2018年04月28日
大数据文摘作品编译:VVN、蒋宝尚、龙牧雪、魏子敏【人工智能】正在让这个时代激动不已,但也正引发不少担忧。被誉为机器学习之父的美国三院院士、伯克利教授MichaelI.Jordan昨天在美国知名科技媒体Medium上,难得的发布了他的第一篇文章。一反以往的技术干货输出,这篇文章的主题是对当前AI研究中的问题进行冷静反思。这篇名为《人工智能:革命远未到来》的长文阅读时间在20分钟左右,从14年前Jordan教授自己的一个关乎生死抉择的故事说起,回顾了AI发展的过往,更重要的是,提出了数据和机器学习当前研究是如何偏离初衷,又蕴含了怎样的巨大威胁。他认为,我们还有机会来建构一种新学科领域——真正以人类为中心的工程学科。大数据文摘对这篇文章进行了全文编译,对原文感兴趣的读者可以在文末链接科学上网去Medium查看原文。以下为MichaelI.Jordan博客全文:作为这个时代的代名词,人工智能正被技术人员、学者、记者和风险投资人共同吟诵。和其他专业名词一样,这个名词在被使用过程中伴随着种种误解。事实上并不是公众不理解科学家,而是科学家有时候也像公众一样迷惑。“与人类智能相媲美的硅基智能正诞生于我们所处的时代。”这类想法让我们激动万分,也带来了同等程度的惊吓和分心。而关于当前的时代,也有一些不同的声音。让我先讲一个故事,它涉及到人类、计算机、数据和生死抉择。超声波检测数据和唐氏综合征14年前我的太太怀孕时,我们做了一次超声波检查。一位遗传学家指出,胎儿心脏周围有一些白色斑点。“这些都是唐氏综合症的标志,”她说,“患病风险已经高达5%。”她还告诉我们,我们可以通过羊膜穿刺术来了解胎儿的实际情况,但羊膜穿刺术具有一定的危险性,手术中胎儿死亡的概率约为1/300。作为一名统计学家,我决定找出这些数据来源。长话短说,我发现十年前有人在英国做过一项统计分析,这一分析称,这些白点反映了钙的积累,确实是唐氏综合症的一个预测指标。但我也注意到,在我们的测试中使用的成像仪比英国研究中使用的,每平方英寸多几百像素。我回去告诉遗传学家,我相信这些白点很可能是假阳性的,它们实际上是“白噪音”。她说:“啊,这就解释了为什么自从我们开始用新机器,唐氏综合症的诊断就不断上升。”我们没有做羊膜穿刺术,几个月后,一个健康的女孩出生了。这一事件让我非常困扰,特别是在粗略计算后,我发现全世界每天有成千上万的人正接受这种诊断,而且其中很多父母选择了羊膜穿刺术,导致了一些婴儿不必要的死亡。这种情况一天又一天发生,不知何时才能停止。这个故事中的问题与我个人的医疗保健无关;它关乎医疗系统,测量不同地点和时间的变量和结果,进行统计分析,并在其他地方和时间使用结果。这个故事中的问题与数据分析本身有关,而且与数据来源有关。广义而言,数据来自哪里,数据得出了什么推论,这些推断与当前情况之间的相关程度如何?一个训练有素的专家也许能够逐案解决所有这些问题,但问题能否是设计出全球医疗系统的解决方案,以至于不用人类监督也可以解决这些问题。我也是一名计算机科学家,想要建立这种全球的推理和决策系统所需的原则,将计算机科学与统计学相结合,并考虑到人类的福祉,我所学的知识并不能帮助我解决这些问题。不仅在医疗领域,而且在商业、交通和教育等领域,这些原则的发展至少与建立能让我们眼花缭乱地玩游戏和进行运动感知的AI系统一样重要。无论我们是否很快就能理解“智能”,我们都面临着一个重大挑战,即将计算机和人类友好交互,从而给人类生活带来便利。尽管有些人将之视为“屈从于人工智能”,但它也可以被更平常地看待,就像创建一个工程学科的新分支一样。就像过去几十年兴起的土木工程和化学工程一样,这门新学科的目标是聚合几个核心思想的力量,以安全的方式为人们带来新的资源和能力。土木工程和化学工程建立在物理和化学之上,而这个新的工程学科将以上个世纪落地的思想为基础,这些思想包括“信息”、“算法”、“数据”、“不确定性”、“计算“、”推理“和”优化“等等。此外,由于这个新学科建立在有关人类的数据之上,所以其发展也需要从社会科学和人文科学的视角剖析。虽然人工智能大工程的积木块已经有了,但是把这些积木块组合在一起的原则还没有出现,所以这些积木的组合仅仅以特例的方式存在。就像在土木工程学科出现之前建造房屋和桥梁一样,人类开始着手构建大规模的推理和决策系统,它涉及机器、人类和环境。正如早期的建筑和桥梁有时会以不可预见的方式崩塌并带来悲催的后果一样,目前许多早期的大规模推理和决策系统已经暴露出了严重的概念缺陷。不幸的是,我们并不善于预测下一个会出现的严重缺陷。我们缺少的是一个具有分析和设计原理的工程学科。当公众谈到这一话题时,他们过于频繁地使用“AI”,仿佛它是个通配符(wildcard),这使得人们很难推理AI这项新兴技术的范围和后果。因此我们需要仔细思考AI这一名词在历史上和今天,到底指的是什么。什么才能被称为AI?今天大多数所谓“AI”,指的是过去的几十年中被称作“机器学习”(ML)的东西。ML是一个算法范畴,它将来自统计学、计算机科学和许多其他学科的想法融合在一起,设计算法来处理数据、做出预测并帮助做出决定。ML真正给世界带来了影响,而且它所带来的影响不是最近才发生的。事实上,在90年代初就已经非常明确了:ML会给工业界带来大规模的影响。在本世纪初,亚马逊这样的前瞻性公司已经在所有业务中使用了ML,解决了欺诈检测和供应链预测方面的关键问题,并且对面向消费者的服务做出了创新,如推荐系统。在接下来的20年中,随着数据集规模和计算资源的快速增长,很明显,ML将不仅为亚马逊,而且将为任何一家能够将决策与大规模数据联系在一起的公司提供动力。新的商业模式将会出现。“数据科学”这个名词开始被用来指代这种现象,反映出ML算法专家需要与数据库和分布式系统专家合作以建立更强的ML系统,也反映这一推理系统在社会和环境方面的潜力。这种思想和技术趋势的融合在过去几年中被重新命名为“AI”。这一重塑值得仔细推敲。从历史上看,AI这个词在上世纪50年代末被创造出来,表达了在软件和硬件中实现具有人类智能实体的强烈愿望。我们将使用“类人AI”一词来指代这一愿望,它强调人工智能实体似乎应该是我们中的一员,即使不是身体上,但至少在精神上(无论这可能意味着什么)。这类研究主要存在于学术领域。虽然相关的学术领域,如运筹学、统计学、模式识别、信息论和控制论已经存在,并且常常受到人类智能(和动物智能)的启发,但这些领域可以说是集中在“低级”信号和决策上。比如说,一只松鼠能够感知它所生活的森林的三维结构,并在树枝之间跳跃,这种能力给我们带来许多启发。“人工智能”的关注点应该不同于此,AI应当关注人类“理性”和“思考”的高级认知能力。然而,60年过去了,高层次的推理和思想仍然难以捉摸。现在被称为“人工智能”的发展主要出现在与低水平模式识别和运动控制制相关的工程领域,以及统计学领域——专注于找到数据模式并做出有根据的预测、假设检验和决策。著名的“反向传播”算法在20世纪80年代初被DavidRumelhart重新发现,现在被视作所谓“人工智能革命”的核心。其实,反向传播最早出现于20世纪五六十年代的控制理论领域,它的早期应用之一是优化阿波罗号宇宙飞船向月球前进时的推进器。自20世纪60年代以来,我们已经取得了很大的进展,但可以说,这并不是来自于对“类人AI”的追求。相反,这些工程师的杰作往往隐藏在幕后,就像阿波罗飞船的情况一样。虽然公众不容易觉察,但在文件检索、文本分类、欺诈检测、推荐系统、个性化搜索、社交网络分析、规划、诊断和A/B测试等领域的研究和系统建设的确取得了重大成功,推动谷歌、Netflix、Facebook和亚马逊等公司的进步。人们可以简单地所有这些称为“AI”,但这样的标签可能会让优化或统计领域的研究人员感到惊讶,他们一觉醒来后发现自己突然成了“人工智能研究人员”。但撇开研究人员的标签不谈,更大的问题是,使用这个单一的、定义不清的首字母缩略词,会妨碍人们对技术和商业变革的清晰理解。2个关键问题:智能增强和智能基础设施在过去的二十年里,“智能增强”(IA)在工业和学术界取得了重大进展,这是对“类人AI”的补充。在IA领域,计算和数据被用来增强人类智力和创造力。搜索引擎可以被看作是IA的一个例子(它增强了人类的记忆和知识),自然语言翻译也是如此(它增强了人类的交流能力)。基于计算的声音和图像生成可以作为艺术家的调色板和创意增强器。虽然这类项目可能涉及高层次的推理和思想,但目前它们不这样涉及——它们大多执行各种字符串匹配和数字操作,捕获人类可以使用的模式。本文的最后一个缩略词是“智能基础设施”(II)。让我们想象一个由计算、数据和物理实体组成的网络,它使人类所处的环境更加友好、有趣和安全。这种基础设施已开始出现在运输、医药、商业和金融等领域,并对个人和社会产生巨大影响。有时也出现在关于“物联网”的话题中,但物联网一般指把“物”放在互联网上,并不涉及这些能分析数据和发现事实、在更高的抽象层面上与人互动的“物”所面临的更大挑战。例如,回到我的个人轶事,我们可以想象在一个“社会规模的医疗系统”中生活,它建立了医生以及位于患者体内外设备之间的数据流和数据分析流程,从而帮助人类进行诊断和提供护理。该系统将纳入来自人体细胞、DNA、血液测试、环境、群体遗传学以及大量药物和治疗文献的信息。它不仅关注单个病人和医生,而且关注所有人类。就像目前的医学测试允许在一组人(或动物)身上进行实验,然后大范围应用一样。这将有助于保持相关性、出处性和可靠性,就像当前金融业正致力于解决财务和支付的可信性一样。