一、中國(guó)進(jìn)入5G 革命下半場(chǎng)

5G，也就是第五代移動(dòng)通信技術(shù)的簡(jiǎn)稱。它同互聯(lián)網(wǎng)革命一樣，會(huì)給經(jīng)濟(jì)活動(dòng)帶來(lái)“底層邏輯”的變革，比3G、4G技術(shù)的影響力范圍更廣。

3G、4G 技術(shù)的主要影響局限在生活消費(fèi)領(lǐng)域，作為消費(fèi)者的我們已經(jīng)強(qiáng)烈地感受到了，但這些技術(shù)對(duì)經(jīng)濟(jì)運(yùn)行的基本構(gòu)架影響還不算大。5G 跟4G 相比，不僅速度加快了10 倍，它的超大帶寬、超低時(shí)延和超可靠性等特點(diǎn)，使它可以直接影響工業(yè)生產(chǎn)、公共服務(wù)等眾多領(lǐng)域，其應(yīng)用場(chǎng)景的廣度和深度都會(huì)得到極大拓展。

要正確認(rèn)識(shí)5G 的意義，我們必須先了解幾個(gè)基本技術(shù)概念。

業(yè)界一般將5G 的應(yīng)用場(chǎng)景分成三大塊：高速移動(dòng)寬帶（eMMB）、高可靠低時(shí)延通信（URLLC）和大連接物聯(lián)網(wǎng)（mMTC）。

如何理解5G 三大應(yīng)用場(chǎng)景的分類呢？

相對(duì)4G，5G 帶來(lái)了更快的速度、更短的延遲、更強(qiáng)的穩(wěn)定性、更低的能耗，以及能支持更多用戶。正好是5 個(gè)“更”，我們可以將其稱為5G 的5 個(gè)G（Geng，更）。大部分人只關(guān)注第一個(gè)G（更）：“更快的速度”，也就是讓手機(jī)的上網(wǎng)速度更快。但對(duì)后面幾個(gè)G（更）的關(guān)注比較少。

“更短的延遲，更強(qiáng)的穩(wěn)定性”對(duì)應(yīng)的是高可靠低時(shí)延通信（URLLC）。4G的響應(yīng)速度大概為10～50毫秒，而5G可以控制在1毫秒以下（實(shí)測(cè)數(shù)據(jù)是平均0.64毫秒）。而且，這種低時(shí)延的可靠性相當(dāng)高，可以達(dá)到99.999% 的可靠度。

5G 通信在終端高速運(yùn)動(dòng)和不斷切換基站鏈接的情況下，仍可以保持信號(hào)的穩(wěn)定和低延時(shí)，這是它強(qiáng)穩(wěn)定性的一個(gè)體現(xiàn)——即使以500 千米/小時(shí)的速度運(yùn)動(dòng)，5G 終端仍可以穩(wěn)定地從一個(gè)基站切換到另一個(gè)基站，信號(hào)時(shí)延和可靠性仍可以得到保證。

超低延遲和高可靠性讓5G 的應(yīng)用范圍比4G 更廣闊，它將對(duì)以下領(lǐng)域影響較大：工業(yè)控制、交通安全、遠(yuǎn)程制造、遠(yuǎn)程手術(shù)等。

關(guān)于穩(wěn)定性的應(yīng)用意義，我們可以舉兩個(gè)例子。

第一個(gè)例子，稱為“空客320 計(jì)劃”——用5G 設(shè)備在飛機(jī)上替代所有的信號(hào)傳輸電纜和光纜。這個(gè)研究項(xiàng)目一旦成功，可以讓空中客車（Airbus）這樣的大型客機(jī)重量減輕接近17 噸。

第二個(gè)例子，一家全國(guó)知名的大型化纖集團(tuán)企業(yè)，在“中國(guó)制造業(yè)企業(yè)500強(qiáng)”中排名200 余位。化纖長(zhǎng)絲是他們的主打產(chǎn)品，每一根長(zhǎng)絲需要72 根細(xì)絲絞合在一起才能做出來(lái)。每根細(xì)絲的直徑只有7 微米，也就是只有頭發(fā)的1/10 那么細(xì)。在機(jī)器加工過(guò)程中，經(jīng)常會(huì)出現(xiàn)“飄絲”的現(xiàn)象（也就是有的細(xì)絲飄到別的長(zhǎng)絲上去了），這樣就會(huì)出現(xiàn)殘次品。

類似的問(wèn)題每年會(huì)給工廠帶來(lái)幾千萬(wàn)的損失。以前只能是工人拿著手電筒巡檢，每半個(gè)小時(shí)就把所有的機(jī)器檢查一遍，但這樣做效率很低，因?yàn)榧?xì)絲太細(xì)，而且在機(jī)器上傳送速度很快（4000米/分鐘），肉眼觀察十分困難。

但在5G 技術(shù)成熟以后，公司采用8K 高清攝像頭結(jié)合巡檢機(jī)器人，利用5G技術(shù)的低時(shí)延特性大大提升了產(chǎn)品的優(yōu)品率，徹底解決了長(zhǎng)絲卷繞工藝中的“飄絲”檢測(cè)難題。該系統(tǒng)可以在幾百根微米級(jí)的細(xì)絲以4000 米/分鐘的下絲速度通過(guò)多孔軌道過(guò)程中，發(fā)現(xiàn)卷繞中出現(xiàn)的飄絲、漂雜等問(wèn)題，徹底解決了質(zhì)檢環(huán)節(jié)中的人工成本高、漏檢誤檢率高、次品率高等問(wèn)題。

飛機(jī)的信號(hào)傳輸對(duì)可靠性要求極高，化纖檢測(cè)則要求是24小時(shí)不間斷地監(jiān)控機(jī)器運(yùn)轉(zhuǎn)。在這兩種情況下，所需的網(wǎng)絡(luò)傳輸速度雖說(shuō)4G 和WiFi 也能達(dá)到（當(dāng)然5G 更快、更有保證），但是在高速傳輸過(guò)程中的可靠性卻很差，無(wú)法保證接收端與發(fā)射端長(zhǎng)期且不間斷地連接。這種不可靠性在我們?nèi)粘Ｊ褂弥胁粫?huì)存在什么大的問(wèn)題，比如，我們?cè)谕媸謾C(jī)時(shí)，信號(hào)中斷幾秒鐘，大部分情況下我們是察覺不到的，即使是在線看視頻或聽音樂(lè)，也會(huì)因?yàn)榫彺娑惺懿坏娇D。

但在飛行安全和工業(yè)生產(chǎn)領(lǐng)域，4G 的這種低可靠性就是不可接受的。正因如此，4G 和WiFi 技術(shù)在生活消費(fèi)領(lǐng)域得到了廣泛應(yīng)用，但在工業(yè)等其他領(lǐng)域中的使用率就相對(duì)較低了。

此外，像遠(yuǎn)程視頻會(huì)議，雖然4G 和WiFi 信號(hào)也勉強(qiáng)可用，但其穩(wěn)定性較差，如果參與人數(shù)較多，則對(duì)實(shí)際會(huì)議的替代能力就相對(duì)較差。而在5G 的高速及高可靠性支持下，遠(yuǎn)程會(huì)議才有可能較大規(guī)模地替代面對(duì)面的交流，進(jìn)而徹底改變以往的商務(wù)溝通模式。

所以，我們才說(shuō)，5G 技術(shù)會(huì)給我們的生產(chǎn)生活帶來(lái)顛覆性的改變，這也是它超越4G 技術(shù)的地方。

“更低的功耗，支持更多用戶”對(duì)應(yīng)的是物聯(lián)網(wǎng)（mMTC）。5G 的連接密度相對(duì)4G 提高了10 ～ 100 倍，可以達(dá)到每平方千米數(shù)百萬(wàn)個(gè)。例如，城市規(guī)劃的標(biāo)準(zhǔn)是每平方千米1 萬(wàn)人，熱門景區(qū)在節(jié)假日期間的人流密度不會(huì)超過(guò)每平方千米100 萬(wàn)人，所以，4G 基站的接入密度用來(lái)給大家玩手機(jī)是沒(méi)問(wèn)題的。但如果要實(shí)現(xiàn)物聯(lián)網(wǎng)，其連接數(shù)量就很容易突破上限——水表、電表、燃?xì)夤艿赖叵鹿芫W(wǎng)，天上飛的、地上跑的、身上穿的、家里用的各種智能設(shè)備——假如要實(shí)現(xiàn)“萬(wàn)物互聯(lián)”，如此大的接入密度，僅靠4G 技術(shù)是撐不住的。

