經歷了數十年時間的積累，人工智慧、通信、大數據等技術與產業進入了高速發展的階段，全域智能時代已經來臨。
2020年，新基建的提出，給全行業設定了一個明確的發展方向。造就與張江集團共同推出「新基遇」系列Talk，探討新基建對於社會與人類未來影響的同時，也希望能夠推動不同行業間的交流。
本期內容出自造就x張江「新基遇」系列——智能新價值。
鄔學寧，e成首席數據官
AI在新基建中扮演什麼角色？
讓我們先來回顧一下歷史。公元前300年的都江堰，和公元300年羅馬人的飲水渠，是人類歷史上迄今為止仍然在工作的水利系統，它們灌溉了我們的農業文明；從有電以來，電燈泡給我們帶來了光明，然後到特斯拉（ Nikola Tesla）的交流電孕育了我們如今的工業文明；而今天我們進入了雲和大數據時代，各行各業的應用都已經上雲了。
雲計算帶來的另外一方面，就是產生了很多很多的數據，而這些數據當中就孕育了數據的智能。當人工智慧成為我們所有社會應用的基礎設施之後，必將會使人類進入下一個智能時代。
其實人工智慧現在已經是無處不在了，但是人工智慧成為新基建又意味著什麼？人工智慧在新基建當中的地位是怎樣的呢？
大家都已經了解新基建有7個主要組成部分。除了人工智慧以外，其他6個都是很具體、具象的技術，而只有人工智慧比較「虛」。
新基建當中，人工智慧首先會用到三個支撐技術——這一波人工智慧主要是靠大數據，所以大數據中心是人工智慧的一個重要基礎；第二個是工業網際網路，工業網際網路產生了非常多的數據，這些數據到大數據中心也給人工智慧產生了很多燃油；還有5G，5G高速的通訊速度會給我們將來生活的世界帶來很多改變，也可以和人工智慧產生一些化學反應，孕育出新的應用。
那麼除了這三個之外，其他技術也和人工智慧有著密切的關係，更多的是人工智慧去賦能這些技術。無論是新能源充電樁，還是特高壓以及城際交通，當中都會產生非常多的數據。
比如說特斯拉的充電樁，其實你可以把它看成是個大號的iPad裝了4個輪子，它的核心技術不是造車。用人工智慧技術精確地控制了7600塊鋰電池，每一塊電池都單獨地控制它的電壓和電流，這才是它的核心技術。
特高壓、智能電網也用到了非常多的人工智慧技術，比如說在一些設備的預防性維修等方面用了很多算法。
AI已融入我們的生活，但數字化轉型之路仍漫長
大家知道從AlphaGo打敗李世石開始，所有媒體都對人工智慧進行了大量報道。我們日常生活當中到處都能看到人工智慧：女生的美顏相機、車牌識別、非常多的導航系統、手環手錶、電冰箱……
美國有個統計，電冰箱裡面有20%的食品基本上都是臨近保質期的。韓國的一個電冰箱廠商，它的產品會識別食物的保質期，在臨近保質期的時候會提醒你要不要購買，然後一鍵就可以給你購買。所以未來，電冰箱可能是一個入口——未來電冰箱可能完全免費，因為你需要什麼，它就可以給你送什麼——就是把一個產品經濟向服務經濟和體驗經濟轉化的一個非常重要的入口。
右側是我們一個養豬的客戶。從豬生下來打耳標開始，全都是用物聯網技術，跟蹤養豬的整個生命周期過程。
所以其實人工智慧大數據已經在我們的生活中無處不在，只是可能在用的時候，你沒有感覺到。那麼未來的趨勢是什麼？人工智慧不再是作為一個一個單獨的技術，它將成為一種基礎設施，賦能所有的行業，賦能所有的企業。
當人工智慧成為新基建之後——
