在进入2017年的第一周，Google携手自己的ALpha GO完成了围棋人类高手60连斩。这样的时机正是我们说2016年是人工智能（Artificial Intelligence）元年，以及被科普现在的AI还很弱很弱的一个时机。至少从我目前的观感来说是如此，虽然AI似乎被赋予了许多完美的想象，强大的能力，但是它处在遥远的未来。现在的普遍论调是还可以观望，显然发展还没有那么快。
我想知道的是那是有多慢呢？有这样的疑惑一方面是因为好奇心，因为AI实在是一个太新奇的玩意了；另一方面是陆续地囫囵吞枣的了解了一些新闻和有关专家的点评后，也有一些隐忧。
我在暗搓搓地担心什么呢？
吴军老师在《智能时代》中给出了一个公式“原有产业+新的技术=新的产业”。停留在历史课本上的三次技术革命，当时历史考试如果解答题考意义的话着实头疼。享受着技术革命的福泽，理所应当地体验蓬勃发展。
蒸汽革命时，大批的家庭纺织作坊被取代，在一边反抗中，机器逐渐取代纯手工作业，解放了生产力。与此同时许多人失业。对于这些不幸被新技术取代的人也有幸运之处，机器工厂依然需要人，生产了更多的物质，降低了成本，解决了需求，让更多人可以穿上好衣服，用上瓷器，更快的把货物运往各地。在蒸汽机发展的同时，人们勉强跟上时代的步伐，甚至需要更多的人去生产更多的东西。
之后的电气革命，摩尔革命，都深刻的改变着社会面貌，将许多传统行业改变。比如通信行业，木心在《从前慢》中这么写道，“从前的日色变得慢，车，马，邮件都慢，一生只够爱一个人。”随着每一次技术革新，由信件，变成电报，电话，再变成电子邮件，短信，微信。在一次次转变中，从业者的角色，数量，技能要求发生了变化。
回顾历史，新的技术并没有减少人的工作机会，而是改变人的工作方式，当然会有人付出代价，即使那些能力固化的人，随着时间的协调，慢慢大家会习得新技能然后适应。目前的AI发展只能说是为了让人过得更舒服，有更多自由的时间。
阿尔法狗虽然厉害，但是它还是由人类在优化算法，也不会自己下棋，而是人类代为执子。之前机器的发展是帮助人类省力，更高更快更强。现在我们要的更多，人类还想少动脑子。现在我们需要自己开车去上班，希望以后动动嘴“Siri，现在我要去办公室”，然后车子就自己开过去。其实现在也有一些正在发展中的，比如根据你的购物浏览习惯推送你想要的商品，根据你在婚恋网站填写的资料帮你匹配相亲对象，让你少些思考，直接用机器给你准备好的。
但是这一次的技术革新又和前三次的不同，以往的技术革新是通过新的工作代替旧的工作，而AI的成熟似乎野心更大，它会减少工作岗位，它替代的是人的角色。
说了这么多，都还是人话。但是没说到重点，就是现在AI发展有多慢呢？看了一篇文章《人工智能核心概念辨析》，这篇文章对我来说不仅在于文章本身有时候不讲人话，还在于它的文章里面还嵌套文章，比如它在讲一个概念时会抛出一个链接告诉你，你看看我之前的文章里面可是提过哟，多好理解啊。于是我点开链接开始看讲解这个概念的新的文章，你会发现里面又出现了新的概念，他又给了两个链接（此处小s鼓掌表情）。但是读完之后，和我之前读过那些讲解AI的妖艳货可不一样。如果以后真的被支配了，我还是想知道一点点我是怎么被支配的。
AI的概念并不是在2016年才被提出，早在图灵提出图灵测试的时候就已经开始发展。可是为什么要说2016年是人工智能发展元年呢？目前的看法是因为算法、大数据和硬件的发展，满足了AI起步的条件。下面我就以一个行业外人的身份，说说我的阅读理解。
曾经有一段时间一提到人工智能，人们就会想到一个和人很相像的机器人，但是它们更聪明更强大，比如施瓦辛格的“终结者”，西部世界中的园区。
但是马上有专家辟谣，
“你们呀，拿衣物，人工智能可不是模仿人，它是一种更高层次的存在，它的形式多种多样。”
虽然在外观上不是人，但是目前人工智能所处的阶段还是在模拟生命智能，核心是模拟生物神经网络（Biological Neural Network，BNN），从而形成人工神经网络（Artificial Neural Network，ANN）。
