技术已经逐步商业化，然而决策和集成解决方案技术多处在研发阶段，下图是人工智能不同技术领域的商业化程度。
