Book Study
已从 EPUB 提取 115 个可阅读章节，可直接阅读并标记学习进度。
学习进度
最近阅读：未开始阅读
1991年12月16日上午11点，我的太太先铃躺在医院病床上。她这样承受着待产的煎熬已经12个小时了。虽然我一直坐在床边陪着她，但每隔几分钟总忍不住看看手表：如果接下来的一个小时内，我们的第一个孩子不能顺利出生，我就不得不选择离开医院去做一个关乎我一生志向的人工智能主题演讲，错过迎接孩子诞生的时刻。 幸运的是，李德宁——我的女儿“准时”地来到了这个世界，没有
从这场对抗赛中能看到什么取决于我们的视角。在美国的一些观察家看来，AlphaGo的胜利不仅代表着机器战胜人类，也展示了西方科技公司睥睨全球的科技力量。过去20年，硅谷的科技公司征服了全球的科技市场，Facebook、谷歌等公司成了最热门的互联网社交与搜索平台。在征服全球的过程中，它们势如破竹般碾压了从法国到印度尼西亚等国家的本土创业公司。这些互联网巨头让美国
中国政府的大力支持，源于人工智能与经济之间新的化学反应。人工智能科学虽已持续发展了数十年，但最近才从学术成果落地为应用实例。 我对机器在围棋赛中击败人类所涉及的技术性挑战非常熟悉。1986年，我在卡内基·梅隆大学攻读人工智能方向的博士学位，那年我设计了第一款击败黑白棋（Othello，又称为奥赛罗棋，一种简化版围棋，使用8×8棋盘）世界冠军队成员的计算机软件
不过，在柯洁与AlphaGo的对弈中，我也看到了希望。其中一局比赛进行到2小时51分时，柯洁遇到了瓶颈。他已经竭尽全力，但他也知道这还不足以对抗强大的AlphaGo。他的头低垂在棋盘上方，皱着眉头，噘起嘴唇……他取下眼镜，再也无法克制自己的情绪，用手背轻拭双眼泛出的泪水。这些动作转瞬即逝，但所有人都能看出他的情绪。 柯洁输给AlphaGo后落泪（图片来源：达
机器学习（machine learning，涵盖深度学习的一个人工智能技术领域）是一项改变历史的技术。这项技术历经了半个世纪纷乱无章的探索研究，最终幸存下来。自问世以来人工智能几经兴衰，每当人们以为看到了希望，紧接着就会迎来“人工智能寒冬”——由于缺乏落地的应用成果，导致研究经费大减。要了解深度学习为何能带来不同于以往的发展，就要回顾人工智能是如何走到今天的
深度学习是怎么做到的呢？本质上来说，深度学习的算法使用了大量来自特定领域的数据，为想要的结果做出最佳决策。其方法是让系统使用这些输入的数据，训练自己识别数据和期望结果之间的关联性。当数据与期望结果直接相关（“猫”vs“非猫”，“点选”vs“未点选”，“赢了赛局”vs“输了赛局”）时，这个流程就容易多了。然后，算法可以运用找到的这些关联性所累积的庞大知识（其中
在这一切变化之中，中国处在什么位置？深度学习这项技术从诞生到婴儿期的发展，几乎全都发生在美国、加拿大和英国。之后，有一小部分中国创业者和创投基金（包括创新工场在内）开始投资这个领域，但直到2016年中国的“斯普特尼克时刻”到来之前，绝大多数的中国科技界人士都尚未察觉深度学习革命的到来，这整整比该领域突破性学术论文的发表落后了10年，也比这项技术在国际计算机视
深度学习的先驱吴恩达认为，人工智能类似于第二次工业革命中电力的发明(9)，本身是一项突破性的技术，一旦被大幅采用，就能革新许多不同的产业。就像19世纪的创业者很快学会运用电力烹饪食物、照亮房间、启动工业设备，今天的人工智能创业者也运用深度学习来落实各种创新应用。人工智能许多抽象的研究工作大都已经完成，研究中遇到的困难大都也已解决，现在是创业者“撸起袖子加油干
数据量越大，研究人员的算法就越精准。 这就把我们带到了第二项重要转变的讨论上：从专家的年代转变为数据的年代。现今，成功的人工智能算法需要三样东西：大数据、强大的电脑运算能力，以及优秀（但未必顶尖）的人工智能算法工程师。想在新领域善用深度学习的能力，这三者都是必要的。但在实干的年代，这三者当中最重要的还是数据，因为当电脑的运算能力和工程师的能力达到一定门槛水准
一个世纪以前，想妥善利用新发现的电力，需要四项要素：用来发电的化石燃料、电力领域的创业者、电力工程师，以及致力于发展公共基础设施的政府。今天，若想妥善利用人工智能的能力（即21世纪的电力），也需要四项要素：大量的数据、热切的创业者、人工智能科学家，以及对人工智能友善的政策环境。比较各国在这四项要素上的优劣，可以预测未来人工智能新世界的发展情况以及权力天平向哪
近年来，上文提到的强大优势让天平自然地倒向中国这一方。同时，中国政府也尽其所能，推动人工智能的发展。国务院发布的人工智能国家规划，承诺对人工智能研究提供全方位的支持，同时也会投入大量资金。但更重要的是，这项规划为各地方政府提供了明确指导，使得各个地方政府纷纷跟进，推出了支持人工智能发展的相关举措。中国的国家治理组织架构，远比多数美国人想象的更复杂，中央政府不
人工智能引起的中、美两国的科技发展变化固然引人关注，但是比起全球各地将产生的严重失业问题，以及分配不均的加剧（国内与国家之间），就不足为道了。随着深度学习应用的普及，人工智能势必会冲击全球经济，整个经济体系上上下下数十亿的就业机会如会计师、流水线作业员、仓储作业员、股市分析师、质检员、货车司机、律师助理、放射科医生等，都会受到冲击，上述工作只是其中的一部分。
财富分配不均的问题不会局限在各国国内，中、美两国在人工智能领域的发展，已经领先其他国家一大截，形成了新一代的两极世界科技秩序。其他国家如英国、法国和加拿大等，也有顶尖的人工智能研究实验室以及非常优秀的人工智能人才，但它们没有创投生态系统和足够庞大的用户群，无法产生实干的年代所需要的庞大数据。随着中、美两国的人工智能公司聚集更多的数据和人才，由庞大数据所带动的
创新公司和创办人并非是凭空出现的，这些公司的商业模式、产品及核心价值，都是所处时代独特文化的一种表现。 硅谷街景，中间的圆形建筑物是“苹果公园”（Apple Park）。（图片来源：视觉中国） 硅谷和中国的互联网生态系统，生长自不同的文化土壤。硅谷的很多创业者都是成功专业人士（如计算机科学家、牙医、工程师、学者等）的后代，在成长过程中他们（没错，就是“他们”
