《AI·未来》读书分享

今天给大家分享最近读的一本书：《AI·未来》。 该书作者李开复，1988年获得卡耐基梅隆大学计算机博士学位，之后曾在苹果、微软、谷歌等大厂任职，2009年成立创新工场，2023年创办零一万物。 本书出版于2018年，当时是中英双语版同步上市，英文版名为《AI Superpowers: China, Silicon Valley, and the New World Order》。 这个英文书名更准确地概括了本书内容，也就是对中美两个AI超级大国进行比较，并给出作者所认为的新秩序。

中国的“斯普特尼克时刻”

本书第一章从2017年5月的一个事件讲起，即柯洁和人工智能（AI）程序AlphaGo的围棋人机大战。 早在2016年3月，AlphaGo以4:1战胜了韩国棋手李世石，已经引起了广泛关注。 柯洁有时间研究对手，自认为有六成胜算，可结果却以0:3输给了AlphaGo，一局也没赢，直接被打哭了。

该事件被作者称为中国的“斯普特尼克时刻”。斯普特尼克（Sputnik）是苏联1957年发射的世界第一颗人造卫星的名称。 当年苏联首次发射卫星引发了美国大众对苏联科技领先的焦虑，促使美国政府于次年就设立了国家航空航天局（NASA），加大了对数学及科学教育的补贴，从而推动美、苏两国进入了“太空竞赛”。 大规模的全民科技动员，在12年后收获了美国首次登月的成果。

之所以把AlphaGo打败柯洁称为中国的“斯普特尼克时刻”，是想类比苏联卫星刺激了美国的航空航天发展，认为它也刺激了中国的AI产业发展。 该事件后不到两个月，中国国务院公布了《新一代人工智能发展规划》。 该计划明确提出2020、2025年的发展目标，并希望到2030年中国能成为人工智能领域的全球创新中心，在理论、技术及应用等方面处于世界领先地位。

但中国真得能在人工智能领域领先吗？在一些分析师眼里，中国注定要继续扮演数十年来一直保持的角色：一群被尖端领导者远远甩在身后的模仿者大军。 本书作者在后面几章中，通过中美两个超级大国在AI的四个要素和四波浪潮方面的对比，来说明上述看法是错误的，中国是可以领先的。

AI普及的四个要素

一个世纪以前，新发现的电力得以广泛应用依赖以下四项重要因素：用来发电的化石燃料、电力领域的创业者、电力工程师、致力于发展基础设施的政府。 今天，若想妥善利用人工智能的能力（即21世纪的电力），也需要四项要素：大量的数据、热切的创业者、人工智能科学家，以及对人工智能友善的政策环境。

中国创业公司的竞技场选拔出了世界上最精明强悍的企业家，中国的另类互联网世界创造了世界上最丰富的数据生态环境，再加上另外两方面因素——人工智能研究状况和中国政府的政策环境，硅谷的优势将不复存在。

企业家

中国企业家以模仿起家，又不局限于模仿。仿制的产品问世后，由市场导向的创业者不断迭代产品，以更优质的产品服务用户。 他们不仅要击败来自硅谷的模仿对象，还得击败国内大批竞争对手生产的相似产品。 书中列举了不少例子，下面是典型的两个。

第一个是马云创办淘宝。 淘宝模仿eBay，但也增加了几项重要的创新： 为克服中国用户对在线购物信任感的不足，创立了“支付宝”（Alipay）模式，在买方确认收到商品之前，冻结购物款项，不即时转给卖方，支付宝作为有信用的中间商来担保交易； 增加了即时发送消息的功能，让买卖双方能够实时沟通； “免费+增值服务”的营收模式，即基本功能免费，增值服务收费，这也是后来战胜eBay的最大武器。 当时，在eBay上发布商品要收费，商品售出时要收费，若买方使用eBay旗下的PayPal付款，卖方还得再支付一笔费用。 eBay当时还发布了一篇居高临下的新闻稿来教训马云：“免费不是商业模式”。 可惜不久后，它在国内的市场占有率就如自由落体般下跌，后来完全撤出了中国市场。