物聯(lián)網(wǎng)的特點(diǎn)是信號(hào)小、數(shù)量大，而且芯片植入以后長(zhǎng)期不用更換，很多場(chǎng)景要求在不更換電池的情況下芯片能連續(xù)使用十年以上，因此能耗必須控制到極低?！皵?shù)字地球”的概念早在2004年就被提出來(lái)了，中國(guó)從2008年開始就力推“智慧城市”建設(shè)。好多想法在當(dāng)時(shí)看來(lái)近乎科幻，到現(xiàn)在也只有很小一部分實(shí)現(xiàn)了，主要就是遇到了通信技術(shù)瓶頸。隨著5G 時(shí)代來(lái)臨，技術(shù)瓶頸被一一突破，物聯(lián)網(wǎng)和智慧城市的概念將會(huì)迎來(lái)新一輪爆發(fā)。

5G技術(shù)的研發(fā)、制造，十多年前就開始了。開發(fā)5G 編碼的時(shí)間是2008年；而5G 的基礎(chǔ)設(shè)施布局，是商用牌照發(fā)放前后的一兩年；5G 的場(chǎng)景應(yīng)用，則是基礎(chǔ)設(shè)施布局之后十多年甚至是更長(zhǎng)時(shí)間。然而，從2019年下半年5G 牌照正式發(fā)放開始，“5G 革命”就進(jìn)入了下半場(chǎng)，以場(chǎng)景應(yīng)用來(lái)帶動(dòng)其他產(chǎn)業(yè)全方位進(jìn)步，將會(huì)成為驅(qū)動(dòng)這個(gè)下半場(chǎng)的核心動(dòng)力。

5G革命進(jìn)入商業(yè)應(yīng)用和產(chǎn)業(yè)化階段以后，我們就可以按照商業(yè)和產(chǎn)業(yè)的邏輯，來(lái)對(duì)5G 應(yīng)用場(chǎng)景進(jìn)行新的分類，如表1 所示。

表1 5G 應(yīng)用場(chǎng)景與初步實(shí)踐

從這張表格，我們可以看出，5G 正在深入滲透進(jìn)社會(huì)運(yùn)行的方方面面，對(duì)生產(chǎn)、生活、公共服務(wù)等方面產(chǎn)生巨大的影響。這就預(yù)示了——今后，在這每一個(gè)場(chǎng)景中都會(huì)產(chǎn)生巨大的投資需求和產(chǎn)業(yè)空間，無(wú)數(shù)的機(jī)會(huì)等著我們?nèi)ネ诰颉?/p>

純粹從技術(shù)的角度來(lái)講，從1G 到5G，是通信技術(shù)發(fā)展的5 個(gè)階段。但從互聯(lián)網(wǎng)的角度來(lái)看，我們認(rèn)為可以分為3 個(gè)時(shí)代：第一代互聯(lián)網(wǎng)是有線網(wǎng)絡(luò)時(shí)代，電話線、網(wǎng)線、光纖線都算，而1G 和2G 通信還不算互聯(lián)網(wǎng)技術(shù)；第二代互聯(lián)網(wǎng)是移動(dòng)互聯(lián)時(shí)代，從3G 時(shí)代開始，移動(dòng)通信才算融入了互聯(lián)網(wǎng)，3G 和4G 都屬于第二個(gè)時(shí)代；第三代互聯(lián)網(wǎng)是萬(wàn)物互聯(lián)時(shí)代，標(biāo)志就是5G。

在第一個(gè)互聯(lián)網(wǎng)時(shí)代，歐美企業(yè)發(fā)展了很多年以后，我們才開始跟進(jìn)，進(jìn)而出現(xiàn)了騰訊、阿里巴巴、百度、新浪、搜狐等一大批互聯(lián)網(wǎng)科技公司，基本上都是模仿國(guó)外的應(yīng)用場(chǎng)景和商業(yè)模式。

第二個(gè)互聯(lián)網(wǎng)時(shí)代，是由美國(guó)的蘋果公司和谷歌公司為代表開啟的，但國(guó)內(nèi)很快就跟進(jìn)了，涌現(xiàn)出了微博、滴滴打車、抖音、移動(dòng)支付、餓了么等新的應(yīng)用創(chuàng)新以及一大批智能手機(jī)生產(chǎn)商，在發(fā)展后期基本實(shí)現(xiàn)了與國(guó)際創(chuàng)新的同步。其中，抖音短視頻和移動(dòng)支付更是走在了世界前列。

而在第三個(gè)互聯(lián)網(wǎng)時(shí)代，以華為為代表的中國(guó)公司開始掌握主動(dòng)權(quán)，中國(guó)很有可能會(huì)成為高科技企業(yè)變革的“領(lǐng)頭羊”——在硬件和軟件領(lǐng)域都將如此。這時(shí)候，高科技企業(yè)創(chuàng)新的空間會(huì)更加廣闊，也必然會(huì)有更多顛覆性的創(chuàng)新技術(shù)出現(xiàn)。

二、深度學(xué)習(xí)：第四代人工智能取得關(guān)鍵突破

在表格“5G 應(yīng)用場(chǎng)景分類”中——“場(chǎng)景技術(shù)特征”這一列，除了eMMB、mMTC、URLLC這3 個(gè)5G 技術(shù)特征以外，AI這個(gè)詞也經(jīng)常出現(xiàn)。

AI，也就是人工智能（Artificial Inteligence）技術(shù)的簡(jiǎn)稱。5G的諸多關(guān)鍵應(yīng)用場(chǎng)景都必須要有人工智能技術(shù)的支持才能實(shí)現(xiàn)，比如自動(dòng)化生產(chǎn)、個(gè)人智能助理等。由于5G 的傳輸數(shù)據(jù)量極大，這些數(shù)據(jù)如果不能得到高效的分析處理，5G技術(shù)的意義就會(huì)大打折扣，難以取得相對(duì)于4G 等上一代通信技術(shù)的革命性優(yōu)勢(shì)。

1.人工智能的代際差異

人工智能是一種軟件技術(shù)，跟芯片和控制器等硬件結(jié)合起來(lái)，可以用來(lái)組織生產(chǎn)，駕駛汽車飛機(jī)等交通工具，給病人診斷疾病，解決各種數(shù)學(xué)、物理難題，等等。

無(wú)線通信技術(shù)分為一代、二代、三代、四代、五代，分別對(duì)應(yīng)1G、2G、3G、4G、5G。人工智能技術(shù)也可以分為好幾代，目前主要是四代，技術(shù)上可預(yù)見的還有第五代，本書所關(guān)注的人工智能技術(shù)主要是第四代。

人工智能的四代劃分，主要以其所解決問(wèn)題的復(fù)雜程度為標(biāo)準(zhǔn)。

第一代，是簡(jiǎn)單組合的電腦控制系統(tǒng)，只比人工控制模式復(fù)雜一點(diǎn)兒。比如，家庭常用的洗衣機(jī)，它的人工控制模式就是：按一個(gè)鍵放水—再按另一個(gè)鍵洗衣服—再按一個(gè)鍵脫水—再按一個(gè)鍵烘干，人為干預(yù)每一個(gè)環(huán)節(jié)。后來(lái)，人們?cè)谙匆聶C(jī)中植入芯片和軟件程序，只需按一個(gè)鍵，洗衣機(jī)就可以自動(dòng)完成放水、洗衣服、脫水、烘干的全過(guò)程。而且，洗衣機(jī)還可以根據(jù)衣物的重量來(lái)自己決定進(jìn)水量和洗衣的時(shí)間。

把一步一步的人為操作，變成由電腦程序來(lái)一次性完成的工作，再讓機(jī)器自己根據(jù)一些簡(jiǎn)單的變量做出選擇——這就是第一代人工智能。嚴(yán)格來(lái)說(shuō)，它并不“智能”，只是實(shí)現(xiàn)了控制步驟的整體整合，它在任何方面都無(wú)法跟人類的智力水平相提并論。

第二代，可以在某些方面達(dá)到或者超過(guò)人類思維速度的復(fù)雜決策程序，也可以在某些方面與人類交流。比如，電腦可以跟人下象棋，一般人下不過(guò)電腦，但專業(yè)棋手卻很容易贏過(guò)電腦——這比全自動(dòng)洗衣機(jī)的程序復(fù)雜多了。我們玩電腦單機(jī)游戲，以電腦為對(duì)手，一般會(huì)稱之為AI 對(duì)手——指的就是第二代人工智能。