铜镀金嵌珐琅葫芦顶渔樵耕读钟（清乾隆年间中国广州制造，现存于故宫博物院） 位于紫禁城内廷东侧的奉先殿，曾经是中国最后两个封建王朝的皇帝上香行礼、祭祀先皇之地。现在，奉先殿变成了北京故宫博物院钟表馆，收藏了一些极其复杂、巧夺天工的机械作品。时钟的表面精雕细琢，用料考究，但最引人入胜、让大家争相排队观看的，还是其内部极其复杂的机械运作。 随着秒针移动，一只金属鸟
中国早期的互联网公司，虽然借鉴了很多海外的成果，但看起来没什么杀伤力，可以说是小巧可爱。到了20世纪90年代末期，中国第一波互联网发展热潮涌现，中国公司开始为创新事业向硅谷寻找人才、资金，甚至包括公司命名的方式。中国的第一个搜索引擎是麻省理工学院物理学博士张朝阳建立的。他在美国目睹了互联网的早期腾飞，想在祖国带动类似的发展。于是他带着麻省理工教授提供的资金返
硅谷投资人深信，纯正的创新心态是打造谷歌、Facebook、亚马逊、苹果等一流公司的基石。“不同凡想”（think different）的能力，驱动乔布斯、扎克伯格、杰夫·贝佐斯等人打造出了改变整个世界的公司。拥有这种思维的人认为，像中国钟表工匠模仿舶来品那样的路是行不通的，模仿别人无法达到真正的创新，只会盲目地前行，同时还会阻碍想象力，扼杀开发出原创产品的
在中国电商龙头阿里巴巴集团发展的早年，马云把商业上的进攻手段变成了一种艺术。马云在1999年创办了阿里巴巴集团，企业发展初期主要的竞争对手是本地公司。到了2002年，当时全球最大的电商龙头eBay进入中国，它是硅谷与华尔街的宠儿。阿里巴巴集团旗下的在线商城淘宝网被西方嘲笑为又一个模仿的产品，没有资格和硅谷的大公司相提并论。于是，马云对eBay发动历时5年的游
无独有偶，当时我领导的谷歌中国也面临着全球统一化产品与本地用户脱节问题的挑战。当时，谷歌中国是全球最著名互联网企业的分公司，具有很大的品牌优势。但是在调整产品形态以适合中国用户这方面，我们和硅谷总部的从属关系成了绊脚石。谷歌中国2005年发布时，主要竞争对手是中国的搜索引擎百度。该网站由出生在中国、曾在硅谷工作、专长为设计制作搜索引擎产品的李彦宏创办。百度的
Google（谷歌）、eBay、Uber、Airbnb（爱彼迎）、LinkedIn（领英）、Amazon（亚马逊）……这一个又一个美国巨头都想赢得中国市场，却纷纷铩羽而归，西方分析师很快便把这一现象归结于中国政府的管控。他们认为，中国公司之所以能生存下去，是因为中国政府对本地企业的保护主义，束缚了他们来自美国的竞争对手。 我在美国公司工作多年，又花了许多年给
360公司的创始人周鸿祎喜欢射击训练，也喜欢在社交媒体上贴出自己与各种冷热兵器的合影。他在社交媒体上的1200万粉丝经常可以看到他站在大炮旁，或举着强力弓箭进行训练的照片。在很长一段时间里，他的办公室有面墙挂满了一张张瞄准用的靶纸。他的公关团队给媒体提供的照片里，有时会出现周鸿祎穿着军装玩真人CS(11)的照片，他偶尔还会靠着一把机关枪。 周鸿祎创办了好几家
那个年代教会中国科技创业者的，不只是层出不穷的竞争手段和疯狂工作的态度。高财务风险、模仿倾向以及市场导向心态也培育出了贯彻“精益创业”方法的公司。 “精益创业”方法最早出现于硅谷，《精益创业》（The Lean Startup）(14)一书的出版让这个方法流行起来。“精益创业”的核心理念是：创始人不知道市场需要怎样的产品，只有市场才知道。因此，创业公司不应该
所谓的“千团大战”就是这种现象最好的例子。Groupon在2008年创立后不久就成为美国创业界的宠儿。它的核心理念很简单：买家购买的产品达到一定数量时，优惠券才有效。买家获得了折扣，而卖家的销量也得到了保证。在后金融危机时代的美国，Groupon一发布就轰动一时。该公司的估值在短短16个月内就冲破了10亿美元，是当时进步最快的公司。 在买家痴迷打折、讨价还价
王兴的故事并非只是“借鉴致富”，他的创业故事背后是中国互联网科技生态系统的进化史，这个生态系统最大的资产就是一批坚毅勇敢、百折不挠的创业者。他们先是在本土节节击退硅谷巨头，学会了如何在全球最残酷的创业环境中生存下来，然后利用中国互联网革命和移动互联网的爆炸式发展，为现在由消费带动的中国新经济注入了活力。 这些成就固然了不起，但与这些创业者即将用人工智能带来的
早期的互联网行业既在模仿、追赶硅谷，也在同硅谷竞争。但是到了2013年左右，中国互联网发展改变了方向，不是简单地超越硅谷，而是变成了另一番模样——有自己的原材料、制度和规律。虽然许多用户还是只能用廉价的智能手机上网，但智能手机可以扮演信用卡的角色，与人口密集的城市一同创造了融合数字世界与现实世界的超大型实验室。 支配这个世界的中国科技公司与任何一家硅谷公司都
送外卖、汽车维修、共享单车、街头便利店等行业的互联网化，使中国拥有了人工智能时代的大量关键资源——数据。靠着实地苦干，中国在这方面远远超越了美国，成为全球最大的数据生产国（并且差距还在日益扩大），为中国在人工智能实干年代的领导地位奠定了基础。 如同我在本书第一章中提出的论点，深度学习的问世，意味着我们将从专家的年代转变为数据的年代。想要训练出成功的深度学习算
我创办创新工场几个月后，谷歌决定退出中国大陆市场，此举令我们的团队非常失望，毕竟我们辛苦了多年，才让谷歌在中国站稳脚跟。不过，谷歌的退出也为中国创业公司打开了机会之窗，让它们得以借着最新的潮流——移动互联网——研发一系列全新的产品。 自iPhone 2007年问世后，科技界开始渐渐调整他们的网站与服务，让人们可以通过智能手机上网。最简单的方法是创建一个既适合
全球最强大的移动应用程序问世时，几乎没人注意到它。2011年1月，腾讯推出了新的社交信息移动应用“微信”，当时只有一家英文新闻媒体（The Next Web）注意到了它(1)。当时的腾讯已经拥有了中国两大社交网络：即时通信工具QQ和社交网站QQ空间，这两款应用分别拥有几亿用户，但美国分析师却认为它们是美国产品的二流仿制品。一开始，腾讯新推出的这款智能手机应用
为争夺移动支付市场的份额，腾讯在2014年除夕夜发动了“空袭”，武器就是中国的传统习俗“发红包”。微信用户可以对不论远近的好友发送“真金白银”的数字红包，只要在微信上绑定银行卡，就可以对指定用户发送一定金额的红包，或是在聊天群组内发红包，看谁先抢到。打开红包后，里面的钱就存入了用户的微信钱包里——微信钱包是微信当时新设置的功能。微信钱包里的钱可用来消费、转账
