AI，全称Artificial Intelligence。人工智能，是计算机科学的一个分支，从1956年被公认为一个学科之后，至今已经经历了60年的发展。
说起人工智能，一些人眼中泛起的是希望的曙光，另一些人眼中则流露出了忧虑和谨慎。
2014年，特斯拉和SPACeX的创始人伊隆·马斯克(Elon Musk)就曾公开表示：“我需要盯着人工智能的一举一动，因为我认为它有潜在的危险。”同年，英国著名物理学家史蒂芬·霍金(Stephen Hawking)用彷如机器的声音指出：“开发全面的人工智能可能会致使人类灭亡。
但在绝大多数人印象中，人工智能还停留在影视作品中。
人工智能对我们来说究竟意味着什么?作为谨慎的乐观派，猎豹全球智库希望通过这篇文章，深入浅出的和各位聊聊这个轻松又深刻的问题。
本文全文约5000字，阅读大概需要6分钟。文中如有描述有误或资料不对的地方，欢迎各位读者留言指出，智库的小伙伴们期待与你的交流~
Part1 人工智能现在怎么样?——硕果累累 又遥不可及
从90年代到现在，人工智能再次经历一个发展的黄金期，各个方面硕果累累，尤其是在专用网络方面，已经迎来的爆发性的成果。
1.AlphaGo：是里程碑 但谈不上飞跃
以最近的例子来说吧。2016年，由Google公司DeepMind开发的围棋程序AlphaGo战胜韩国著名选手李世石，首次在围棋上战胜人类。
人类在最不可能被战胜的项目上被AI战胜了，这可以说是人工智能发展的一个里程碑，但要说人工智能的飞越却也显得有些中气不足。人工智能距离我们依旧很远。
相比于1997年在国际象棋上击败了人类的深蓝，无论是从算法的先进性以及计算的深度等方面来看，AlphaGo无疑是进步。
国际象棋和围棋的蒙特卡罗树决策对比，围棋需要更复杂更深度的计算
不像深蓝刻板的程序式计算，AlphaGo在开发中融入了深度学习与自我对弈的过程，开始变得有点像人类一样会不断学些和进化。棋盘上的AlphaGo完胜人类。AlphaGo根据对手的策略来在制定对自己有利的策略，从而完成致胜。在于李世石的对弈中，AlphaGo优势甚至展现出了放弃局部的利益而从而获得整体利益的最大化的能力。目前GoRatings排名第一的柯洁看了AlphaGo的比赛后也惊叹，这完全不像一个程序在下棋，而更像是出自一个人类棋手之手。
截至2016年10月，AlphaGo的等级分仅次于柯洁，世界排名第二，而AlphaGo的诞生也就仅仅十几个月时间 ，AlphaGo仅次于柯洁。基于ELO算法的“GoRatings”世界围棋排名是当今对弈水平评估的公认的权威方法。
2.战胜了人类 并不代表学会了人的思维
AlphaGo真正可以像人类选手那样理解围棋吗?答案就未必了。
AlphaGo的整个学习过程是一个不断自我矫正的过程，编程人员没有将围棋规则告诉AlphaGo，只是不断输入各种对弈的数据，然后从结果上告诉AlphaGo是输是赢。AlphaGo再自我对弈通过不断的试误，把不能赢棋的下法统统淘汰，保留可以赢的下法。
BP反向传播算法大致示意，AlphaGo深度学习中用到的算法
正如复旦大学计算机科学技术学院教授危辉所说，AlphaGo不懂围棋，只是记下了海量的“布局VS布局”映射关系，所谓的类推理能力是以现有的巨大体量数据为基础，由海量样本间相似性得到的，其实根本没有创新。
这可以说AlphaGo学会了在19*19的围棋盘上的制胜策略，但不能说AlphaGo真正理解了围棋。假如我们现在让李世石和和AlphaGo再对弈一局，规则不变，然而只是把棋盘从标准的19*19的棋盘，换成24*15的非标准长方形棋盘，在双方都是第一次对弈的情况下，李世石可以根据以往围棋的经验，很快找到规律和致胜策略;而缺少了对弈案例和学习的AlphaGo也许只能两眼一抓瞎。
3.人工智能要颠覆人类?还欠点火候
人工智能先驱硅谷“老炮儿”皮埃罗·斯加鲁菲(Piero Scarruffi ) 在AlphaGo获胜时对它大泼冷水，认为这没什么值得骄傲的，他表示“AlphaGo除了下围棋之外，连一只苍蝇都不如”。或许经过学习的AlphaGo可以在其他方面也胜过人类，但这也说明了AlphaGo所代表的的人工智能在泛用性上显得有些欠缺。
除了AlphaGo，在各种专业问题的处理上，人工智能已经开始了应用，例如近期在线直播火爆，因此有些公司开始切入直播鉴黄这个细分领域，阿里巴巴和腾讯分别拥有阿里绿网、万象优图两大鉴黄系统，而在创业公司方面，较为有名的有图普科技、飞搜科技、深图智服等公司。