在生活中，掃地機(jī)器人這種更復(fù)雜的家電出現(xiàn)了，它基本上可以在掃地這個(gè)方面代替人類——程序設(shè)定好之后自動(dòng)充電、自動(dòng)清掃，全程不需要人工參與。電腦可以實(shí)現(xiàn)基本的語(yǔ)音識(shí)別，并根據(jù)語(yǔ)音命令行動(dòng)，還能夠根據(jù)歷史數(shù)據(jù)分析總結(jié)出用戶的一些偏好?，F(xiàn)在，大部分貼著AI 標(biāo)簽的消費(fèi)品和應(yīng)用軟件，基本都是采用了第二代人工智能技術(shù)。

第三代人工智能，是使用了概率算法并可以進(jìn)行簡(jiǎn)單機(jī)器學(xué)習(xí)的人工智能。在規(guī)則清楚的情況下，這一代人工智能已經(jīng)可以在某些特定方面超過(guò)人類最頂尖的專業(yè)選手。2016年3月，擊敗韓國(guó)圍棋選手李世石的谷歌軟件阿爾法狗（AlfaGo） ，就是第三代人工智能的產(chǎn)物。它計(jì)算棋路的方式還是人類給它設(shè)定的，也就是基于決策樹的“蒙特卡洛方法”——把窮舉問(wèn)題變成概率問(wèn)題，突破了計(jì)算機(jī)決策的計(jì)算速度上限，因此看起來(lái)更加智能了。另外，漢字的手寫輸入和掃描識(shí)別技術(shù)，也是基于第三代人工智能才得以實(shí)現(xiàn)的。

第四代人工智能，是可以進(jìn)行自主深度學(xué)習(xí)的人工智能。人類并不需要告訴電腦該怎么做，只需要給出目標(biāo)，而且是人類自身體力和智力都難以達(dá)到的目標(biāo)，人工智能自己就會(huì)去學(xué)習(xí)并找到達(dá)到目標(biāo)的方法和路徑，幫助人類更有效率地完成目標(biāo)，甚至完成以前人類無(wú)法達(dá)到的目標(biāo)。谷歌公司研發(fā)的新一代圍棋軟件阿爾法元（Alpha Zero）就是基于第四代人工智能做出來(lái)的。在它面前，橫掃一切人類圍棋大師的“阿爾法狗”就是幼兒園水平?！鞍柗ㄔ睂?duì)局“阿爾法狗”100 盤，連勝100 盤。而且，“阿爾法元”的下棋風(fēng)格已經(jīng)跟人類完全兩樣，縱觀人類上千年圍棋史，也找不出這個(gè)風(fēng)格的布局方式。

所以，只有第四代人工智能，才算得上是比較完善的人工智能，也才能夠支撐一次真正意義上的產(chǎn)業(yè)革命。

第四代之后是第五代。第五代人工智能可能是基于量子計(jì)算的人工智能，但目前還停留在理論研究階段，何時(shí)可以實(shí)現(xiàn)不得而知。這個(gè)階段的人工智能不僅可以在某一項(xiàng)具體工作方面代替人類，還可以通過(guò)深度學(xué)習(xí)在諸多方面代替人類，甚至可以把一項(xiàng)完整、抽象而且持續(xù)時(shí)間長(zhǎng)、場(chǎng)景變化復(fù)雜的任務(wù)交給它去完成。比如，可以在數(shù)年的時(shí)間內(nèi)獨(dú)立照顧小孩或者老人起居，科幻電影中的智能機(jī)器人助手在這一階段會(huì)成為現(xiàn)實(shí)。

當(dāng)下，“5G+ 人工智能+ 物聯(lián)網(wǎng)”產(chǎn)業(yè)革命尚不能指望第五代人工智能來(lái)支撐。有很多關(guān)于人工智能技術(shù)與人類最終命運(yùn)的哲學(xué)化思考，比如人工智能會(huì)不會(huì)統(tǒng)治人類、人腦能否與機(jī)器大腦融合等，至少也要到第五代人工智能發(fā)展成熟之后，才真正有去思考的意義。

自從計(jì)算機(jī)發(fā)明以后，人類掀起過(guò)三次人工智能熱潮，前面兩次浪潮分別發(fā)生在20 世紀(jì)60年代和20 世紀(jì)80年代，但最后都“退潮”了，因?yàn)槿斯ぶ悄芗夹g(shù)沒(méi)有產(chǎn)生預(yù)期的革命性影響。原因是這兩代技術(shù)和人類的思維能力差距太大，無(wú)法勝任大規(guī)模的、復(fù)雜的工作場(chǎng)景。只有在以深度學(xué)習(xí)為代表的第四代人工智能技術(shù)發(fā)展得比較完善以后，人工智能才能對(duì)我們的生產(chǎn)生活產(chǎn)生顛覆性的影響。

2.深度學(xué)習(xí)以前的人工智能

第四代技術(shù)和第三代技術(shù)的關(guān)鍵差別在哪里呢？

首先，為了更好地理解第三代技術(shù)的原理，我們以大家熟悉的棋類運(yùn)動(dòng)來(lái)舉例。

早期人工智能的技術(shù)，是利用計(jì)算機(jī)的計(jì)算能力實(shí)現(xiàn)“窮舉”（在研究對(duì)象是由有限個(gè)元素構(gòu)成的集合時(shí)，把所有對(duì)象一一列舉出來(lái)，再對(duì)其一一進(jìn)行研究）， 算法完全是由人類程序員編制好的。比如下五子棋，只需要把五個(gè)棋子在棋盤上連在一起就可以獲勝，它的變化數(shù)量比較少（相對(duì)于現(xiàn)代計(jì)算機(jī)而言）。所以，只要把所有符合規(guī)則的落子方法都列舉出來(lái)，計(jì)算機(jī)就能找到可以獲勝的下棋方法。

同樣的辦法用來(lái)下象棋的話，難度就大多了。因?yàn)橄笃宓淖兓h(yuǎn)遠(yuǎn)超過(guò)五子棋，棋子更多，規(guī)則也更復(fù)雜，按照21 世紀(jì)初期及其以前的計(jì)算機(jī)運(yùn)算能力，根本無(wú)法實(shí)現(xiàn)窮舉。計(jì)算機(jī)跟人一樣，也就只能看幾步棋，不可能把所有的可能性都窮舉完。1997年擊敗國(guó)際象棋大師——卡斯帕羅夫的計(jì)算機(jī)“深藍(lán)”最多也就可以看12 步棋。

那怎么辦呢？以中國(guó)象棋為例，只能根據(jù)人類下象棋的經(jīng)驗(yàn)來(lái)“打分”。比如車是最厲害的子，給它打分是10分，炮和馬差不多，各6分。如果計(jì)算機(jī)能算出五步棋之內(nèi)的所有下法，其中的一種是自己丟掉一個(gè)車，吃掉對(duì)方一個(gè)馬，那么就是丟掉10分的同時(shí)得到6分，最后算下來(lái)不劃算，失去了4分。它就不會(huì)采用這種下法。而另外一種是自己丟掉一個(gè)車，同時(shí)能吃掉對(duì)方一個(gè)炮和一個(gè)馬，那就是自己丟掉10分的同時(shí)得到12分，這樣是劃算的。

為什么車是10分，馬和炮是6分呢？計(jì)算機(jī)并不知道，這是人類根據(jù)經(jīng)驗(yàn)給打的分。

除了對(duì)棋子打分以外，人類還可以根據(jù)經(jīng)驗(yàn)對(duì)某些局面打分。比如，當(dāng)頭炮是有利的局面，可以得5分，而一個(gè)卒的得分是2分。為了架起當(dāng)頭炮，丟掉一個(gè)卒就是劃算的，而丟掉一個(gè)炮就是不劃算的。沉底炮可以得6分，臥槽馬也可以得6分。還可以再?gòu)?fù)雜一些，引進(jìn)一些象棋口訣，比如“三子歸邊必贏棋”，也就是把車馬炮三個(gè)棋子都放到敵方棋盤的同一個(gè)方向，贏棋的概率就非常高。那么這個(gè)局面就可以打7分，為了實(shí)現(xiàn)這個(gè)局面，可以丟掉一個(gè)炮或者馬，等等。

通過(guò)人類經(jīng)驗(yàn)打分，并設(shè)計(jì)出一套計(jì)算規(guī)則，讓計(jì)算機(jī)對(duì)不同的局面打分。這樣，計(jì)算機(jī)就不用計(jì)算到最后，而只需計(jì)算未來(lái)的五六步棋即可，然后評(píng)估得分，選擇得分最高的那種走法就可以了。