第一，它會成為一種新的元能力。所謂元能力就是賦能其他能力的能力，它會賦能到其他基建以及基於基建的上層的應用和產品的能力。
第二，AIaaS（AI as a Service），人工智慧作為一個服務。它首先要變得非常容易調用，成為基礎設施之後大家都要去調用它，不能搞得很複雜。我們現在有很多算法，雖然也提供了服務，但還是很難調用。因為有很多不同的算法，你要搞清楚什麼時候用決策樹，什麼時候用神經網絡，什麼時候用貝葉斯方法等等。
第三，就是荀子講的，「君子善假於物也」，「登高而招，臂非加長也」。其實未來從企業的角度，從社會的角度上來說，如何獲得競爭優勢，非常重要的一點就是看你是否擁有善於利用人工智慧的基礎的能力。並不是說每個企業都要去找數據科學家，都要去請很多人工智慧的專業人才，而是我們都可以利用基礎設施，利用基建裡邊的人工智慧的能力去賦能我們的業務。
AI將在哪些領域有所突破？
未來十年，人工智慧可能在哪些領域有所突破？
第一是想像力。大家可能知道有本書——尤瓦爾·赫拉利（ Yuval Noah Harari）寫的《未來簡史》，其中就講到了想像力。想像力是人和其他動物最大的差異之一，而目前人工智慧有很大的問題——其實它沒有想像力。
人工智慧沒有想像力
這是在德國發現的目前人類歷史上最早的雕塑之一，這個雕塑是人的身體、獅子的頭。雖然現在人工智慧也能做一些藝術的東西，也能寫個詩，但它其實並沒有真正地理解。那麼人工智慧什麼時候能夠具有想像力，這可能是通往通用人工智慧的一個非常關鍵的步驟。
第二個方向就是腦科學的進一步研究。我們人一般有1000億個神經元，每個神經元跟其他的神經元有1000個連接，所以我們有100萬億的神經元連接，數量非常大。
目前即使是最複雜的人工智慧神經網絡，跟人的大腦的神經元連接的數量大概還差10的6次方的數量級。為什麼現在人工智慧看上去還很傻？因為在通用人工智慧領域，它可能只是一歲到一歲半的水平而已。從硬體上來說，現在的計算力還不夠，現在的人工智慧神經網絡的神經元數量和連接數比人的大腦要少得多。
第三是情感。現在人工智慧基本上沒有情感，沒有情緒，它不會發怒、不會生氣、不會高興。現在人工智慧當中有一個領域也很火，就是做情感分析、情緒分析、微表情分析——你笑了，它就知道你笑了，但是笑有很多種，冷笑、苦笑它就很難識別出來。
美國的一些科學家發現，其實人的情感可以解構成兩部分，一部分是臉上的表情，另一部分是身體的溫度。其實我們人的表情也是訓練出來的，每個人的心跳、身體的溫度不同，對應的表情可能是不一樣的。所以現在有一個觀點，認為人工智慧也可以有情緒，我們人的表情是可以訓練的，人工智慧的情緒也可以訓練出來。
人工智慧沒有常識
目前的人工智慧看上去很聰明，但其實它在很多方面非常弱智，最基本的常識都沒有。比如說最左邊這張桌子，上面放了一些紅色和黃色的方塊，我推一下桌子，是紅色方塊掉下來多，還是黃色方塊掉下來多？大家一看就知道，肯定紅色方塊掉下得多，但這個問題目前的人工智慧解決不了。
上面第三張圖片上，桌子上放了4個顏色的16個物體，這個人隨機抓一個物體看是什麼顏色，然後人工智慧算法根據人的動作來猜測她什麼時候要去抓哪一個物體。下一步就是對面放一個機器手，人要去抓哪一個，機械手就會過來去幫助抓哪一個。你下一步要做什麼，對現在的人工智慧來說還是比較難預測的。
現在的人工智慧是沒有解決問題的能力，沒有推理的能力，很難判斷你的意圖。
