今年，谷歌AlphaGo戰勝了人類頂級棋手李世石，微軟研發的人工智能設備Echo在語言理解上戰勝了人類，IBM人工智能醫療機器人Watson僅用了10分鐘首次診斷出人類罕見白血病。
2017是人工智能的爆發元年。
這壹年，AlphaGo Zero戰勝舊版AlphaGo 100:0，百度CEO李彥宏乘坐無人駕駛汽車上五環，國務院發布新壹代人工智能發展規劃，阿裏巴巴宣布成立達摩院。
那麽，自然要問了，2018是哪壹年？答案是......
狗年！
但人工智能時代正式到來是不爭的事實，從資本的湧入就可以看出來。
根據PitchBook的統計，2017年，全球人工智能和機器學習領域* * *獲得了超過108億美元的風險投資。在過去的十年中，該領域的風險投資大幅增加:2010年的投資不到5億美元，2016年達到57億美元，而2017年的投資比2016年增長了近壹倍。
人工智能已經來了，它就在我們身邊，幾乎無處不在。但是我們真的知道什麽是人工智能嗎？我們真的準備好用人工智能發展了嗎？人工智能時代我們應該如何規劃未來的生活？
在今天要和大家分享的這本書裏，開復哥詳細闡述了什麽是人工智能，人工智能的發展以及在人工智能時代我們應該怎麽做才能避免被AI淘汰。
什麽是人工智能？
人工智能這個詞乍聽起來挺高大上的，可能會讓妳覺得離我們的生活還很遙遠，但事實並非如此。我們來看看下面的對話:
哈哈哈...這是我和微軟助理蕭冰的對話。是不是很有意思？而這來自於自然語言理解人工智能技術的應用。
再比如我工作的地方，深圳阿裏中心。我上下班不需要門禁卡。入口和出口都裝有高分辨率攝像頭。只需要提前拍照上傳，然後就可以“刷臉”進出了。這背後是人臉識別技術的功勞。
有大家都在看的今日頭條。截至目前，已有超過7億用戶。為什麽這麽受歡迎？原因是它采用了人工智能技術，可以“智能”總結每個人閱讀新聞時的不同習慣和愛好，從而向不同的用戶推薦不同的新聞內容。
總之，人工智能並沒有妳想象的那麽高大上，它已經廣泛應用在我們身邊，幾乎無處不在。自然語言處理、機器視覺、智能推薦、自動駕駛等技術都屬於人工智能。
那麽，說了這麽多，什麽是人工智能？顯然，我們需要壹個定義:
AI是壹個計算機程序，根據對環境的感知做出合理的動作，獲得最大的收益。
在書中，作者討論了AI領域的五種常見定義，最後得出結論，上述定義是最合理的，這也是維基百科使用的壹個綜合定義。
這個定義是什麽意思？說明AI並不像我們大多數人認為的那樣，是壹個類似於人類思維、人類行為或者人類外貌的機器人。人工智能的本質是壹個計算機程序。
第三次AI熱潮:有何不同？
2016年3月，AlphaGo大戰李世石，掀起第三次AI熱潮。那時候好像大家都在說人工智能。但是，註意，這已經不是人機遊戲第壹次引起大眾的熱情了。
IBM深藍1997戰勝卡斯帕羅夫的那壹天，全世界科技愛好者互訴衷腸的場景，絲毫不亞於今天AlphaGo的追擊。展望未來，在1962年，IBM的亞瑟·塞繆爾開發的跳棋程序打敗了壹個盲人跳棋大師。當時報紙也在追捧人工智能，大眾也同樣好奇智能機器的未來。
我們來看看這個過程，稍微回顧壹下。
第壹次，當跳棋程序打敗人類的時候，大眾的反應是:哇！厲害！人工智能太牛逼了！但幾年後，習慣了電腦下簡單棋的大眾說:下跳棋有什麽大不了的？有能力下極其復雜的棋？
第二次，當國際象棋程序打敗人類的時候，大眾又反應過來:躺下！666!人類正在滅亡！但幾年後，大眾又習慣了。他們說:下棋算什麽智力？有本事試試神秘的圍棋？
第三次，2016，圍棋程序戰勝了人類。公眾的反應如何？我想每個人都應該知道。......
