北京的视角

2016年3月，AlphaGo围棋比赛战胜韩国棋手李世石，超过2亿八千万中国人观战，一夜之间，中国陷入人工智能热潮。

2017年5月27日，AlphaGo以压倒性的优势在围棋对战中战胜柯洁，不到2个月国务院公布了《新一代人工智能发展规划》，这是中国国家发展人工智能的远景规划，明确提出未来将要对人工智能发展给予更多资金、政策支持，以及国家级的统筹规划，希望到2030年中国能成为人工智能领域的全球创新中心，在理论，技术及应用上领先全球。2017年中国风险投资人给予人工智能创业公司的风险投资占到全球人工智能领域的48%，中国在这一数据上首次超越美国。

一场赛局和赛局的改变者

IBM创造的深蓝击败国际象棋世界冠军加里卡斯帕罗夫，这场1997年的对战引发世人焦虑，但没有对真实的人类生活产生什么重大影响，深蓝基本上是以“蛮力”取胜，使用定制软件，飞快计算当前局势下的每一步棋可能产生的影响，需要真正的国际象棋棋手进行指导，其只能应用在有限问题上。

但AlphaGo的核心技术是深度学习，是人工智能领域的突破性技术、大大增加了机器的认知能力。使用了深度学习的程序已经在人脸识别、语音识别、核发贷款等工作上超越了人类，生产力会因此爆发式增长，在各个领域渠道人工，颠覆劳动力市场，对人们产生深刻的社会心理影响。

可能的威胁：不是人工智能杀手机器人，而是人工智能替代劳动力，带来的大规模失业可能引发的严重冲击及伴随而来的社会动乱。

围棋机器里的幽灵

在柯洁与AlphaGo的比赛中，柯洁表现出了人类起伏的真实情绪，展现了他对围棋的纯粹的爱，看了比赛的人也报以同样的爱意，他成了人们心目中的斗士，窥见了人工智能时代寻找工作与生命意义的希望，让人们又机会看清身为人类的真正的意义。

深度学习发展简史

20世纪50年年代，人工智能的先驱者制定了使命，在机器上搭建人类智能。人工智能分化为2个阵营：1.规则式方法，2是神经网络。

1. 规则式：也称为符号式或专家式，需将相关领域的人类专家的智慧写入软件，用写好的逻辑规则来教导计算机如何思考，如if then式，此类方法适用于简单且定义明确的游戏，但可能的选择或操作数目大增时，这种方法就行不通了。

2.神经网络：机器上重建人脑，动物的智能源头为神经元网络，，模仿人脑结构，构建类似于生物神经元网络的结构来收发信息，不设定决策规则，而是把某一现象（图片，国际象棋赛，人声等）的大量例子输入人工神经元网络，让网络从数据中学习，识别规律，基本原则是来自人的干预越少越好。

20世纪 50年代-60年代，早期的人工神经网络获得了乐观的成果，但1969年规则式阵营予以还击，很多研究人员认为神经网络法不可靠且用途有限，很快退烧。

神经网络算法复活，人工智能再次复兴：神经网络系统以来的2项要素出现变化+1项重大技术性突破： 2项要素：计算机运算能力和数据，样本数据录入系统，告诉分析样本数据进行训练。

关键技术突破：神经网络要构建多层人工神经元才能解决复杂问题，但未找到对新增神经元有效的训练方法， 21世纪头10年中期深度学习这项重大的技术性突破到来，使神经网络能力倍增，可以执行更多、更复杂的工作，性能大增的人工神经网络， 有了新的名字“深度学习”

揭开深度学习的面纱

深度学习： 使用大量来自特定领域的数据，为想要的结果做出最佳决策。其方法为让系统使用输入的数据，训练自己识别数据和期望结果之间的关联性，运用找到的关联性所积累的庞大知识做出比人类更好的决策。

需要大量的相关数据、强大的算法、足够细化的领域及明确的目标。

深度学习是所谓的“狭义人工智能”，或“弱人工智能”，仅用于特定领域，最自然的应用领域是保险、贷款之类的金融业务。

深度学习的核心能力：  识别规律、得出最优解、做出决策。

人工智能新时代，谁能保持领先

深度学习从诞生到婴儿期发展，几乎全部发生在美国、加拿大和英国，中国比该领域突破性学术论文的发表落后10年，也比这项技术在国际中得到证明晚了4年。

许多人认为美国在人工智能领域有重大优势，主要是因为他们停留在我们生活在“发明的年代”，过去10年，很多成就是已有研究的渐进式的改善和优化。

实际上最大的受益者将会是中国，主要是2方面引起，1 是当前从发明的年代转向实干的年代，2是从专家的年代转变为数据的年代。中国直接跳过了基础研究的阶段。

实干的年代

人工智能的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已经解决，现在是创业者撸起袖子加油干的年代，把深度学习算法转换为持续经营的事业的时候，人工智能开始在真实世界中开始运用。

数据的年代

如今成功的人工智能算法需要3样东西：大数据、强大的运算能力、优秀的人工智能算法工程师，在实干的年代，最重要的是数据，当运算能力和工程师的能力达到一定门槛水准后，数据量的多寡就成为决定算法整体效能与精确度的关键。

中国的优势

若想妥善利用人工智能的能力，需要4个要素：大量的数据、热切的创业者、人工智能科学家和对人工智能友善的政策环境，前2项弱化中国的不足之处，强化中国的优势所在。硅谷的创业者和中国的创业者比起来是十分懒散的，中国成功的互联网创业者几乎都是从最残酷的竞争中脱颖而出的，速度是必备的特质，模仿与借鉴是可以接受的。在硅谷，模仿和借鉴是耻辱，缺乏竞争也导致了相当程度的自满，没有进行可能的修正和迭代。中国的创业者还可以获得多到爆炸的数据。

天平一端的重要推手

中国政府发布的人工智能国家规划，也给出了各地政府明确指导，纷纷跟进，推出相关举措，办法各种补助和优惠政策，反观美国，美国政府对创业界采取不干预的做法，正在削减人工智能基础研究的费用。根据普华永道的估计，2030年人工智能的应用部署将为全球GDP增加15.7万亿美元，而中国囊括其中7亿美元，几乎是北美（3.7万亿）的两倍

人工智能时代真正的危机

1. 严重的失业问题

2. 财富落入新崛起的人工智能巨擘中导致的财富分配严重不均衡问题

3. 人工智能产业倾向于“赢家通吃”，加剧获利与财富集中的问题。深度学习与庞大数据量的密切关系，自动形成良性循环，更多数据-更好的算法-更多用户-更多收入-更多机器和AI-更多数据。

人工智能时代的新世界秩序

财富分配不均的问题不会局限于各国国内，中美两国在人工智能领域已领先其他国家，形成新一代的两极世界科技秩序。

人工智能结合“赢家通吃”的因素，财富空前集中在中美少数几家公司，这才是人工智能造成的最大的潜在的威胁，严重的失业和财富分配不均会造成社会不稳定。背后是更加个体性质的人性危机-----个体丧失了人声目的。很多人已经习惯从日常工作中找到自我存在的价值，人工智能的普及将会挑战这些人类价值，有可能在很短的时间内摧毁很多人的人生目的，让他们短时间内失去依靠。

解决这些问题的潜在方法，需要清醒的分析，了解到对个体的生命而言，什么事情最重要。