摘要：同時，也會催生出超人類。年，深藍戰(zhàn)勝人類國際象棋冠軍，標記著人工智能往前邁開了重要一大步。年大勝柯潔，人工智能即將碾軋人類的話題遍進入大眾視野，迅即引起普遍的狂熱和焦慮。

內(nèi)容來源：本文為《暗知識：機器認知如何顛覆商業(yè)和社會》讀書筆記；作者簡介：王維嘉，中國科技大學(xué)學(xué)士和碩士，美國斯坦福大學(xué)博士。

為什么人工智能的學(xué)習(xí)速度特別快？

人工智能將會顛覆哪些行業(yè)？

《未來簡史》一書的作者尤瓦爾·赫拉利（YuvalHarari）曾預(yù)測，若干年后，人類社會最大的問題是人工智能帶來一大批“無用的人類”。

同時，也會催生出“超人類”（Superhuman）。他認為，一小部分超人類將可以借助科學(xué)技術(shù)不斷地“更新”自身，操控基因，甚至實現(xiàn)人腦與計算機互聯(lián)，獲得一種不死的狀態(tài)。

“在以前的歷史上，貧富差距只是體現(xiàn)在財富和權(quán)力上，而不是生物學(xué)上，帝王和農(nóng)民的身體構(gòu)造是一樣的。在人可以變成超人類后，傳統(tǒng)的人性就不存在了，人類會分化為在體能和智能上都占據(jù)絕對優(yōu)勢的超人階層和成千上萬普通的無用的人類?！?/p>

他的擔(dān)心會成為現(xiàn)實嗎？

早在1965年，人工智能這個術(shù)語就被正式提出。

1977年，iBM深藍戰(zhàn)勝人類國際象棋冠軍，標記著人工智能往前邁開了重要一大步。

2017年Alphago大勝柯潔，人工智能即將碾軋人類的話題遍進入大眾視野，迅即引起普遍的狂熱和焦慮。

人工智能做為新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，無論是在自動駕駛還是醫(yī)療方面，都或多或少進行參與協(xié)助。

兼具研究者和投資者身份的的王維嘉博士在新著《暗知識：機器認知如何顛覆商業(yè)和社會》中告訴我們：機器中的深度學(xué)習(xí)，即將被顛覆的行業(yè)有哪些，以及我們應(yīng)該如何應(yīng)對未來。

人工智能這件事讓大家覺得這件事情特別神奇，美國谷歌公司的圍棋對弈程序Alphago戰(zhàn)勝圍棋天才，這件事是人工智能進入我們大眾視野的一個里程碑事件。

圍棋這樣令人類引以為豪的東西，機器一下子遠遠高于人類，而且我們不懂，不知道為什么。

谷歌一年后繼AlphaGo之后又造了一個叫AlphaGo 0，AlphaGo 0不學(xué)人類的經(jīng)驗，第一個AlphaGo 是先學(xué)人類的殘局、學(xué)棋譜，最后超越人類。

AlphaGo 0就說我能不能自己和自己對弈，弄兩個雙胞胎兄弟自己打，從零學(xué)起。結(jié)果七天之后，AlphaGo 0就超過了AlphaGo的水平，40天之后，就打遍天下無敵手，到今天都沒有人能打敗它。

這件事給大家?guī)砹撕艽蟮恼鸷常祟愐詾榘恋姆e累了兩千年的圍棋經(jīng)驗，對AlphaGo0來說，一錢不值。不僅一錢不值，而且是累贅，是束縛。

學(xué)了人類的棋譜以后反而受它的限制，水平不提高了。為什么會這樣，這就需要我們要把這個問題想清楚，就逼著我們想到底學(xué)習(xí)的本質(zhì)、知識的本質(zhì)是什么。

大家知道過去的亞里士多德，一直到后來的理性主義一直在爭人的知識從哪來的，是經(jīng)驗得來的還是推理得來的。大家爭了兩千年沒有明確結(jié)果，為什么？

因為那個時代人們根本不了解大腦怎么工作的，甚至亞里士多德時代認為心是思維的器官，一直到70多年前，人們才大致搞清楚，學(xué)習(xí)的本質(zhì)是大腦神經(jīng)原的連接。