在创新工场搬到中关村之后的几年里，郭洪和他的同事们逐渐把“创业大街”由计划转化为现实。他和海淀区负责人挑选了中关村里一条混杂了书店、餐馆、电子产品商场的步行街进行了实验。 20世纪80年代，为了发展经济，政府一度改造了这条街。当时的中国正为了出口导向和都市化而辛苦奋斗，这两项都需要用到当时欠缺的工程专业知识与技术。因此，政府把这条步行街变成书城，摆满了现代科
李克强总理发表演讲的9个月后，国务院发布了《关于大力推进大众创业万众创新若干政策措施的意见》(4)，呼吁建立数千个科技创业孵化器（孵化平台）及创业园区，鼓励各地方政府建立创业投资“引导基金”以吸引民营创投资本。国务院的计划也鼓励地方政府制定租税优惠措施，并简化政府对创业的审核流程。 国务院发布政策指令后，全国各个城市快速复制了建设中关村创业大街的方法，在当地
“大众创业，万众创新”的成果，深刻改变了中国百姓对互联网创业的认知，也彻底革新了文化思潮。 中国传统文化强调对权威的服从与尊敬，比如父母、教师、政府官员等。新的产业或是活动如果未获得权威认可，大家就会认为是在冒险。反之如果获得了政府的支持，人们就会抢着去分一杯羹。这种自上而下的结构使得创新创业有了权威支持、方向确立，社会所有阶层都会同时行动起来。 2014年
过去20年间，中国互联网公司扮演的角色与它们的美国同行差不多：数字网络中的信息节点。如今它们准备深入到用户的日常生活中。 O2O是“Online To Offline”（线上到线下）的缩写。这术语听起来不太好懂，但其实概念很简单，即在线上推广和兜售线下服务。现在，O2O把阿里巴巴和亚马逊之类电子商务的便利性带到了现实世界的服务业中，席卷了一切无法装箱、运送的
O2O展示了硅谷与中国之间更深层的区别，我称为“轻量”（going light）和“重磅”（going heavy）。这两个词指的是互联网公司在一项产品或服务方面的涉入有多深，还代表着公司连接线上与线下世界时的垂直整合程度。这一模式的选择在人工智能的实干时代影响会更大。 打算颠覆新产业时，美国的互联网公司往往采取“轻量”模式。它们普遍认为，互联网的根本力量在
伴随消费者O2O支出的爆炸性增长，支付宝（2011年，阿里巴巴集团将支付宝等金融服务剥离给蚂蚁金服）与腾讯决心投入资源，颠覆中国完全使用现金的经济状况。 在过去，中国大众从未充分接受过信用卡及借记卡的使用文化，仍然使用现金处理绝大多数的交易。大型超市或购物商场为顾客提供刷卡服务，但一般小型店铺和家庭餐馆鲜有信用卡或借记卡的销售终端（POS）设备。如今这些店主
从许多方面来看，共享单车好像把中国带回了过去。曾几何时，中国城市的大街小巷里满是自行车。改革开放后，中国新的中产阶层诞生，有汽车一族数量激增，骑自行车成了买不起汽车的象征，自行车走到了城市和主流文化的边缘地带。 但这一潮流突然被中国的互联网公司逆转了。自2015年年末起，摩拜及ofo之类的共享单车创业公司在中国各大城市部署了数千万辆联网的自行车。摩拜单车在其
在短短不到2年的时间里，共享单车改变了全中国的城市风貌，同时还深度丰富了大数据的面貌。这一商业创新非常生动地展示了中国另类互联网世界最擅长的事：通过模糊线上线下之间的界限来解决实际问题。它利用互联网的核心力量（信息传输），打造深入现实世界、触及日常生活每个角落的事业。 这个世界需要市场导向的创业者、倾向于移动优先的用户、创新的超级移动应用、人口密集的城市、廉
如我之前所说，在21世纪要建设人工智能超级大国，需要具备四个条件：大量的数据、执着的企业家、优秀的人工智能科学家和有利的政策环境。中国创业公司的竞技场选拔出了世界上最精明强悍的企业家，中国的另类互联网世界创造了世界上最丰富的数据生态环境，再加上另外两项助力——人工智能专家的涌现和中国政府的政策支持，在这个人工智能实干的年代，硅谷的优势将不复存在。 随着人工智
要理解这两个人工智能超级大国之间真正的竞争格局，首先要理解这种专业知识来自哪里。 1938年，在恩里科·费米（Enrico Fermi）登上法兰克尼亚II号甲板的那一刻，全球大国的势力分布被他改变了。费米当时刚刚在斯德哥尔摩抱走了诺贝尔物理学奖，但是他并没有回到贝尼托·墨索里尼统治的意大利，而是举家来到了纽约。此行跨越了半个地球，费米的主要目的是逃避意大利新
投身这场技术革命的工程师有一个额外的优势：能实时接触到前沿先驱们的研究成果。 在工业革命中，国界和语言壁垒意味着最新的技术突破成果被保留在发源国，也就是英国国内。美国因为与英国在文化上比较相近，又有较为宽松的知识产权法，才取得了一些关键发明的应用机会，但是发明者和模仿者之间的差距仍旧不小。不过今非昔比，当被问及中国和硅谷在人工智能研究上的差距时，有几位中国创
美国人工智能促进协会（The Association for the Advancement of Artificial Intelligence, AAAI）在长达30年的时间里每年都举办大型的人工智能国际会议，是全球人工智能界最重要的会议之一。但在2017年，他们差点儿办砸——那年会议的举办在时间上与中国的春节撞了车。放在几年前这根本不是问题，历史上美国
不过，在全球人工智能研究社群向着流动、开放系统蓬勃发展的同时，这个生态系统中的一个模块却变得更加封闭，即大公司的研究实验室。虽然学者们积极和世界分享着他们的成果，但是上市的科技公司也有责任为股东实现利益最大化——这通常意味着减少技术公开、增加专利保护。 向人工智能研究投入大量资源的公司有数百家，七大人工智能巨头——谷歌、Facebook、亚马逊、微软、百度、
如果下一个深度学习注定要产生于企业界，那最有可能的候选人就是谷歌。人工智能七巨头中，谷歌（准确地说是它的母公司Alphabet）出类拔萃。它是最早发掘深度学习潜能的公司之一，旗下拥有DeepMind和自动驾驶公司Waymo。 不说其他巨头，就谷歌一家公司在该领域的资金投入连美国政府也自惭形秽：美国联邦拨给数学和计算机科学研究的投资总额还不及谷歌研发部门预算的