第二个例子是王兴创办美团。 王兴曾模仿Facebook和Twitter创办过校内网和饭否，并在此过程中积累了经验，也使他创办的美团网能够经历“千团大战”的残酷厮杀脱颖而出。 此后，美团的模仿对象Groupon仅依赖自己的团购折扣主业而不思进取，到2014年股价已经跌破了发行价的一半，现在的股价更是大不如前。 而王兴则不停地扩展美团的业务线，持续改造自己。 伴随着中国经济的一波波风潮——高涨的电影票房、爆炸的外卖生意、庞大的观光旅游潮、兴旺的线上到线下（Online To Offline，O2O）业务，王兴对美团也在随时进行调整，并最终将其打造成一个庞大的生活平台。 如今美团在共享单车、在线超市、甚至充电宝租赁等业务也逐渐占据市场主导。

在竞技场上磨炼过的中国创业者不比美国精英差。 在中国，他们还拥有人工智能产业与应用所必须的第二个要素：数据。如果把人工智能比作电力，那么大数据就是发电所需要的燃料（石油）。 中国借着其充满活力且独特的互联网生态系统，已经成为人工智能时代全球最大的“产油国”。

数据

想要训练出成功的AI，需要大量的算力和数据。 算力可以堆叠，最终数据才能决定一切。

中国的数据优势不仅体现在数量上，在质量上也有保证。 中国庞大的互联网用户群（比美国和欧洲加起来都多）提供了海量数据，这些用户在现实世界的行为又支撑了数据的质量。 硅谷巨头从用户在线活动中收集数据，如搜索、上传照片、观看 YouTube视频、点赞等。 中国公司则不仅如此，还能根据用户线下的行为收集数据：何时何地购买了什么物品、餐饮习惯、化妆品的选用、交通服务的选取等。 这类数据与现实世界的紧密结合，在与硅谷的竞争中具备天然优势。

这得益于移动支付的普及，带动了O2O业务的渗透，模糊了线上和线下之间的界限。 移动支付在中国普及的程度可以通过这样一个例子来说明：2017年3月，一对倒霉的表兄弟从外地大老远来到杭州，想“干几票大的”。 两人持刀连续抢了三家便利店，却发现里面都没多少现金，因为绝大多数顾客都用手机扫码付款。 两人合计只抢到了一千多元人民币，还不够来回杭州的路费……

移动支付和O2O方面中、美两个市场形成巨大的差距，部分原因是两国在上一代先进技术上的强弱差异。 美国人信用卡体系成熟，中国则直接跳过了这一步。 还有一个更深层的区别，即“轻量”（going light）和“重磅”（going heavy）的经营模式差异。 美国公司偏向于轻量，只把一件事情做好，并局限于通过线上app或平台来打通信息； 而中国公司偏向于重磅，一是体现在大而全，典型的是微信这样的超级应用，二是体现在不仅做线上，还会参与线下实体经营。 淘宝物流、滴滴车队、链家自行装修和出租住房都是这方面的例子。

总之，中国的“另类互联网”通过模糊线上线下之间的界限来解决实际问题，在此同时丰富了大数据的内容生态。 中美两国数据生态系统的差异在未来人工智能落地的时代将造成更为深远的影响。

科学家/工程师

不可否认，美国在科研和顶尖科学家方面确实还是领先的，但这种领先带来的优势已经没有之前那么大。 如今，在被问及中国和硅谷在人工智能研究上的差距时，有人开玩笑道：差距是16小时——加利福尼亚州和北京之间的时差。 由于人工智能研究的开放性和速度，大多数前沿的研究成果对全球来说几乎都是快速可见的。 开放是为了给竞争一个客观标准，使结果具备可复现性；快速发表（例如立刻在www.arxiv.org这类网站公布）是因为晚的话纪录可能早就被其他研究者打破了。

另一方面，中国研究者也已经在赶超他们的美国同行，并占据越来越重要的地位。 除了看论文引用数量这种量化指标，还有一个事情也体现了这一点： 在2017年，美国人工智能促进协会（The Association for the Advancement of Artificial Intelligence，AAAI）举办的业界重要年度学术会议时间与中国的春节撞了车，最终举办方“花了好大力气将会议推迟了一周”。 放在几年前这根本不是问题，历史上美国、英国和加拿大学者一直统治着这一领域，有论文产出的中国研究人员屈指可数。 但是2017年的国际大会，提交论文的中国研究人员和美国研究人员人数已经不相上下了。