当然,可以预见,这一系统将会出现很多问题,比如隐私、责任、安全问题等等,但这些问题应该被视为挑战,而不是阻碍。我们现在遇到了一个关键问题:如果要解决上述这些更大挑战,“类人AI”研究是最佳的,或者说是唯一的方法吗?机器学习领域里最受欢迎的成功案例中,有一些与类人AI有关,如计算机视觉、语音识别、人机对局和机器人等。所以,也许我们应该等待这些领域的进一步发展。这里需要说明两点。首先,报纸不会告诉你,我们在类人AI上取得的成功实际上非常有限,我们距离实现类人AI的愿望还很遥远。不幸的是,尽管进步甚微,它带来的兴奋和恐惧给这个领域带来了过度的关注,而这种情况在其他工程领域还从未出现过。其次,更重要的是,这些领域的成功不仅不足以解决重要的IA和II问题。为什么说它们不足以解决IA和II问题呢?看看自动驾驶就知道了。要实现这样的技术,需要解决一系列的工程问题,而这些问题可能与人的能力(准确地说,是人所缺乏的能力)关系不大。整个交通系统(II系统)可能会更像现在的空中交通管制系统,而不是模拟现在的路况:一群分散的、面朝前的、注意力不够集中的人类驾驶员。它将比现在的空中交通管制系统复杂得多,尤其是将使用大量数据和自适应统计建模来进行更细层面上的决策。这些挑战才是最需要被摆在首位的,而在努力解决这些挑战的过程中,专注于类人AI可能会令人分心。当然也有人认为,类人AI包含了IA和II,因为类人AI系统不仅能够解决AI的经典问题(例如图灵测试),也是解决IA和II问题的最佳选择。但是,几乎没有先例可以支撑这样的论点。照这么说,发展土木工程是不是需要通过人造木匠或泥瓦匠来实现?发展化学工程是不是应该先造出一个人造化学家?或者这么说,如果我们的目标是建设化学工厂,那么我们是否应该先建立一个人造化学家,然后再研究如何建造一座化学工厂?还有一种与之类似的观点认为,人类的智慧是我们目前所能知道的唯一一种智慧,我们应该先模仿它。但其实人类在某些推理上并不十分擅长——我们会有失误、偏见和局限。而且关键的是,人类还没有演化出大规模决策的能力,这种能力是现代II系统必须拥有的。人类也还不足以应对II系统场景中的各种不确定性。有人可能会争辩说AI系统不仅会模仿人的智能,而且会“纠正”它,并把它扩展到大规模的问题上。但是,这是科幻小说里才有的,这种推测性的论点虽然在小说中具有娱乐性,但不应该成为我们在遇到IA和II问题时的主要策略。我们需要研究IA和II问题本身,而不仅仅是坐等让类人AI来解决问题。II系统的算法和基础设施挑战并不难解决,而这不属于类人AI研究的核心。II系统需要管理分布式知识库,这些知识库正在迅速变化,而且很可能在国际上互不一致。这些系统必须考虑与云端的相互作用,来做出及时的分布式决策,并且它们必须能够处理长尾现象(即少量用户的数据量巨大、而大部分用户的数据较少的现象)。它们必须解决在不同管理部门和竞争对手之间分享数据的难题。最后,尤为重要的是,必须将激励、定价等经济概念带入统计和计算基础设施领域,是它们连接了人与人、人与商品。这样,II系统就不仅仅是提供服务了,而是在创造市场。音乐、文学和新闻等领域正急需这样能够用数据分析将生产者和消费者联系起来的市场。这一切都必须在不断演变的社会、道德和法律规范的背景下完成。展望未来当然,类人AI的经典问题仍然值得关注。然而,目前AI研究的重点还是收集数据、部署“深度学习”基础设施、展示能模仿某些狭义上的人类技能(即几乎没有新出现的解释原则)的系统。这样的研究重点偏离了经典AI研究里最主要的开放性问题,包括,在自然语言处理系统中引入推理和意义、推断和因果关系的必要性、开发计算上易于处理的对不确定的表示的必要性、以及开发制定和追求长期目标系统的必要性。这些都是类人AI研究中的经典目标,但在目前“AI泡沫”的喧嚣中,人们很容易忘记这些亟待解决的问题。IA还将保持相当重要的位置,因为在可预见的将来,在抽象地理解现实世界情况的能力上,计算机还无法追上人类,我们仍然需要经过深思熟虑的人机互动经过来解决我们最紧迫的问题。我们希望计算机能够激发人类更高一层的创造水平,而不是取代人类的创造力(无论这可能意味着什么)。JohnMcCarthy(当时还在达特茅斯大学担任教授一职,但很快就去了麻省理工学院任职)创造了“AI”一词,显然是为了将他的初期研究与NorbertWiener(当时是麻省理工学院一位老教授)的研究区分。Wiener创造了“控制论”一词,用以指代他自己对智能系统的愿景,这一愿景与运筹学、统计学、模式识别、信息论和控制理论密切相关。而McCarthy的愿景里则强调了与逻辑的联系。这里有个有趣的反转,虽然“AI”是McCarthy提出来的术语,今天占据了主导地位却是Wiener的智能理论。(然而这种情况一定只是暂时的,AI的钟摆摆的比大多数领域都要大。)JohnMcCarthy(1927-2011)和NorbertWiener(1894-1964)但我们需要超越McCarthy和Wiener的观点。我们要认识到,目前关于AI的公开对话内容主要都集中在工业界和学术界的很小领域里,这可能会使我们面临由AI、IA和II带来的全方位挑战和机遇。上述的角度不关乎科幻梦想或机器超越人类的噩梦,而更关乎人类理解和塑造技术的需求。这种需求在日常生活中变得更加现实有力。此外,在这种理解和塑造过程也需要来自各行各业的不同声音,不仅仅是技术上的对话。过于集中地关注类人AI,会让人们屏蔽很多声音。工业领域的进步将继续推动发展,学术界也将继续发挥重要作用,学术界的作用不仅在于提供创新性的技术理念,而且在于将来自不同领域的研究人员:计算机和统计学科、来自社会科学、认知科学和人文科学等领域的研究人员汇聚起来,他们的价值和观点十分重要。另一方面,虽然人文和科学是我们前进的关键,但我们讨论的范畴依然是工程领域——社会造物:制造新的产物,这些产物应该能按照我们想要的方式工作。我们都不希望在建立了能帮助我们获得医疗、交通和商业机会的系统后,发现这些系统并不能真正运转起来,从这个角度来说,在机器学习和数据科学占中心地位的领域,还有一个学科亟待出现。这些已知的领域令人兴奋,但还不能被视为新的工程学科。而且,我们应该接受这样的事实:我们正在见证一个新的工程分支的诞生。在学术界以及其它领域里,“工程学”这个术语经常被狭义地引用,用以指代冷酷无情的机器,或带有人类失去控制的消极内涵,但工程学科其实是可以成为我们想要的样子的。当前,我们有机会来建构一种新学科领域——真正以人类为中心的工程学科。我不会给这个新兴学科命名,但未来,如果“AI”这个词继续被滥用,它将会给我们带来颇多限制。让我们开阔视野,淡化炒作,认识到未来严峻的挑战吧!作者简介:MichaelI.Jordan是加州大学伯克利分校计算机科学与统计学教授。他在计算、推理、认知和生物科学领域有超过三十年的工作经验。原文链接:https://medium.com/@mijordan3/artificial-intelligence-the-revolution-hasnt-happened-yet-5e1d5812e1e7
2018年04月28日
一即使是中国人,也很少有人比英国人李约瑟发自心底地爱这个东方古国。故事始于他与一名中国女留学生的婚外情。那是1937年,留洋青年方鸿渐正在返回上海的船上。“红海早过了。船在印度洋面上开驶着。但是太阳依然不饶人地迟落早起侵占去大部分的夜......中国热得更比常年利害,事后大家都说是兵戈之象。”在此之前,李约瑟是享誉世界的科学家,被称作“化学胚胎学之父”。他与大学同学德萝西·莫耳结婚,双双当选英国皇家学会会员。两人举案齐眉,处于情感与事业的双重巅峰。鲁桂珍,一个药剂师的女儿,金陵女子大学毕业生,后来前往剑桥大学生物化学实验室攻读博士学位。李约瑟夫人接受了自己的学生与自己的先生之间的恋情,“我们仨”融洽共处50年。1987年夫人病逝,李约瑟于两年后迎娶了鲁桂珍。鲁桂珍向李约瑟介绍中国悠久的“科学发明”和医药学,触动了身处“西方中心论”环境中的李约瑟,他由此形成一个信念:中国文明在科学技术史中曾起过从来没被认识到的巨大作用。一方面因为这般爱情传奇,一方面因为李约瑟本人并非科学史专家,他所提出的“李约瑟难题”,从开始至现在,由中国到世界,都充满了争论。其主题是:“尽管中国古代对人类科技发展做出了很多重要贡献,但为什么科学和工业革命没有在近代的中国发生?”Fara在《四千年科学史》里写到:“许多关键性的发明最早出现在中国,而中国在技术上的领先优势一直持续到18世纪末。”李约瑟对此进行了庞大而杰出的研究:“欧洲文艺复兴时期究竟发生了什么,使得数学化的自然科学能应运而生?”“为什么这样的情况没有发生在中国?”李约瑟难题的实质内容在于中国古代的经验科学领先世界一千年,但为何中国没有产生近代实验科学,这是关于两种科学研究范式的起源问题。西方研究者们分析如下:1、那些超群的技术所依赖的不是那些悠闲学者的天才发明,而是在家族内手手相传的工艺技能。2、(关于科举考试)指定的文本和评注旨在记忆而不是批评,因此形成了一种狭隘的一致性并最终变成了国家教条。这种僵化不仅扼杀了原创性,而且还意味着许多学者更注重道德和古代哲学辩论,而不是现实问题或科学疑问。3、不同于欧洲多种多样的小封地,而是强有力的中央集权管理体制。4、哲学和宗教的态度分歧。中国的宇宙学家们没假设有某种不动的第一推动者通过自然法则来管辖宇宙,而是相信天体的行为与凡间的人类社会相关联。