人工智能巨头们并非只是在寻找下一个深度学习的跑道上竞赛。目前它们与小型人工智能创业公司还有一战，因为一些小型创业公司正在利用机器学习革新某些产业。这是将人工智能“电能”分配进经济体系的两种不同方式的较量：七巨头的“电网”式与创业公司的“电池”式。这场较量的结果将决定人工智能的商业格局——垄断、寡头或是数百个公司自由竞争。 “电网”式的目标就是将机器学习的力量
除了人工智能巨头、创业公司和两大国家之外，人工智能竞争中还有一类选手——计算机芯片制造商。高性能芯片通常是计算机革命中默默无闻的英雄，是台式机、笔记本、智能手机、平板电脑的核心所在。虽然不为终端用户所知，但从经济和安全角度讲，打造这些芯片十分重要。 每一代计算机都需要不同芯片。当台式机占领王座时，芯片制造商不在乎耗电，努力为高分辨率屏幕打造最快处理器和显卡。
2016年10月12日，当时的美国总统贝拉克·奥巴马在白宫发布了一个酝酿良久的计划(9)，内容是讨论美国要如何利用人工智能的力量。该文件详述了人工智能将为经济体系带来巨大转型，阐明了把握这个机遇的细节步骤，如增加研究投入、提高军民合作、投入应对社会变化等。这份总结变化、提出方案的优秀报告没有激起美国人工智能的热潮，没有为人工智能创业公司带来新一轮风投和政府资
随着政府发布中国的人工智能发展计划，积极进取的城市纷纷采取行动，将管辖区域转型为人工智能热点城市。通过政府的“引导基金”将风投资金引导至人工智能领域，购买当地人工智能创业公司的产品和服务，设置数十个特别开发区和孵化器。 从南京市的举动就能看出政策推动的力度。与北京、深圳和杭州不同，南京并非中国创业公司的第一选择，为了让南京成为人工智能的热点城市，当地政府投入
过去30年里，当政府正确引导能带来重大经济转变的新技术方向时，技术实用主义的政策是十分有利的，自动驾驶汽车就是一个范例。 自动驾驶汽车将来一定会比人力驾驶汽车安全许多，大规模推行这种技术将大幅度减小交通事故伤亡率。2016年，美国交通事故死亡人数约为4万人，相当于“9·11”事件在一年内发生13次。世界卫生组织估计，中国公路交通事故年伤亡大约为26万人，全球
互联网人工智能可能已经牢牢吸引你的目光，甚至已经紧紧抓住你的钱包。你是否沉迷抖音视频无法自拔？看到在线视频网站向你推荐本就打算看的内容有没有感到惊讶？淘宝和京东怎么好像知道你想买什么？ 若你曾有类似体验，那么你已经是互联网人工智能的受益者（或是受害者，取决于你如何看待你的时间、隐私与钱包）。第一波浪潮兴起于近15年前，在2012年左右成为主流。大体上说，互联
第一波人工智能浪潮也带来了全新的、由人工智能驱动的互联网公司。在中国，这类公司的领头羊是今日头条。创立于2012年的今日头条，有时被称为“中国的Buzzfeed”，因为这两个网站都是时下病毒式话题的传播中心，但两者相似的地方仅此而已。Buzzfeed有一群擅长炒作原创内容的年轻编辑，而今日头条的编辑是人工智能算法。 今日头条的人工智能引擎在互联网上搜寻内容，
除了高度定制推送，今日头条也使用机器学习来创作与监管内容。2016年巴西里约奥运会期间，今日头条和北京大学合作开发了一名人工智能“记者”，可以在赛事结束后几分钟内撰写出简短的摘要报道。人工智能“记者”撰写的文章不怎么优美但速度惊人，有些赛事结束后两秒钟内，人工智能“记者”就完成了报道摘要，每天能报道30多项赛事。 算法也可以在平台上找出假新闻（通常是医疗类的
第一波人工智能浪潮的基础是给互联网用户的浏览数据贴标签，而商用人工智能则是给传统公司数十年来积累的大量专业数据贴标签，如保险公司理赔事故中鉴别保险欺诈，银行核发贷款时记录还款率，医院保存医疗诊断记录及患者存活率等。这些活动产生了大量带有标签，即自带特征及含义的数据。但直到最近才有部分传统公司找到方法，更有效地利用这些数据。 商用人工智能从这些数据库中挖掘人类
早在2004年，帕兰提尔（Palantir）及IBM沃森等公司就已经为企业与政府提供大数据分析服务。那个时期的商用人工智能应用高度集中在金融业等少数几个靠高度结构化信息运作的产业。“结构化”的意思是已分类、贴上标签、可搜索的数据，最典型的就是股价历史信息、信用卡使用记录等。这类产业有明确的优化指标，与人工智能天生契合。 因此，传统产业发达的美国在早期的商用人
中国大部分传统企业普遍存在数据尚未结构化、企业文化老旧等现象，使其难以在第二波人工智能时期享受技术红利。但一些能够直接接入商用人工智能的产业在大步前进，小微金融就是其中最有前景的一个产业。过去中国的金融服务业以人力为主，小微金融产业成为直接采用尖端人工智能应用的一块跳板。 微信和支付宝可以让你直接从银行账户转账付款，但它们的核心服务无法让你在收入到账之前，稍
商用人工智能并非只能用在跟钱有关的领域，它同样可以用在数据驱动的公共服务上，让许多之前负担不起这些服务的人享受科技带来的红利，促成高质量服务大规模推广。这方面，最具前景的领域之一是医疗诊断。美国的顶尖研究人员如吴恩达和塞巴斯蒂安·特伦，已经展示了一些依据影像在诊断某些疾病时媲美专业医生的一流算法，如根据胸部X光片来诊断肺炎，根据照片来诊断皮肤癌等。不过，医疗
科大讯飞率先把人工智能应用在另一个资源和能力分布高度不均的领域——司法界。在上海进行的试点中，科大讯飞使用以往案例数据，向法官提出有关证据及判决的建议。该公司开发的证据交互参照系统，使用语音识别与自然语言处理技术来比较所有证据，如证词、文件及背景资料等，并找出其中的矛盾点，同时提醒法官注意这些有争议的地方，让法院审理人员可以进一步核实。量刑时，法官可以把被告
那么，在人工智能应用更广泛的商用人工智能领域，哪一个国家处于领先地位呢？在今天无疑是美国。美国的公司有应用商用人工智能的原材料和意愿，因此在见效快、最有利可图的银行业、保险业以及其他任何拥有大量结构化数据、可供人工智能进一步优化的产业上具有明显优势。相对来说中国传统企业对人工智能的应用不是很到位，但中国现有的金融体制和分布不均的医疗卫生资源是重构消费者信用和
在人工智能问世之前，所有机器都是既盲且聋。它们可以拍照或录音，但这只是复制人类感受到的视听环境以供人类解读，机器本身无法理解这些信息。对一台普通的计算机而言，一张照片只不过是它必须储存起来的、没有任何意义的一堆像素；对一部iPhone而言，一首歌曲只不过是它必须播放给人类听的一串0与1的组合。 感知人工智能的问世改变了这一切，现在算法能够模拟人脑的运作方式，