這種方法被很夸張地稱為——“神經(jīng)網(wǎng)絡(luò)算法”，聽上去很唬人，很多人聲稱它是對(duì)人類神經(jīng)元決策方式的模擬，但本質(zhì)上就是對(duì)不同要素或事件進(jìn)行綜合決策，然后進(jìn)行函數(shù)計(jì)算，得到一個(gè)數(shù)值，并根據(jù)這個(gè)值的高低來(lái)做最終決策——打分、函數(shù)和決策的標(biāo)準(zhǔn)都是人類定的。如果把“神經(jīng)”兩個(gè)字去掉，叫“網(wǎng)絡(luò)算法”更符合其技術(shù)本質(zhì)。

神經(jīng)網(wǎng)絡(luò)算法——也就是“多要素打分算法”，在一開始，由于打分規(guī)則存在漏洞，還不能囊括棋局的全部變化，所以，人類象棋高手同計(jì)算能力不太強(qiáng)的電腦下棋時(shí)還有獲勝的希望。但隨著打分技術(shù)趨于完善以及計(jì)算機(jī)能力的提高，如今，在象棋領(lǐng)域，人類中的頂級(jí)高手基本上也無(wú)法戰(zhàn)勝電腦了。

到了圍棋這里，問(wèn)題就更加復(fù)雜。圍棋規(guī)則簡(jiǎn)單，但是棋子數(shù)量眾多，變幻無(wú)窮，人類現(xiàn)有的計(jì)算機(jī)技術(shù)根本無(wú)法實(shí)現(xiàn)窮舉——圍棋的落子可能性有1.43×10768種，可觀測(cè)宇宙范圍內(nèi)的原子總數(shù)也不會(huì)超過(guò)1080。所以，圍棋的變化比全宇宙所包含的原子數(shù)量還要多上十多倍——圍棋的變化是如此之多，以至于計(jì)算機(jī)不僅無(wú)法窮舉，即使用打分的辦法，也會(huì)因?yàn)榫置孀兓珡?fù)雜而漏洞百出。

為了解決這個(gè)問(wèn)題——“蒙特卡洛方法”被引進(jìn)了。

所謂“蒙特卡洛方法”，就是把窮舉法變成隨機(jī)抽樣法?！按蚍址ā敝荒芴崆邦A(yù)測(cè)幾步棋，但這幾步棋卻實(shí)現(xiàn)了窮舉，本質(zhì)上就是保留窮舉的同時(shí)犧牲計(jì)算的步數(shù)。而蒙特卡洛方法，就是不犧牲步數(shù)而放棄窮舉。當(dāng)計(jì)算機(jī)面臨選擇的時(shí)候，它不會(huì)把所有的可能性都計(jì)算完，而是隨機(jī)選擇一種可能，一口氣把棋下完，然后再看是輸還是贏。所以，計(jì)算機(jī)可以利用自己強(qiáng)大的計(jì)算能力，進(jìn)行數(shù)量巨大（比如十萬(wàn)次）的隨機(jī)選擇，看輸和贏的概率，最后選擇贏的概率最高的那種方法來(lái)下棋。

比如，計(jì)算機(jī)執(zhí)白棋，人類對(duì)手執(zhí)黑棋。假設(shè)在某一步的時(shí)候，計(jì)算機(jī)面臨A、B、C、D四種落子選擇，它該選哪個(gè)呢？

首先，它假設(shè)自己把白棋落在了A點(diǎn)。然后，在符合圍棋規(guī)則的前提下，它開始隨機(jī)模擬落子A點(diǎn)以后的局面變化。它會(huì)根據(jù)圍棋規(guī)則一步一步地落下黑棋和白棋，一直到最后黑棋和白棋把整個(gè)棋盤填滿，這一局結(jié)束。這一次隨機(jī)落子的結(jié)果，假設(shè)是黑棋贏了，計(jì)算機(jī)就記下來(lái)：黑棋贏了一次。接著，計(jì)算機(jī)再來(lái)模擬另外一種落子方式，只要遵守圍棋規(guī)則而不管每一次落子是好棋還是爛棋——然后一直下到最后。這一次，可能是白棋贏了，計(jì)算機(jī)又記下來(lái)：白棋贏了一次。

由于每一次都是隨機(jī)落子，模擬接下來(lái)的整局所需要的計(jì)算量只有幾百次，這對(duì)計(jì)算機(jī)而言可謂微不足道。對(duì)一秒鐘可以運(yùn)算3 億次的計(jì)算機(jī)來(lái)說(shuō)，它一秒鐘就可以模擬出約100 萬(wàn)個(gè)不同的棋局。

它在統(tǒng)計(jì)完這100 萬(wàn)次隨機(jī)棋局后，發(fā)現(xiàn)有30 萬(wàn)次是白棋贏了，70 萬(wàn)次是黑棋贏了。于是計(jì)算機(jī)得出結(jié)論：把白棋落在A點(diǎn)的獲勝概率是30%。

用同樣的辦法，計(jì)算機(jī)再模擬100 萬(wàn)次把白棋落在B點(diǎn)以后的隨機(jī)棋局，黑棋贏了50 萬(wàn)次，白棋贏了50 萬(wàn)次，勝率就是50%。

再繼續(xù)模擬白棋落子C點(diǎn)和D點(diǎn)的隨機(jī)棋局，得到結(jié)論：白棋落子C點(diǎn)的勝率是80%，落子D點(diǎn)的勝率是60%。

最后，計(jì)算機(jī)決定把白棋落在C點(diǎn)，因?yàn)閯俾矢摺?/p>

由于計(jì)算量巨大，即隨機(jī)樣本大，這種對(duì)勝率的預(yù)測(cè)相當(dāng)準(zhǔn)確。而且它不只是算一次——對(duì)手每下一步，計(jì)算機(jī)都會(huì)重新預(yù)測(cè)下一步棋所能取得的勝率，然后再選擇隨機(jī)勝率最高的下法。一直到最后，棋盤上的空間越來(lái)越小，計(jì)算機(jī)已經(jīng)可以窮舉所有可能性，就不再用隨機(jī)概率預(yù)測(cè)，直接選擇勝率百分之百的方式走完殘局就可以。

戰(zhàn)勝圍棋名家李世石的圍棋軟件——阿爾法狗，用的就是這一原理。當(dāng)然，它也同時(shí)采用了“神經(jīng)網(wǎng)絡(luò)算法”的打分法：由一些專業(yè)棋手來(lái)根據(jù)圍棋理論對(duì)當(dāng)前局面打分，將一些明顯不應(yīng)該落子的地方排除掉，以提高計(jì)算機(jī)的計(jì)算精確度。此外，它還使用了簡(jiǎn)單的機(jī)器學(xué)習(xí)技術(shù)，讓計(jì)算機(jī)自己根據(jù)實(shí)戰(zhàn)經(jīng)驗(yàn)對(duì)打分法進(jìn)行改進(jìn)。

這就是第三代人工智能技術(shù)。機(jī)器學(xué)習(xí)還得依賴人類經(jīng)驗(yàn)，只不過(guò)加入了概率計(jì)算，突破了計(jì)算機(jī)的窮舉極限。

第三代智能技術(shù)還有一個(gè)很關(guān)鍵的問(wèn)題沒(méi)有得到解決：它表現(xiàn)的好壞，主要還是取決于人類自己進(jìn)行經(jīng)驗(yàn)總結(jié)的質(zhì)量。圍棋是一個(gè)規(guī)則比較簡(jiǎn)單的事情，非常適合采用經(jīng)驗(yàn)打分加概率計(jì)算的方法來(lái)解決，但在一些具體的生產(chǎn)生活場(chǎng)景中，人類自己總結(jié)的經(jīng)驗(yàn)都不可靠。在這種情況下，第三代人工智能也就很難發(fā)揮作用了。

比如，在人臉識(shí)別領(lǐng)域，我們?nèi)祟愐谎劬湍芊直娉鰣D片中的人臉。但要我們?nèi)懗鲆粋€(gè)描述人臉特征的算法公式卻非常困難。人臉有什么特點(diǎn)？橢圓形的物體，上面蓋著一層黑色？那剃個(gè)光頭就不是人臉了？有兩個(gè)黑色的小圓圈，左右是白色的三角形，而且左右基本對(duì)稱？那人臉和貓臉、馬臉如何區(qū)分呢？ 人類根據(jù)自身經(jīng)驗(yàn)可以快速得到一些結(jié)論，但這些結(jié)論要想總結(jié)清晰并改編成計(jì)算機(jī)語(yǔ)言，則非常困難。

在汽車自動(dòng)駕駛領(lǐng)域，人類可以經(jīng)過(guò)訓(xùn)練變成合格的駕駛員。但道路情況千變?nèi)f化，要把所有可能的變化都變成精確的計(jì)算機(jī)語(yǔ)言，其復(fù)雜程度就太高了。