舉個例子，比如說我們教一個孩子認字母O，這個孩子看到了一個橢圓形，耳朵聽到了一個“歐”的發(fā)音。這時候這兩個神經(jīng)原，聽覺的神經(jīng)原和視覺神經(jīng)原就連起來了，下次他聽到聲音就畫出圓圈，看到圓圈發(fā)出O的聲音。

說明他在這兩件事情上建立了聯(lián)系，所以說學(xué)習(xí)的本質(zhì)就是這么簡單。

一旦知道了這個道理之后，人們很自然的想到，我可不可以用電子線路模仿神經(jīng)原的工作。

大家看這張照片是我和我的斯坦福導(dǎo)師，他是神經(jīng)網(wǎng)絡(luò)的鼻祖之一，我手里抱著一個黑盒子，就是一個神經(jīng)原，是他1960年做出來的世界上第一個能夠自我學(xué)習(xí)的神經(jīng)原。這一個神經(jīng)原能干什么呢？它能識別一個簡單的圖形，比如你告訴它字母A，它學(xué)習(xí)了以后，就能認識這是不是A。

今天，我們一顆芯片上可以放大概一億個這樣的黑盒子，因為從1960年到現(xiàn)在，計算機芯片的技術(shù)是上千萬倍的增長。所以說當(dāng)神經(jīng)原多了以后，它就可以識別更復(fù)雜的圖形，比如人臉識別。

大家看到機器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，其實說的都是一回事。當(dāng)然人工智能還有很多流派，今天發(fā)揮威力的這個人工智能，就是神經(jīng)網(wǎng)絡(luò)。

當(dāng)我們理解的這些東西以后，我們就發(fā)現(xiàn)了另外一條線索，人類歷史上是怎么理解知識的？

過去，大家以為我的知識就是所有的文字語言能表達出來的東西。就像在各大圖書館，你能翻閱到人類歷史上積累的所有知識。

一直到70年前，有一個奧匈科學(xué)家麥克波蘭尼發(fā)現(xiàn)了另外一種知識，叫默會知識，我們也叫默知識，就是只可意會，不可言傳的意思。

比如說大家可能都會騎自行車，有沒有一個人是看著手冊學(xué)會的？每個人都父母把你放在車子上，你歪歪扭扭摔個跤就學(xué)會了，你也是這樣教你的孩子、教你的朋友。

人類的很多其他技能，比如拉小提琴、跳芭蕾、打乒乓球等等，全是這類的，只可意會、不可言傳的。

為什么說不出來？因為這樣一個知識在我們的大腦里頭建立了一個非常復(fù)雜的神經(jīng)元的聯(lián)系，但是我們語言的表達能力又非常弱。

比如我在這兒跟大家講，每秒鐘平均說五個字，所以語言能表達出來的信息要遠遠少于我們大腦里面存儲的信息。

由于這個原因，大量的知識是以默知識的形式存在的。所以這個發(fā)現(xiàn)是人類歷史上的一個重要的里程碑。

研究到這里，作者就在想，在我們的認知內(nèi)有既可以表達，又可以感受的知識，也有不可以感受無法表達的知識。

大家看第一個象限，既可以感受又可以表達，比如說阿基米德就是在浴缸里發(fā)現(xiàn)了浮力定律，他感受到了浮力定律，又把它寫出來了，這就是既可感受又可表達。

還有廣義相對論、量子力學(xué)，我們?nèi)祟惛惺懿坏揭Σ?，但它是實實在在存在的，從?shù)學(xué)上可以推導(dǎo)出來，可以驗證的。所以這是不可感受的可以表達。