感知人工智能开始模糊线上与线下世界之间的界限，大大增加了我们和互联网的互动节点。在感知人工智能问世之前，我们和线上世界的互动必须经过两个关卡：计算机键盘或智能手机屏幕。这些设备是通往储存于互联网上庞大知识的入口。但是这样获取信息很不方便，尤其是在外购物或正在开车时。 感知人工智能越来越擅长辨识我们的脸孔，听懂我们的声音，观察我们身边的世界，它也将在线上与线下
“开复，您好！欢迎再度光临永辉超市！” 购物车像老朋友一样迎接我的感觉真不错。我拉出一辆购物车时，购物车把手上的视觉传感器已经完成了对我的面部扫描，同时在巨大的人工智能驱动的数据库里比对，与一份爱美食、爱购物、妻子非常会做中餐的档案联系起来。 当我正绞尽脑汁回忆家里这星期需要买什么时，购物车把手上的屏幕亮了，上面的信息告诉我：“屏幕上显示的是您每周常买的食品
身历其境的OMO体验并非仅限于购物。相同的技术如视觉识别、语音识别，以及根据以往行为勾勒的详细个人档案，也可用来创造高度定制的教育体验。 现行的教育体系大致上仍然是19世纪的“工厂模式”：所有学生在同一地点、同一时间，以相同速度及相同方式学习。学校采用“流水线”模式，让孩子一年升一级。在老师投入教学、辅导与评估学生的时间与精力非常有限的情况下，这种模式是有道
在课堂教学中，学校将采用“双教师”模式：一位优秀的教师远程授课，另一位教师在教室观察与辅导。课程的前半部分，是教师对大约20个课堂的学生远程授课，并向学生提出问题，而学生要使用手上的“答题器”回答这些问题，让授课教师实时了解学生是否理解了之前讲授的概念。 在授课过程中，教室前方的一个视频会议摄像头使用面部识别与动作分析技术来记录出席人数，检查学生的专注程度，
打造OMO体验，需要从现实世界中收集海量数据，例如想使用阿里巴巴的“城市大脑”优化交通，就需要城市各个位置的视频资料；想为某个顾客量身打造OMO零售体验，需要先通过面部识别系统来确认身份；想让用户的声音与在线服务互动，需要能听懂人类语言的技术。 这样收集数据可能会令许多美国人感到不安，他们不想暴露太多的个人隐私。但中国人更容易接受自己的面孔、声音及购物选择被
硅谷或许在软件创新方面仍领先全球，但硬件创新却是深圳在领跑。过去5年间，这个位于中国南方沿海的制造业大都市，已经发展出了全球最有活力的智能硬件制造业生态系统。开发一款新的应用程序，几乎不需要现实世界的工具，只需要一台计算机和一名有好点子的程序员。但研发感知人工智能硬件，如有眼睛的购物车、有耳朵的音响，则需要一个坚实且灵活的制造业生态系统，包括传感器供货商、注
中国的硬件创业公司小米展示了感知人工智能设备构建的场景。以低价智能手机制造起家，进而席卷全中国的小米科技公司，现在正在打造把厨房及客厅转变成OMO环境的人工智能家电网络，其中的核心是小米人工智能音箱“小爱同学”——一款类似Amazon Echo的声控设备，但由于是中国制造的，价格只有Amazon Echo的一半左右。之后一系列智能型感应式居家设备，如空气净化
机器能够看到和听到我们周边的世界，就可以安全地移动且有效率地工作了。自主人工智能是前三波人工智能浪潮的集大成者，也是顶峰，把极复杂的数据和机器感知能力结合起来，就会得到不仅能了解世界，也能改变世界的机器，比如尽人皆知的自动驾驶汽车。不过，在讨论自动驾驶汽车之前，我们应该把目光放长远，看看第四波人工智能浪潮的影响有多深、多广。 自主人工智能设备能彻底改变我们绝
采草莓听起来似乎很简单，但是在自主人工智能出现之前，寻找、判断以及摘采草莓根本不可能自动化，只能靠几万名低薪劳工，整天弯腰驼背地在草莓园用眼睛与双手劳作。这个工作既辛苦又枯燥，加州许多农场主找不到愿意做这个工作的工人，只能眼睁睁看着草莓在地里腐烂。为了解决这个问题，加州的创业公司Traptic研发出了能够胜任这个工作的机器。将这个机器架在一台小型拖拉机上，使
不过，随着自主人工智能越来越灵巧、越来越有智慧，会出现更多不可思议的应用，尤其是在无人机方面。成群的自主无人机能够一起合作，用几小时的时间就能粉刷好房子的外墙。耐热的无人机群可以合力扑灭森林火灾，效率是传统消防队的数百倍。另外，无人机也可以在飓风及地震后进行搜救，把食物及水递给受困者，或者和附近的无人机合作，把受困者空运出来。 毫无疑问，中国将在自主无人机技
谷歌是第一家研发自动驾驶技术的公司，但大规模应用的脚步有些缓慢。这种谨慎态度背后的理念是：打造出完美产品，在自动驾驶的安全性大大超过人类驾驶后，再直接跃入人工智能全自主化。这是一种完美主义的模式，不允许任何危及人类生命或企业声誉的可能发生。埃隆·马斯克的特斯拉则采取渐进模式：在部分功能（高速公路上自动驾驶、自动转向以避免车祸以及自动泊车等）开发完成后，就马上
中国有13.8亿人口，平均每年有26万人死于车祸。与其等待完美的自动驾驶问世，中国更愿意在可控的环境中使用性能有限的自动驾驶汽车。而这种策略的“副作用”就是数据收集量呈指数成长，连带推动人工智能技术的精进。 渐进应用模式的关键是兴建新的基础设施以容纳自动驾驶汽车。美国的做法是根据现有道路研发自动驾驶汽车。中国则在调整现有道路，改变货车形态，甚至建设能够容纳自
在自动驾驶汽车的核心技术方面，美国的公司仍然领先中国企业两三年。在科技界，这个差距可以说是天文数字了。美国领先地位的构成部分源自大量的顶尖专业技术人才。在第四波人工智能浪潮中出现安全问题的复杂性，使研发自动驾驶汽车成为很难攻克的工程难题，这需要世界一流的工程师团队。这使得优势倒向了美国，因为全球最优秀的工程师仍然聚集在谷歌之类的公司。谷歌早在2009年就开始
目前，人工智能领域的应用发展大致局限在中、美两国，而绝大多数未来的人工智能用户仍然生活在其他国家（主要是发展中国家）。因此，任何想成为人工智能时代巨头的公司，都需要一套争取这些用户以及在当地市场制胜的策略。 中国和美国的科技公司在进军全球市场时，实行了差异很大的策略：美国那些称霸全球的巨头希望亲自征服市场，而中国的科技公司则选择武装当地的创业公司。谷歌、Fa
中国公司的全球化策略在共享出行市场已经启动。这可以总结为人工智能全球化的另一种模式：结合人工智能技术与当地的数据，对当地创业公司赋能。这种以合作为基础，而非征服的模式，或许更适合把人工智能这类需要顶尖工程师、由下而上收集数据的技术推广至全球。 滴滴把Uber“赶出”中国市场后，便开始在其他国家投资当地创业公司，和它们联合对抗Uber。如美国的Lyft、印度的
