在智能时代我们能做什么---读《智能时代》有感

在2016年，谷歌的一款围棋人工智能程序AlphaGo以四比一的压倒性优势战胜了韩国的九段棋手李世石，这使得“人工智能”一词成为了科技界的热门词汇，这也同时预示着“智能时代”已经到来。什么是人工智能？什么是智能时代？这个新的时代对我们的学习和工作有着怎样的影响呢？在2016年，吴军老师(没错，就是《浪潮之巅》的作者，一位高产的科技布道者)出了一本叫做《 智能时代 》的书，为我们全方位、多角度地介绍了智能时代的方方面面的内容。得知本书出版的消息之后，我第一时间里在罗辑思维上下了单，并在最短的时间里阅读了全书。读完了一遍，觉得还不过瘾，于是又阅读了第二遍。在进行第二遍阅读的时候，我做了详细的笔记。本文是我的学习笔记及一些随想，供大家学习参考。

关于作者本书的作者吴军老师，出版了包括本书在内的六本书，分别是《数学之美》、《浪潮之巅》、《文明之光》、《大学之路》、《硅谷之谜》和《智能时代》。我个人看了吴军老师出版的所有书及很多讲座视频，同时订阅了他在罗辑思维的得到APP上面的专栏《硅谷来信》，我认为他既是一位技术大牛，又是一位高产的作家，同时也是一位优秀的演讲家。有关作者的具体介绍，请看这个链接： http://news.xinhuanet.com/book/2017-01/20/c_129455317.htm 。

关于内容本书的正文一共有七章内容。以下是各个章节的主要观点：

在“第一章 数据—人类建造文明的基石”中，主要有如下观点：

第一，数据是文明的基石，人类对它的认识也反映了文明的程度。信息是关于世界、人和事的描述，它比数据来得抽象。知识比信息更高一个层次，也更抽象，它具有系统性的特征。

第二，使用数据的标准流程：获取数据—>分析数据—>建立模型—>预测未知。

第三，在工程上，采用多而简单的模型常比一个精确的模型成本更低，也被使用得更普遍。只要数据量足够，就可以用若干个简单的模型取代一个复杂的模型，这种方法被称为数据驱动方法，因为它先有大量的数据，而不是预设的模型，然后用很多简单的模型去契合数据。

第四，要想数据驱动方法取得成功，除了数据量大之外，还有一个前提，那就是样本必须非常具有代表性。数据驱动方法最大的优势在于，它可以在最大程度上得益于计算机技术的进步。数据驱动方法是大数据时代的基础，也是智能革命的核心，更重要的是，它带来了一种新的思维方式。

在“第二章 大数据和机器智能”中，主要有如下观点：

第一，大量数据的使用，最大的意义在于它能让计算机完成一些过去只有人类才能做到的事情，这最终将带来一场智能革命。

第二，人工智能有两个定义：第一个是泛指机器智能，也就是任何可以让计算机通过 图灵测试 的方法；第二个狭义上的概念，即20世纪五六十年代特定的研究机器智能的方法。

第三，大数据的特性：第一，数据量大；第二，多维度；第三，全面性(或者说是完备性)。

第四，大数据(big data)传递了一种信息—大数据是一种思维方式的改变。

在“第三章 思维的革命”中，主要有如下观点：

第一，欧洲之所以能够在科学上领先于世界其他地方，很大程度上是依靠从古希腊建立起来的思辨的思想和逻辑推理的能力，依靠它们可以从实践中总结出最基本的公理，然后通过因果逻辑构建起整个科学的大厦。其中最有代表性的是欧几里得的几何学和托勒密的地心说。

第二，思维方式和方法远不如方法论对科学的发展至关重要。

第三，人们将牛顿的方法论概括为机械思维，其核心思想可以概括成如下几点：1)世界变化的规律是确定的；2)规律不仅是可以被认识的，而且可以用简单的公式或者语言描述清楚；3)这些规律应该是放之四海而皆准的，可以应用到各种未知领域指导实践。

第四，机械的广泛使用和机械的思维方式直接导致了人类迄今为止最伟大的事件—工业革命。机械思维更广泛的影响力是作为一种准则指导人们的行为，其核心思想可以概括为确定性(或可预测性)和因果关系。

第五，到了信息时代，机械思维的局限性也越来越明显：首先，并非所有的规律都可以用简单的原理来描述；其次，找因果关系已经变得非常困难了；另外，世界本身存在着很大的不确定性。

第六，1948年，香农在他著名的论文《通信的数学原理》中提出了“信息熵”的概念，解决了对信息的度量问题，并且量化地给出了信息的作用。在一个封闭的系统中，熵永远是朝着不断增加的方向发展的，也就是说从微观上讲，这个系统越来越无序，从宏观上看它趋于恒温。

