借花献佛的2016年趋势

本文基于硅谷风投公司a16z的演讲,原视频里Ben Evans操着性感的英伦口音,点评了现今科技界的趋势。和互联网女王Mary Meeker的报告比起来,a16z的更加偏向科技和未来,所以中国基本没怎么提及——因为主要关注的是市场和当下——腾讯和阿里巴巴虽然财大气粗,但是老外看来,有钱归有钱,业务的技术含量还是不够。

GAFA不仅仅是技术上的也是经济上的巨头

而技术含量足够的几家简称GAFA:Google, Apple, Facebook, Amazon。而2000年那会儿还风光无限的微软和英特尔已经过气为“上一代技术公司”。新巨头和老的比起来,规模大了一个数量级:雇员多了10倍,投资多了10倍,营收多了10倍。一言以蔽之:同样在巅峰期,GAFA和Wintel比起来,对世界的影响力更大了。

这并不奇怪,单说效率,当年微软的产品是怎么交付到中国用户手上的呢?Windows 95编译好了之后进厂压盘,按版本包装,按优先级海运或是空运,到了目的地之后再进零售店库存,上架,开卖。而今天那边编译完了,一点“发布”,用户坐在家里还不知道呢,Windows 10就已经更新完了,这还是比较滞重的PC操作系统,Apple通过iCloud上线个新功能(比如日历防骚扰),连下载都省了,立马起作用。今天的基础设施和20年前比真是一日千里。

机器学习有了长足进步

原文的标题是"Mobile is eating the world",洋鬼子真是喜欢动不动就写啥啥吃掉全世界。不过巨头们已经开始鼓吹人工智能(AI)代替Mobile成为工作重心了。

机器学习,其实是人工智能研究的一个子集,在计算机科学里并不是一个新概念,50年前lisp语言诞生的时候就有了机器学习(Machine Learning)的研究,一直不温不火。

举个例子:图像识别错误率从2012年之前的28%降低到了今年的7%,语音识别错误率从26%降到了4%。就是说过去50年,无论采取什么方法,也不能让语音输入更准确,那为什么最近突然就好使了呢?原因:方法论变了,从依赖规则转向依赖数据。早年处理自然语言,都是请语言学家来写公式,语句=主谓宾定状补等等。然后根据这个规则,推断要处理的数据是否能符合这个模式(pattern)。这么做等于是用一个锅盖去盖3口锅,挂一漏万是难免的。

而2012年之后的做法是找100万个有这种模式的句子,让计算机以向量形式记录特征,向量(vector)虽然不能和标量一样比较大小,但是两两之间可以计算出一个相似度,让数据自己党同伐异。有这100万数据打底,再来新的句子,失误率趋势是越来越低。啥,最初的种子数据是怎么来的?问得真好,这个问题中外不约而同采取了人肉的方法:国内有各种鉴黄师,国外有Amazon Mechanical Turk。天网的崛起,源自人类的献祭......

那为什么之前没这么做,是当时的研究人员能力不行?今天能这么做,是硬件计算能力和可用数据提升了100万倍,而且还在增长中,而1976年就算找到这么多数据,开着最先进电脑的处理,估计2012年也还没出结果......

机器好,人也好。

万物上网

不过除了科研人员,现在人们接触最多的计算设备就是手机。美国人民60%的上网时间来自手机,15%花在了facebook上,中国的比例只会更大。手机其实除了冯诺依曼电脑必须部件之外,还有安装了摄像头,麦克风,gps,陀螺仪,气压计等设备。这些加一块儿产生的能力,用Eric Raymond的一句话来概括:“计算机可以检测出的信息,都不应该询问用户”。理论上给了手机权限之后,它可以监视一切主人的活动——都喜欢带着手机,从而给“全知全能”提供了基础条件。

比如Amazon Echo,以下摘自湾区日报:“Echo算是Amazon继Kindle之后开发的第二个成功的硬件项目,做了5年才推出。精准快速的语音识别是难点,而且Jeff Bezos下了死命令:1秒钟的反应速度 ”。前两天美国发生一起凶案,现场正好有一台Echo,警察觉得这玩意肯定把当时所有的录音都传到Amazon的服务器上去了,找Amazon要但是被拒。当初段子里的事实已经发生:误删照片没关系,找国安局(NSA)要,他们肯定有备份。

改造世界

演讲最后提到了Autonomy(自治汽车,翻译成自动驾驶其实小了,是Autonomy的一个子集):汽车会演化成手机一样的产品,像给手机充电一样给汽车充电。不仅是拿掉了传统的烧油的发动机,加上导航,传感等相关技术,除了4个轮子已经和传统的汽车没什么关系了。

今天去买一辆tesla,已经可以达到当年科幻片里的效果:不碰方向盘,发语音命令告诉车去哪儿。照这个速度大概还有5-10年,完全无需人工干预的自动车就能上路了。影响不仅限于传统汽车行业,还包扩房地产,物流,零售,保险,对社会形态的塑造可能是改头换面式的。难怪乐视老贾砸锅卖铁也要上汽车业务...

总结

“基础科学没有突破,电脑玩出花儿来也没用”(第一次听说类似言论,是我的高中数学老师劝我少摸电脑多做习题)。然而基础科学并不是一蹴而就的,过去几千年,也才出了一个爱因斯坦。从投资策略上,把资源都放到这一块是不明智的。难道成天解数学题做物理实验别的都不干了?(物理实验还那么贵,杨老喷的好。)在没有或者不知道三体人就要打过来的时候,还是要“给时间以文明”。“早上下单,下午收货”,才是发展给我们带来的直接收益。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,802评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,109评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,683评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,458评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,452评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,505评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,901评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,550评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,763评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,556评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,629评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,330评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,898评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,897评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,140评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,807评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,339评论 2 342

推荐阅读更多精彩内容