腾讯的万象优图鉴别案例，其经过学习已经能识别大部分违规图片和视频
这些在各个领域发展的风生水起的人工智能，从分类上来说可以归类为弱人工智能Artificial Narrow Intelligence (ANI)。ANI可以帮助我们在生产生活的更有效率，“智能+”或许可以让我们活的跟好，但距离革命性的颠覆我们的生活，还有差一点。人工智能看似距离我们很近，实际上却又很远。
Part2 发展的瓶颈——弱人工智能ANI或许将伴随我们很长时间
不少人相信，我们所期待的，像是影视作品中一样的人工智能会很快到来。然而现实情况看，他们可能有些过于乐观了。
1.你口中的人工智能 究竟在那个层级?
一般来说，人工智能可以分为三个层级。
目前我们所熟知的，包括AlphaGo在内的种种已经应用了人工智能，都仅能被称为弱人工智能Artificial Narrow Intelligence (ANI)，弱人工智能是擅长于单个方面的人工智能。比如AlphaGo能战胜围棋世界冠军，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。
而影视作品中出现的人工智能，比如最近很火的《西部世界》里面各种人造人，从级别上划分应该属于强人工智能或泛用人工智能Artificial General Intelligence (AGI)。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。Linda Gottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时应该和人类一样得心应手。也可以说，强人工智能可以通过“图灵测试”。
更进一步人工智能，科学家们将它定义为超人工智能Artificial Superintelligence (ASI) 。牛津哲学家，知名人工智能思想家Nick Bostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的。超人工智能也正是为什么人工智能这个话题这么火热的缘故，同样也是为什么永生和灭绝这两个词会在本文中多次出现。
2.从ANI到ASI需要克服的两大难题——算法和运算能力
从弱人工智能ANI到泛用人工智能AGI，再到超人工智能ASI，虽然只有一字之差，实现的难度却不可同日而语。
首先我们面临的是算法上的难题。
在人工智能的发展过程中，人工智能其实很早就解决了一些人类看似非常困难的东西，例如证明几何定理，解决现代数学应用题等，这些早在上世界70年代左右就已经被人工智能攻克;但是诸如语音语义识别，图像识别，让机器学会两腿行走等等，这些在我们看来稀松平常的事情，人工智能却发展了很长时间才能做到。
这种现象被叫做莫拉维克悖论，也就是说和我们的常识相左，人类所独有的高阶智慧能力实际上只需要非常少的计算能力，但是无意识的技能和直觉却需要极大的运算能力。
一些我们觉得困难的事情——微积分、金融市场策略、翻译等，对于电脑来说都太简单了
我们觉得容易的事情——视觉、动态、移动、直觉等，对电脑来说太难了。
用计算机科学家Donald Knuth的说法，“人工智能已经在几乎所有需要思考的领域超过了人类，但是在那些人类和其它动物不需要思考就能完成的事情上，还差得很远。”
除了算法上的难题，其次还有来自运算能力的制约。
目前，硅芯片的工艺从90纳米、45纳米、22纳米，到现在最成熟的14纳米，虽然单位面积内的计算单元越来越多，造价越来越便宜，但这个趋势已经逐渐放缓，最好的例子是英特尔在14纳米的工艺上固守了好多年，迟迟没有往下缩小。虽然不断有新工艺在产生，台积电和三星都在为了将工艺水平提升到10nm甚至7nm不断的努力，但考虑到成本、功耗、散热等等条件的制约，这样进步的过程只会越来越慢。曾经对IT行业影响长达半个世纪的“摩尔定律”已经走到了尽头。
图片来源：未来电晶体科技发展蓝图与挑战Applied Materials(2013)
有人说，“一块芯片不行，用很多块芯片合起来不就行了?再不行还有云计算啊。”在不考虑功耗和实用性的情况下，多重CPU/GPU的串联并联或许可以增强一些运算能力，但这样的处理方式会让计算受到响应速度和传输速度的影响，最终也会达到极限。同理，云计算也是一样。
算法和运算能力两个条件并不是相互孤立的，而是相互制约，现实中，人工智能的发展受到运算能力的约束更多一些。比如从深蓝到AlphaGo，实际上就是运算能力的突破而带来的算法的突破的结果。
3.和人一样聪明需要多大的运算量?