其次，我要講一講過去10年人工智慧在發展過程中的誤導或者說必須經歷的階段。
12年的時候，大家知道有一本書叫《大數據時代》，非常強調相關性，包括我前幾年也是持這樣的觀點。比如我給中國某個大型超市做分析，發現了一個規律——買車厘子的顧客很多會買山東桃，我就會建議他們把山東桃放在車厘子邊上，互相帶動銷售。但你不要問我為什麼，我不知道為什麼，我只是從數據當中發現這個規律。
《大數據時代》 維克托·邁爾-舍恩伯格&肯尼斯·庫克耶 【著】
在很多行業里，在過去很多的場景當中，通過大數據我們發現了很多相關性——弱的相關性，但我只能告訴你這兩個事情之間是有相關性的，卻不知道原因。
所以未來十年，我們可能會去研究因果。《大數據時代》這本書當中有一個非常重要的觀點：你不要知道因果，你只要知道相關性就可以了，它能夠幫助你帶動業務發展就可以了，不要問為什麼。但其實很多事情我們還是需要知道為什麼。
比如說我同事今天去醫院，他發燒了，他會去抽血驗一下白血球。如果白血球升高了，說明它是細菌性的，問題不大；如果白血球沒有升高，說明這是病毒性的，有可能跟新冠有關係。這個事情是有因果的。
相關性與因果
再比如，有人發現冰淇淋跟曬傷之間有相關性，還與游泳池裡淹死的人有相關性，但你不能說因為冰淇淋賣多了，導致游泳池裡淹死的人多了。我們原來發現的相關性就可能陷入這樣的困擾中——是游泳池裡淹死的人多了導致冰淇淋賣多了，還是冰淇淋賣多了導致游泳池裡淹死的人多了。其實都不是，背後隱藏的原因是溫度升高了。
所以未來人工智慧的發展方向中很重要的一點就是相關性，它是在因果關係之梯的最底層。我們首先要知道相關性，第二步我們要知道為什麼，要知道原因。知道原因的話就要通過一個干預的動作，去人工介入到實驗當中，傳統的統計學裡就是控制組、實驗組。
另一個重要的層面就是反事實，是人工智慧從最底層的發現相關性開始，接下去它會推理是什麼原因導致了結果，再往上面人工智慧要會想像。我剛才講的想像很重要，這個事情如果沒有發生結果會怎麼樣，從來沒有發生過的事情人工智慧也要能夠知道。
我們現在的人工智慧是基於大數據的，一定是發生過的事情才有數據，沒有發生過的事情是沒有數據的。未來，人工智慧就是沒有發生過的事情也能推理。
那麼從未來人工智慧非常重要的一個來源——腦科學和心理學的角度上來說，大家都知道巴普洛夫（ Ivan Pavlov）的狗，中間這個是桑代克（ Edward Thorndike）的貓。二者的區別是，桑代克把貓關在籠子裡，裡面有開關，摁一下門會打開。貓第一次放進去的時候，要很久才發現這個開關。摁一下之後門打開，貓出去了。第二次把貓放進去之後，貓立刻摁開關就出去了，它的學習時間很短。
巴普洛夫的狗、桑代克的貓與斯金納的老鼠
第三個是斯金納（ BF Skinner）的老鼠。斯金納把老鼠關在籠子裡，籠子裡有兩個按鈕，一個按鈕按下去有好吃的掉下來，還有個按鈕按下去警鈴大作。老鼠一不小心碰到警鈴把它嚇壞了，所以第二次再把它放進去的時候，它看到警鈴就會躲得遠遠的。
這是心理學當中的一個學派——行為主義。行為主義認為心理學沒有辦法知道別人腦子裡究竟在想什麼，只有觀察他的行為。這個學派就直接導致了人工智慧當中的強化學習這一派在過去幾年中的蓬勃發展。