人類之所以具有智能，很大程度是因?yàn)槲覀兙邆鋸木唧w事物中抽象出概念的能力，然后用概念去應(yīng)對(duì)一些變化的具體事物。這種能力要想變成計(jì)算機(jī)所能執(zhí)行的程序，在圍棋這種規(guī)則簡(jiǎn)單的場(chǎng)景中尚可實(shí)現(xiàn)，但在復(fù)雜的生產(chǎn)生活場(chǎng)景中，就大大超過(guò)了人類程序員所能承擔(dān)的工作量。

3.基于深度機(jī)器學(xué)習(xí)的人工智能

同第三代相比，第四代人工智能技術(shù)就有了質(zhì)的改變。深度學(xué)習(xí)可以讓計(jì)算機(jī)自己從大數(shù)據(jù)中發(fā)現(xiàn)和定義特征。

如何理解這句話呢？

深度學(xué)習(xí)，就是讓計(jì)算機(jī)通過(guò)實(shí)踐來(lái)自己尋找打分標(biāo)準(zhǔn)和函數(shù)。比如下中國(guó)象棋，一個(gè)車的價(jià)值是10分還是9分還是11分？“馬后炮”的局面應(yīng)該得幾分？ 這些都是人類經(jīng)驗(yàn)結(jié)論。現(xiàn)在人類不再告訴計(jì)算機(jī)結(jié)論了，只告訴它象棋的規(guī)則，讓它自己跟自己下象棋，不斷地下，然后自己總結(jié)出規(guī)律，給每個(gè)棋子打分，給每個(gè)不同的局面打分。計(jì)算機(jī)自己將規(guī)律總結(jié)出來(lái)，然后再用這個(gè)規(guī)律去跟人下棋，或者跟別的人工智能下棋，或者對(duì)照之前的象棋譜比較……總之，通過(guò)各種辦法來(lái)測(cè)試它總結(jié)的規(guī)律是不是“靠譜”。

每下一盤棋，計(jì)算機(jī)都會(huì)根據(jù)勝負(fù)修正自己所總結(jié)的規(guī)律。隨著下棋的次數(shù)不斷增多，規(guī)律就越趨于完美——這也就是“機(jī)器學(xué)習(xí)”的最大特點(diǎn)。計(jì)算機(jī)總結(jié)的規(guī)律數(shù)量巨大，但缺乏指向性，需要海量的實(shí)踐數(shù)據(jù)才能讓其所總結(jié)的規(guī)律最終優(yōu)化到可以戰(zhàn)勝人類高手。

計(jì)算機(jī)的計(jì)算速度極快，而且它可以24小時(shí)不間斷地下棋來(lái)改進(jìn)自己總結(jié)的規(guī)律。因此，在棋類運(yùn)動(dòng)方面，通過(guò)機(jī)器學(xué)習(xí)成為高手是比較容易的?！鞍柗ㄔ保ˋlpha Zero，即谷歌的DeepMind 系統(tǒng)）就是讓電腦自己和自己下棋來(lái)總結(jié)規(guī)律。

機(jī)器學(xué)習(xí)可以用于更復(fù)雜的領(lǐng)域。我們以圖片識(shí)別為例來(lái)說(shuō)明。

第三代人工智能技術(shù)，是人類程序員先輸入一些判別各種物體特征的程序和算法，然后計(jì)算機(jī)再根據(jù)這些特征去判斷圖片上有沒(méi)有符合這些特征的，最后識(shí)別出來(lái)。由于圖片千變?nèi)f化，識(shí)別率長(zhǎng)期以來(lái)都非常低，之前無(wú)數(shù)專業(yè)人員的努力，也就能讓計(jì)算機(jī)的識(shí)別率每年提高1% 左右。在2012年之前，頂級(jí)的算法最多也就能實(shí)現(xiàn)大約75% 的識(shí)別率。

2012年，這個(gè)局面被徹底改變了，電腦識(shí)別率一下提高了10 個(gè)百分點(diǎn)。此后，人臉識(shí)別等技術(shù)才具有了真正的實(shí)用性，被普遍應(yīng)用到各個(gè)領(lǐng)域。

這個(gè)突破性的技術(shù)，就是深度學(xué)習(xí)。

同下圍棋一樣，人類給計(jì)算機(jī)設(shè)定了識(shí)別圖片的規(guī)則，然后讓它自己去嘗試。這個(gè)規(guī)則很簡(jiǎn)單，就是讓它把一張圖片壓縮。比如，將一張1000 萬(wàn)像素的圖片壓縮成100 萬(wàn)像素，然后，再把這張100 萬(wàn)像素的圖片還原成為1000 萬(wàn)像素的圖片。同時(shí)，給計(jì)算機(jī)設(shè)定一些人類已知的各種數(shù)學(xué)工具，以供其使用。剛開始，計(jì)算機(jī)會(huì)隨機(jī)壓縮圖片，不過(guò)，如果沒(méi)有找好規(guī)律，壓縮之后會(huì)丟失掉很多圖片信息，最后還原出來(lái)的圖片同原圖對(duì)比差別較大。

慢慢地，經(jīng)過(guò)萬(wàn)億次的計(jì)算之后，計(jì)算機(jī)會(huì)自己發(fā)現(xiàn)一些規(guī)律。比如，某些圖片的某個(gè)部分A 與另一個(gè)部分B 是完全一樣的，那么它就可以只記錄A 部分的像素，然后記錄B 部分在圖片中的位置，刪掉B 部分的像素?cái)?shù)據(jù)就可以了。 這樣就把圖片壓縮了。

再進(jìn)一步，計(jì)算機(jī)可以找到一些概念性的總結(jié)，比如正方形的圖案、等邊三角形的圖案等。這樣，就只需要保留一條邊的數(shù)據(jù)，然后加上“這是一個(gè)正方形的圖案的一條邊”或者“這是一個(gè)等邊三角形的一條邊”這個(gè)標(biāo)志，就可以把這個(gè)圖案完整復(fù)原出來(lái)。如此，可以節(jié)省很多的空間，提高壓縮圖片的速率。

計(jì)算機(jī)不會(huì)有“正方形”和“等邊三角形”的概念，它只會(huì)把這些概念顯示為一串特征代碼，比如正方形是它發(fā)現(xiàn)的第一萬(wàn)個(gè)圖形特征，它的代碼就可能是——10011100010000。這個(gè)時(shí)候，當(dāng)人類看到計(jì)算機(jī)總結(jié)的這個(gè)圖案特征其實(shí)就是我們說(shuō)的正方形，就輸入一個(gè)指令，告訴計(jì)算機(jī)，這個(gè)編碼為10011100010000 的圖案特征，我們?nèi)祟惤凶鳌罢叫巍?。這樣，計(jì)算機(jī)就掌握了正方形這個(gè)概念。以后再輸入“正方形”的搜索指令，計(jì)算機(jī)就能快速地從無(wú)數(shù)圖片中找到正方形圖案。至于計(jì)算機(jī)自己是如何定義正方形特征的，人類可以不用管，人類只需要把計(jì)算機(jī)自己找到的這個(gè)特征的編碼和我們?nèi)祟愓Z(yǔ)言給它的定義連接起來(lái)就可以了。

運(yùn)用這樣的原理，谷歌讓每秒鐘可以進(jìn)行幾百萬(wàn)億次計(jì)算的計(jì)算機(jī)反復(fù)對(duì)1000 萬(wàn)張圖片進(jìn)行“壓縮、復(fù)原、對(duì)照”。通過(guò)三天的運(yùn)算，終于讓計(jì)算機(jī)發(fā)現(xiàn)了“人臉”這個(gè)特征。只要它在圖片中發(fā)現(xiàn)符合“人臉”這個(gè)特征的圖案，就會(huì)用一組特殊算法對(duì)這部分圖案進(jìn)行壓縮，比如人的眼睛左右部分是基本對(duì)稱的，只需要記錄一只眼睛的數(shù)據(jù)，然后記錄另一只眼睛的不同之處，就可以將圖片信息壓縮差不多一半。但計(jì)算機(jī)并不知道這個(gè)特征叫作“人臉”，它只是發(fā)現(xiàn)這個(gè)特征對(duì)壓縮圖片很有用，就對(duì)它進(jìn)行編碼處理。這個(gè)時(shí)候，人類只需要告訴計(jì)算機(jī)：你發(fā)現(xiàn)的這個(gè)特征，我們叫作“人臉”。以后，我們只需輸入“人臉”搜索的指令，計(jì)算機(jī)就可以從無(wú)數(shù)的圖片中快速地把符合指令要求的人臉找出來(lái)。