要达到强人工智能AGI级别，让人工智能变得和人类一样聪明，至少要让人工智能具备和人类大脑相似的运算能力。
用来描述运算能力的单位叫作cps(calculations per second，每秒计算次数)，要计算人脑的cps只要了解人脑中所有结构的最高cps，然后加起来就行了。谷歌的技术总监Kurzweil曾经做过一个估算，其结论是人脑的cps是10^16，也就是1亿亿次计算每秒。
中国的超级计算机——天河二号
现在最快的超级计算机，中国的天河二号，其实已经超过这个运算力了，天河每秒能进行3.4亿亿。当然，天河二号占地720平方米，耗电2400万瓦，耗费了3.9亿美元建造。广泛应用就不提了，即使是大部分商业或者工业运用也是很贵的。
Kurzweil认为考虑电脑的发展程度的标杆是看1000美元能买到多少cps，当1000美元能买到人脑级别的1亿亿运算能力的时候，强人工智能可能就是生活的一部分了。这显然是一个有些久远的现实。
综合前文所述，弱人工智能可能会在不同的方面分别渗入到我们的生活中，我们的生活也会因为弱人工智能而显得便利。但目前看来，除非有特别重大的基础科学和材料科学方面的突破，以解决目前的运算瓶颈，否则强人工智能依旧会离我们很遥远。超人工智能还依旧是个遥遥无期的设想。
Part3 一些实际的问题
有了前面两部分关于人工智能的发展和前景的论述，接下来我们可以对一些实际的问题进行畅想了。
1.AI会抢人类的工作吗?
毫无疑问，在某些领域，弱人工智能ANI对人类的替代已经开始了。
例如猎豹移动的News Republic，利用数据分析和挖掘等手段了解用户的新闻取向以及使用习惯，通过智能编辑用户提供丰富多彩的个性化新闻内容推荐，同时不断自我学习和优化，让所有人的界面实现“千人千面”。这代替了传统页面编辑的工作。而猎豹移动的LIve.me依靠可以人工智能，识别直播中有黑屏，停顿，或是主播进行色情表演等问题，识别率高达90%。这代替了审核人员的职能。
News Republic、live.me的推荐审核等功能都运用了人工智能
例如，近来在大红大紫的科大讯飞，其在语音语义识别上已经做到了97%的准确率，其推出的速记产品讯飞听见在多个大型会议上都有惊艳的表现，其对语音的判断和语义的识别已经达到了专业速记的水平，完全可以取而代之。
讯飞听见现场识别案例
又例如参加过猎豹CONNCET大会的格灵深瞳，其研发出了“深瞳无人监控安防系统”，一举解决了传统安防监控行业“看不见”和“找不到”的行业基本痛点。传统的安防监控中心，一个保安需要同时看几十上百路视频，即使发生了异常事件，能够被保安看到的概率也是非常小的;而当异常事情发生以后，需要靠人力去大量的硬盘数据里面寻找线索，这是一项极其浩大的工程，耗时特别长，效率特别低。格灵深瞳的产品可以代替“保安盯屏幕”，从而安防单位可以将人力投入到更加重要的事情中。
通过以上案例，我们不难想象，人工智能对对一些低创新、规律简单、重劳力的岗位将冲击很大。在目前的技术条件下，随着学习过程的不断完善，人工智能将不断完善，自动驾驶、智能泊车等系统将对驾驶行业产生巨大冲击;而经过大量学习完善的客服系统将对人工的客服产生不小的冲击。
人工智能在一段时间内不大可能取代人类做一些需要拥有思维能力和创新的工作，原因是智能程度达不到相应的要求。因此来看，艺术行业、公关、HR、营销、市场、科技创新，管理岗位等等，这些人类职位不会被AI所取代，但AI会对这些行业产生深刻的影响。
2.我们和AI会是什么关系?