AlphaGo就是一個典型。AlphaGo的核心思想就是從心理學這一流派衍生出來的。今天非常火的深度學習，本質只是做一個映射，把輸入到輸出之間做一個映射，然後做一個數學上的最大值或者最小值，其實它沒有智商、沒有情感。AlphaGo棋下得再厲害，它也不知道它在下棋，而且它很容易被騙過。
第四個是無人駕駛。無人駕駛非常高大上，但是無人駕駛公司不會跟你說，他們請了很多很多人給這些卡車、汽車、行人、紅綠燈打標籤。他們在這上面花的錢，比請所有數據科學家加在一起還要多。所以今天的人工智慧是有很多人工的，沒有人工就沒有智能。在裡邊打標籤最終表現出來的智能，其實人工比智能還要多。
包括我們的機器翻譯，實際上今天的機器翻譯並不懂它在翻什麼，它不懂意思，但是它翻得很好。所以今天的人工智慧表現出有很高的智能，其實它並沒有智能。
未來十年人工智慧趨勢與挑戰
總結一下未來十年人工智慧發展的一些主要方向。
第一是從相關性到因果。大家現在非常關心相關性，不太關心因果。
第二是從感知到認知。今天的人工智慧主要都是感知，能夠知道周圍發生了什麼，但是它不能夠認知。從感知到認知有很多途徑，比如我剛才講的腦科學、符號主義（註：符號主義就是第一波人工智慧和第二波人工智慧中，人們認為智能可以是通過計算得到的，明斯基有一句話就是，「大腦只不過是肉做的機器而已」。）、意識（有科學家提出，人的意識是長期記憶跟短期記憶當中進行轉存的時候所需要的一種能力）以及強化學習。
人工智慧什麼時候能夠自己有興趣去做一件事情，而不僅僅是受到外界的一個獎勵？今天強化學習的AlphaGo，它只是因為我們給它外界的獎勵，它沒有內在的興趣，我們能不能想辦法讓人工智慧有興趣去做它自己想做的事。
還有一點非常重要，我們現在這一波人工智慧當中最火的這些技術，都是二十年前就已經發明了的。現在的人工智慧缺乏理論上的儲備和突破。所以未來十年當中，從學術領域來說，人工智慧能不能出現大的突破，也挺令人擔憂。
AI的未來發展有哪些隱憂？
我們現在的人工智慧繁榮，只是因為現在的計算力和數據足夠多，把二十年前、三十年前的技術實現了而已。
最近人工智慧的主要發展來源是什麼？第一是腦科學、心理學，第二是經濟學、博弈論。去年的圖靈獎得主傑弗里·辛頓（Geoffrey Hinton）帶來的深度學習熱潮，其實其起源是量子力學的玻爾茲曼機。所以我們看到人工智慧的發展不是在計算機科學內部，而是其他領域給人工智慧的發展帶來了很多新的思想。
所以我覺得人工智慧一定是人才之爭。人才培養需要從本科生開始，要通才教育。至少你把數學、統計學這些基礎學好之後，要學得很寬廣，要有人文科學。矽谷已經讓大家知道科技是可以改變世界的，但是如果我們把人文科學放進去的話，結果將是不一樣的。
現在的人工智慧就是我們知道它、知道怎麼用它，但是我們還不知道為什麼。
我舉一個例子，牛頓（Isaac Newton）發現牛頓三大定律，其實是在開普勒（Johannes Kepler）的行星定律基礎之上，而開普勒的行星定律是在他老師第谷（Tycho Brahe）的大量觀察數據基礎之上完成的。
所以其實我們發現，科學發展都會經歷這樣一個階段。就是要先收集數據，然後發現規律，再去解釋和應用它。所以現在在深度學習領域，我們還沒有發現它的理論。
那麼融合智能時代，我想用無人駕駛來做一個象徵。汽車無人駕駛，其實是融合了現在主要的人工智慧的所有技術，包括物聯網、5G技術。未來的話，比如說車在過紅綠燈的時候，都是無人駕駛的話，可能就不太需要紅綠燈了。這時候就需要通訊——可能是車和紅綠燈基礎設施的通訊、還有車和車之間的通訊——兩輛車過馬路的時候會互相協商，你先過還是我先過，這都需要5G的高速通訊，慢一點點就會出現交通事故。