相关的观点还有:秦朝统一后,加上科举制度选拔,中国有效地集中了大批聪明的、受过良好教育的人,他们的管理使得中国井然有序,并使中国发展了以整体理论,实用化研究方法的科技。上面的负面效应是,使得新观念很难被社会接受,新技术开发领域几乎没有竞争。在中国,商业阶级从未获得欧洲商人所获得的那种权利。中国有许多短语,如“重农轻商”等,和中国历代的“重农抑商”政策表明了在那些年代的官僚政府的指导性政策。比如明朝末期的宋应星在参加科举失败后撰写《天工开物》,但他认为不会有官员读这本书。在西方,发展了以还原论,公式化研究方法的科技。此种科技的兴起与商业阶级的兴起相联系,鼓励较强的技术开发竞争。中国所处的地理环境也互相影响了政府的态度。中国独有的水利问题(尤其是黄河)令中国人从很早的时候起就得去修建水利网。而且必须从整体集中资源治理,才能有希望解决水患问题。水利网超出了任何一个封建领主的领地,这就可以解释为什么在中国,封建主义让位给中国官僚式的文明。被认作中国十大国际友人的李约瑟满怀情感地做出结论:“如果中国人有欧美的具体环境,而不是处于一个广大的、北面被沙漠切断,西面是寒冷的雪山,南面是丛林,东面是宽广的海洋的这样一个地区,那情况将会完全不同。那将是中国人,而不是欧洲人发明科学技术和资本主义。历史上伟大人物的名字将是中国人的名字,而不是伽利略、牛顿和哈维等人的名字。”李约瑟甚至说,如果那样,将是欧洲人学习中国的象形文字,以便学习科学技术,而不是中国人学习西方的按字母顺序排列的语言。李约瑟难题还有另外一个表述方式:为什么在公元前2世纪至公元16世纪之间,在将人类的自然知识应用于实用目的方面,中国较之西方更为有效?或者,为什么近代科学,关于自然界假说的数学化学及其相关的先进技术,只是辉煌而短暂地兴起于伽利略时代的欧洲?二对于该问题,林毅夫是“科技供给不足”理论的支持者:中国古代的发明是经验性的,而西方现代发明是科学性的。经验科学靠的是偶然性,生产越多,偶然性出现的越多,人口越多,偶然性出现的也越多。因此一个人口多的国家和一个人口少的国家相比,经验性的发明当然是前者多(这叫规模效应),这就是古代中国领先于西方的理由。但是随着人口增长的停滞,发明自然也停滞,而现代科学则不同,它是可以在前人的基础上不断往前的,这就是西方最终超过我们的原因。这个理论倒过来,也可以演化出一个“低俗”版本的结论:为什么后来科学不发展、科技不进步了?因为韭菜够多,随便割割就好了,干嘛搞那么复杂。饶毅教授认为:除了所谓“李约瑟难题”引发“中国古代到底有无科学”这一旷日持久的争论,中国人对科学的误解其实更多体现于一种功利主义取向。很多人不了解科学是人类探索、研究、感悟宇宙万物变化规律的知识体系的总称,是对真理的追求,对自然的好奇。还有些人,希望中国“不打好地基就建楼”,急切要求将研究转化为应用,甚至讥笑和抨击基础科学研究。在严复看来,中国古代就无“学”。因为:所谓学,就是要通过大量的事实然后总结出结论来,才叫作学。中国古代,大家唯圣人之言是从,以圣人的是非为是非,根本就没有人从大量事实出发去总结出什么结论的事。严复在1895年提出了“废八股”的要求,他认为,科举制度有“锢智慧”、“坏心术”、“滋游手”三大弊害。“使天下消磨岁月于无用之地,堕坏志节于冥昧之中。长人虚骄,昏人神智,上不足以辅国家,下不足以资事畜。破坏人才,国随贫弱”。如果中国古代没科学,又何以“领先”世界数千年呢?中国古代没有,外国古代就有吗?这个问题背后的潜问题是:我们为何落后了?1840年鸦片战争爆发时,中国仍然是世界上首屈一指的大国。据英国著名经济史家和经济统计学家安格斯·麦迪森的研究,1820年中国的GDP占全世界的32.9%,这一优势直到1895年才被美国超过。吴国盛教授在《什么是科学》一书中,就此命题进行了研究。他的一些观点是:科学是一个来自西方的舶来品,要理解科学就必须回到西方的语境中。科学是一种十分稀罕的人类文化现象,起源于对自由人性的追求和涵养。中国古代没有科学,根本不是偶然的错失,而是存在的命运。在西方历史上,科学有两个前后相继的形态,第一是希腊科学,第二是近代科学。希腊科学是非功利的、内在的、确定性的知识,源自希腊人对于自由人性的追求。这一科学形态的典型代表是演绎数学、形式逻辑和体系哲学。中国文化以仁爱精神作为人性的最高追求,因此,从一开始就与科学精神错过了。吴教授解释了自己写这本书的深层动机:1、一百年来,本着我们一向熟悉的实用态度来学习西方的科学,中国的科学也取得了巨大的成就,基本实现了“科学救国”的理想。2、但是,今天我们面临新的历史使命。中国人在解决了落后挨打、贫穷挨饿的急难之后,要复兴中华文化,成为引领人类文明之未来的力量。在这个新的形势下,仍然用实用的态度来对待科学和科学家,就无法真正完成这个新的历史使命。3、今天,我们的科学事业面临基础科学薄弱、原始创新乏力这样的严峻挑战。如果不能深入思考科学的本性、科学的本源,我们的科技政策和科研管理就可能违背科学的内在逻辑和规律,人为制造发展的障碍。三近1000年前,当欧洲仍处于“黑暗”的中世纪,北宋人沈括建设了一个巨大的天文观测台,和一个华丽的浑天仪,并发起了“大数据”采集工程:每晚3次测量行星的位置,并持续5年之久。然而,沈括并未利用这些数据去推导控制行星行为的数学规律,而是(在编制日历之外)试图找到星相与现实世界线性的、简单的、无所谓因果关系的关联性。李约瑟在他的《中国科学技术史》一书中的“天文学”一章开篇就说:“希腊的天文学家是纯粹的私人,是哲学家,是真理的热爱者(托勒密即如此称呼希帕克斯),他们和本地的祭司一般没有固定的关系。与之相反,中国的天文学家和至尊的天子有密切的关系,在政府机关的一个部门供职,依照礼仪供养在皇宫高墙之内。”《什么是科学》写道:中国天文学的礼学性质,为政治服务、为伦理生活服务这种基本的研究动机,规定了中国天文学的独特任务和独特内容。如果说行星这种天空漫游者是希腊天文学亟待解决的问题,因而希腊天文学本质上是行星天文学的话,那么可以说,中国天文学本质上就是天空博物学、星象解码学、天文解释学。自古以来,中国最聪明的智者观天象以知天下,预测人世间不可知的未来,迄今络绎不绝。利玛窦在他的《中国札记》中说:“他们把注意力全都集中于我们的科学家称之为占星学的那种天文学方面;他们相信我们地球上所发生的一切事情都取决于星象。”从经书、从八卦、从文字、从星相、从抽签、从黄历、从五行、从属相、从时辰、从星座、从血型、从颜色、从数字、从左右、从方向、从节气、从山水、从房屋、从动物...,我们有各种“占卜之术”。大多无法逃离“错误归因”(逻辑谬误的一种)之嫌疑:“你从两个事物可能存在相关性,就得出一个事物是造成另一个事物的原因。错误在于,同时存在的两个事物未必有因果关系,可能这两个事物有共同的起因,或者两个事物根本没有因果关系,它们直接的共存只是巧合。一个事情比另一个事情先发生同样不能说明两个事物肯定存在因果性。”现实的例子,不胜枚举。这类不那么科学的思维模式,已经成为我们文化基因的一部分。四在黄仁宇看来,20世纪之前中国最大的问题在于名与实之间没有成功地得到连接。《驯服偶然》的译者前言里,提及他的感慨:中国传统的治国方式是“间架性的设计”,即不由它“自身做主摸索而成,而是由政治家鸟瞰的态度裁夺”。这种“间架性的设计”被认为是“超时代的政治早熟”。正如李约瑟评价朱子时所说,在没有产生一个牛顿式的宇宙观之前,先已产生了一个爱因斯坦式的宇宙观。这种理念应用于社会政治方面,则出现这样的情况,“一般政令上面冠冕堂皇,下面有名无实。结果则是中国的亿万军民‘不能在数字上管理’”。未有牛顿,早有爱因斯坦,让我想起朱清时院士的演讲《物理学步入禅境:缘起性空》:“这里海水与波浪的关系,正是弦与音乐的关系。它们也正是物质世界与宇宙本体的关系。当我弄懂了这个道理的时候,心里充满了敬畏和震撼。读到这里,你可能感到:科学家千辛万苦爬到山顶时,佛学大师已经在此等候多时了!”朱院士的演讲有其具体语境,以及对宗教的敬意。却道出了不少人心底对现代科学的情绪:你们这一套,我们的老祖宗早就预测过了,等着你们吭哧吭哧地论证出来而已。爱因斯坦曾经问一位纽约时报的记者:“为什么没有人理解我,而大家又都喜欢我?”中国有句话可以回答他:画鬼容易画猫难。一个刺耳的声音响起:智慧的人啊,既然你早早守在山峰上,能否走下两步看看?费曼认为:“科学家是探险者,而哲学家是观光客。”这位顽童大师刻薄但又扎中痛处地说:科学哲学对于科学家的作用,就跟鸟类学对于鸟的作用差不多。(费曼是个“科学原教旨主义者”,在这里我们不展开讨论科学哲学的定义,人类有史以来最伟大的科学著作《自然哲学的数学原理》书名里是有哲学二字的,后面我也会提到哲学对于犹太人的重要性。)古希腊哲学家留基伯早在公元前5世纪,就提出原子论:万物由原子构成。他的学生德谟克利特说,这些原子“太小了,因此我们无法感知到它们……它们,或者说这些元素……可见、可感知的物质”得以形成。“原子论”看起来有惊人的远见和洞察力。但科学家认为他们只是碰巧撞上了一部分事实而已。物理学家、诺奖获得者史蒂文·温伯格说:“这些早期的原子论者看似相当超前,但是(一元论者们)‘错了’,德谟克利特和留基伯的原子理论在某种意义上‘对了’,这种对错之分对我来说并不重要……如果我们不知道如何计算物质的密度、硬度或导电性,即使泰勒斯或德谟克利特告诉我们石头是由水或原子构成的,我们又能在理解自然的路上走多远呢?”爱因斯坦和因菲尔德用一个比喻描述了如此“希腊困境”--古希腊自然世界的探索者们就像:某人非常想了解手表的机械结构(机制),他却只能盯着表盘和不停转动的指针,听着手表嘀嘀嗒嗒的声音,因为表盖无论如何也打不开。