“輸入—壓縮—復(fù)原—對(duì)照檢驗(yàn)—改進(jìn)”，對(duì)這5 個(gè)步驟反復(fù)進(jìn)行，就可以讓計(jì)算機(jī)像人一樣，找到海量信息數(shù)據(jù)中的關(guān)鍵特征，并對(duì)其進(jìn)行編碼處理。用這樣的辦法，我們就可以不用將人類的經(jīng)驗(yàn)特征一條一條地總結(jié)成計(jì)算機(jī)語(yǔ)言輸入電腦了，只需要編碼計(jì)算機(jī)自己總結(jié)出來(lái)的特征中與人類所總結(jié)的特征相符的東西就行了。

這個(gè)學(xué)習(xí)過(guò)程有時(shí)候需要人去監(jiān)督修正，有時(shí)候不需要，如此也就分出了有監(jiān)督的機(jī)器學(xué)習(xí)和無(wú)監(jiān)督的機(jī)器學(xué)習(xí)。計(jì)算機(jī)發(fā)現(xiàn)的壓縮規(guī)律本身還可以再作為輸入結(jié)果，進(jìn)行再壓縮和再?gòu)?fù)原對(duì)照檢驗(yàn)，變得更為抽象和精煉，這就是第二層的學(xué)習(xí)。層數(shù)增加到三層以后，就可以稱之為“深度機(jī)器學(xué)習(xí)”。谷歌的人臉識(shí)別技術(shù)，就是經(jīng)過(guò)多層機(jī)器學(xué)習(xí)之后才逐漸趨于完善的。

4.深度學(xué)習(xí)的革命性意義

目前，人們對(duì)新一輪人工智能的看法大體比較一致，主要有以下兩個(gè)看法。

第一，第四代人工智能還是有局限的人工智能技術(shù)。從技術(shù)上來(lái)看，要發(fā)展到人類水平智能（即通用人工智能或強(qiáng)人工智能）仍然存在巨大的障礙，達(dá)成該目標(biāo)還很遙遠(yuǎn)。

第二，人工智能已經(jīng)具備廣泛的實(shí)用價(jià)值，將極大地改進(jìn)人類認(rèn)識(shí)世界和改變世界的模式，同時(shí)還會(huì)取代很多重復(fù)性高、技能要求不高的崗位。在這一輪人工智能技術(shù)的沖擊下，財(cái)務(wù)會(huì)計(jì)、客服代表、股票交易員、律師助理、司機(jī)、流水線工人等職業(yè)將會(huì)逐漸消失。

從產(chǎn)業(yè)經(jīng)濟(jì)的角度來(lái)說(shuō)，我們只需要考慮第二個(gè)方面，而無(wú)須期待或擔(dān)心人工智能超過(guò)人類及其之后的影響。諸如機(jī)器控制或者統(tǒng)治人類、人類通過(guò)電腦實(shí)現(xiàn)意識(shí)永生之類的事情，這些都還屬于科幻小說(shuō)家的工作領(lǐng)域，不在本書研討的范圍之內(nèi)。

盡管如此，深度學(xué)習(xí)的革命性意義仍然不容小覷。它讓計(jì)算機(jī)掌握了總結(jié)抽象規(guī)律的能力。這道關(guān)鍵的門檻邁過(guò)去之后，人工智能的應(yīng)用范圍必將得到極大拓展。

人類不再需要代替計(jì)算機(jī)去總結(jié)規(guī)律，只需要給計(jì)算機(jī)提供足夠大的樣本數(shù)據(jù)，然后告訴計(jì)算機(jī)需要什么樣的結(jié)果，剩下的絕大部分工作，就可以交給計(jì)算機(jī)來(lái)完成了（學(xué)習(xí)過(guò)程的一些關(guān)鍵節(jié)點(diǎn)還需要人類監(jiān)督干預(yù)，這樣可以保證學(xué)習(xí)結(jié)果精確可用）。這樣，人工智能所能解決問(wèn)題的廣度，就可以超過(guò)人類程序員的總結(jié)能力和代碼輸入的工作量，幾乎是可以無(wú)限擴(kuò)展了。

盡管在不同行業(yè)、領(lǐng)域的具體應(yīng)用過(guò)程中，需要做的改進(jìn)和有待突破的技術(shù)細(xì)節(jié)還有很多，計(jì)算機(jī)經(jīng)過(guò)深度學(xué)習(xí)以后并不一定會(huì)得出肯定有意義的結(jié)果，整個(gè)過(guò)程仍然需要人類的監(jiān)督和輔助，但對(duì)于這些困難，只要消耗人類一定的人力、財(cái)力就可以完美解決了。

駕駛汽車就是典型的被人類所掌握的重復(fù)性工作。如果需要人類一條一條地輸入注意事項(xiàng)，告訴電腦該如何開車，需要海量的時(shí)間以及人類輸入的代碼，才能窮盡千變?nèi)f化的道路情況。但運(yùn)用機(jī)器學(xué)習(xí)，只需要在足夠多的汽車上安裝圖像、距離、聲音和汽車狀態(tài)傳感器，然后不斷地搜集數(shù)據(jù)進(jìn)行深度機(jī)器學(xué)習(xí)，讓計(jì)算機(jī)自己整合安全駕駛與各個(gè)傳感器指標(biāo)數(shù)據(jù)的關(guān)聯(lián)。只要數(shù)據(jù)量足夠大，計(jì)算機(jī)就可以自己找到正確的駕駛方法。

人類的主要工作并不是告訴計(jì)算機(jī)如何判斷行駛的安全距離，如何確定剎車力度，如何應(yīng)對(duì)突然出現(xiàn)的橫穿道路的行人，或者各種稀奇古怪的障礙物，而是搜集足夠龐大的數(shù)據(jù)和提供足夠大的計(jì)算容量，并在關(guān)鍵問(wèn)題上幫助計(jì)算機(jī)完善修正由它自己總結(jié)出來(lái)的規(guī)律，確保深度學(xué)習(xí)向著有意義的方向發(fā)展。

深度學(xué)習(xí)算法最終不會(huì)發(fā)現(xiàn)絕對(duì)意義上的完美駕駛規(guī)則，但可以隨著數(shù)據(jù)量的增加和計(jì)算能力的提升無(wú)限接近這個(gè)目標(biāo)，并最終讓電腦駕駛的安全性大大超越人類駕駛汽車的安全性。

在幾乎所有可以搜集到足夠多數(shù)據(jù)的領(lǐng)域內(nèi)，這一算法都是可以運(yùn)用的。

2020年12月，在“阿爾法狗”戰(zhàn)勝李世石四年之后，谷歌公司運(yùn)用“阿爾法狗”的人工智能深度學(xué)習(xí)技術(shù)，在生物學(xué)的一個(gè)重要領(lǐng)域“蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)”取得了關(guān)鍵突破。這是一個(gè)困擾人類數(shù)十年的科學(xué)難題，按照傳統(tǒng)的科研方法幾乎就無(wú)法解決。但谷歌公司讓人工智能程序自己去對(duì)蛋白質(zhì)結(jié)構(gòu)的數(shù)據(jù)進(jìn)行學(xué)習(xí)，人工智能程序在沒(méi)學(xué)過(guò)生物學(xué)的情況下，僅僅根據(jù)這些數(shù)據(jù)，就自己找到了“蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)”的方法。這是人類運(yùn)用深度學(xué)習(xí)解決關(guān)鍵科學(xué)問(wèn)題的一個(gè)經(jīng)典案例。它也說(shuō)明第四代人工智能絕不僅僅是用來(lái)玩圍棋這種簡(jiǎn)單規(guī)則游戲，而是人類科技研究方法的根本性突破。

以前，人類科學(xué)研究總想知道“為什么”，通過(guò)因果關(guān)系來(lái)推導(dǎo)科學(xué)結(jié)構(gòu)。但第四代人工智能則可以完全拋開這種傳統(tǒng)思維模式，不需要知道“為什么”， 只需要對(duì)數(shù)據(jù)進(jìn)行超大規(guī)模學(xué)習(xí)，就能找到問(wèn)題的解決方案。而對(duì)方案背后的原理，計(jì)算機(jī)不知道，制造計(jì)算機(jī)和編寫計(jì)算機(jī)程序的人類也不知道。這是我們認(rèn)識(shí)世界的方法論的一種根本性顛覆和創(chuàng)新。

在未來(lái)的數(shù)十年里，深度學(xué)習(xí)將對(duì)人類科研體系產(chǎn)生巨大的推動(dòng)力，人類科學(xué)技術(shù)將會(huì)掀起新一輪的創(chuàng)新浪潮，并逐步向產(chǎn)業(yè)和商業(yè)領(lǐng)域轉(zhuǎn)化滲透，從而推動(dòng)一場(chǎng)持續(xù)數(shù)十年的新興產(chǎn)業(yè)革命。其深遠(yuǎn)的影響甚至可能會(huì)持續(xù)數(shù)個(gè)世紀(jì)。