所以說在我們象限的右邊就是我們大家熟悉的明知識，默知識就是第二象限，只可感受不可表達。

當(dāng)我把這個圖畫出來的時候，很顯然這個左下角是空白，這個時刻就是我發(fā)現(xiàn)暗知識的時刻，也是我明白了的時刻。

很顯然，應(yīng)該有一類知識是人類既不可感受又不可表達的，那這就是暗知識，這就是AlphaGo下圍棋的知識。

為什么有些東西人類感受不到？因為我們的感觀非常有限，比如我們的眼睛看不到紅外線、我們的耳朵聽不到超聲波。

比如說我們聽到馬路上的噪音時，我們在腦子里留不下任何痕跡，因為我們聽不明白里頭是什么東西。所以它是不可感受的。

因為它比較復(fù)雜，所以我們又沒法表達，所以既不可感受又不可表達，就是暗知識。

所以暗知識的本質(zhì)就是機器發(fā)現(xiàn)了人類發(fā)現(xiàn)不了的、隱藏在萬事萬物中的復(fù)雜關(guān)系。因為我們的小腦袋瓜只能處理比較簡單的關(guān)系，所以這就是暗知識。

知道了這個以后，暗知識、明知識和默知識這三者什么關(guān)系呢？我們可以看這張冰山的圖。一個冰山，它的冰山一角，水面上的東西就是我們?nèi)祟惿先f年來已知的所有的明知識，可以用語言文字公式表達的。

水面下面的冰山就是默知識，整個海洋就是暗知識，它們之間的關(guān)系就是這樣。

所以為什么機器能如此迅速的學(xué)習(xí)呢？因為他們能掌握了一個核心技能：群體學(xué)習(xí)。

什么叫群體學(xué)習(xí)？谷歌做了這么一個實驗，它做了一個機械手，機械手下面放了一個盤子，這個盤子里頭放了一些雜物，手電筒、鋼筆亂七八糟的東西，不同的形狀。它現(xiàn)在讓機器自己學(xué)，從盤子里把東西抓到外面來。

一開始機器亂抓，抓不著，偶然的機器就抓到了一個東西，這時候機器知道，我要在這個高度抓東西。然后不同的形狀它又慢慢摸索，十幾天以后，它就可以穩(wěn)定地把盤子里面的物體都抓出來。

這個實驗沒什么奇怪的，谷歌又做了第二個實驗，就非常有意思。它把15臺機器放在一起，用網(wǎng)絡(luò)連起來，讓它們同時來學(xué)同樣的動作，每個人前面有一個盤子，放同樣的東西，大家猜一猜學(xué)習(xí)時間變成多長了？變成了原來的1/15。

為什么呢？因為只要有一臺機器抓到了第一個東西，它馬上就把這個信息用網(wǎng)絡(luò)傳給所有機器，其他14臺機器同時就學(xué)會了，大家想想我們?nèi)祟惸茏鲞@樣的事嗎？做不了。

也就是說你學(xué)會騎自行車了，你的兄弟姐妹還得從頭學(xué)起，我沒法把大腦神經(jīng)元的連接取出來拷貝給他。這就是機器神奇的地方。

麥肯錫的研究表明，全球范圍內(nèi)多達1.4億全職知識工作者或被智能機器所取代。到2020年，全球?qū)?00萬個工作崗位消失。

美國斯坦福大學(xué)統(tǒng)計，美國將有47%的職位會被人工智能取代；而在中國，這個比例有可能達到60%以上！大量工作被取代的同時，意味著行業(yè)也逐漸被顛覆。

在人工智能這股颶風(fēng)襲來之時，人工智能將能給哪些商業(yè)領(lǐng)域帶來翻天覆地的變化呢？

1.自動駕駛

自動駕駛汽車實際上是一個會告訴自己正在行走的機器人。汽車最重要的零部件是電子元件，目前一輛車中的芯片成本將達到5000美元。一輛電動自動駕駛車本質(zhì)上就是一臺有四個轱轆的電腦。

傳統(tǒng)汽車的核心能力在于將發(fā)動機、傳統(tǒng)系統(tǒng)等機械子系統(tǒng)打磨成為精密的工藝品，但一夜之間這些核心技能不重要甚至不再被需要了。

目前的電動汽車的馬達加速已經(jīng)大大超過最好的汽油發(fā)動機，而且不需要任何傳動系統(tǒng)。自動駕駛需要的重要技能例如計算機視覺、人工智能算法等都不是傳統(tǒng)汽車廠商的強項。