《人工智能核心概念辨析》介绍了几种机器目前使用的神经网络学习方法，看完感觉和自己的一些学习方法很相似，但是没有像科学家那样思考自己为什么会这么学，在面对不同的问题哪种学习方法更好。
目前的人工智能使用的主要技术叫做机器学习。现在机器学习的种类不多，但是量很大，它可以快速阅读，听音乐，看图片等等，然后再去试着归纳接受的资料，应该到外部世界。比如给机器看很多世界名著（大量的输入），让它去写一本书。
种类不多的含义是，它所学应用范围不广，但是只要它学会的东西一定是百分百掌握。还是拿写作举例，它写出的文章一定和它看的著作高度关联，但是它不会创新，它不会主动去和人类沟通，将外界发生的事情也归纳起来写进它的文章中。
机器学习的核心是人工神经网络。人工神经网络就是人为设计的一种神经网络体系，类似生物的神经系统，它可以帮助机器学习，所以可以说它就是机器的神经系统。从1943年开始，它模仿生物建立起一个神经元（晶体管），到随后的单层神经网络，两层（CPU），多层神经网络（GPU）去处理越来越复杂的问题。插一句，正是因为GPU这样硬件的发展，所以它是前文提到人工智能发展三大支柱之一。人工神经网络包括多种神经模式，其中最著名的就是深度神经网络。深度神经网络帮助机器深度学习。
传统的深度学习就是我们说的填鸭式教育，题海战术。给机器海量的数据（大数据）（需要说明大数据中的大不是指代数据量大，它是多维度的大，有兴趣自行Google）。
当我们采访阿尔法狗你为什么围棋下的这么好？它说“因为我知道凌晨四点硅谷的样子，而且是每个凌晨四点。”是的，阿尔法狗在初入棋坛时相当于下了三千万的棋谱，到了与李世石下棋时数据量已经达到一亿，需要补充说明的是它一局棋只要+1s。还需要补充说明的是分布式的阿尔法狗调用了1202个CPU和176个GPU，什么意思？它还影分身了好多个自己沉迷学习，不能自拔。
另一种学习方法叫增强学习，周伯通的左右互搏。阿尔法狗在训练自己的神经网络时，也会自己和自己下棋。
当然题海战术并不高明，一般都是用于笨人。当一个聪明人遇到一个聪明的老师就不这样了。要知道并不是所有的公司都有google这样的大公司当爹，买不起5年高考3年模拟（没有3000万的题库），只能买一套薄薄的习题集时，对它来说做一题就得有一题的收获（我想到了小萝卜头……）。而另一家与Deep Mind齐名的公司，Vicarious，就是大量借鉴人类的神经系统，也就是说把机器的神经系统不断优化（更聪明），让它学的少，也学的精，效果还是一样的。
最后提到的一种学习方法叫做迁移学习——希望机器可以像人一样通过学习理解抽象概念再应用到广泛的领域。比如我们看见一个人秃顶了，下次我们看到一座山上树木都凋零了，我们会说山秃了。谷歌翻译就运用了部分迁移能力。比如一名中国学生，他的第一专业是英语，同时还学了二外日语。如果他学得很好，他不用学日语和英语之间的互相翻译，也可以给一个英国人和日本人充当翻译。
同时深度学习也分监督学习和无监督学习。同字面意思，监督学习，就是人有意思的训练它，告诉它这是苹果，那是香蕉。无监督学习，就是把苹果香蕉一起都给它，让它自己对收集的资料进行分类。
以上是这篇文章的概述。
所以可以看出目前AI高度依赖人类，阿尔法狗在和李世石下完棋后到化身“MASTER”这段时间，是人类工程师不断优化它的神经网络，而不仅仅是它自己和自己又多下了多少盘棋，一个很有意思的词叫做“训练”。通过与李世石下棋暴露出来的思维漏洞，在这一阶段得到优化改进。通过60盘与人族棋手的快棋，Deep Mind的工程师想知道阿尔法狗是否如预期进步了，结果是它几乎做到每一盘棋都胜对方半目（无论是什么棋力的选手），表明阿尔法狗在棋盘上的绝对控制力，它的底层逻辑是如何下胜率高，同时阿尔法狗采用的是CNN神经网络模式，这是一种广泛运用在识别技术中的模式。也就是说每落一子，对它就是一个新的棋局。从人的角度来说，就是这个狗没有情绪，不受过去影响。人族这一波扑的不亏……