如果他还算机灵,他可以绘制一幅机芯图,为他所观察到的一切做出解释。但是他……可能永远都不能用真正的机芯与自己绘制出的图纸两相对照。他觉得这样的对照不仅是不可能的,也是毫无意义的。这个比喻同样可以用来揭开我们对祖先如谜般智慧的沉醉,例如阴阳理论、八卦的二进制、能量与气、混沌......这些预言看似领先数千年,但钟表的外壳依旧紧闭。太平洋的某个小岛上的巫师也许有更令人惊讶、更“精确”的预言,也许与“引力波、量子纠缠等等”更加形神俱和。而我们,来到21世纪,却还在歌颂数千年前那些似是而非的含糊其辞。五传说乾隆下江南时,与镇江金山禅寺主持站在长江边的小山上,看江面上南来北往的船只,皇帝问和尚:“你看这江面上有多少艘船?”高僧沉吟片刻答曰:“只有两艘。”“何谓两艘?”乾隆紧接着问道。高僧答道:“一艘为'名',一艘为'利'”。这个故事形象地描述出中国人对“顶级智慧”的定义。老外认为,中国人把宇宙看成生命体,一个依靠各种内部“动力”连接的整体。这种动力或能量称作“气”。另外两种基础动力分别是“阴”和“阳”。中国人相信宇宙由5种元素组成:金、木、水、火和土。这些元素结合阴阳产生出昼夜更替、四季变化、生死轮回、斗转星移的自然规律。在一本科普读物里,作者写道:正是因为中国人认为世间万物都由这些元素和能量构成的,彼此相通,生生不息,所以他们没有提出“原子”是物质的基本单元这一概念;而且在中国,也没有自然哲学家一定要用数字描述才符合“科学”的标准。比乾隆早2000年的阿基米德,在《数沙者》提出了更难的一个问题:要用多少粒沙子才能填满整个宇宙?阿基米德没有抛出一个高明且含混的答案。他在数据、公式、思维方式都极为贫乏的境况下,依然给出了史诗般的计算:为了计算充填整个宇宙所需要的沙子的数量,阿基米德必须知道宇宙的体积。在那个时代,人们认为,宇宙被一个晶体球包围着,恒星就镶嵌在这个晶球的固定位置上。著名的萨摩斯人阿里斯德鸠是阿基米德的同时代人,他也是一位天文学家。据他估计,从地球到那个天球边缘的距离是10,000,000,000个斯塔德(stadia),或者,大约是1,000,000,000英里的立方。通过比较这个球体的体积和沙粒的体积,经过了一系列令现代学生做恶梦的计算之后,阿基米德得出了这样的结论:“很明显,要想填满由阿里斯德鸠所估计的这个天球所界定的空间,我们需要的沙子的数量不会超过一千个米亚德的第八级单位。”结果是否精确已不重要。阿基米德的问题不仅仅是“宇宙有多大”,而是:“用数学的语言来描述一个比我们过去所测量过的任何物体都大的实体是否可能?”阿基米德以身试之:“可能。”据说,这是科学家首次迫使数学服务于科学的目的,而不是科学服务于数学。阿基米德重塑了数学语言,使其与宇宙现实相吻合。”选择沙子来度量这个被恒星填满的天空,阿基米德由此做出了一个新的断言:宇宙中没有人类不可数或不可理解的事物。假如中国的寺庙和西方的修道院一样培养科学家,那么,当高僧面对乾隆的问题时,也许会望向长江,目测一下一里地内船只数量,然后根据经济强弱分布估计一个平均数,乘以长江的长度,得出一个数量级差不离的船只数量。乾隆也能在微服私访时,得到国家水上运输的调查数据,对水运、税收、贸易有一番新的判断与思路。然而,在那样一个GDP世界第一的盛世,高僧的答案更能切中皇帝内心。“没什么不能计算”的科学思维,让位于权谋智慧。即使西汉时已有《周髀算经》和《九章算术》,南朝祖冲之对圆周率的估算领先世界一千多年,却限于实用性的计算而忽视公理化建设和理论推导。知道了阿基米德计算宇宙的故事,我们就不会对20世纪的费米“如何估算出芝加哥的钢琴调音师人数”感到意外。《中国青年报》1958年刊登过钱学森的《粮食亩产量会有多少?》。他认为太阳光能转化率如果达到30%,并将二氧化碳和水转化为养分,亩产理论上可达大约4万斤。计算,首先是求真。这是我们的血液里缺少“数目化思维”的首因。Hubbard在《数据化决策》里提出“一切皆可量化”,试图探索大数据时代的量化决策方法。他开篇举了三个“量化大师”的实例:1、古希腊人如何坐在图书馆估算出地球周长;2、费米计算费城有多少钢琴调音师;3、九岁女孩如何揭穿“抚触疗法”医学谎言。(这个方法,我们的绝大部分人都不会。)三个问题中,9岁小女孩的方法很简单但对我们最陌生:控制实验。--在我们接受的教育体系中,这种“提出问题并设计解决问题的框架”的能力,以及科学思维和科学方法,从来都是被忽视的。1996年,艾米丽发现妈妈琳达在观看一部录像,讲的是“抚触疗法”:一种通过操控患者的“能量场”来治疗疾病的有争议的方法。当患者一动不动地躺着时,临床医生会将他的手移到离患者身体几英寸(1英寸=2.54厘米)的地方,然后检测并去掉“不希望有的能量”,这种能量被认为是产生各种疾病的原因。艾米丽对妈妈说,她可以根据这种方法做个实验。作为护士和美国国家反健康欺诈委员会的长期成员,琳达给她女儿的实验方法提了一些建议。艾米丽雇了21个掌握抚触疗法的临床医生。她坐在桌子旁,临床医生坐在她对面,两人之间用一个纸板隔开,谁也看不见谁。纸板的下面剪了一些洞,艾米丽通过投掷硬币的方式,决定把手放在医生的左手还是右手处的洞里。然后,她把掌心朝上,离医生的手四五英寸远,这个距离会标记在纸板上。艾米丽的手和医生的手之间的距离是固定的,而且医生是看不到的。医生通过感知艾米丽的能量场,确定她是把手伸到了他的左手处还是右手处。结果表明,抚触疗法是“未经认证”的。1998年4月,11岁的艾米丽在《美国医学会杂志》上发表了她的实验结果。这让她被载入《吉尼斯世界纪录大全》,成为在核心科学期刊上发表论文的最年轻的人。30年前,写过“面朝大海,春暖花开”的中国诗人海子自杀。据传与“修炼气功走火入魔”有关。他在遗书里写到要找某人报仇。公开资料介绍,1988年某人以“人体科学”方面的特长(被认定有特异功能),被免试特招进入中国地质大学(武汉),从事用特异功能找矿。那人曾在论文里写到:“已使我们确信著名科学家钱学森同志关于人体科学研究“搞下去一定会导致一次科学革命,是人类认识客观世界的一次飞跃”这一论断的正确性。”气功热,一个9岁女孩就能揭穿的谎言,当年让多少人如痴如醉。我们仿佛陷入了某种诅咒,每隔多少年就会来这么一次。科学的进步,貌似不会轻易消减反科学的比例。据说在美国,星象学家的数量是天文学家的20倍。当然,星象学家应该归属于娱乐圈、而非伪科学圈。科学也将允许人们以更加高科技的方式反科学,例如用智能手机算命。威廉·史密斯说:科学是对付狂热和狂言的有效的解毒剂。对于一个国家的科学家、各界精英、决策层、教育者而言,科学的认知体系,需要成为整个社会的思维基础设施。“名”来“利”往,千帆过尽皆不是,斜辉脉脉水悠悠。六长久以来,即使我们承认在科学上已落在后面,但仍觉有些“自留地”的优势,而且这些优势是西方外族无论如何无法企及的。例如我们觉得对“整体”、“系统”的理解更深刻,老外容易陷入局部和细节、钻牛角尖,不懂运筹帷幄;又例如对于“复杂”和“混沌”,我们也有“你看我们先辈早就说过吧”的领先感,即使科学家所研究的“复杂”和“混沌”是另外一回事情。这方面、一个较轻松(如你所见,这是我在写本文时的基本姿态)、但有极具代表性的例子就是,老外下不好围棋。围棋是中国少有的数目化事物,它兼具西式的精确量化,以及东方的混沌哲学。围棋的需要计算,许多局部死活,都有惟一的“最佳一手”;围棋又特别讲究大局观和感觉。这部分被认为是老外学不好围棋的原因,也体现了东方哲学对西方人而言不可逾越的优势。所谓大局观、天才的感觉、石破惊天的一手,都被认为是计算无法企及之处,需要靠悟,日本围棋巅峰时代,几乎所有的超一流棋手都出自木谷实和吴清源的门下,似乎其间的智慧必须依靠古老的师徒制才能传承。这便是围棋在计算基础之上、被认为是东方哲学之魅力。阿尔法狗赢了人类围棋冠军,仿佛是科学对东方哲学神秘高地的一次冲击。七我在朋友圈曾经和人发生过一次讨论。话题始自《Alphago》,一部描写人工智能战胜人类世界冠军的纪录片。这其实是一次寻常的聊天,我恳请这位朋友允许我引用这段对话(尽管未作改动,仍可能曲解了原意),来表达一个供讨论的话题:朋友:稍有疑问的是:我觉得为了戏剧化多了些加工—比赛前真正了解的人应该知道,李世石根本没机会的。真正的事实太枯燥太直白太残酷,人性本质上拒绝。而吸引不了观众的传播是失败的,所以………眼球经济哈!老喻:要相信科学家的诚实,与李世石比赛前DeepMind并不是有十足把握。朋友:呵呵,输的那盘勺子叠出,是给面子吧。剧本是有的吧。愿意为流行而妥协,甚至本身自带流量自带表演天赋的科学家,历史上很多哈。做些娱乐配合,不算是不诚实哈。老喻:觉得阿尔法狗团队在作秀很让人无语。少点儿阴谋论会让生活美好点儿。输的那盘事后有详尽分析,李世石的挖本身并不成立,但是的确击中了程序的弱点。事后DeepMind改进了算法。朋友:阴谋论是历史的客观存在,如果你有机会真正了解公司内部决策。我亲身见过兵棋推演哈。老喻:并不是所有的人都愿意为了利益而在密室里谋划、并认为排演并违背事实的“作秀”不是欺骗。我不是围棋和人工智能的专家,我只是觉得DeepMind的科学家们有这个基本的自尊和价值观。当然,在中国,这些都是图养图森破的标志,大家只计利害,不问是非,所以有王利芬事件。回到你我辩论的主题:我不认为这个专题片如你所说“是设计出来的、为了吸引眼球和流量的作秀”。我在这次对话里,表现了自己情绪化和书呆子的一面。