大家知道摩爾定律60年代左右提出的。在摩爾定律之前，我們稱其為擴展摩爾定律。從1900年開始，人類的計算能力已經開始指數增長了，是以10為單位的指數增長。現在有人說摩爾定律要失效了，因為已經到了它的物理極限。
而我們看到量子計算機可能是上億倍地提升我們的計算能力，我們知道這波人工智慧主要是靠算力才得以發展的，而我們看到人類現在對於所有的新技術採納的速度是越來越快的。我們看到1900年的電話機，可能用了幾十年的時間才普及；而像現在的筆記本電腦或者是平板電腦，只用了幾年時間就已經普及了。
所以技術的發展在不斷加快，最後我們看到今天的人工智慧像是什麼呢？今天人工智慧像是個鸚鵡，它學人說話學得很像，你覺得它已經很像人了，其實它很傻，智商很低。
很聰明的動物是什麼？是烏鴉。我們看到在日本有人拍到的這樣一個場景：有烏鴉撿到一個堅果，它要吃堅果裡面的肉，就把堅果拋起來，想掉地上把它砸碎。砸不碎，它就把堅果放到馬路上，車軋過去之後它就可以吃到裡面的肉了。但是路上車很多，它如果下去的話一不小心會被車軋死，它發現紅燈的時候車會停下來，這時候是它下去吃堅果的最好時候。
所以現在的人工智慧是鸚鵡，將來我們的通用人工智慧，它要有解決問題的能力，要變成像烏鴉這樣的。
群體智能
這個是我們的群體智能，群體智能是說我們看到的蜜蜂也好，行軍蟻也好，它的單體都是智力是很低的，但是放在一起的話，表現出來的群體的智商非常高。集群智慧也是實現人工智慧的一個途徑。
費米（Enrico Fermi）被稱為二戰之後僅次於愛因斯坦（ Albert Einstein）的最聰明的物理學家，他講過我們宇宙的結構其實可能很簡單，但只是數量很多。很多很簡單的東西放在一起，當它的數量到了一定程度，量變發生質變，然後就會湧現出難以想像的事情。比如說我們剛才講的人的意識，就是有很多每個都很簡單的神經元放在一起之後，形成的一個非常複雜的難以想像的新的生命。
人工智慧在增長期還是爆發期？
達爾文預測的地球物種數量與實際物種數量
最後，我認為現在人工智慧還處在一個非常早期的階段，用生命來打比方就是史前文明階段。如果達爾文（ Charles Robert Darwin）的進化論是對的，地球上的物種數量應該是沿著A這條曲線上升的，而實際上考古學家發現地球上的生命物種數量是按照B這個曲線上升的。
從5億3000萬年到5億1000萬年前，在短短的2000萬年的時間中，95%的物種都一下子出現了——如果我們把地球的歷史算成24個小時，這個2000萬年就相當於是5分鐘——這個階段我們稱為叫寒武紀大爆發。
其中一個原因就是在寒武紀早期，動物分化出了眼睛。原來動物基因突變長出了兩條腿，如果沒有眼睛的話，這兩條腿對它就是個累贅，這個物種就被淘汰掉了；但變成有眼睛之後，這兩條腿可能變成它的生存優勢，吃東西可能更方便，這個物種就能夠存留下來。
現在的人工智慧就是可以看懂這個世界、可以聽懂這個世界，就好像是在寒武紀大爆發早期的眼睛，特別是當這種人工智慧成為一種基建，成為賦能所有應用的能力之後。
我相信，在未來的十年、二十年，人工智慧會給整個人類帶來一個完全不一樣的命運。
（本文未經造就授權，禁止轉載。）