纵观当今人工智能领域，可以看到一股即将冲击全球经济、使地缘政治天平倾向中国的技术潮流。传统的美国公司在使用深度学习，为现有商业获取更多利润的方面做得很好，谷歌等由人工智能驱动的公司仍然是精尖技术的堡垒。但在建造新的互联网帝国、改变疾病诊断的方式，或者重构购物、出行及饮食场景等方面，中国更可能取得全球领先地位。中国与美国的互联网公司在面对全球各地的市场时，采取
请本书的读者放心，我认为万能的超级智能在当前技术下还不可能实现。目前还没有已知的强人工智能算法或明晰的工程路线可以实现这些构想。人类的独特性并不是突然自发产生的，就像自动驾驶汽车不可能在深度学习过程中突然“醒悟”——“啊，我们（自动驾驶汽车）可以联合起来形成一个超级智能网络。” 实现强人工智能需要大量的人工智能基础科学的突破，以及深度学习的一连串巨大进步。这
清晨6点的钟声敲响时，这座城市将自身折叠收起。密密匝匝的水泥钢筋建筑从头到脚弯折然后绕轴扭曲。外部阳台和雨篷转为向内，形成完全密封的光滑外观。高楼分解成一个个部件，重新组合，蜷缩成致密的巨大魔方。 这些楼宇中生活着北京第三空间的居民，他们是下层的劳动人民，夜间辛勤劳动，白天睡觉。随着城市折叠自身，小块小块土地开始180度旋转，它们翻过来将缩成一团的建筑挤入地
这个反乌托邦故事虽是一篇科幻小说，却清晰地描述了人们对未来世界中的经济阶层形成和失业率等问题的真实恐惧。郝景芳是清华大学的经济管理学博士，她的日常工作是在政府智库中开展经济学研究，包括调查人工智能对中国就业的影响。许多经济学家、技术专家和未来学家，包括我本人在内，深深地对未来感到忧虑。我认为人工智能的四波浪潮席卷了全球经济，它们有潜力撬开更大的贫富差距，引起
就像强人工智能有乌托邦和反乌托邦的预测一样，关于失业与不平等危机的预测也有两种意见对立。 一部分经济学家和技术乐观主义者认为对于技术性失业的恐惧是毫无根据的。此阵营人士否定因“勒德谬误”（Luddite Fallacy）而产生的可怕的失业预测。该词来源于勒德派（the Luddites）——一批19世纪的英国纺织工。他们认为工业革命带来的机器生产摧毁了他们的
如果将所有发明看作数据点并分配同样的权重，技术乐观主义者完全可以将这些数据作为乐观的理由。但发明不是生来平等。有的发明改变了我们的工作方式（打字机），有的发明消除了对特定劳动的需求（计算器），还有一些发明瓦解了整个行业（轧棉机）。 规模更大的技术变革会影响到许多行业，从根本上改变经济组织甚至社会结构。这就是经济学家所说的“通用技术”，或称GPTs（Gener
我相信，人工智能很快会成为举世公认的下一个GPT，刺激经济生产甚至促进社会组织变革。人工智能革命会达到工业革命的规模，甚至规模会更大，速度会更快。这些变革会比之前的经济革命更广泛。蒸汽动力从根本上改变了体力劳动的性质，ICT从根本上改变了某些类型的脑力劳动，人工智能则会同时影响这两者。人工智能会以远超人类的速度和力量执行多种类型的体力和智力任务，大大提升运输
然而，人工智能不会给我们足够的时间。和前几次GPTs推动的经济转型相比，人工智能带动的经济转型会发生得更快。工业革命历时几代人才完成，而人工智能革命在一代人的时间内就能产生重大影响。这是因为人工智能会在三个催化剂的作用下加速自身的应用与扩散进程，这些催化剂在蒸汽动力和电力投入广泛应用时是不存在的。 第一个催化剂是人工智能算法的易复制性。硬件密集型革命的技术转
分析人工智能取代工作岗位，不能仅仅用传统“低技能”对比“高技能”的单一维度来分析。人工智能既会产生赢家，也会产生输家，这取决于具体工作内容。尽管人工智能可以在基于数据优化的少数工作中远胜人类，但它无法自然地与人类互动，肢体动作不像人类那么灵巧，也做不到创意地跨领域思考或其他一些需要复杂策略的工作（因为这些工作投入的要素和结果无法轻易量化）。下面我用两张图来解
预测人工智能会引发的失业规模，已经成了全球经济学家和咨询公司的主流研究课题，使用不同的研究模型会得出不同结果。这些结果的数字有的大到令人恐惧，有的看起来还算安全。因为针对中国市场的优秀研究少之又少，因此我们在此主要介绍对美国的研究，然后通过这些结果来推导中国的情况。 2013年，牛津大学两位研究人员的论文做出了一个可怕的预测：在未来10年或20年内，美国47
我尊敬做出以上预测的经济学家的专业水平，但我并不认可OECD团队的预测。这种差异源于两种分歧：一是输入的数据，二是我对人工智能改变就业市场的设想。 我对输入数据不认同，原因是他们用2013年人工智能的技术水平来评估未来。经过了5年，机器学习的准确性和能力已有重大进步。当时，极少有专家能够预测到深度学习会发展得如此出色、如此快速。这些令人意想不到的巨大进步，扩
但是，除了对于输入数据的分歧外，我认为“工作任务分析法”也存在误差，因为它遗漏了另一种完全不同的可能导致职业消失：由人工智能推动的新商业模式引起的全行业变革——我称为“产业分析法”。 上述研究多数由经济学家完成，在预测哪些工作存在自动化风险时，经济学家关注的是人在开展工作时完成了哪些任务，同时考察机器是否可以完成一样的任务。换句话说，“工作任务分析法”研究的
中国的情况如何？ 中国关于自动化带来冲击的研究甚少，但是外界普遍认为中国将受到更大的影响：智能机器人将逐渐代替“世界工厂”里的工人，中国的部分支柱产业需要尽快转型。著名科技评论家维韦克·瓦德华（Vivek Wadhwa）预测，智能机器人将削弱中国在劳动力方面的优势，制造业的春天将再次降临在美国，但不会为人类创造工作岗位。瓦德华写道：“美国机器人和中国机器人一
人工智能自动化时代将首先对白领造成冲击。相对于尚未成型的机器人，白领职业更需要担心日新月异、快速进步的算法。 简而言之，人工智能算法之于白领，就像是拖拉机之于农场工人。这一工具将会快速提高工人的生产力，同时缩减实际需要的工作人员。而且与拖拉机不同的是，算法可立即传遍全世界，不会给创建者带来额外的成本。一旦将软件发送给数百万用户（如税务筹划公司、气候变化实验室