那位朋友认为李世石赢的那盘棋是“被安排的”,我从骨子里不愿意相信哈萨比斯和黄博士作假:让李世石赢下那一盘,以谋求更多世人关注。这对科学家和棋手而言,都是极大的羞辱。作为一个科学与围棋爱好者,我不愿接受这一点。由此说开来:1、我们已经丧失了那种信任能力,不相信有人不谋私利去做伟大之事,民众尤其觉得权贵人士为富不仁,但心底却向往之。群体割裂比贫富差距更为不可逾越;2、我们相信所有的事情,都有见不得人的那一面。这是一种广义的阴谋论。例如巴菲特、盖茨、扎克伯格的捐款是为了避税,肯德基的鸡有八个翅膀,共济会在每个黑房子里操控每个大事件......等等;3、我们认为造假不是什么了不起的事情,尤其是当你有善意的出发点、或者哪怕出发点都很糟糕但是结果很牛逼的时候。4、其实,大规模的造假从来都不是一件容易的事情,被揭穿后更是得不偿失(大家集体不认账是另外一回事);5、我们不相信体面、尊严这些词汇,活命要紧,利字当头。城头变幻大王旗,谁赢谁来写历史;6、本质上我们还是穷怕了,无论是食物还是财富,我们都摆脱不了那种饥饿感,抓住多少都不嫌够,如何抓、吃相如何,全不重要。吴国盛提及了几个关键词:西方文明经常被称作两希文明:希腊文明加希伯来文明,总的来看是一种生人文化。一种崭新的社会秩序的构成机制在起作用,这就是“契约”。中国人固然也讲诚信,讲道德自律,但是其依据并不是外在的规则约束,而是内心的良善。规则是末,良心是本,本末不可倒置。事实上,中国人通常比较轻视规则的神圣性,喜欢灵活机动、见机行事,过于依赖规则被认为是死脑筋、呆板、一根筋。契约文化要求每个人成为一个独立自主的个体,这促成了一种别样的人性理想,即把“自由”作为人之为人的根本标志。什么是自由?如何塑造自由的人性理想呢?为了塑造一颗“仁人之心”,古代中国人都要学“礼”,礼就是仁的人文形式,仁和礼构成了古代中国人的人文结构,那么,为了塑造一颗自由的心灵,需要一种什么样的人文形式呢?希腊人的答案是:科学。“自由-科学”构成了希腊人的“人-文”。在希腊人眼里,科学既非生产力也非智商,而是通往自由人性的基本教化方式。没有对科学的追求之心,你就不配做一个自由人。不在乎契约,无所谓自由,也就不在意尊严和体面了。1858年,得出自然选择理论长达20年、但仍不肯发表的达尔文,收到了英国另一位自然学家华莱士的手稿《论变种无限地偏离原始类型的倾向》,他惊奇地发现华莱士也独立得出了自然选择导致进化的思想。达尔文在给莱尔的信中表达了自己的担心:“我的所有成果,不管意义有多大,也许都得不到承认。”这意味着他小时候为了抓标本把昆虫塞进嘴巴的热爱、漫长的求学、小猎犬号上的5年航行、乃至整个生命中最重要的那部分,都化为泡影。然而,他仍慷慨地帮助华莱士发表了他的论文,只要求自己的成果也能同时发表,他甚至担心自己的这个要求“有些可鄙”。1859年底,达尔文出版了400多页的《物种起源》。但早在《起源》出版之前28年,有个不为人知的苏格兰人马修提出了与达尔文的自然选择非常类似的思想。1860年,马修给杂志写信申明他有优先权。达尔文心里也非常不安,他在信中回应道:“我完全承认马修先生多年前就提出了我对于物种起源提出的自然选择解释……我只能向马修先生道歉,因为我完全不知道他的著作。”达尔文所表现出来的谦逊、绅士、体面,与他的伟大科学成就一样值得称道。有人将达尔文的自然选择演绎为“适者生存”,进而描述成“弱肉强食”;还有人将被曲解的达尔文主义从丛林引入社会,这种价值观,正夹杂着成功学弥漫开来,我们对此不会陌生。八在《权力的游戏》里,山姆威尔·塔利是一个无害、无用、但有蕴涵着某种奇特力量的人。他肥胖又胆小,极度缺乏自信,却也非常聪明,爱读书,善于思考。他奉命去修成一位学士。他听前辈训话:学城里的人,就是为了质疑一切。1843年,当孟德尔来到圣托马斯修道院,像极了小说里的那个角色。他偏胖,不苟言笑,胆怯,结巴。想去高中当老师,却总是不能通过资格考试。在《基因传》的描述中,这所修道院看起来像个世外桃源。图书馆里有近万本数量不断增长的藏书,包括自然史、地理学以及天文学的最新进展。奥古斯丁派认为宗教与大多数科学之间并不存在冲突,他们实际上将科学看作维护世界神圣秩序的另外一种圣约。孟德尔被送往维也纳大学,系统地学习生物学知识,为日后的工作奠定了坚实基础。约从1856年到1863年,在修道院花园中的小块空场上,他进行了8年的豌豆杂交实验。这是一场孤独、卓绝的个人科学探险,远比看上去更加艰难。孟德尔获得了数量众多且可供分析使用的数据,其中包括2.8万株植物、4万朵鲜花以及近40万颗种子。他写道:“进行这种超大强度的体力劳动确实需要一些勇气。”孟德尔于1865年在布吕恩自然科学研究协会上报告了他的研究结果。他提出了遗传因子(现称基因)显性性状、隐性性状等重要概念,并阐明其遗传规律,后人称之为孟德尔定律。然而并无人关注。1866年元旦前夜,孟德尔致信当时著名的植物学家内格里,附上了有关豌豆杂交实验的简介。内格里对于孟德尔以及他从事的工作不屑一顾。他从骨子里就看不起业余科学家,他在孟德尔寄来的第一封信上随手写下了评语,言辞之中莫名其妙地充满了贬低之意:“这些只是经验之谈……根本无法证明其合理性。”按照中国当下的标准,孟德尔或许算是个标准的“民科”。科学发展至今日,业余科学家即使在博物学领域,也很难有所成就。但是,对于本来科学空气就稀薄的中国而言,对“民科”不加辨别的吹捧、和棍棒乱舞的嘲讽,其本身正是“伪科”的一部分。穆克吉写道:孟德尔在工作中展现出的慈爱更令其超凡脱俗...慈爱(tenderness)、照料(tending)以及张力(tension)这三个词具有相同的词根,其中“照料”指农民或园丁打理农作物的行为,“张力”可以形容豌豆藤蔓向阳光伸展或者紧紧缠绕在乔木上的样子。“科学研究带给我极大的满足感,”1883年,也就是他去世的前一年,他对一位同事说道,“并且,我相信,我的研究的成功很快就会得到整个世界的认可。”直至死去,孟德尔都没有被世人关注。讣告里未提及他在遗传学研究领域的贡献。一位年轻修士描述道:“他平易近人、好善乐施并且心地善良……他热爱那些美丽的花朵。”整整35年后,直到1900年,孟德尔定律才由3位植物学家--荷兰的德弗里斯、德国的科伦斯和奥地利的切尔马克通过各自的工作分别予以证实,成为近代遗传学的基础。从此孟德尔也被公认为科学遗传学的奠基人。如孟德尔自己生前所预言,人类将永远记住他,以及他栽种的甜豌豆。伟大的科学家彭加勒说:我希望捍卫为科学而科学。例如我在前面已经表明什么是天文学事实的高度价值,这并不是因为它们能够实际应用,而是因为它们是所有事实中最富有教益的事实。只是由于科学和艺术,文明才具有价值。一些人面对为科学而科学大惊小怪;可是它却与为生活而生活一样有效,即使生活只是痛苦;假如我们不相信一切欢乐都具有相同的质,假如我们不希望承认文明的目标就是向酒徒提供烈酒,那么它甚至与为幸福而幸福一样有效。追求真理应该是我们活动的目标,这才是值得活动的唯一目的。毫无疑问,我们首先应当努力减轻人类的痛苦,但是为什么要这样做呢?不受痛苦,这是一个消极的理想,世界一日不灭,痛苦终不能已。如果我们希望越来越多地使人们摆脱物质烦恼,那正是因为他们能够在研究和思考真理中享受到自由。以上一大段,翻译成中文就是:要像吃饱了撑的般搞科学。在科学家心底,也许正如《权力的游戏》里的台词:杂耍和唱歌的才需要掌声。九中国人对自己的聪明,总有着“笑而不语”的自信。欧洲人太钝,美国人太粗,日本人太坏,印度人太穷,惟一入得我们法眼的,恐怕只有犹太人。在我们看来,犹太人首先是有钱。美国前400个富豪家族中,犹太人占了23%。在全世界最有钱的企业家中,犹太人占近一半。其次犹太人很聪明。诺贝尔奖得主的科学家中将近有四分之一是犹太人,超过四分之一的菲尔兹奖得主都是犹太人,55%的国际象棋世界冠军是犹太人。但我们不太留意、也不太在意那些“玩儿虚的”领域,犹太人同样杰出:51%的普利策文学奖获得者是犹太人;20世纪伟大哲学家当中,犹太人占1/4;在艺术、流行文化领域,有许多巨星都是犹太人;1930年对美国4000多名拳击手的研究表明,其中的优秀选手(很多)都是犹太人。公元64年,犹太教主盖姆拉颁发法令要求所有男性必须能够诵读《塔木德经》。下一个在男性间普及了读写能力的民族约在1700年后。《塔木德经》写道:一个男人应该变卖所有财产去娶一位学者的女儿,也应该把自己的女儿嫁给一位学者。中国人和犹太人对智慧的定义是不同的。我们自古重文轻理,后来又追求“学好数理化,走遍天下都不怕”。现如今,理科生和文科生彼此鄙视(更多是理科生有莫名的优越感),似乎无法相容。其实,在现代科学的学术概念里,并没有理科这一概念。而且,没有人文学科的底蕴。所谓理科生也走不远。李政道说过,科学和艺术是一枚硬币的两面。人们都知道扎克伯格是哈佛计算机专业的辍学生,却很少有人知道,他同时修习心理学。格林斯潘曾经半开玩笑说:“所谓的新经济实际上就是心理学。”。--这两位都是犹太人。人们都觉得乔布斯是一位人文大师,却忘记了他小时候是一个无线电爱好者,还曾经打电话给惠普的创始人索要电子元件。孙乙戌写到:1950年6月8日召开的第一次全国高等教育会议上,来自苏联的专家阿尔辛杰夫带来了他的“苏联模式”。他认为新中国的大学就是教育工人、农民和劳动者的地方,要为国家培养工程师、医师和农业专家,而不是文科生这种大而无用的人。终于熬到20世纪90年代,文科院系终于看到了一线希望,中国兴起了建设综合性大学的热潮,没有文科专业说不过去。可他们没想到的是,这场潮流与其说是复兴,不如说是灾难。