正如前文所说，人工智能或许会长时间处于弱人工智能ANI阶段。未来的工作方式可能是“智能+人工”，在一些AI擅长的领域，AI或许将帮助人类做一些繁重的逻辑、计算工作，以及提出方案、计算可行性等，而人类将在AI的帮助下进行工作。
像是金融市场领域，目前已经有很多基金是“智能+人工”的操作方式。
伦敦的对冲基金机构Castilium由金融领域大佬与计算机科学家一同创建，包括前德意志银行衍生品专家、花旗集团前董事长兼首席执行官和麻省理工的教授。他们采访了大量交易员和基金经理，复制分析师、交易员和风险经理们的推理和决策过程，并将它们纳入算法中。
又例如坐落在香港的Aidyia致力于用人工智能分析美股市场，依赖于多种AI的混合，包括遗传算法(genetic evolution)，概率逻辑(probabilistic logic)，系统会分析大盘行情以及宏观经济数据，之后会做出自己的市场预测，并对最好的行动进行表决。
3.我们会为AI的工作吗?
那些担心我们会为了AI工作的人也可放心，就前文列举的诸多事实来看，未来公司管理运营方面人工智能不会取代人类的CEO。
正如前文所说，人工智能或许会长时间处于弱人工智能ANI阶段，弱人工智能ANI是不能胜任管理工作的。我们不会为机器人工作，但是AI融入管理是必然的趋势。未来在管理中，或许会是“智能+人工”的方式，即AI帮助管理者处理一些量化的工作，AI帮助人类做一些繁重的逻辑、计算工作，以及提出方案、计算可行性等，但真正决策的还会是人类的CEO。“智能+人工”可以带来高效、低失误率的工作方式。
如果真有可以管理人类的AI出现，那种量级的AI应该可以被归类为超人工智能ASI，那个时候或许人类就不单单只是AI的员工了，而是整个人类社会都可以上交AI之手，就像黑客帝国那样。但就运算能力来看，那天还遥遥无期，所以完全不用杞人忧天。
4.未来AI社会，人类何去何从?
人工智能的广泛应用可以提高人类的生产力，加强社会福利。这个过程中，人类社会的结构和经济结构也会发生改变。
目前，已经有工业生产制造等，有标准化的行业，机器生产取代人工生产已经发生。虽然没有学习功能，但智能机器人已经普遍投入到了生产行业中，随着人力成本的提高，这更将成为一个趋势。
今年10月份，富士康就在中国各大生产基地上布置了超过4万台机器人，据报道称，，富士康每年可以打造1万台机器人，未来它们将继续利用机器人替代人类，而仅仅在昆山工厂，它们最近就裁掉了6万员工。
未来，机器人、AI代替人类进行繁重、危险的工作是趋势，这应该是社会的进步，这也有助于提高社会的生产力。而机器人、AI融入生产，换言之也是将人类从繁重的生产劳动中解放出来，必然将改变整个经济的结构。
生产力的发展，经济结构的改变，必然也会催生新的需求，这也意味着新的工作岗位。而且这种替代发生在一夜之间的可能性非常小，笔者相信有足够的时间给人类社会去适应这种改变。