在全球经济中出现的两极分化，也将加剧人工智能超级大国内部的不平等。人工智能对垄断的自然倾向，会使许多行业形成赢家通吃的局面。人工智能偏重特定技能，会形成两极分化的就业市场，排挤掉中产阶级。以美国为例，生产力和工资的“大脱节”已经造成了1%和99%两个群体之间的裂缝。如果不干涉，我担心人工智能会继续把这个裂缝撕扯得更大。 我们已看到网络世界走向垄断的趋势。互联
自工业革命以来的数个世纪里，工作不仅是一种谋生手段，更是一种自我认可以及生活意义的源泉。当我们身处社会之中，需要自我介绍或介绍他人时，首先提到的就是工作。工作让我们过得充实，给人一种规律感，让我们和其他人联结。固定的薪水不仅是一种劳动报酬方式，也代表了个人对于社会的价值，表明每个人都是社会的重要成员。 切断这些联系，或者说迫使人们从事低于过去社会地位工作，影
医生护士络绎不绝地进出产房，他们不断地检测各项指标，调换静脉点滴的药物……我眼前是分娩的最后时刻常见的混乱。我的妻子谢先铃躺在产床上，艰难地经历着人类最耗费体力和精神的过程，以将另一个生命带到世界上。在这一天，我的人生又多了一个角色，同时也多了一份重担——我成了一位父亲。 主治医生告诉我，胎儿胎位呈“sunny side up”（意为婴儿的头面向妈妈的腹部，
年轻的时候，我的思维方式与计算机算法的清晰逻辑如出一辙，也令我与人工智能产生共鸣。当时，我把生活中的一切事物（友情、工作和家庭时间）都转换成算法的变量，输入我的“人生算法”，求取结果。这套“人生算法”和其他算法一样，也必须在多重目标之间找到平衡。就像自动驾驶汽车不仅要规划最快到家的路线，还要遵守法规、减少事故风险，我也必须在个人生活和职业发展之间做权衡。 作
每项职业成就都为我内心的火苗添加了更多燃料，它们推动我更努力地工作，我甚至向成千上万的中国年轻人推广这种生活方式。我写下了《做最好的自己》(2)《世界因你不同》(3)等畅销书，到全国各大高校做励志演讲。中国在经历了几个世纪的贫困后以世界大国的姿态开始复兴，我鼓励同学们抓住时机，在历史上留下自己的印迹。 在讲座的最后，我总会用一张醒目的PPT总结我的墓志铭。我
每年我和妻子到台湾的时候都会顺道体检。2013年，我们有一位亲戚确诊癌症，之后妻子就要求我们两个都要做磁共振成像（MRI）和计算机断层扫描（CT）。检查后，医生告诉我初步扫描发现了一些问题，让我接着做正电子发射型断层扫描（PET）。 MRI和CT扫描专家才能看得懂，但PET结果相对简单，人人都能看懂。PET的原理是给患者注射放射性同位素示踪剂——一种含有少量
20世纪90年代初，我在苹果公司担任高层职位后，与母亲间的手写书信往来越来越少。当我搬到北京开始为微软工作时，计算机输入法更是把我手写繁体字的时间蚕食掉了。在电脑上输入汉字仅需要打出中文汉字的拼音字母（比如“nihao”——你好），然后从列表中选择相应汉字就行了。人工智能还能通过基于上下文的预测，自动选择词组，进一步简化了输入的过程，使得中文打字几乎与输入英
台北，日落时分。我独自一人坐在母亲的餐桌前，看着花了4个小时写完的四份遗嘱。母亲就躺在隔壁房间的床上。她患有多年的老年痴呆，虽然还能认得我，但几乎无法理解周围的世界。母亲的失智，至少让她不必承受最爱的儿子得了癌症这件事。 母亲44岁时才怀上我。当时医学没有那么发达，高龄产妇非常危险，医生劝她终止妊娠。母亲拒绝了医生的劝告，十月怀胎生下了我，用无尽的爱抚养我长
生命中的特殊时刻会带来顿悟，但真的参透还需要时间。在写遗嘱的过程中，我感受到了内心的某些转变。而此后耐心与坦诚的自省，才能真正将这些遗憾与痛苦转变为与周围世界互动的新方式。 癌症确诊后不久，一个朋友建议我去台湾南部的佛光山一行。这座寺庙由备受敬仰的星云法师在1967年创建，并一直驻锡于此。佛光山的僧众和一直面带微笑的法师践行着“人间佛教”，即将佛法中的修行与
在我深刻反思人生的同时，癌症治疗也在进行。四期淋巴癌是这种疾病的晚期，平均来看，患者5年存活率大约只有50%。 我想在正式治疗前再征求一下其他专家的意见。朋友给我介绍了一位台湾在血液肿瘤方面的顶级执业医师。介绍与看诊之间有一星期的间隔，我用这段时间研究了这种疾病的特质。作为一名训练有素的科学家，在自己命悬一线时，我当然想要加深了解这种病并量化我活下来的机会。
在最后一刻成功避险的人大都有以下经验。比如，你驾驶的车在高速路上急停，晚几秒刹车就会造成一场事故。几秒后，你会觉得一种麻刺感爬过皮肤，再蔓延至头皮。当肾上腺素消散、肌肉放松后，大多数人默默发誓再也不会让类似的情况发生。这个誓约也许能管用两三天或者几周。但很快，你就会重拾旧习。 在我进行化疗、癌症开始好转的时候，我发誓要谨记癌症带给我的启示。确诊后几周的时间里
摆在我们面前的现实依然严峻。如第6章所述，在未来15年内美国会有40%到50%的工作岗位在技术上可被取代。“技术上可被取代”并不意味着所有岗位会在一夜之间消失，但是如果不加以调控，这些行业的从业人员将会承受巨大的压力。中国和其他发展中国家情况可能有所不同，具体表现在受到上述影响的时间早晚，以及失业率更高或更低。但整体趋势是一样的——失业率上升，贫富差距扩大。
硅谷针对人工智能将引发的失业问题，提出三类解决方案：就业者再培训（retraining workers）、减少工作时间（reducing work hours）或重新分配收入（redistributing income）。每一类方案的出发点均是调节就业市场的某一个变量（技能、时间、报酬）。 基于人工智能会逐渐改变市场需要的技能，提倡就业者再培训的方案相信：如
另一个再分配方案称为最低保障收入（Guaranteed Minimum Income, GMI），即仅向穷人提供补助金，并建立“最低收入”的门槛：保证就业者的收入不会低于这条线。这种方案类似于中国执行的“低保”政策，保证城乡居民可以维持最低的生活水准。 再分配方案的资金来源，大部分是对人工智能时代“赢家”征收的巨额税款，如大型科技公司、从人工智能谋利的传统公
硅谷对UBI的兴趣渐长。我认为有些人是真的关心因科技进步而失业的人员，但有些人则是出于自我救赎——他们手握着巨额财富，也知道这笔财富与这场危机的关系。一旦出现社会问题，会让他们成为众矢之的。心存担忧，使他们开始寻求解决问题的方法。 这些复杂的动机当然不是我们否决他们方案的理由，但让我们更慎重地思考类似UBI的提案，意识到硅谷工程师和投资者在解决问题时固有的文
