05 | 人工智能发展的四波浪潮-KeepStudy

05 | 人工智能发展的四波浪潮

- 目前，人工智能革命分为四波浪潮：互联网智能化（Internet AI）、商业智能化（business AI）、实体世界智能化（perception AI）、自主智能化（autonomous AI）。

![](/uploads/20231127/2023112716451330259.png)

- 前两波浪潮——互联网智能化及商业智能化——已经出现在了我们身边，互联网公司能以算法取代保险精算师、股票交易经理和医生助理。现在，感知人工智能正在把现实世界数字化，机器开始学习辨识我们的脸孔，识别我们身边的物体与语音，理解我们的需求，搞懂我们身边的世界。第三波浪潮将彻底改变我们和世界之间的互动体验以及模糊数字世界和现实世界之间的分界。随着自动驾驶汽车的上路、无人机的飞天，智能机器人接管工厂，第四波浪潮——自主人工智能将进一步改变农业、交通、连锁餐饮等众多领域。

### 第一波浪潮：互联网智能化/133
- 第一波浪潮兴起于近15年前，在2012年左右成为主流。大体上说，互联网人工智能就是使用人工智能算法作为推荐引擎：这些算法了解、研究、学习我们的个人喜好，从而推荐专门针对我们的内容。

- 驱动这些人工智能引擎的，正是它们获得的数据。目前最大的数据库大部分都在互联网巨头手里。

### 算法与编辑/134
- 第一波人工智能浪潮也带来了全新的、由人工智能驱动的互联网公司。在中国，这类公司的领头羊是今日头条。今日头条的人工智能引擎在互联网上搜寻内容，使用自然语言处理和计算机视觉技术，消化整理来自合作伙伴及特约撰稿人的大量文章与视频，再根据用户的以往行为，如点击、阅读、浏览、评论等，针对每个用户的兴趣、喜好和习惯高度定制动态推送。这个人工智能算法甚至会修改标题，以吸引用户点击。用户点击量越多，今日头条就越擅长推荐适合用户的内容。这个良性循环，创造了互联网上最诱人的内容平台之一——今日头条的用户平均每天在应用内逗留74分钟。

### 机器人报道与假新闻/134
- 除了高度定制推送，今日头条也使用机器学习来创作与监管内容。算法也可以在平台上找出假新闻（通常是医疗类的假新闻）。

- 不过，第一波人工智能浪潮创造的种种经济价值仍局限于高科技产业及数字世界。

### 第二波浪潮：商业智能化/136
- 第一波人工智能浪潮的基础是给互联网用户的浏览数据贴标签，而商用人工智能则是给传统公司数十年来积累的大量专业数据贴标签。

- 商用人工智能从这些数据库中挖掘人类往往会忽视的隐性联系，参考以往的决策与结果，利用贴了标签的数据训练算法，最终使其超越经验最丰富的人类从业者。这是因为人类通常根据强特征（strong features）来做出预测，而与结果高度相关的数据，通常是直接的因果关系。

### 商用人工智能事业/136
- 传统产业发达的美国在早期的商用人工智能应用领域建立了强势的领先地位。大型美国企业收集了大量数据，设计了良好的储存结构。它们常使用会计、存货管理及顾客关系管理等领域的企业软件。中国的企业大多使用自己特有的系统来保存数据，从未真正接纳企业软件或标准化的数据储存。

### 炒掉银行客户经理/137
- 中国大部分传统企业普遍存在数据尚未结构化、企业文化老旧等现象，使其难以在第二波人工智能时期享受技术红利。但一些能够直接接入商用人工智能的产业在大步前进，小微金融就是其中最有前景的一个产业。

### 请到算法诊所就诊/139
- 大数医达科技公司研发了专门训练医疗领域的人工智能算法，使它们成为能够部署在全国各地的超级诊断师。它们并不想用算法取代医生，而是要辅助医生诊断。算法在诊断流程中扮演“导航”的角色，用大数据规划最佳路径，但人类医生会主导最终的判断。

### 看不见的法庭助手/140
- 科大讯飞率先把人工智能应用在另一个资源和能力分布高度不均的领域——司法界。在上海进行的试点中，科大讯飞使用以往案例数据，向法官提出有关证据及判决的建议。

### 谁能取得领先地位？/141
- 在今天无疑是美国。美国的公司有应用商用人工智能的原材料和意愿，因此在见效快、最有利可图的银行业、保险业以及其他任何拥有大量结构化数据、可供人工智能进一步优化的产业上具有明显优势。相对来说中国传统企业对人工智能的应用不是很到位，但中国现有的金融体制和分布不均的医疗卫生资源是重构消费者信用和医疗等服务的关键所在。

### 第三波浪潮：实体世界智能化/142
- 第三波浪潮就是把人工智能延伸至我们的生活环境，以大量的传感器及智能型器材，把我们的现实世界转化成可被深度学习算法分析与优化的数据，如小米的智能音箱“小爱同学”和Amazon Echo可以把声音环境数字化；阿里巴巴的“城市大脑”通过摄影机和物体识别，可以把城市交通流量数字化；Face++的技术和软件则可以把面孔数字化，使用感知数据，经过人脸识别来保护我们的手机或数字钱包。