三、智能新世界：物聯(lián)網(wǎng)、大數(shù)據(jù)與數(shù)字孿生

在深度學(xué)習(xí)算法突破以后，這一輪人工智能的主要問(wèn)題就從算法問(wèn)題變成了數(shù)據(jù)問(wèn)題。也就是說(shuō)，在搜集數(shù)據(jù)越多、數(shù)據(jù)質(zhì)量越高的領(lǐng)域，人工智能的替代率就會(huì)越高。

目前，人工智能替代人類做得最好的領(lǐng)域，并非大多數(shù)人想象的生產(chǎn)流水線或者汽車駕駛等一些看上去不太需要很多智力和知識(shí)的領(lǐng)域。實(shí)際上，生產(chǎn)線和汽車駕駛所需要的人類經(jīng)驗(yàn)相當(dāng)復(fù)雜，尤其是要把這些經(jīng)驗(yàn)轉(zhuǎn)變成可以由機(jī)器自主學(xué)習(xí)的大數(shù)據(jù)非常困難。這一代人工智能技術(shù)對(duì)人類工作替代最廣的領(lǐng)域是金融領(lǐng)域——一個(gè)看上去技術(shù)含量非常高、需要極高智商和復(fù)雜知識(shí)的領(lǐng)域。

之所以如此，是因?yàn)榻鹑陬I(lǐng)域的信息化基礎(chǔ)最好，數(shù)據(jù)最多也最豐富，而且質(zhì)量很高。這是因?yàn)?，金融決策所需要的信息幾乎全都數(shù)字化了。相比于人類，人工智能的優(yōu)勢(shì)更顯而易見。早在2014年，高盛便聯(lián)合谷歌開發(fā)了一款由AI 驅(qū)動(dòng)的大數(shù)據(jù)智能分析處理引擎：肯碩（Kensho）。當(dāng)肯碩被問(wèn)到：“iPhone6 發(fā)布后，哪些股票會(huì)漲”的時(shí)候，它只用了不到一秒鐘就給出了精確的答案。

根據(jù)商業(yè)智能公司“聯(lián)盟（Coalition）”提供的數(shù)據(jù)：2011—2016年，在全球10 家領(lǐng)先的投資銀行中，從事固定收益業(yè)務(wù)、股票和銀行投資業(yè)務(wù)的交易員從業(yè)人數(shù)下降了20%以上，而這一趨勢(shì)還在繼續(xù)。

交易員逐漸被替代，說(shuō)明華爾街的傳奇景象已成為歷史，而這只是金融領(lǐng)域變革的一個(gè)縮影而已。新聞寫作在人工智能技術(shù)的影響下，也發(fā)生了翻天覆地的變化。大多數(shù)人不知道的是，絕大部分新聞是可以用一些固定的模板來(lái)寫作的。比如，股市行情、政府新聞發(fā)布會(huì)的內(nèi)容、足球比賽的結(jié)果等。它可能會(huì)比財(cái)務(wù)數(shù)據(jù)要復(fù)雜一些，不過(guò)文字信息的數(shù)據(jù)化不會(huì)太難，計(jì)算機(jī)通過(guò)閱讀大量的新聞報(bào)道，再加上人工監(jiān)督修正，就可以快速掌握即時(shí)新聞的寫作技巧。而且，計(jì)算機(jī)寫作速度極快，人類新聞?dòng)浾吒緹o(wú)法企及。

早在2014年，美聯(lián)社與提供自動(dòng)化寫作服務(wù)的公司“自動(dòng)洞察（AutomatedInsights） ”達(dá)成合作協(xié)議，讓機(jī)器人“文字工匠”（Word Smith）讀取公司的新聞稿，分析報(bào)告和股票表現(xiàn)等信息，按照編輯預(yù)先提供的構(gòu)架，自動(dòng)生成偏于數(shù)據(jù)分析的財(cái)經(jīng)新聞。經(jīng)過(guò)3 個(gè)月的訓(xùn)練，AI 技術(shù)便掌握了新聞寫作的基本規(guī)范，并且比人類寫作錯(cuò)誤率更低，極大地提高了新聞文章的質(zhì)量。

騰訊公司所開發(fā)的自動(dòng)化新聞撰寫程序“夢(mèng)想寫作者”（Dreamwriter）在不到一分鐘的時(shí)間內(nèi)就可以撰寫一篇商業(yè)文章（包括分析師的評(píng)論）。2017年，“夢(mèng)想寫作者”在財(cái)經(jīng)領(lǐng)域以及科技領(lǐng)域的發(fā)稿量超過(guò)2000 篇/ 天，體育稿件500 篇/ 天，內(nèi)容涉及每天行情報(bào)盤、上市公司公告精要報(bào)道以及體育賽事每輪每場(chǎng)的消息。如今，人工智能已經(jīng)能夠代替20% 的傳統(tǒng)新聞寫作工作，其主要代替領(lǐng)域集中在金融和體育新聞?lì)I(lǐng)域，并還在迅速擴(kuò)展中。

金融交易、財(cái)務(wù)會(huì)計(jì)和新聞寫作領(lǐng)域的進(jìn)展及其差異體現(xiàn)了新一代人工智能技術(shù)的特點(diǎn)：人工智能替代人類工作的能力，并不是由這項(xiàng)工作中的智力勞動(dòng)含量所決定的，而主要是由這項(xiàng)工作的可重復(fù)程度和數(shù)字化程度所決定的。

即使是一些看上去很簡(jiǎn)單的勞動(dòng)，如果數(shù)字化程度不高，人工智能在該領(lǐng)域的推廣就會(huì)遇到極大阻礙，比如照顧老人的家政服務(wù)；而一些看上去很復(fù)雜的工作，如果能實(shí)現(xiàn)高度的數(shù)字化，人工智能就會(huì)很容易通過(guò)深度學(xué)習(xí)來(lái)掌握技巧代替人類，比如金融交易。

人類眼中的簡(jiǎn)單工作和復(fù)雜工作的差異，在計(jì)算機(jī)強(qiáng)大的運(yùn)算能力面前其實(shí)微不足道，只要不包括創(chuàng)新能力，年薪百萬(wàn)的工作和年薪十萬(wàn)的工作所需要的計(jì)算量幾乎沒(méi)有差別，只需要滿足兩個(gè)條件，人工智能就可能實(shí)現(xiàn)替代。

第一，此項(xiàng)工作是可重復(fù)的，不需要?jiǎng)?chuàng)造性。

第二，工作的所有環(huán)節(jié)都可以數(shù)據(jù)化，可以提供海量的人類操作歷史數(shù)據(jù)供計(jì)算機(jī)進(jìn)行深度學(xué)習(xí)。

第一條是本輪人工智能革命的技術(shù)上限，即人類的創(chuàng)造性思維仍不可被替代。第二條則需要通過(guò)物聯(lián)網(wǎng)和大數(shù)據(jù)，并配合5G 技術(shù)來(lái)實(shí)現(xiàn)。

跟5G 革命一樣，這一輪人工智能革命差不多已經(jīng)進(jìn)入下半場(chǎng)——底層算法基本趨于完善，接下來(lái)最重要的就是比拼應(yīng)用場(chǎng)景的數(shù)字化能力。誰(shuí)能夠快速地在具體領(lǐng)域?qū)崿F(xiàn)全環(huán)節(jié)高質(zhì)量大數(shù)據(jù)提取，誰(shuí)就最有可能在該領(lǐng)域的智能化浪潮中取得先機(jī)。

負(fù)責(zé)大數(shù)據(jù)提取的，就是物聯(lián)網(wǎng)建設(shè)。

基于物聯(lián)網(wǎng)的大數(shù)據(jù)采集，是當(dāng)下產(chǎn)業(yè)變革的基石。

物聯(lián)網(wǎng)的關(guān)鍵技術(shù)，除了5G，就是傳感器，也就是在各種物體上感知?jiǎng)幼?、圖像、速度、力度、溫度、味道、形變等各種信息的終端芯片。

在當(dāng)下的產(chǎn)業(yè)革命中，物聯(lián)網(wǎng)傳感器就好像人的末梢神經(jīng)，5G 就是人的傳輸神經(jīng)，第四代人工智能就是中樞神經(jīng)。傳感器將萬(wàn)物的多維度特征通過(guò)5G 輸送給大腦——高速運(yùn)轉(zhuǎn)的人工智能，進(jìn)行決策和控制。同時(shí)，人工智能還可以根據(jù)控制的反饋結(jié)果來(lái)進(jìn)行深度學(xué)習(xí)，改進(jìn)自己的決策模式，從而變得更“聰明”， 并不斷提高控制效率。