第一次駕駛特斯拉半自動電動車的感覺就像第一次使用iphone手機，而駕駛傳統(tǒng)汽車就像使用諾基亞手機。傳統(tǒng)汽車廠商的營銷渠道非常“線下”，依托于成本巨大的經(jīng)銷商、專賣店和維修體系。

電動車的車體就三樣?xùn)|西：電池、轱轆和馬達。一輛內(nèi)燃發(fā)動機汽車的零件有上萬個，而一輛電動車的機械零件只有幾千個。

這意味著發(fā)生機械故障的概率和維修成本降低。由于零部件的減少，電動車和電腦、家電一樣將會變得標準化。這使電動車更易于在線銷售，這將又一次沖擊傳統(tǒng)汽車廠商。

2.醫(yī)療行業(yè)

醫(yī)療健康是人工智能最熱門的應(yīng)用領(lǐng)域之一。醫(yī)療行業(yè)有太多的方面可以借助人工智能得到質(zhì)的提升。醫(yī)療健康診斷和預(yù)測是一個典型的暗知識案例。

一個疾病的原因非常復(fù)雜，每個病人的身體情況和病史又都不同。人生活在一個超級復(fù)雜的環(huán)境中，環(huán)境中的所有因素都對人的健康有影響。

過去的醫(yī)療教育是把這些非常復(fù)雜的情況大大簡化，編寫成各種教科書和指南，但這些明知識根本無法覆蓋所有的情況，所以一個好的醫(yī)生主要是通過多年實踐掌握了大量的默知識。

但由于人體的復(fù)雜性，每個醫(yī)生掌握的默知識只是一點皮毛，無論是廣度和深度都遠遠不夠。

只有機器學(xué)習(xí)才能系統(tǒng)地通過數(shù)據(jù)挖掘出大量復(fù)雜的、醫(yī)生通過自己經(jīng)驗和理解都無法觸及的暗知識。這些數(shù)據(jù)不僅包括病人的數(shù)據(jù)，也包括生物、藥理、生理、氣候、環(huán)境等數(shù)據(jù)，機器能在這些復(fù)雜的數(shù)據(jù)中找出隱蔽的相關(guān)性。

機器將發(fā)現(xiàn)越來越多的醫(yī)療健康方面的暗知識，這不僅將從根本上改變未來的醫(yī)療診斷，也將深刻影響未來的醫(yī)學(xué)教育和醫(yī)生培養(yǎng)。

3.智能金融

人工智能將給金融行業(yè)帶來徹底的顛覆。金融行業(yè)的重要分支例如銀行、保險、證劵、理財將無一幸免。就拿銀行業(yè)舉例。

首先，銀行面對消費者的大量業(yè)務(wù)和服務(wù)將被AI取代。例如貸款的審核方面，人工智能可以在貸前、貸中、貸后進行客戶跟蹤管理。

根據(jù)銀行的征信數(shù)據(jù)加上社交的數(shù)據(jù)行為特征，可以精準地描述個人行為和金融風(fēng)險。一筆貸款的申請和審核可以在瞬間完成，并且比人工審核的壞賬率更低。

其次，AI將取代銀行內(nèi)部的大量人工運營管理工作。大型銀行必須處理大量的數(shù)據(jù)以便生成財務(wù)報告，并滿足合規(guī)要求。

這些過程都越來越規(guī)范化、程式化，但仍需要大量人員進行添加任務(wù)，比如對賬和合并報表，他們的工作是機器人過程自動化(RPA)的理想選擇。

最后，在接下來的幾年中，人工智能將被用于改變財務(wù)中最核心的功能，例如公司間對賬和季報，以及進行財務(wù)分析、合規(guī)分析等更具有戰(zhàn)略性的職能。