網上流傳著壹個“人工智能發展成熟度曲線”，形象地展示了上述發展過程。
那麽，這次AI熱潮會和前兩次壹樣嗎？經過壹兩年的熱炒，難免再次歸於沈寂？
答案是:不壹樣。(BGM，來自~)
正如作者在本書中提到的:
今天的人工智能是“有用”的人工智能。與前兩次AI熱潮相比，這次人工智能復興最大的特點是AI在很多相關領域表現出了可以被普通人認可的性能或效率，並開始在行業中發揮真正的作用。
這種人工智能技術為什麽能實現如此巨大的飛躍？如果說第壹次AI熱潮是對圖靈測試的修修補補，第二次AI熱潮是對語音識別的初步測試，那麽第三次AI熱潮則是壹場“深度學習”的大秀。
語音識別系統這幾年進步很快，技術上只有壹個原因——深度學習！在機器視覺領域，2065 438+04 ImageNet大賽中首次超越人類肉眼識別準確率的圖像識別算法也是深度學習的代表作！
看到這裏，妳可能要問了，什麽是深度學習？說實話，這個技術太牛逼了，我無法用壹兩句話給妳解釋清楚，但我可以舉壹個通俗的例子幫助妳理解。
比如在機器視覺中，假設妳想讓計算機識別吳彥祖的長相，也就是說，如果妳輸入吳彥祖的任何壹張照片，計算機都會自己輸出“這個人就是吳彥祖”。怎麽做呢？
第壹步，妳需要向電腦提供壹些吳彥祖的照片。這些照片都有壹個相同的特征，比如非常直的鼻子。然後電腦會知道吳彥祖的壹個特征，壹個非常直的鼻子！
但是光有這個功能是不夠的。這時，如果妳給計算機壹張古天樂的照片，它也可能認出他是吳彥祖，因為古天樂有壹個好鼻子。
但是，如果妳輸入更多的吳彥祖的照片到電腦裏，這些照片裏的吳彥祖很白，那麽電腦就會知道吳彥祖不僅鼻子挺直，皮膚也很白，所以如果妳輸入古天樂的照片，它不會認出他是吳彥祖，因為古天樂不符合皮膚白的特征。
這個過程就是機器學習。電腦根據妳輸入的照片不斷確認吳彥祖的外貌特征。輸入的照片越多，計算機調優過程越多，最終識別準確率越高。
阿裏的雙十壹海報AI設計師“魯班”，基於千萬張海報的深度學習，練就了壹天4000萬張海報的驚人速度；AlphaGo Zero三天3000萬回合戰勝AlphaGo，100:0戰勝AlphaGo。
所以，第三次AI熱潮之所以能產生巨大的商業價值，除了深度學習技術的突破，也離不開大數據的成熟應用。可以說，深度學習和大數據引領了第三次AI熱潮。
人工智能會導致人類大量失業嗎？
前不久，《紐約客》雜誌的壹張封面圖片刷爆了朋友圈:
封面上，人類坐在地上乞討，機器人則扮演著給予者的角色，意思很明顯——未來社會，人類將被進化的機器人剝奪工作機會，從而成為街頭的弱者。
人類的工作真的會被人工智能取代嗎？很難說。也許我們暫時看不到大範圍的工作崗位被取代，但技術浪潮的趨勢是不可逆轉的。
本書作者在2016 WISE獨角獸大會上提出了以下觀點:
未來十年出現最多的獨角獸公司壹定是人工智能公司。十年後，全球90%的工作崗位將被人工智能取代。特別是翻譯、記者、助理、保安、司機、銷售、客服、交易員、會計、保姆等等。
此外，作者還在書中給出了壹個判斷作品是否容易被AI取代的“五秒法則”。
壹項原本由人完成的工作，如果人能在5秒鐘內對工作中需要考慮和決定的問題做出相應的決策，那麽這項工作很有可能會被人工智能技術完全或部分取代。
比如傳統意義上的股票交易員，他們所做的只是根據買方或賣方的指令完成實際的交易操作；比如汽車司機，在駕駛汽車時，人類司機根據路況做出的判斷，其實可以在短時間內被人腦處理，並立即做出反應。
另壹方面，如果妳的工作涉及到縝密的思考、透徹的推理或者復雜的決策，而每壹個具體的判斷人腦都無法在五秒鐘內完成，那麽以目前的技術，妳的工作很難被機器取代。
看到這裏，我們不禁要問，未來十年90%的工作崗位會被人工智能取代嗎？是否意味著人類即將面臨大量失業？
其實工作替代和人類失業是兩個概念。雖然我們的大部分工作將被AI取代，但更多類型的工作將被創造出來。
當我們談到技術進步會不會讓人類系統性失業時，最經典的例子就是馬車。19年底，倫敦是當時世界上最大、最繁華、人口最稠密的城市。出租車是當時城市的主要公共交通工具，外出打馬也是城市的壹道風景。
當汽車發明後，人們不再乘坐馬車。車夫去哪裏了？顯然，汽車的發明將會創造新的就業機會。首先，機器需要制造和維護，汽車創造的工作崗位比淘汰馬車夫創造的工作崗位多得多。妳相信我嗎？十年前有多少工作？
因此，技術發展會導致壹些簡單工作和低級工作的消失或轉變，但也會催生更多需要人類判斷力和創造力的新類型工作。
簡而言之，人工智能的出現會取代很多人類的工作，但人類不會面臨大量失業。只要我們不斷提高自己的創造力和學習能力，我們就會在未來的社會發展中勇往直前！