政策

在中国政府发布《新一代人工智能发展规划》几个月前，2016年10月12日，当时的美国总统奥巴马在白宫也发布了一个文件，详述了人工智能将为经济体系带来巨大转型，阐明了把握这个机遇的细节步骤，如增加研究投入、提高军民合作、投入应对社会变化等。 这份总结变化、提出方案的优秀报告没有激起美国人工智能的热潮，没有为人工智能创业公司带来新一轮风投和政府资助，也没有刺激市长或者州长们发布对人工智能友好的政策。 当新任总统特朗普在报告发布3周后入主白宫时，甚至直接提议减少10%的美国国家科学基金会经费。 美国社会各界对白宫发布的报告反应冷淡，与2017年7月中国国务院发布人工智能发展计划后引发的全民热潮形成了鲜明对比。 国内积极进取的城市纷纷采取行动，通过政府的“引导基金”将风投资金引导至人工智能领域，设置了数十个特别开发区和孵化器。 例如南京当时在高新开发区成立了“智谷”(AI Valley) 。

中国政府还从政策方面大力支持和发展芯片产业，以打破过去几十年硅谷在这方面的垄断地位。 科技部投入了大量资金，芯片创业公司如地平线、 比特大陆、寒武纪等均获得了大量投资，用于研发针对自动驾驶和其他人工智能应用的各种产品。 中国互联网巨头BAT也看到了芯片在人工智能时代的重要性，纷纷投入研发。 总之，目前在人工智能芯片领域硅谷仍然处于领先地位，但这一优势可能在未来10～20年被中国赶上，因为中国在产业升级过程中采用的自上而下的推进模式，在打造新的社会秩序和经济体系时具有独特的优势。

AI应用的四波浪潮

互联网智能（Internet AI）

第一波浪潮是互联网智能，在2012年后成为主流。 大体上说，互联网人工智能就是使用AI算法作为互联网内容的推荐引擎：这些算法了解、研究、学习我们的个人喜好，从而推荐专门针对我们的内容。阿里巴巴可以给用户推荐他们想买的东西， 谷歌可以列出用户想点击的广告，抖音可以推荐用户想观看的视频。

作者认为，中国得益于其另类的互联网环境，目前在互联网智能浪潮中和美国算是评分秋色，但预测5年后中国很有可能（但是没有绝对把握）胜过硅谷。

互联网智能方面中美对比打分：现在（2018年）五五开，5年后六四开。

商业智能（Business AI）

第二波人工智能浪潮是商业智能，使传统公司也广泛地从人工智能发展中获利。 商业人工智能给传统公司数十年来积累的大量专业数据贴标签，并通过算法利用这些数据来为业务提效。 例如在金融行业，保险公司通过AI来鉴别保险欺诈，银行进行贷款风险评估和额度发放；在医疗和法律领域的，算法作为智能医生和法庭助手；等等。

在这波浪潮中，美国建立了强势的领先地位。 因为美国企业习惯了使用会计、存货管理及顾客关系管理等领域的企业软件，有应用商业人工智能的原材料和意愿。 中国许多传统企业的经营模式和企业文化仍然像个体经营而不是现代企业组织，它们认为不值得在第三方的专业服务上花钱，其数据也往往不够标准化，难以和现有的企业软件和优化算法结合。 这方面只能慢慢转变，缩小差距。

商业智能方面中美对比打分：现在（2018年）一比九，5年后三比七。

感知智能（Perception AI）

第三波浪潮是感知智能，赋予了人工智能最宝贵的信息收集工具——眼睛与耳朵，把人工智能延伸至我们的生活环境。 通过大量的传感器及智能型器材，把我们的现实世界转化成可被算法分析与优化的数据。 例如智能音箱把声音环境数字化，大量摄像头和图像识别系统把城市交通流量数字化，人脸识别把面孔数字化，来保护我们的手机或数字钱包。