人工智能提供了速度和準確性，例如，整個報告和披露過程可以和真實時間基本保持同步，不用再等到每個季度末期。

由人工智能支撐的財務(wù)團隊能夠比現(xiàn)在更快地發(fā)現(xiàn)問題并做出調(diào)整，從而提高準確性，而非每個季度的最后階段才做努力。

就工作方面而言，托馬斯·達文波特的《人機共生》中，給我們列舉了以下3個特征，如果你的工作符合以下特征，那么，你被機器取代的可能性非常大：

1.無需動腦，只需大量的重復(fù)勞動，讓人身心俱疲的工作；

2.無需天賦，通過訓(xùn)練就能掌握的技能，枯燥乏味；

3.兩耳不聞天下事，一度認為只有人類才能完成，而機器無法勝任的任務(wù)，盲目自大。

現(xiàn)如今的人工智能從唐詩到寫小說都有所涉及，甚至能模仿梵高的畫風(fēng)繪制出相同風(fēng)格的畫。

從這兩張改造的畫來看，機器的模仿可以說是惟妙惟肖，其中色彩、筆觸、線條的模仿是人類無法企及的。這種模仿是典型的默知識，從這個例子可以看出機器對默知識的掌握比人類要精細得多。

這種“創(chuàng)作”在本質(zhì)上是非常隱蔽的一種“混搭”，和作詩一樣，普通人很難分辨真?zhèn)巍?/p>

判斷詩還可以用“意境”“畫面感”，而判斷畫，特別是抽象畫幾乎沒有人類可以依賴的直覺。作畫機器人和作詩機器人不同，這里的作畫機器人掌握的不只是默知識，而且進入了暗知識的領(lǐng)地。

所以由對抗生成網(wǎng)絡(luò)這種機器“混搭”并迭代出來的畫的確可以亂“真”。這樣的機器可以在短期內(nèi)大量探索不同的風(fēng)格，讓藝術(shù)家選擇或給藝術(shù)家以靈感。

看完舉例，是否有些心酸，為何機器如此強大，難道人類真的沒有贏得過AI的地方嗎。撇開情感，如果只討論智力和智能，人比機器強在哪里？

但實際上，人工智能更像一個偏科生，比如像一個理工科大學(xué)招了一個體育特長生，跑步游泳可以拿全國冠軍，但是考微積分不一定能及格。所以我給它的一個評價是什么？

它叫做智商偏科、情商為零，它完全不懂感情，所以情商為零。所以我們就可以看得出來，能不能取代我們?nèi)祟悾糠彩切枰楦械墓ぷ鞫己茈y被機器取代，包括保姆都很難被機器取代。

所以我們?nèi)祟惔罂煞判?，機器擅長發(fā)現(xiàn)復(fù)雜相關(guān)性的那些領(lǐng)域，但是在很多其他領(lǐng)域，機器是很難取代的。

簡單地說，雖然基于神經(jīng)網(wǎng)絡(luò)的人工智能在記憶和識別這兩個基礎(chǔ)智能方面超過了人，但在推理、想象等高級智能方面還和人相去甚遠。未來最佳的結(jié)合就是人類和機器合作，互相取長補短。

今后10、20年是一個非常有意思的時代，我們可能會進入一個新的世界，這個時代我把它叫機器認知時代，機器認知時代有三個特點：

第一個特點，到處都有傳感器，記錄著我們周圍很多的變量。

第二個特點，機器可以把大量的記錄下來的變量從里頭發(fā)現(xiàn)很復(fù)雜的相關(guān)性，然后用來為我們的生活、為我們的生產(chǎn)服務(wù)。

第三個特點，這些知識未來你可以想象有很多機器在不知疲倦地7×24小時工作，這些暗知識不斷地積累，這個暗知識的海洋不斷擴大，它會遠遠超過我們?nèi)祟惖闹R。

這個神經(jīng)網(wǎng)絡(luò)也好、人工智能也好，是我們?nèi)祟惖囊粋€很強有力的工具，和我們歷史上發(fā)明的很多工具不一樣的是，它延伸了我們的大腦，但是它畢竟還是我們的工具。

不管怎么樣，未來的世界是一個非常未知的世界，歡迎大家來到這樣一個未來的世界，和我們一起探討這個新奇而又興奮的未來！