人才断代、盲目扩张、利益驱动、缺乏经费,导致一批批低水平文科专业的诞生。我喜欢乔治·桑塔亚那在《人性与价值》的话:任何艺术都不是为了让人们进入神秘主义,如果艺术会有这样的后果,那只是偶然的,也许与我们的创作过程有关。因为任何艺术都是为了建构某种东西。正是由于眼前的和科学的东西不能满足我们的要求,需要充实感性的东西,所以,当我们不满足时,这正是需要诗意的时候。《智慧之路》列出了每个犹太青年应该学习的学科:他应该学习逻辑、修辞和诗歌作品,直到他熟知它们…他也应该学习工程、语法和天文的基础知识,直到他熟知它们;以及其他学科和技艺的领域——无论他本身需要什么知识,直到他熟知它们。关于犹太人的话题,以及与中国人的对比,实在过于庞大,我姑且收于6点:1、智慧是不能分“有用”和“没用”的,也不能分“文”和“理”,更不能分“赚钱”和“不赚钱”的;我曾写过,“有用的聪明”可以训练出来,“没用的聪明”则很难。2、一个民族的“智慧浓度”至关重要,犹太人被驱逐,被屠杀,被排挤,人数不过千万,但其智慧浓度却极少被稀释,并且越来越高。只有达到一定浓度,才会涌现出各种天才;中国为什么缺诺奖得主?为什么这么多人凑不够11个人去踢足球?基数虽大,浓度不够,尤其是浓度有个临界点,而非简单的线性比例关系。3、科学和文化需要靠基因、更要靠家庭,一代代传下去。犹太人的父母、爷爷奶奶外公外婆、整个大家族,都是孩子最好的老师。而在中国,最优秀的那部分人很多连见孩子的时间都没有。4、犹太人有持久的传统、强烈的归属感(即使散布全世界),以及去中心化的社会网络。也许骨子里,他们真的相信自己是上帝的子民。5、犹太人的力量是靠结果、而非口号呈现出来的。例如在多年后,不远万里追杀逃往阿根廷的纳粹罪犯阿道夫·艾希曼;又例如犹太人对辛德勒的怀念,以行动传递出犹太人有仇必报、有恩必还的信念。6、犹太人的“抱团儿”和“个体独立性”是并存的。“两个犹太人,三种意见。”不盲从权威,独立人格与独立思考,恰恰令一个民族更团结、更强大。论坎坷和苦难,中国人和犹太人很像,彼此也友善。我们需要做更多,来证明自己同样杰出。十据说,不管在过去300年的任何时候,如果你说“有史以来80%的科学家都还健在”,你的说法都是成立的。基于科学的飞跃,在科技、工程学、商业的多方作用下,计算机、互联网、人工智能在加速改变整个世界。《终极算法》一书说:机器学习是“打了类固醇”的科学方法,也遵循同样的过程:产生假设、验证、放弃或完善。科学家可能会花费毕生精力来提出或验证几百个假设,而机器学习系统却能在一秒钟内做完这些事。机器学习使科学的发现过程自动化。因此,并不奇怪,这既是商业领域的革命,也是科学领域的革命。当科学通过科技的力量一步步逼近人类大脑本身,“范式转移”极有可能猝不及防地发生。库恩在《科学革命的结构》提出了这个有争议的名词,用来描述在科学范畴里,一种在基本理论上从根本假设的改变。这种改变,后来亦应用于各种其他学科方面的巨大转变。硅谷模式处于科学与算法的交叉点。价值假设和增长假设,是把科学家精神,与企业战略、数字经济完美结合在一起。科学试错在虚拟经济中发扬光大。亚马逊的飞轮,Facebook的增长黑客,释放了惊人魔力。尽管斯坦福的博士生佩奇,看起来更像是一位科学家,但是在硅谷特有的辅导机制下,他迅速成为杰出的企业家。特斯拉的马斯克,从宾夕法尼亚大学的沃顿商学院毕业,获得经济学学士学位后,再获得物理学学士学位。他还曾打算在斯坦福大学念应用物理与材料科学博士学位。科技公司的崛起,也是科学企业家、或者企业科学家的崛起。那些用科学思维经营和管理企业的人,那些以技术为内核的人,比以往任何一个年代都更为强大。在中国,企业家是一个很年轻的名词。早期企业家意味着胆子大、脑子活。和科学家完全不沾边。科技令中国企业家迅速完成了迭代。技术对寻租的依赖性较低,意味着科技企业家们的原罪压力没那么大,也为人们带来一股透明的清新,尽管这清新不能掩盖加剧的商业集中和资本贪婪。科学和技术是两个不同的概念。科学建构于技术,而技术是从科学和自身经验两个方面建立起来的。科学和技术以一种共生方式进化着,每一方都参与了另一方的创造,一方接受、吸收、使用着另一方。两者混杂在一起,不可分离,彼此依赖。我一方面对各地不惜代价招募科技人才感到悲观,另外一方面,又对腾讯、阿里这类企业对于科学生态的哺育抱有期待。阿瑟认为:创新与国家竞争力关于新技术体的建构非常引人注目的一件事是,它们的发展前沿通常会高度集中在一个或最多几个国家或地区。真正前沿的技术,那些处于边缘的复杂技术并不是源于知识,而是源于别的东西,我将它们称为“深奥的手艺”(deepcraft)。深奥的手艺不只是知识,它是一套认知体系。阿尔弗雷德·马歇尔在1890年就曾写道:当一个产业为自身找到这样一个地方,它很有可能就驻留在那里了:人们在邻近的街区学习相同的行业技术,这使他们获得了很大的收益。从此神秘的行业不再神秘。就像呼吸空气一样,孩子在不知不觉中就知道了很多知识。干得好马上会被欣赏。关于设备、工艺以及企业组织形式的发明和改进都会立即被讨论其优劣与否;一个人有了新点子,可能会被别人借鉴过去,并结合他们自己的想法,从而产生了另一个新点子。不久以后,相关的附属产业就会成长壮大起来,从而为主产业提供工具材料、组织交易,并在很多方面提供有助于构成经济的素材。这是深圳、杭州现在看起来的样子吗?我们有机会在计算科学时代弯道加速吗?即使有,也将是很大、很长的一个弯道。日本政府2000年“科学技术基本计划”中提出的目标:要在今后50年内获得30个诺贝尔奖。到2016年,日本共有17位科学家获得诺贝尔自然科学奖,速度惊人。北大教授周程从宏观、中观、微观三个层面分析其文化、体制等多方面因素发现,日本科学“井喷”最不可忽视的原因是,该国在经济快速发展时持续加大科研投入,在经济形势严峻时依然不吝于科研投入,并把坚持原始性科技创新作为改观日本前途的必由之路。本世纪日本诺贝尔奖获得者接受义务教育和高等教育的年代大多集中于上个世纪五、六十年代,而当时日本的教育正经历着一场深刻的变革。日本经历了三次教育改革:第一次改革从明治维新开始到二战结束为止;第二次,1947年颁布的《教育基本法》,许多国际知名的文学作品被写进教科书,洋溢着科学精神,包含尊重人与个性、世界的合作与和谐等要素。第三次教育改革从七十年代开始,直至今日仍在继续。日本的诺奖计划只是一个果。科学的种子、土壤、气候,至少需要好几代人的接力和执着。树上能结出什么,无法预测。但惟有如此,方能结出些什么来。我们可以用超常速度开工厂,修高速,建高铁,拓城市,但教育、科学不能。最后马斯克曾说,自己12岁到15岁期间,遇到过“存在危机”。这时看到了《银河系漫游指南》,书中一台超级计算机发现了有意义生命的答案,但只给出了简单的数字“42”。对此,年轻的马斯克深感兴趣。他说:“如果你能正确解释这个问题,答案将非常简单。据此我们可以更好地理解宇宙,然后更好地知道我们该问什么问题。”有篇讲“孤独的马斯克”的文章,说他是孤独的拯救世界的伟人。我看着有些发冷。在我看来,我们要警惕那些梦想拯救世界的大人,宠爱那些梦想拯救世界的孩子。马斯克处在标准的中年油腻男的年龄,但他的太空梦,仍属于那个十来岁少年的延续,所谓:太空梦,少年心。他一点儿也不孤独。去年暑假,我们一家去西雅图流行文化博物馆,来到科幻主题区,看到许多星球大战和星际迷航的展品。亚马逊的创始人贝佐斯正是《星际迷航》是骨灰级粉丝。据说在他的多年乞求下,派拉蒙影业勉强在《星际迷航3:超越星辰》中给他安排了一个小角色。是不是让你想起了《生活大爆炸》里的谢耳朵?这也许解释了,为什么贝佐斯能够穿越漫长的亚马逊亏损期。他的跨越星际的时空观,让亚马逊开发AI助手——Alexa时,显得那么理所当然。贝佐斯于2000年时成立了一家名为蓝色起源(BlueOrigin)的载人航天,他迷恋太空旅行,同样来自童年的梦想。我记得看过,包括马斯克在内的“PayPal黑帮”们聊天,说起“谁小时候玩儿过火箭”,一半的人举起了手。马斯克,贝佐斯,都只是无数个在后院儿引发爆炸的孩子们中的一个。这些源自少年时代的冲动,既盲目、又持久,也值得安抚。我们不缺“想要拯救世界的”成人,我们缺的是敢于梦想的孩子。纯真的梦想是一种童子功,社会的梦想需要一个金字塔形的结构。不管是足球,还是科学,都是如此。在少年马斯克读到《银河系漫游指南》时,1983-1986年的中国,还是一个懵懵懂懂的乡下孩子。我们刚刚填饱肚子,用着粮票布票,挤在邻居家的彩电前看《射雕英雄传》。马克斯·格利克曼说:科学是使这一代的傻瓜都能超越上一代的天才的一门学科。未来总是在孩子们的身上。维纳说,科学是一种生活方式,它只在人们具有信仰自由的时候才能繁荣起来。让我们给孩子自由探索、选择世界的权利。科学是一种信仰。何谓信仰,就是你即使没有得到任何直接的激励,也会如同在恋人、或是孩子期待的目光下般,满怀激情,全力以赴。李约瑟研究所所长古克礼转述了李约瑟临终前的观点:“李约瑟先生透过他多年来对中国以及中国人的了解,他确信中国能够再度崛起,一个拥有如此伟大的文化的国家,一个拥有如此伟大的人民的国家,必将对世界文明再次做出伟大贡献。”然而这位善良的科学家,并未对他的“李约瑟难题”给出答案。对于科学,我们需要耐得住寂寞,能不在意名利,我们要有足够的耐心,我们需要有人去做那些“吃饱了撑的”无用之事。“科学是神奇的。它是人类发现世界、探知万物——当然也包括了解我们自己的最好途径。”我们最欠缺的,是一种需要代代相传的精神:为自己无法享用的树荫去种树。你,愿意吗?