感知人工智能非常依赖硬件来使现实世界和数字世界同步。 硅谷或许在软件创新方面仍领先全球，但硬件创新却是中国深圳在领跑。 有硬件创业者说，在深圳的一星期，等同于在美国的一个月。 再加上中国人对数据隐私持更开放的心态，将使中国保持对美国的优势。 与此同时，这一波优势也将为第四波完全自主化的人工智能奠定基础。

感知智能方面中美对比打分：现在（2018年）六比四，5年后八比二。

自主智能（Autonomous AI）

自主人工智能是前三波人工智能浪潮的集大成者。 把极复杂的数据、感知和决策能力结合起来，AI不仅能了解世界，也能改变世界，所处理的工作范围就会大大增加：代表性场景是自动驾驶汽车，还有机器摘草莓、仓储中心捡货、无人机刷墙、飓风及地震的灾后搜救，等等。

这波应用中系统的复杂性以及所涉及到的安全问题，需要核心技术和世界一流的工程师团队，这使得优势倒向了美国。 美国领先地位的构成部分源自大量的顶尖专业技术人才。 不过之后的情况还取决于一个待定的问题：全面应用这些新技术（例如自动驾驶）的主要瓶颈是技术本身还是政府政策？ 目前还不知道瓶颈将出现于何处，第四波人工智能竞赛的未来局势还不明朗。

自主智能方面中美对比打分：现在（2018年）一比九，5年后五五开。

总结中美两国在以上四波人工智能浪潮中的实力评估和发展趋势，下面是一个汇总图（图中的“现在”是2018年）。

未来

危机

有人相信现在距离实现能媲美人类甚至超越人类的强人工智能（人工通用智能，AGI）只有一步之遥，预言的中位时间是2040年。 但作者认为距离真正实现的那一天还有几十年到上百年，甚至永远无法实现。

人类仍然会面临人工智能引起的危机，但这场危机并不是好莱坞大片里的机器人起义和对抗人类，而是人工智能带来的社会不平等和失业问题。 我们已看到网络世界走向垄断的趋势，少数几家互联网巨头掌控了大部分的互联网。 人工智能会将同样的垄断趋势带到互联网之外的行业中，使社会阶层差距日益明显。 掌握人工智能技术的国家和群体可以积聚大量财富，而弱势群体则更加弱势，甚至失业。 下面是书中对体力劳动和脑力劳动两大类职业被AI取代的可能性做的区分（图片为网友重绘版）。

失业影响的不只是收入，还会直接伤害到我们的认同感和价值感。 如果是人工智能导致的失业，带来的心理创伤还会更大。 人们只能看着自己用一生时间学习并掌握的技能，被算法或机器人轻而易举地超越。 既然我们能做的机器都能做，那我们作为人类的意义是什么?

蓝图

针对人工智能将引发的失业问题可以从以下三个方面去解决（3R方案）： 一是就业者再培训（Retraining workers)，推行在线教育和终身学习，不断掌握新技能； 二是减少工作时间（Reducing work hours），每周工作日变为四天，多人“分享”同一份工作； 三是重新分配收入（Redistributing income），通过税收和低保等调节手段，保障全民生活和社会稳定。

在这些具体措施之外，作者还提出了他理想中未来蓝图的大方向：人与AI和谐共存，各自做自己所擅长的事情。 人类更多地投入到使社会更有人情味和创造力的工作中：护理（Care），服务（Service），教育（Education）。 这里面大概包括抚养孩子、陪伴老人、帮助患病或有缺陷的人提升生活品质，治理环境、导游导购，学习知识、艺术，培养兴趣爱好等等。 这样的蓝图不能只靠自由市场和利润最大化的经营逻辑，需要通过政府的社会贡献津贴、投资人的影响力投资、企业的公益活动和社会责任行为等方面的努力来逐步实现。

结束语

虽然全书前面大量篇幅讨论中美的对比，但结尾部分强调了AI的发展不是军备竞赛，而是我们共同的未来。 作者最后说到：“我相信，人工智能的到来，是为了帮助人类从乏味、无趣的例行性工作中获得解放，并且推动我们思考人何以为人，以及人生在世的意义。”