這幾年人工智能（AI）火起來后，很多人因為不明白其原理，產(chǎn)生了迷信和崇拜。甚至認為《終結(jié)者》《星球大戰(zhàn)》中的情景就要變成現(xiàn)實了。就連霍金和馬斯克，都認為人工智能有可能產(chǎn)生自主意識并統(tǒng)治人類。真是隔行如隔山，顯然他們并不明白人工智能的原理，鬧了笑話。

原理

人工智能的原理，用一句話概括就是：

人工智能=數(shù)學(xué)計算。

機器的智能程度，取決于“算法”。

最初，人們發(fā)現(xiàn)用電路的開和關(guān)，可以表示1和0。那么很多個電路組織在一起，不同的排列變化，就可以表示很多的事情，比如顏色、形狀、字母。

再加上邏輯元件（三極管），就形成了

“輸入（按開關(guān)按鈕）——計算（電流通過線路）——輸出（燈亮了）”

這種模式。

想象家里的雙控開關(guān)。

為了實現(xiàn)更復(fù)雜的計算，最終變成了，“大規(guī)模集成電路”——芯片。

電路邏輯層層嵌套，層層封裝之后，我們改變電流狀態(tài)的方法，就變成了“編寫程序語言”。程序猿就是干這個的。

程序員讓電腦怎么執(zhí)行，它就怎么執(zhí)行，整個流程都是被程序固定死的。

所以，要讓電腦執(zhí)行某項任務(wù)，程序員必須首先完全弄清楚任務(wù)的流程。

比如聯(lián)控電梯：

別小看這電梯，也挺“智能”呢?？紤]一下它需要做哪些判斷：

• 上下方向

• 是否滿員

• 高峰時段

• 停止時間是否足夠

• 單雙樓層，等等

需要提前想好所有的可能性，否則就要出bug。

某種程度上說，是程序猿控制了這個世界（程序猿表示壓力好大）。

可總是這樣事必躬親，程序員太累了，你看他們加班都熬紅了眼睛。于是就想：

能不能讓電腦自己學(xué)習(xí)，遇到問題自己解決呢？而我們只需要告訴它一套學(xué)習(xí)方法。

大家還記得1997年的時候，IBM用專門設(shè)計的計算機，下贏了國際象棋冠軍。其實，它的辦法很笨——暴力計算，術(shù)語叫“窮舉”（實際上，為了節(jié)省算力，IBM人工替它修剪去了很多不必要的計算，比如那些明顯的蠢棋，并針對卡斯帕羅夫的風(fēng)格做了優(yōu)化）。計算機把每一步棋的每一種下法全部算清楚，然后對比人類的比賽棋譜，找出***解。

一句話：大力出奇跡！

但是到了圍棋這里，沒法再這樣窮舉了。力量再大，終有極限。圍棋的可能性走法，遠超宇宙中全部原子之和（已知），即使用目前最牛逼的超算，也要算幾萬年。在量子計算機成熟之前，電子計算機幾無可能。

所以，程序員給阿爾法狗多加了一層算法：

A、先計算：哪里需要計算，哪里需要忽略。

B、然后，有針對性地計算。

——本質(zhì)上，還是計算。哪有什么“感知”！

在A步，它該如何判斷“哪里需要計算”呢？

這就是“人工智能”的核心問題了：“學(xué)習(xí)”的過程。

仔細想一下，人類是怎樣學(xué)習(xí)的？

人類的所有認知，都來源于對觀察到的現(xiàn)象進行總結(jié)，并根據(jù)總結(jié)的規(guī)律，預(yù)測未來。

當(dāng)你見過一只四條腿、短毛、個子中等、嘴巴長、汪汪叫的動物，名之為狗，你就會把以后見到的所有類似物體，歸為狗類。

不過，機器的學(xué)習(xí)方式，和人類有著質(zhì)的不同：

人通過觀察少數(shù)特征，就能推及多數(shù)未知。舉一隅而反三隅。

機器必須觀察好多好多條狗，才能知道跑來的這條，是不是狗。

這么笨的機器，能指望它來統(tǒng)治人類嗎。

它就是仗著算力蠻干而已！力氣活。

具體來講，它“學(xué)習(xí)”的算法，術(shù)語叫“神經(jīng)網(wǎng)絡(luò)”（比較唬人）。

原理如下圖：

（特征提取器，總結(jié)對象的特征，然后把特征放進一個池子里整合，全連接神經(jīng)網(wǎng)絡(luò)輸出最終結(jié)論）

它需要兩個前提條件：

1、吃進大量的數(shù)據(jù)來試錯，逐漸調(diào)整自己的準(zhǔn)確度；

2、神經(jīng)網(wǎng)絡(luò)層數(shù)越多，計算越準(zhǔn)確（有極限），需要的算力也越大。

所以，神經(jīng)網(wǎng)絡(luò)這種方法，雖然多年前就有了（那時還叫作“感知機”）。但是受限于數(shù)據(jù)量和計算力，沒有發(fā)展起來。