人工智能革命由民营企业引领，因此我认为民营企业也应该主导创造更人性化的新就业机会。其中一些将通过自由市场的自然运行而出现，而另一些则必须靠人来努力创造。自由市场创造出来的工作，很多都是结合人类与机器能力的协作机制：由人工智能负责例行的、重复性的优化任务，人类负责需要创意和战略思维的工作和处理人际关系。这需要重新调整很多岗位，也会创造新的工作，让人类和机器联手
当手握5.7万亿美元的人讲话时，全球商界都会认真倾听。因此当全球最大资产管理公司贝莱德创始人劳伦斯·芬克（Laurence D. Fink）致信全球CEO，希望他们更多关注社会影响时，在全球各地的企业界都掀起了轩然大波。信中写道： “我们……看到许多政府还没有做好准备应对未来，无论是在退休、基础设施的修建还是在自动化、再培训等方面。因此，社会逐渐靠向民营企业
然而，无论市场的力量有多强大，企业家的初衷有多美好，还是会有许多人无法得到保障。我们只要看看当今世界上存在的不平等，以及那些极端贫困的地区，就该认识到想要给每个人的生活以保障，光凭市场和道德力量的驱动是不够的。从根本上改变经济结构需要政府全力以赴。要在人工智能时代重写新的社会契约，需要公共政策的大力支持。 硅谷有些人认为这是UBI应该扮演的角色。面对工作岗位
那是一个清晨，太阳还未升起。我穿过宏伟的寺院去见星云法师，与他共进早餐。正当我努力登山时，一辆高尔夫球车停在我身边。 “早上好，”司机说，“需要载你一程吗？” 因为赶着赴约，我接受了邀请。这个司机看起来和我年龄差不多，黑发中夹杂着几缕白发。他穿着牛仔裤和简单的长袖衬衫，外面套着一件橙色马甲。车子盘山而行，我呼吸着微冷的晨风，享受着宁静的山景。车子安静地行驶了
志愿者把时间投入到让社会变得更有爱的工作中，我们也有义务利用人工智能时代富足的经济条件培养这些价值观，并鼓励这一类工作。要做到这一点，与其启动UBI，不如试试我设想的“社会贡献津贴”（social investment stipend）：对于那些把时间和精力投入慈善、使社会更有人情味和创造力的人（其中包括三大类活动：护理工作、社群服务和接受培训），政府可以付
实施“社会贡献津贴”当然会引起新的问题和摩擦，例如津贴数额为多少合适？是否要依据绩效发放不同的津贴？如何保证“护理”工作完成得尽职尽责？哪些活动应计为“服务”工作？这些问题都很难解答，也没有标准答案。“社会贡献津贴”需要政府相关部门和组织机构做大量的讨论、研究和尝试。 但是，这些挑战并非不可克服。政府为了维持公共服务、教育体系和社会保障网络，已经建立了大规模
本章的观点只是对抗人工智能带来的大范围冲击的一支小小预防针。我们分析了目前已有的、可以帮助人们顺利过渡到人工智能时代的解决方案——重新培训、减少工时、通过UBI重新分配收入。这些方案都有各自的作用，但我认为还远远不够。 我希望民营企业能用富有创意的方法培养出高效的人机协作关系，引领新一拨影响力投资注入以人为本的服务工作，此外，政府可以通过“社会贡献津贴”鼓励
我认为，这不是新的“冷战”。人工智能确实可以应用在军事领域，但它真正的价值不在于毁灭，而在于创造。如果能正确认识人工智能的价值，并合理利用人工智能，它必然能够帮助人类创造前所未有的经济价值和繁荣景象。比起“冷战”，目前的人工智能热潮与工业革命或电力的发明更相似。毫无疑问，中国和美国公司会互相角力，看谁能更好地利用人工智能核心技术提高生产力。但是，它们并不试图
鉴于全世界都已认识到人工智能的创造力与冲击力，我们必须相互支持。美国和中国将会率先使大量人工智能应用落地，带动全球经济的发展，其他国家也会对未来更广泛的社会演变做出不可估量的贡献。无论哪个国家，都无法独自解决眼前错综复杂的问题，但如果同心协力，我相信没有解决不了的问题。我们可以推动对教育的改革、在文化价值观上进行调整，以及转变我们对人类发展、隐私和管理的认识
每天被人工智能的新闻刷屏，很容易让人觉得人类对自己的命运失去了控制。关于“机器人大军”的来临和失业人员变为“无用阶级”的预言，不时在我们脑海里萦绕，让我们感受到了人类在面对“全能”科技时强烈的无力感。这些末世预言确实含有几分对人工智能潜力的事实描述，但它们主要描绘的无力感却掩盖了一个重点：人工智能未来如何发展，最重要的因素是人类如何采取行动。 在人类与人工智
当我在1983年踏足人工智能研究领域时，我天真地把我的“哲学”写入了卡内基·梅隆大学博士项目的申请信中。我将人工智能描述为“对人类学习过程的阐述、对人类思维过程的量化、对人类行为过程的诠释，以及对人类智力的理解。人工智能是人类认识并理解自己的最后一步……”这算是当时该领域浪漫主义观念的精华版，激励我不断拓展人工智能的能力和人类知识的界限。 35年后的今天，我
这本书的诞生，首先要感谢我的协作者马特·希恩（Matt Sheehan），他在非常紧凑的时间里，在这本书上倾注了大量的心力。如果各位觉得这本书有趣、有料，信息丰富，大部分都是马特的功劳。我非常幸运能够找到这么一位协作者，他对中国、美国科技圈的事情都有着非常深入的了解，同时也很擅长写作，感谢他一直以来的帮助。 起初，是我的朋友兼经纪人约翰·布罗克曼（John
Local EPUB Text
身历其境的OMO体验并非仅限于购物。相同的技术如视觉识别、语音识别，以及根据以往行为勾勒的详细个人档案，也可用来创造高度定制的教育体验。
现行的教育体系大致上仍然是19世纪的“工厂模式”：所有学生在同一地点、同一时间，以相同速度及相同方式学习。学校采用“流水线”模式，让孩子一年升一级。在老师投入教学、辅导与评估学生的时间与精力非常有限的情况下，这种模式是有道理的。
但现在人工智能可以消除这些限制，人工智能的感知、识别与建议能力，能够针对每个学生打造不同的学习流程，也可以让老师腾出更多时间，对学生提供一对一辅导。
人工智能驱动的教育有四种应用场景：课堂教学、家庭作业与练习、考试与评分、量身打造的家教辅导。这四种场景的效果及行为会反馈给人工智能，并构成这一应用的基石——学生个人的档案。档案中包含影响学习的各种因素，比如哪些概念很熟悉，哪些概念不好理解，对各种教学方法的反馈，在课堂上的专注程度，回答问题的速度如何，调动学生积极性的方法，等等。