2018年04月28日
近期,因为中兴遭受美国制裁和当年助手的一篇题为《一段关于国产芯片和操作系统的往事》的微信刷屏文章,79岁的中国工程院院士倪光南被推上了各家媒体的新闻头条。他多年来为国产芯片和操作系统付出的努力,再一次被世人记起。他又是怎么看中兴事件的?国产芯片和进口芯片差距究竟有多远?芯片的国产化只能靠BAT了吗?4月24日,倪光南接受了中新经纬客户端专访,就上述热点作出回应。倪光南接受中新经纬客户端(微信公众号:jwview)采访。中新经纬罗琨摄谈中兴事件:必然会发生美国商务部公告称,未来7年内禁止中兴通讯向美国企业购买敏感产品。22日,曾任倪光南助手的梁宁发表文章《一段关于国产芯片和操作系统的往事》,回忆了当年和倪光南等人一起研发芯片和操作系统的历史,成为微信刷屏文章。这段历史是如何影响今天的?中兴走到今天的局面是必然还是偶然?4月24日,在银谷大厦8层的会议室里,倪光南向中新经纬客户端(微信公众号:jwview)表示,中兴遭受美国制裁是必然会发生的一件事情,只是什么时候发生具体会到什么程度无法预测。“我们一直说要做自己的芯片,如果你不做,一定会遇到很多问题。核心技术受制于人是我们最大的隐患,中兴事件也验证了这一点。如果不掌握核心技术,人家迟早会用各种办法来给你设置障碍。”倪光南说。造船不如买船,买船不如租船。如果不考虑自主可控,确实直接从市场上买要来得便宜来得快,而自己研发见效慢费时长成本高。倪光南指出,在过去,中国企业并没有重视到自主可控的重要性,大家应该从这次事件中汲取教训,重视自主创新的力量。谈中国芯片:不能一概而论说很差中兴事件已经给中国企业敲响了一记警钟,此后中国还需要多少年才能用上中国芯,摆脱对国外的依赖?倪光南说,台式电脑和笔记本所用的电脑芯片国产水平离进口芯片尚有三五年的距离,手机和服务器上使用的芯片有些已经与进口芯片旗鼓相当,有一些特殊领域的则差距较大。“一概而论说现在中国企业芯片不行,也不符合客观情况。”倪光南说。他也同时指出,芯片产业主要分为设计和制造两大块,中国的短板主要在制造上,在制造上如果要赶上美国的水平还至少需要十年八年。倪光南近期在《光明日报》撰文指出,加快推进国产自主可控替代计划和构建安全可控的信息技术体系,是建设网络强国的需要。《国家中长期科学和技术发展规划纲要(2006—2020年)》确定了发展“核心电子器件、高端通用芯片及基础软件产品”的重大专项,其目标就是要以基于高端通用芯片(CPU)和操作系统等基础软件所构成自主的技术体系来替代Wintel体系,这是没有疑义的。按照工信部最近的评估,国产软硬件已从“不可用”发展到“可用”,正在向“好用”继续推进。实践表明,推广国产自主可控不等于“保护落后”,通过技术创新、模式创新等,从政府和重要领域开始,加快推进国产自主可控替代计划和构建安全可控的信息技术体系是切实可行的。政府和企业应该怎么做?从863计划、973计划到国家重大专项到集成电路大基金的成立,政策层面一直不缺乏激励。如何把这些激励落到实处?倪光南认为,在芯片的关键领域和大项目上应该在政府支持下形成企业主导的格局来推动芯片的国产化,如果过于分散很容易导致不合作,在这一方面可以借鉴北斗导航的成功经验。至于小的项目则可以放开,通过竞争的方式去实现优胜劣汰。在操作系统上也如此。据倪光南介绍,当前国内有七八家企业在做操作系统,说明其门槛并不高,但是力量分散,他建议在国家基金支持下将这些分散的资源整合起来,形成一个统一标准,在一个共同的体系下和跨国公司竞争,这样才有成功的可能。“我们一定要及早投入力量,通过自主创新来解决的问题,不能有侥幸心理。”倪光南再三强调。他也提出,在芯片的制造上,投入几千亿是至少的,而且需要持续地投入。只有这样,中国的芯片制造才能赶上世界先进水平。芯片国产化要靠BAT?中兴事件发生后,阿里巴巴集团宣布,全资收购号称中国大陆唯一的自主嵌入式CPUIPCore公司——中天微系统有限公司(以下简称中天微),此前百度、腾讯、科大讯飞、华为等巨头也在芯片产业上早有布局。有观点认为芯片的国产化要靠BAT这样的大公司大资本来入局才能破解推广难题。对此倪光南认为,目前来讲,BAT在这类核心技术方面并没有投入很大的力量。“BAT是很成功的,在电商的移动支付和共享单车等上确实做得很好,但是在这个我们说的传统的计算机领域里,比如CPU也好,操作系统也好,他们投入不大,我觉得因为和他们的业务关系也不是太大,目前也不作为他们的业务的主要的方向,所以他们投资的力量也有限。”倪光南坚持认为,在芯片研发制造上还是要靠国家更多的支持,企业如果靠这个可能要十多年才能盈利,投资风险太大。倪光南生于1939年,1961年毕业于南京工学院(现东南大学)。作为中国最早从事汉字信息处理和模式识别研究的学者之一,提出并实现在汉字输入中应用联想功能。主持开发的联想式汉字系统,较好地解决了汉字处理的一系列技术问题,于1988年获国家科技进步一等奖,所在企业亦由计算所公司改名为联想集团。随后又主持开发了联想系列微型机,于1992年获国家科技进步一等奖。1994年当选为中国工程院院士。
2018年04月28日
清晨起床,美女机器人管家为你提示天气温度,搭配好着装;她参照你的口味提前订好早餐,根据你的行程安排订车;如果忙于加班,她还会提醒:主人,该安排健身娱乐了……这不是科幻片,而是软银集团董事长、总裁孙正义眼中的未来生活场景。他认为,未来30年内,人类将与100亿机器人一起生活。100亿人与100亿机器人一起生活近日,孙正义在CNBC的一次访谈节目中表示,智能机器人的数量将快速增长,未来30年内,地球上的智能机器人将达到100亿。到那时,人类数量也将达到这一数量。这就意味着100亿人口将与100亿机器人一起生活。孙正义认为,如此巨量的机器人出现,人类创造的每个行业都将被重新定义。医疗行业、汽车行业、当然也包括信息行业。人类定义和创造的每个行业,即使是农业,也将被重新定义。因我们创造的工具在过去不如人类的大脑,而现在工具变得比人类自身更加聪明。无论任何行业的定义,都将被重新界定。当然,行业重新定义也意味着一批人存在着失业的风险。孙正义警告,人类的大多数工作将被智能机器人替代:现在我们有“白领”和“蓝领”之分。我认为一个新“领”将会出现:“金属领”(指机器人)。“金属领”不仅将取代大部分蓝领职位,也将取代很多白领职位。因此当他们变得非常聪明,肌肉可以活动时,人类应该会重新定义工作。机器人上岗,科技似乎占领了金融业德勤中国数据研究院院长赵文华认为,金融业已经开始利用人工智能去代替人为的分析,其中包括预测金融的走向,未来股票的高低。目前,德勤财务机器人正式上岗,作为国内首个投入使用的财务机器人,“小勤人”几分钟就能完成财务几十分钟才能完成的基础工作,且可以7*24不间断工作。开票:预计每个开票流程可由20分钟缩减到5分钟,每天缩短每个FTE6H的工作时间(75%效率提升)。增值税发票管理:一个“小勤人”三四个小时就完成了财务人一天的工作。“小勤人”只是科技“占领”金融业的一个缩影,更多的变革正在悄然发生:华尔街见闻此前提到,随着人工智能的迅速崛起,曾经熙熙攘攘的华尔街交易大厅越来越冷清了。瑞银设在康涅狄克州斯坦福德城的交易大厅,全世界最大的交易大厅然而,短短8年以后,它就变成了现在这样:交易员:2000年,高盛位于纽约的股票现金交易部门有600个交易员。而如今,仅剩下两个交易员,剩余的工作全部由人工智能所替代。银行柜员:摩根大通正推动ATM在未来满足客户日常需求,如客户通过手机“取款”,并在24小时内到任意ATM取现。约60%的柜台交易可通过ATM进行,明年这一比例将升至90%。投行IBD:高盛将令IPO过程中约146个步骤自动化,这节省了人工所需的成千上万个小时。卖方分析师:机器人分析师的准确度和速度可能都已超过人类,高盛向开发分析程序的金融数据服务商Kensho大量投资。分析师需要40小时完成的工作,Kensho开发的程序只需1分钟,量子计算机更能在眨眼间完成对所有金融模型的分析。机器人包水饺,“大妈们”也要失业了?除了金融业被“攻陷”,大量工业机器人正在制造业的流水线上“闪亮登场”。秦皇岛的“无人化水饺加工厂”火了,这是此前网上流传的片段:几千平方的厂房里,干净整洁,机器24小时不休息的工作,看不到一个员工。从和面、放馅再到捏水饺,是一条完全干净整洁的流水线:柔软的气动抓手,连特别柔软的饺子都能安全抓起,而且从抓取到安放都定位精准:没有了埋头包饺子的工人,取而代之的是不停往返的机械手以及地表穿插有序的轨道。以前整个工厂需要200个工人,现在生产相同的东西用工却在20人以下,这意味着,“无人工厂”压缩人工可达90%。慧聪电子网提到,机器人执行任务约占全球制造业制造任务的10%。波士顿咨询公司(BCG)预计,到2025年,这一比例将提高至约25%。作为全球最大工业机器人应用市场,我国不少制造业企业在招聘机器人一线操作工时陷入困境,不少企业招不到操作机器的人。教育部、人社部与工信部发的《制造业人才发展规划指南》中预测,到2020年我国高档数控机床和机器人领域人才缺口将达到300万,到2025年,缺口将进一步扩大到450万。看来AI在夺走岗位的同时,也在创造新的岗位,机器人正在改变我们生活和工作的方式。人类应该如何面对未来?AI的IQ将达到1万,10年内取代50%的工作孙正义认为,人的IQ水平大约为100,人类的天才爱因斯坦、达芬奇可能达到了200,而他相信,AI计算机的IQ最终将达到1万。