人工智能不是復制人類，是另一個物種

羅振宇

先來看第一條：人工智能不是在復制人類，它是完全不同的另外一種存在。

過去，我們總以為人工智能是在復制人的思維方式。但實際上，完全不是這樣。

機器和人類的最大區別是什么？是機器不會疲倦。

它其實就是傳說中的那個——中國最牛的虛擬人物——別人家的孩子，一個勤奮的、聽話的、完美的小孩。你在打游戲的時候，他在學習，你在休息的時候，他還在學習。

2016年3月，AlphaGo在和李世石下圍棋的時候，5局只輸了1局。它輸了的那天，李世石在接受采訪和吃飯睡覺。而AlphaGo在干什么？它又獨自下了100萬盤棋。

這又一次完美地詮釋了這個時代最悲情、最無奈的那句話：比你聰明的人，還比你勤奮。

這是機器思維和人類思維的一個重大區別。

人因為能力有限，思維方式盡量簡化。我們從上學第一天起，接受的所有教育都是盡量用一個字詞、一段篇章、一個公式來描述這個世界。所以，就有那個重要的“奧卡姆剃刀原理”——如無必要，勿增實體。這樣可以更方便地理解和傳遞知識。

但是機器不需要這個“奧卡姆剃刀原理”。它的能力足夠強，它不需要把世界簡化之后再去理解。人工智能其實是讓世界恢復了原本的復雜性。

第四范式的老板戴文淵跟我講：人的思維習慣是怎么簡單怎么來，機器的思維習慣是怎么復雜怎么來。

在機器的思維里，沒有什么牛頓三大定律和愛因斯坦相對論的區別。那都是對世界簡化理解的產物。人工智能會把這個世界按照不同的速度，分成幾千種，然后總結出3000萬個定律。

在機器的思維里，也沒有什么“朝陽區群眾”的概念，那就是上千萬的具體的人，然后可以根據無數的維度、特征把它們區分開來。我們通常只會說男女兩性，但是機器會根據性偏好總結出56種以上的性別。我們通常會說，“70后”“80后”“90后”，但是機器一使勁兒，完全可以做到把年齡的劃分精確到每一秒。

一家店怎么可能是人工智能運行的結果？運用機器思維的亞馬遜公司擁有3億用戶，那就運行3億個店給你，每個人看到的亞馬遜是不一樣的。

老天爺，我們在和一個什么樣的物種打交道？我們原來文明的所有的基礎對它來說都不存在，它用最復雜的方式——它一出手我們就沒法兒理解的方式，在構建它自己的邏輯。

人工智能為什么在2016年爆發？就是因為駕馭這個復雜的因素出現了。業界公認2016年人工智能爆發的三大原因是：算法的進步、硬件的進步和大數據的進步。

算法。說了你也不懂，當然，我也不懂。看懂這些詞兒算你有本事：計算、連接、評估、糾錯、瘋狂培訓、非線性、分布式、自適應、自組織。

硬件其實指的就是GPU。啥是GPU，你也別為難我這個文科生了。總之一句話，它就是人工智能運行的硬件基礎。文科生還是看得懂數字的，GPU硬件的領軍公司英偉達，去年一年的股價，從30美元漲到100美元。一年漲了3倍多。順便告訴大家，這家公司的老板黃仁勛，是華人。

第三個詞，大數據。這是重點。

來看一個例子。怎樣讓電腦認出一只貓？

第一代人工智能的方法是，給出無數條件，然后試圖得出結論。也就是告訴電腦一大堆“如果，那么”。如果它有花紋、有爪、有胡子，等等，它就是一只貓。

可是深度學習不這么干。他輸入100萬張甚至更多貓的圖片，告訴機器：這里面有貓，你去認吧;你自己去定規則，自己去找規律。數據每大一個數量級，就越逼近于正確。

用深度學習下圍棋，其實它并不知道什么叫布局定式、什么叫飛、什么叫斷，在機器的眼里只有圖，只有一張圖往下一張圖演化時勝負的概率。數據量越大，它的水平就越高。

就像有人問美國聯邦最高法院的大法官波特·斯圖爾特：“你們法官斷案子，總說什么是色情作品。那請問，什么是色情呢？”斯圖爾特說：“我說不出什么是色情。但是我看了之后，就能知道。”這就是典型的人工智能邏輯。它不關心人類對一件事情的定義，但是它可以輸出你要的結果。

這里面最重要的是什么？是數據。

醫療用的人工智能，需要大量的醫療數據。越多的數據灌進去，診斷就越準確。

自動駕駛汽車的人工智能，需要的就是大量的路況數據。數據越多，駕駛技術就越好。

讀懂人的表情，沒有問題，24小時跟蹤一張張臉的變化，標定每一個細小變化的表情意義。

強悍的硬件帶來的計算能力，強悍的算法在飛速更替，再加上強悍的數據，造就了這一波人工智能的浪潮。

看見了嗎？人工智能和人完全不是一回事，它用完全不同的思路，但是達到了同樣的結果。所以人工智能不是在模仿人，而是抄了一條它自己熟悉的近道，然后趕上了人而已。