第七，信息的度量就等于不确定性的多少，要想消除系统内的不确定性，就要引入信息。信息论是一种全新的方法论。

第八，香农第一定律，也称为香农信源编码定律，讲的是对于信源发出的所有信息设计一种编码，那么编码的平均长度一定大于该信源的信息熵；并且一定存在一种编码方式，使得编码的平均长度无限接近于它的信息熵。

第九，香农第二定律，讲的是信息的传播速度不可能超过信道的容量。它是自然界本身所固有的规律，能够解释很多商业行为。如果人脉不够，发出的信息和获得的信息都有限，生意一定做不大。

第十，最大熵原理：当我们要对未知的事件寻找一个概率模型时，这个模型应当满足我们所有已经看到的数据，但是对于未知的情况不要做任何主观假设。

第十一，大数据的科学基础是信息论，它的本质就是利用信息消除不确定性。

在“第四章 大数据与商业”中，主要有如下观点：

第一，大数据思维的三个亮点：第一，用统计规律和个案对比，做到精准定位；第二，用强相关性代替因果关系；第三，执法的成本或运营成本，在大数据时代会大幅下降。

第二，在历史上，一项技术带动整个社会变革的事情通常遵循一个模式：新技术+原有产业=新产业。

第三，信息革命有两方面的革命，首先是创造了一批与信息的产生、传输和处理有关的产业；另一方面，原有的产业在使用计算机之后产生了本质的变化，形成了全新的产业。

第四，通过对历次技术革命中商业模式变迁的分析，可以得出三个结论：首先，技术革命导致商业模式的变化；其次，生产越来越过剩，需求拉动经济增长的模式变得不可逆转；最后，商业模式的变化既有继承性，又有创新性。

第五，在大数据时代，IT软件和服务业依然会是IT领域最好的行业，这个趋势将会更加明显。

第六，未来产品的服务水平不完全取决于厂商对它的重视程度(比如服务态度)和相关技术，而更多要依靠智能化；未来，商家将在数据层面和智能化方面展开竞争。

第七，在未来，不同的企业有两点是共同的：首先，它们在人员构成上一定会有大数据的专家加入；其次，大部分企业并不需要自己成为大数据和机器智能开发的公司。在未来，我们可以看到，大数据和机器智能的工具就如同水和电这样的资源，由专门的公司提供给全社会使用。

在“第五章 大数据和智能革命的技术挑战”中，主要有如下观点：

第一，重大的技术突破常常需要酝酿很长的时间，有人把它称为相对停顿的状态；但是，当这些量的积累到一定程度之后，科技在短时间内获得单点突破，然后新科技全面迸发，这便是拐点。

第二，大数据实际上是对计算机科学、电机工程、通信、应用数学和认知科学发展的一个综合考量。

第三，大数据和传统的数据统计方法相比，在收集数据方面有了很大的不同：首先，传统的数据方法通常是先有一个目的，然后开始收集数据；在大数据时代，在收集数据时常常没有预先设定的目标，而是先把所有能够收集到的数据收集起来，经过分析后，能够得出什么结论就是什么结论。其次，过去是通过少量的采样获得所谓具有代表性的数据，这些数据被称为样本；大数据常常以全集作为样本集。

第四，大数据能够产生的效益在很大程度上取决于使用(和挖掘)数据的水平。

第五，大家通常会夸大大数据带来的便利之处而忽视它对于个人隐私带来的危害，因为大众对于隐私的重要性普遍不够重视。一类保护隐私的技术是从收集信息的一开始就对数据进行一些预处理，预处理后的数据保留了原来的特性，使得数据科学家和工程师能够处理数据，却“读不懂”数据的内容；另一类保护隐私的技术是所谓的双向监视。

在“第六章 未来智能化产业”中，主要有如下观点：

第一，2011年，德国提出了工业4.0的概念，即通过数字化和智能化来提升制造业水平。中国也提出了中国制造2025的概念，其核心是通过机器智能、大数据分析来帮助工人甚至取代工人，实现制造业的全面智能化。

第二，从医疗本身讲，医疗成本高的前两个原因是药品的研制周期太长、费用太高，以及医疗人员培养的成本太高。相比医生，计算机在诊断和做手术等方面的三大优势：首先，它们漏判的可能性非常低；其次，它们的准确率很高；最后，它们这些智能程序的稳定性非常好，不会像人那样受情绪的影响。

在“第七章 智能革命和未来社会”中，主要有如下观点：

第一，到了智能时代，机器的智能水平足以为我们提供各种个性化的服务，同时能够做到成本和过去的标准化服务相当。

第二，随着技术革命的发展，并非每一个人的发展机会都是越来越多的，反而可能是越来越少。在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的道路只有两条：要么进入前2%的行列，要么被淘汰。

第三，任何一次技术革命，最初受益的都是发展它、使用它的人，而远离它、拒绝接受它的人，在很成的时间里都将是迷茫的一代。