神經(jīng)網(wǎng)絡(luò)聽起來比感知機不知道高端到哪里去了！這再次告訴我們起一個好聽的名字對于研（zhuang）究（bi）有多重要！

現(xiàn)在，這兩個條件都已具備——大數(shù)據(jù)和云計算。誰擁有數(shù)據(jù)，誰才有可能做AI。

目前AI常見的應(yīng)用領(lǐng)域：

圖像識別（安防識別、指紋、美顏、圖片搜索、醫(yī)療圖像診斷），用的是“卷積神經(jīng)網(wǎng)絡(luò)（CNN）”，主要提取空間維度的特征，來識別圖像。

自然語言處理（人機對話、翻譯），用的是”循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）“，主要提取時間維度的特征。因為說話是有前后順序的，單詞出現(xiàn)的時間決定了語義。

神經(jīng)網(wǎng)絡(luò)算法的設(shè)計水平，決定了它對現(xiàn)實的刻畫能力。***大牛吳恩達就曾經(jīng)設(shè)計過高達100多層的卷積層（層數(shù)過多容易出現(xiàn)過擬合問題）。

當(dāng)我們深入理解了計算的涵義：有明確的數(shù)學(xué)規(guī)律。那么，

這個世界是是有量子（隨機）特征的，就決定了計算機的理論局限性。——事實上，計算機連真正的隨機數(shù)都產(chǎn)生不了。

——機器仍然是笨笨的。

今年（2018）初的時候，某家公司曾在電視上演示了他們利用人工智能診斷醫(yī)學(xué)影像的準(zhǔn)確率，比醫(yī)生人工判斷得還準(zhǔn)。引起一片驚訝。

其實這是多正常的事呀。起重機發(fā)明出來之后，當(dāng)然比***壯的大力士能舉起更重的物體。

人類醫(yī)生的診斷，是對發(fā)病機理、化驗結(jié)果的結(jié)合，而機器僅僅是根據(jù)醫(yī)生對大量化驗結(jié)果的歷史診斷，估算出近似值。雖然表面看起來還算準(zhǔn)確，一旦有個新病出來，它又不知道怎么處理了。

——機器能不能模擬整個人體系統(tǒng)？器官、血液、心情、飲食、勞動強度？模擬它們之間的相互聯(lián)系，進而懂得發(fā)病機理？

——不可能。因為人體系統(tǒng)具有量子效應(yīng)——隨機的宏觀表現(xiàn)，更不用說人的自發(fā)意識對疾病的影響了。

人類能認識內(nèi)在規(guī)律，機器只能總結(jié)表面規(guī)律。

其實，我們連什么是智能、意識，還都完全沒弄清楚。只有幾個哲學(xué)家爭論，科學(xué)界對此毫無進展，連下個定義都很難！談何機器擁有自主意識？

筆者的觀點很明確：

AI將極大提高生產(chǎn)力，是沒什么疑問的，就像曾經(jīng)的內(nèi)燃機一樣。也可能會產(chǎn)生破壞——但不是它自主破壞的，而是使用不當(dāng)，殺人不是刀的錯。

可以肯定的是，它絕無可能統(tǒng)治人類。

就目前來看，還是回家造人，是真正的智能。

接著而來的問題是——

AI會導(dǎo)致失業(yè)潮嗎？

***次工業(yè)革***，新型紡織機搶走了紡織工人的飯碗。當(dāng)時，工人們還真的聯(lián)合起來鬧了一鬧，砸了一些工廠和機器。

現(xiàn)在是不是又到了那個階段？自從電腦出現(xiàn)，人們就一直在擔(dān)心電腦搶了自己飯碗。

其實，經(jīng)濟學(xué)中有一個簡單粗暴的定理：

人的欲望和需求是無止境的，當(dāng)技術(shù)的進步加大了低端產(chǎn)品供給時，需求會自然向高端移動。

有需求就會有就業(yè)。（注：需求=有購買力的欲望）

結(jié)構(gòu)性失業(yè)一直在持續(xù)，但另一邊，新的工作崗位也一直在增加啊。因為：

在AI人工智能革***，一定有新的玩意出現(xiàn)。

哪些職業(yè)容易被替代呢？從“人工智能=數(shù)學(xué)計算”可知：

那些算法越明確的工種，機械化、重復(fù)化的勞動，越容易被取代。

這里要注意一個問題：有些工作，看起來需要復(fù)雜的智力勞動，比如銀行柜員：

她親切地向你問好，細致地詢問你的需求，處理一大堆文件、簽字。怎么看，都不是一個機器人所能勝任的。

但根據(jù)“需求路徑理論”（以后發(fā)表，請關(guān)注《功夫讀書》），這個過程不是被替代，而是被跳過。這種職業(yè)也是危險的。

職業(yè)的結(jié)構(gòu)性調(diào)整，過程是漸進的。并不會說AI產(chǎn)品一下子全部鋪開，大量工人一下子失業(yè)。

理論上講，沒有絕對不可能替代的工作，大勢浩蕩，無法阻擋。只能是加強學(xué)習(xí)，加大教育投資。但別被那些嘩眾取寵的文章給嚇到，焦慮不安。