赵文华提到,当前在商业领域的AI应用也十分广泛,预计十年内50%的工作被人工智能取代。目前AI已经在各个领域大展身手:2015年腾讯推出了梦幻写手,2016年阿里与第一财经合作研发了DT稿王;8月8日四川九寨沟地震发生后的25秒内,“中国地震台网”已经发布了由机器人自动编写的新闻消息;谷歌无人驾驶已经累计行驶300万公里的行程;科大讯飞将语音识别的准确率已经从60.2%提升至95%;支付宝现在已经使用了智能客服,成功提升自助服务率至97%,同时提高满意度3个百分点;物流领域开始广泛使用无人机、RFID技术进行盘点和物流信息的记录追踪。在应对AI技术的挑战方面,IBM首席执行官Rometty认为,对美国来说,劳动者的技能是“最急迫也最核心的问题”。她也重申了美国教育必须进行彻底改革,以应对“人与机器共存时代”的到来。马云也持相似观点:未来三十年是最佳的超车时代,是重新定义的变革时代。如果我们继续以前的教学方法,对我们的孩子进行,记、背、算这些东西。不让孩子去体验,不让他们去尝试琴棋书画。我可以保证,三十年后孩子们找不到工作。面对AI的考验,你准备好了吗?孙正义:30年后地球上将有百亿机器人据CNBC报道,软银集团首席执行官孙正义(MasayoshiSon)在“唤醒良知基金会”(AppealofConscienceFoundation)的演讲中警告称,奇点(Singularity)即将到来。孙正义强调了两个观点:第一,当人工智能(AI)的智力最终超越人类的时候,奇点时刻就会到来,届时机器人将取代大量人类工作岗位。第二,地球上有感知能力的机器人数量将可与人类数量相匹敌。孙正义在演讲中称:“我们现在有白领工人和蓝领工人,我要说金属领工人即将出现。这种金属领工人不仅会取代大多数蓝领工人的工作,还会危及白领工人的工作。因此,当它们变得足够聪明和肌肉发达时,人类的工作应该如何定义?如果它们取代了人类大量工作,我们该怎么办?我们生命价值如何界定?我们必须再次深入思考这些问题。”关于人工智能,孙正义表示:“我预计,30年后地球上的智能机器人数量将会达到100亿。到那时,人类数量也将达到100亿左右。所以那时的地球上将有100亿人口和100亿个智能机器人。这是我们第一次与100亿个机器人共同生活在地球上。人类创造的每个产业都将被重新定义,包括医疗行业、汽车工业以及信息产业,甚至是农业。因为过去我们创造的工具相对比较落后,而现在工具正变得比人类更聪明。”软银930亿美元的愿景基金(VisionFund)技术投资工具已经引发巨大关注。但业内许多人始终在问:孙正义想做什么?在演讲中,他说:“这一切都可归于人工智能和机器人。我对这项投资的信念和愿景是什么?我只有一个信念,那就是迎接奇点。”当然,孙正义并不是唯一一个痴迷于奇点的科技巨头。美国科技大亨伊隆·马斯克(ElonMusk)曾警告说,这是人类生存面临的“最大生存威胁”。他还认为这比核武更危险。孙正义比较感兴趣的投资包括专车领域,软银投资了数十亿美元,并将其视为无人驾驶运动的先锋。
2018年04月28日
AI的价值并不在模型自身,而在于公司怎样用好它们。麦肯锡出品,一份深度学习领域的分析报告,包含400个应用案例,横跨19个行业的9种业务功能。报告重点强调了前沿AI技术的应用范围之广,以及经济潜力之盛,也提到了发展中的一些局限和挑战。还有,需要注意的是,就算AI技术的前景再光明,使用数据之前都要把数据安全、隐私以及可能出现的偏见问题考虑周全。报告共分四大章节,那我们开始吧。AI技术与对应的任务类型随着AI技术的发展,其定义也跟着发生变化——AI到底由哪些技术构成。这里,AI代指使用人工神经网络的深度学习技术。具体来说,报告分析了三类神经网络的应用和价值——·前馈神经网络(FFNN)这是神经网络中最简单的一类。在FFNN的结构里,信息的流动是单向的、无环的,从输入层开始,延伸到隐藏层,最后到输出层。第一个单神经元网络,是FrankRosenblatt在1958年提出的。虽然,方法听来有些老旧,但计算能力、训练算法以及可用数据的演变,都让FFNN随着时间的推移变得更强大。·循环神经网络(RNN)神经元之间的连接是有环的,适合处理序列化输入。2016年11月,牛津大学发表的研究成果中提到,有一种RNN读唇的准确率达到95%,远超人类的52%。·卷积神经网络(CNN)层与层之间的连接方式受到了动物视觉皮层结构的启发,那是动物大脑处理图像的地方,适合执行感知任务。另外,本章节探讨了生成对抗网络(GAN)以及强化学习。不过,这两种技术并没有包含在AI的价值评估里面,因为,它们很年轻,还没有成为广泛应用的技术。这一环节,也探讨了其他机器学习技术,以及传统数据分析方法。应用案例分析在19个行业、9种业务功能的400个案例中,可以看到的事情有很多——深度神经网络在哪些领域能够产生最大的价值;与传统数据分析相比,神经网络能够带来多少营收增长;以及达到相应的目标,对数据的数量(volume)、速度(velocity)以及多样性(variety)有怎样的需求。报告使用的案例库虽然庞大,但也并非应有尽有,依然可能夸大或低估AI在某些领域的潜力。以下是一些应用栗子,可以一窥AI的力量。·预测性维护(predictivemaintenance)机器学习拥有检测异常的能力。深度学习用来分析大量高维数据,可以把现有预防性维护系统的性能提升到一个新的高度。把许多传感器的数据层层叠起,神经网络能够增强或者取代许多传统方法。AI可以预测故障,让干预计划有了用武之地,从而减少停机时间和运营成本,提高产量。比如,AI可以通过整合飞机模型数据、维护历史记录、IoT传感器数据(如用于故障检测的发动机数据),来延长货机的寿命。·AI驱动的物流优化AI可以通过实时预测和行为指导来降低物流成本。算法能够优化配送路径,从而提高能源利用效率,减少配送时间。欧洲一间货运公司,利用传感器监测货车性能和驾驶员行为,司机会收到实时指导,何时加速或减速,优化油耗并减少维护开销。由此,燃料成本降低了15%。·客服管理和个性化服务在呼叫中心,语音识别和来电分流,可以提升服务效率,并为用户提供更加流畅的体验。比如,基于深度学习的音频分析系统,可以估计当前用户的情绪状态,并据此判断要不要切换到人工服务。在销售和营销的其他方面,AI也有所作为。将用户个人信息和过往交易数据与社交媒体监测相结合,便可以生成个性化产品推送。在案例库69%的应用案例中,深度神经网络都是用于替代传统分析方法,提升系统表现。有16%的案例,神经网络的任务是传统方法无法完成的专属任务,这些领域称为greenfield。余下15%的案例中,神经网络带来的性能提升非常有限,原因包括数据方面的局限性等等。毕竟,深度学习对数据的需求,远远大于任何传统分析方法。而如果要完全激发AI的潜力,则需要多种多样的数据,包括图像、视频、音频等。估计AI的潜在价值据估计,报告探讨过的所有AI技术加在一起,可能在19个行业的9种职能中,产生每年3.5-5.8万亿美元的价值。这在所有(包括传统和AI)数据分析技术一年产生的价值中,约占40%。报告中估计,在每个行业的2016年营业额中,AI的平均贡献约在1-9%。但在19个行业之间,AI贡献的营业额百分比差异较大,取决于具体应用案例、获取大量复杂数据的能力,以及规章制度等其他限制。案例分析得到的结果是,AI能够产生最大价值的领域,既有顶线导向(top-line-oriented)的功能,比如营销和销售,也有底线导向(bottom-line-oriented)的功能,如供应链管理和生产制造。在零售和高科技等消费行业,AI可能在营销和销售中拥有更大的潜力,因为商家与用户之间频繁的、数字化的互动会为AI技术提供庞大的数据集。电子商务平台将会尤其受益,点击数据与页面停留时间等用户信息都可以轻松获取,并用于生成实时动态的产品推送。以下又是一些栗子。·在零售领域,定价和促销可以成为AI的天地。案例表示,使以用户数据来定制个性化促销活动,可以将实体零售商促销的增量销售额提升1-2%。·在消费品的供应链中,AI部署也能起到重要的作用。基于潜在因果驱动因素(而非先前结果)的预测,可以将预测准确度提升10-20%,从而带来2-3%的营业额增长。·在银行业,特别是零售业务中,AI依然可以在营销和销售中施展才能。另外,鉴于风险评估和管理的重要性,AI在这一方面的产生价值可能会更大。挑战在哪里AI正在吸引越来越多的企业投资,但到目前为止,拥有AI技术的公司里,只有约20%将自己的技术应用于核心业务或者大规模使用。如今,AI技术的应用还面临着许多挑战——·标注训练数据这在监督学习中必不可少。目前大多是手动标注,但新的技术正在涌现,比如强化学习和in-streamsupervision,数据可以在自然使用过程中获得标注。·大量全面的数据获取对许多行业案例来说,获取大量数据非常困难,比如用于预测治疗方案效果的临床数据。·解释输出结果比如,疾病诊断过程中,AI可以利用患者信息来得出诊断结论,但无法解释这一结论是如何一步步取得的。·学习的普遍性AI模型在将学习经验从一类情况向另外一类情况迁移时,经常遇到困难。这意味着,企业需要投入大量资金训练新模型,即便情况与之前的用例相似也很难避免。这可能牵扯到一些社会性的问题。比如,训练数据无法代表一个更大的群体时,人脸识别模型便可能在无意之间产生偏见。或许,AI是一个难以琢磨的商业案例,许多因素都会减缓深度学习的行业落地。最后一个小节,便是从许多案例的研究中得出的,AI技术提供者、应用者,以及政策制定者可能需要的启发。