從物聯(lián)網(wǎng)衍生出來(lái)的是產(chǎn)業(yè)技術(shù)概念非常龐雜，如大數(shù)據(jù)、數(shù)字孿生、虛擬現(xiàn)實(shí)等。物聯(lián)網(wǎng)傳感芯片將萬(wàn)事萬(wàn)物的狀態(tài)轉(zhuǎn)變成為數(shù)據(jù)信息，通過(guò)網(wǎng)絡(luò)上傳到服務(wù)器，然后由電腦進(jìn)行分析。這個(gè)數(shù)據(jù)量非常龐大，早在2011年，人類剛剛步入4G 時(shí)代的時(shí)候，81 天內(nèi)所產(chǎn)生的數(shù)據(jù)量，就已經(jīng)超過(guò)人類幾千年文明的所有信息數(shù)據(jù)總量。

在物聯(lián)網(wǎng)時(shí)代，所產(chǎn)生的數(shù)據(jù)量將會(huì)是指數(shù)級(jí)增長(zhǎng)，每?jī)赡攴环＿@些數(shù)據(jù)在人工智能完善以前，大部分很難發(fā)揮作用，因?yàn)槿祟悰](méi)有時(shí)間和精力來(lái)對(duì)它們做詳細(xì)的分析，發(fā)現(xiàn)其規(guī)律和意義。

在人工智能技術(shù)全面成熟后，大數(shù)據(jù)就可以幫助我們建立一個(gè)與現(xiàn)實(shí)世界對(duì)應(yīng)的“孿生”數(shù)字化世界。在這個(gè)“孿生世界”中，一切都會(huì)遵照現(xiàn)實(shí)世界的規(guī)律運(yùn)行，我們可以借此來(lái)預(yù)判現(xiàn)實(shí)世界的發(fā)展，進(jìn)行不限次數(shù)和幾乎無(wú)成本的實(shí)驗(yàn)。例如，我們可以在機(jī)器出現(xiàn)故障之前就發(fā)現(xiàn)隱患，提前維修或替換……現(xiàn)實(shí)世界造出來(lái)的汽車、飛機(jī)、火箭、宇宙飛船等，都可以在這個(gè)“世界”里進(jìn)行測(cè)試，確保安全以后再進(jìn)行實(shí)測(cè)，從而降低成本。這就是“數(shù)字孿生”技術(shù)。

人工智能通過(guò)對(duì)大數(shù)據(jù)的深度學(xué)習(xí)，可以發(fā)現(xiàn)很多人類目前的研究手段無(wú)法找到的聯(lián)系。比如，人工智能在分析了大量X 光片以后，可以計(jì)算一個(gè)人在未來(lái)一年猝死的概率，準(zhǔn)確度高于人類的頂級(jí)專家。尤其是一些在人類專家看起來(lái)根本沒(méi)問(wèn)題，人工智能卻發(fā)現(xiàn)其中存在問(wèn)題的X 光片。事后證明，人工智能的分析是正確的，但我們并不知道它到底是依據(jù)什么做出的判斷。有了深度學(xué)習(xí)人工智能的幫助，人類只需要提供足夠數(shù)量且正確的數(shù)據(jù)，很多難題就能得到解決，比如，通過(guò)對(duì)氣候和地殼的數(shù)字孿生場(chǎng)景模擬，精確的天氣預(yù)報(bào)和地震預(yù)測(cè)將不再是難題。

“5G+ 第四代人工智能+ 物聯(lián)網(wǎng)”，構(gòu)成了一個(gè)完善的新一代人類社會(huì)神經(jīng)系統(tǒng)，智能化從感知到傳輸?shù)經(jīng)Q策的鏈條完全被打通了。目前，這三大樞紐型技術(shù)的關(guān)鍵難題都已經(jīng)被突破，而且開始了產(chǎn)業(yè)化應(yīng)用，這也意味著，我們討論多年的智能化時(shí)代真的要來(lái)了。受制于第四代人工智能的技術(shù)局限，我們不應(yīng)該把它想象得太科幻，但顛覆性的變革一定會(huì)在各個(gè)領(lǐng)域顯示出來(lái)。在這個(gè)過(guò)程中，很多產(chǎn)業(yè)會(huì)被顛覆，很多人的工作也可能會(huì)被“顛覆”，如果無(wú)法跟上這股時(shí)代的潮流，個(gè)人可能會(huì)失去眾多機(jī)遇，國(guó)家則可能失去一個(gè)時(shí)代。

例如，在教育行業(yè)，很多傳統(tǒng)意義上的教師可能會(huì)失業(yè)——遠(yuǎn)程教育早已變成現(xiàn)實(shí)，山區(qū)或偏遠(yuǎn)地區(qū)的兒童也可以享受頂級(jí)名師教學(xué)。人工智能會(huì)把所有學(xué)生的學(xué)習(xí)情況進(jìn)行分析，然后推薦給最適合他水平的老師進(jìn)行遠(yuǎn)程教育，甚至這個(gè)老師也可能是人工智能模擬出來(lái)的虛擬人物——現(xiàn)在人工智能模擬人類的表情和發(fā)音已無(wú)技術(shù)性上的困難。

并且，人工智能還能監(jiān)督學(xué)生在聽老師講課的時(shí)候有沒(méi)有專心聽講，這個(gè)技術(shù)通過(guò)圖像識(shí)別已經(jīng)得到實(shí)踐應(yīng)用：一個(gè)班，一個(gè)攝像頭，就能統(tǒng)計(jì)所有人在上課時(shí)有多長(zhǎng)時(shí)間在開小差。然后，人工智能會(huì)根據(jù)每個(gè)人的學(xué)習(xí)水平布置不一樣的作業(yè)，以確保難度和強(qiáng)度合適，還可以負(fù)責(zé)批改作業(yè)和一對(duì)一講解習(xí)題。在未來(lái)，體育老師可能比語(yǔ)文、數(shù)學(xué)老師更多，因?yàn)閷?duì)人工智能而言，體育教學(xué)的難度更大。

在廣州，自動(dòng)駕駛的出租車已經(jīng)開始試運(yùn)營(yíng)；在美國(guó)波士頓，四條腿的、能翻跟頭的機(jī)器狗已經(jīng)開始取代警察進(jìn)行日常巡邏；在北京和杭州，海底撈、五芳齋等企業(yè)的“智慧餐廳”開業(yè)了，從配菜到上菜的大量勞動(dòng)力已經(jīng)被機(jī)器人取代。

在華為和小米手機(jī)的生產(chǎn)線上，完全無(wú)人的“熄燈工廠”正在以每秒鐘一部的速度生產(chǎn)著最新的手機(jī)，而且還是不同型號(hào)的手機(jī)混合生產(chǎn)，不需要跟傳統(tǒng)流水線一樣只能規(guī)模化而犧牲個(gè)性化。要看到，智能制造的前景并不是機(jī)器換人，而是機(jī)器人換機(jī)器——人工智能控制的機(jī)器人可以像人類一樣，隨時(shí)根據(jù)工藝、材料、設(shè)計(jì)的不同，變換工作方式，生產(chǎn)不同類型的產(chǎn)品，而不是像機(jī)器一樣，只能重復(fù)一套固定的動(dòng)作。

行業(yè)變革的新聞每天都在發(fā)生，科技進(jìn)步的速度太快，本書中的案例注定是在它剛一出版的時(shí)候就落后了。未來(lái)還會(huì)有什么更新奇的東西？我們無(wú)法知道。但現(xiàn)在，我們最應(yīng)該做的并非毫無(wú)邊際地放飛想象力，暢談人類命運(yùn)，而是認(rèn)真地思考“怎么辦”。

作者簡(jiǎn)介：李曉鵬，經(jīng)濟(jì)學(xué)博士，中興大城首席經(jīng)濟(jì)學(xué)家。著有《中國(guó)崛起的經(jīng)濟(jì)學(xué)分析》《城市戰(zhàn)略家》《中國(guó)的產(chǎn)業(yè)政策》《中國(guó)的產(chǎn)業(yè)規(guī)劃》《從黃河文明到“一帶一路”》（第1-3卷）等書。

文章摘自：《人工智能5G和物聯(lián)網(wǎng)時(shí)代的中國(guó)產(chǎn)業(yè)革命》

出版社：天津科學(xué)技術(shù)出版社有限公司

銷售鏈接：