### 界限模糊的OMO世界/142
- 感知人工智能越来越擅长辨识我们的脸孔，听懂我们的声音，观察我们身边的世界，它也将在线上与线下世界之间架起无数无缝衔接的桥梁节点。我把这个新环境称为“线上线下融合”（Online-Merge-Offline），简称OMO。我们已经从纯粹的电子商务迈入O2O（线上到线下）服务，下一个状态则是OMO。OMO把数字世界和现实世界完全整合起来，把线上世界的便利性带进线下世界里，把在线下世界里感知到的内容带到线上世界里。

### 每辆购物车都知道你的姓名/144

### OMO驱动的教育/146
- 人工智能驱动的教育有四种应用场景：课堂教学、家庭作业与练习、考试与评分、量身打造的家教辅导。这四种场景的效果及行为会反馈给人工智能，并构成这一应用的基石——学生个人的档案。

### 如何收集数据？如何应用于改进教育流程？/147

### 公共数据与个人隐私/149
- 如何在个人隐私和公共数据之间求得平衡，取决于每个国家的抉择。欧盟通过了《通用数据保护法案》，美国继续对用户隐私施行保护，中国2017年开始实行的《中华人民共和国网络安全法》。

### 深圳制造/150
- 硅谷或许在软件创新方面仍领先全球，但硬件创新却是深圳在领跑。中国制造业的最大优势不是廉价劳力，而是无可匹敌的供应链灵活性，以及能够研发出新器材的原型并且量产优秀的工程师。

### 小米先行/151
- 低价、多样性与人工智能的结合，创造了全球最大的智能家居设备网络。这也是一个以“深圳制造”为基础的生态系统，低价和中国庞大的市场为小米收集数据增添助力，形成一个更强大的算法、更聪明的产品、更好的用户体验、更多销售、更多数据的良性循环。

### 第四波浪潮：自主智能化/152
- 自主人工智能是前三波人工智能浪潮的集大成者，也是顶峰，把极复杂的数据和机器感知能力结合起来，就会得到不仅能了解世界，也能改变世界的机器，比如尽人皆知的自动驾驶汽车。

### 草莓园与机器甲虫/153
- 加州公司Traptic使用先进的视觉算法，研发出草莓自动采摘机器。
- 亚马逊仓储用有许多机器甲虫进行拣货。
- 家政工作者如清洁工、厨师、护理员等也大致符合这一类别，但短时间内自主人工智能还无法用在家政服务上。

### 蜂群智慧/154
- 无人机群将改变我们的天空。

### 谷歌模式与特斯拉模式/155
- 谷歌是第一家研发自动驾驶技术的公司，但大规模应用的脚步有些缓慢。特斯拉则采取渐进模式：在部分功能开发完成后，就马上应用在自己生产的汽车上。这种渐进模式加快了商业化节奏，同时也带来了一定程度的风险。这两种模式背后的驱动力都是数据。

### 中国的特斯拉模式/156
- 与其等待完美的自动驾驶问世，中国更愿意在可控的环境中使用性能有限的自动驾驶汽车。而这种策略的“副作用”就是数据收集量呈指数成长，连带推动人工智能技术的精进。

- 渐进应用模式的关键是兴建新的基础设施以容纳自动驾驶汽车。美国的做法是根据现有道路研发自动驾驶汽车。中国则在调整现有道路，改变货车形态，甚至建设能够容纳自动驾驶汽车的新城市。

### 围绕自主人工智能技术的较量/158
- 在自动驾驶汽车的核心技术方面，美国的公司仍然领先中国企业两三年。在科技界，这个差距可以说是天文数字了。美国领先地位的构成部分源自大量的顶尖专业技术人才。在第四波人工智能浪潮中出现安全问题的复杂性，使研发自动驾驶汽车成为很难攻克的工程难题，这需要世界一流的工程师团队。这使得优势倒向了美国。

### 征服当地市场&武装当地公司/160
- 中国和美国的科技公司在进军全球市场时，实行了差异很大的策略：美国那些称霸全球的巨头希望亲自征服市场，而中国的科技公司则选择武装当地的创业公司。

### 从中国市场打到国际市场的共享出行/160
- 中国公司的全球化策略在共享出行市场已经启动。这可以总结为人工智能全球化的另一种模式：结合人工智能技术与当地的数据，对当地创业公司赋能。这种以合作为基础，而非征服的模式，或许更适合把人工智能这类需要顶尖工程师、由下而上收集数据的技术推广至全球。

### 展望未来/162
- 这一分析结果揭示了渐渐浮现的人工智能世界的秩序，但也凸显了我们探讨人工智能发展时的一个盲点，单纯竞争的表面下还潜藏着更重要的问题：人工智能力量进入我们的世界后，真正的分歧不在国家之间，而在每个国家内部。

李开复《AI·未来》

本书目录

推荐书籍