這幾年人工智能（AI）火起來后，很多人因為不明白其原理，產生了迷信和崇拜。甚至認為《終結者》《星球大戰》中的情景就要變成現實了。就連霍金和馬斯克，都認為人工智能有可能產生自主意識并統治人類。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=數學計算。

機器的智能程度，取決于“算法”。

最初，人們發現用電路的開和關，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。

為了實現更復雜的計算，最終變成了，“大規模集成電路”——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行，它就怎么執行，整個流程都是被程序固定死的。

所以，要讓電腦執行某項任務，程序員必須首先完全弄清楚任務的流程。

比如聯控電梯：

別小看這電梯，也挺“智能”呢。考慮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習，遇到問題自己解決呢？而我們只需要告訴它一套學習方法。

大家還記得1997年的時候，IBM用專門設計的計算機，下贏了國際象棋冠軍。其實，它的辦法很笨——暴力計算，術語叫“窮舉”（實際上，為了節省算力，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格做了優化）。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：“學習”的過程。

仔細想一下，人類是怎樣學習的？

人類的所有認知，都來源于對觀察到的現象進行總結，并根據總結的規律，預測未來。

當你見過一只四條腿、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，機器的學習方式，和人類有著質的不同：

人通過觀察少數特征，就能推及多數未知。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，能指望它來統治人類嗎。

它就是仗著算力蠻干而已！力氣活。

具體來講，它“學習”的算法，術語叫“神經網絡”（比較唬人）。

原理如下圖：

（特征提取器，總結對象的特征，然后把特征放進一個池子里整合，全連接神經網絡輸出最終結論）

它需要兩個前提條件：

1、吃進大量的數據來試錯，逐漸調整自己的準確度；

2、神經網絡層數越多，計算越準確（有極限），需要的算力也越大。

所以，神經網絡這種方法，雖然多年前就有了（那時還叫作“感知機”）。但是受限于數據量和計算力，沒有發展起來。

神經網絡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！

現在，這兩個條件都已具備——大數據和云計算。誰擁有數據，誰才有可能做AI。

目前AI常見的應用領域：

圖像識別（安防識別、指紋、美顏、圖片搜索、醫療圖像診斷），用的是“卷積神經網絡（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”循環神經網絡（RNN）“，主要提取時間維度的特征。因為說話是有前后順序的，單詞出現的時間決定了語義。

神經網絡算法的設計水平，決定了它對現實的刻畫能力。***大牛吳恩達就曾經設計過高達100多層的卷積層（層數過多容易出現過擬合問題）。

當我們深入理解了計算的涵義：有明確的數學規律。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都產生不了。

——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學影像的準確率，比醫生人工判斷得還準。引起一片驚訝。

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

人類醫生的診斷，是對發病機理、化驗結果的結合，而機器僅僅是根據醫生對大量化驗結果的歷史診斷，估算出近似值。雖然表面看起來還算準確，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？器官、血液、心情、飲食、勞動強度？模擬它們之間的相互聯系，進而懂得發病機理？

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

人類能認識內在規律，機器只能總結表面規律。

其實，我們連什么是智能、意識，還都完全沒弄清楚。只有幾個哲學家爭論，科學界對此毫無進展，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將極大提高生產力，是沒什么疑問的，就像曾經的內燃機一樣。也可能會產生破壞——但不是它自主破壞的，而是使用不當，殺人不是刀的錯。

可以肯定的是，它絕無可能統治人類。

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會導致失業潮嗎？

***次工業革***，新型紡織機搶走了紡織工人的飯碗。當時，工人們還真的聯合起來鬧了一鬧，砸了一些工廠和機器。

現在是不是又到了那個階段？自從電腦出現，人們就一直在擔心電腦搶了自己飯碗。

其實，經濟學中有一個簡單粗暴的定理：

人的欲望和需求是無止境的，當技術的進步加大了低端產品供給時，需求會自然向高端移動。

有需求就會有就業。（注：需求=有購買力的欲望）

結構性失業一直在持續，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。

哪些職業容易被替代呢？從“人工智能=數學計算”可知：

那些算法越明確的工種，機械化、重復化的勞動，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“需求路徑理論”（以后發表，請關注《功夫讀書》），這個過程不是被替代，而是被跳過。這種職業也是危險的。

職業的結構性調整，過程是漸進的。并不會說AI產品一下子全部鋪開，大量工人一下子失業。

理論上講，沒有絕對不可能替代的工作，大勢浩蕩，無法阻擋。只能是加強學習，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。