前面说的东西总让人感觉有些大而不当，似乎不管你这狗下棋多厉害，和我们老百姓没有半毛钱关系。我个人认为还是有些关系。
从短期来看，一方面AI的能力较弱，可是同样能够起到对个人能力的延伸；简答的如对各种语言的翻译，复杂一点自动驾驶车辆，再复杂一点比如IBM公司用自己的AI机器人Watson通过快速阅读2000万页的文献帮助束手无策的医生诊断疑难杂症。做你的私人律师，让你每一句的证词胜率最大化等等。这些AI帮助人类更快更好的完成许多事情。
另一方面，AI的三大支柱由少部分公司所控制，只有少部分的AI有机会阅读那么多的资料，拥有那么多客户的购买力，足迹，财富收入等数据，也只有少部分的AI拥有先进的神经网络和足够多的GPU。同时只有部分人可以获得能力的提升，从而全面碾压更多人。比如假以时日AI在医疗诊断和治疗上准确性更高，显然拥有它的人就会更好的被治疗。拥有AI律师的被告，对法律条文了如指掌，对案件分析，场上每个人的话语、情绪、对方律师的习惯深入研究，这样的人打赢官司可能性就更大。
对行业内部也会有冲击，当你在就医时你选择相信谁？你的人族医生告诉你你得了这个病，应该服用这个药物。转头你的AI对你说你得的是另外一种病，应该用另一种药，它能快速给你所有诊断依据，它告诉你为了你又读了多少文献（而人族医生读完得花几百年时间），根据你既往的用药习惯和身体反应，选择了治疗效果更好的药物。
简而言之，在“弱人工智能”（这不是专业词汇，只是打个比方）的情况下，一小部分人拥有了更强大的能力，获得了更多的资源，拉大了身而为人的差距。所以还是和我们有点关系吧。
从长期来看（也不知道我能不能看到），就是AI可能会有意识。这里不谈了，人类还没有搞清楚自己的意识是怎么一回事。比如最近的一部美剧《西部世界》对意识的讨论，只能说是对意识的一种看法而不是定论。
读到这里如果你被我煽动地产生了一丝丝杞人忧天，那我就继续跟你掰扯掰扯。
首先如果你对AI的近期发展看好，也担心人与人的差距会因此加剧，那就投资你所相信的。你相信Google的大数据能力和神经网络优化能力，你相信Amazon在产业链和智能家居的优势，你相信阿里巴巴对你每一次消费场景，金额、内容的精准掌握，你相信腾讯公司对你人际关系的掌握（每一条聊天内容都是它绝佳的语料分析资料）那你就用资金去投资它们，跟紧带路人。
其次，人也没那么差劲。要不怎么现在更多人喜欢玩网络游戏而不是单机游戏呢？因为虚拟人物背后是一个个实实在在的人啊。（还有为什么不能打qq麻将，非要买麻将牌回来四个人一起打呢？为什么？）
（当然不排除影片《Her》中出现的情况，主人公更愿意和一个聊天机器交往，have imaginary sex，并且这机器后来劈腿几百个人族……找谁说理去？）特别是在所谓“弱人工智能”阶段，有些事就算机器做的很好，但是你还是希望一个人来做，提供“人性化”的服务。（not sex）。比如前文提到的医生梗，Geoff Colvin在他书中《Humans Are Underrated：What High Achievers Know That Brilliant Machines Never Will》就举出一个论据，病人在面对在一线接触患者的临床医师的判断和专门搞科研的医学家的判断之间，病人更相信临床医师。因为人更倾向于“人与人面对面交往”这个过程，对抽象的数据根本不买账。
所以现阶段想赢过机器，最容易的方法就是更有人情味一些，从事一些创意型的工作，领导具体人的工作，这是目前机器替代不了的。当然更高级的方式，就是去研究脑神经科学，学设计神经网络。
以上我说的每句话都是错的。
禅定时刻
《人工智能核心概念辨析》一文其实大篇幅介绍的是几个神经网络，虽然有些复杂但是好有意思，你不得不惊叹生物的神经网络到底是谁设计的，篇幅限制下次写。
参考文献
1.吴军。《离你最近的一次变革红利，你该抓住》
2.Haoskism，混沌巡洋舰。《人工智能核心概念辨析》。
3.王烁。《机器人崛起时代的生存策略》。
4.万维钢。《有些事儿我们不想让机器干》
5.和菜头。《就不要对AI抒情了》。
