人类2.0(txt+pdf+epub+mobi电子书下载)

作者：[美]皮埃罗·斯加鲁菲,牛金霞,闫景立

出版社：中信出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

人类2.0试读：

序一

我曾多次被邀请到中国演讲，发现很多人都想知道科技的未来是什么。虽然多年来我在硅谷的工作和研究一直跟科技有关，但现在主要以一名历史学家的身份在写作，也许我对科技的观点会跟很多人不太一样。

我很幸运有两位中国好友，他们都对科技创新及中美之间的沟通交流感兴趣，我们决定将这本关于科技未来的书直接以中文写作而成。由来自杭州的资深记者牛金霞负责采访并写下我的观点，由闫景立负责书稿的编校，他曾是硅谷一位资深的企业管理者，也是我第一本中文书《硅谷百年史》的主要翻译。

在众多的新技术中，我选择了我认为最重要的十种科技进行详尽的评述，为了对我的观点进行补充或佐证，我们还选择采访了一些硅谷科学家和创业者。虽然他们在本书中所占的篇幅不大，但分量不轻。在选择到底采访谁时，由于我长期与斯坦福大学和加州大学伯克利分校合作，自然会较多地想到这两所大学里的科学家的名字，但我发自内心地认为，最终出现在书里的科学家的观点可以代表他们所在领域的全球性前沿趋势。对创业者的采访我则比较谨慎，因为不得不考虑他们天然存在的“营销”倾向，因此，我选择了对整体行业现状有独特洞见的几位创业者。在十种科技中，我对人工智能和生物科技论述的篇幅最多，一是因为这两种是硅谷最“热”的科技，二是因为人们对它们的看法极具争议性。

本书能够在短时间内成书和出版，我和两位小伙伴有很多人想要感谢。

感谢那些接受我们采访的硅谷科学家和创业者，他们贡献了宝贵的时间和智慧。

感谢《浙商》杂志社社长朱仁华、副总编臧铯以及世界浙商网CEO（首席执行官）冯永明对整个项目的支持和关心，本书的部分内容已发表于该杂志。

感谢来自印度的苏米特洛·达斯（Soumitro Das），中国的郝鹏图、汤天祎、夏嘉琪、石溪韵、顾铮榕和张可可，他们帮助校对和翻译了这些科学家和创业者的采访。

也感谢合作伙伴他山石智库一直以来的关心和支持。皮埃罗做斯加鲁菲（Piero Scaruffi）

序二

2016年3月初的某天早上，当我走出旧金山机场，看到加州清澈迷人的蓝天时，我完全没有想到，即将在硅谷进行的2个多月的采访和探寻会给自己带来这么大的震撼。

这是一个科技发展的黄金时代，有人甚至用“科技的寒武纪”来形容。大数据、云计算、物联网、虚拟现实……一个个技术词汇在中国商界乃至人们的日常生活中出现得越来越频繁。人们急切地想知道“我到底能拿新技术做什么”以及“下一个（具有颠覆性）新技术是什么”。

要回答关于科技创新和科技未来的问题，最好的地方应该就是硅谷。作为硅谷近30年来技术乃至社会变革的观察者和见证者、《硅谷百年史——伟大的科技创新与创业历程（1900~2013）》一书的主要作者，皮埃罗无疑是当今“最懂”硅谷的人之一。在皮埃罗眼里，正是对“我到底能拿新技术做什么”这个问题与众不同的回答，使得硅谷从一个无名之地变身成为世界创新高地。回溯硅谷百年历史之后，皮埃罗终于开始展望未来。

本书中，皮埃罗逐一评述了他认为最有潜力塑造科技乃至人类未来的新技术，包括人工智能、虚拟现实、纳米技术、生物技术、物联网、3D打印等，基于最前沿的研究结果，他不仅尝试勾勒出这些新技术的未来演变的方向和面貌，还对它们对社会和人性的影响有着独特的预判和洞见。因为新书计划首先出版中文版，我有幸承担了采写工作，为了让整个“科技未来”更为饱满、可信，我还和皮埃罗一起，采访了硅谷科技领域的诸多学术带头人和专家。

皮埃罗一开始就把这本书在他的网站上命名为“Humankind2.0”（即本书的命名《人类2.0》），我却一直并没有太深的感触。直到有一天，在伯克利的一个冥想中心，有人再次提及佛陀当初目睹人类不管富贵还是贫穷，全部都要经历“生、老、病、死”之苦，遂决定为众生寻求解脱之道的故事时，我突然“脑洞大开”：假如佛陀生活在如今的硅谷，他会成为怎样的创业者呢？

在硅谷，很多创业者都有着“让人类和世界变得更美好”的大情怀和大梦想，而他们的实现方式往往是通过技术解决某个问题。而我突然发现，如今，人类历史上几千年来亘古不变的“生、老、病、死”大问题，已经被纳入了技术的解决范畴，且已越走越远了！人工智能如今争议不休的“奇点”，是人类能否通过机器智能达到永生的问题；生物技术中的基因编辑，早已向改造物种、设计新物种的方向狂奔，人类还尝试改造自身的基因来战胜疾病乃至“返老还童”；纳米技术则被用来发明这个星球上前所未有的新材料，尝试制造可以在人体内运行的机器人；虚拟现实和3D打印技术可能会在某一天创造人类的实体替身……

假如佛陀看到我们如今正在试验的这些技术，他是否会重新思考人类的痛苦？换句话说，这个时代我们所探讨的科技未来，最具冲击力的地方在于，它们可能会重新定义人类。

细想之下，确实如此：过去几千年的人类发展史上，虽然我们已经制造了各种工具来延伸自我，虽然技术已改变了人类生活的方方面面，但人类本身，生命本身却一直没有什么变化。现在，我们有汽车、飞机、高铁、磁悬浮，坐在火车上还可以玩手机，但生理结构跟秦代或唐朝坐在马车里的古人是一样的，都遵循一样的生命规律，可能古人还更聪明一些。

然而，如今我们在本书中探讨的各种高科技，却被皮埃罗断定为“今天我们延伸自我最让人印象深刻的方式就是发展出能够改变生命本身的技术，未来将是有机世界和合成世界的联姻，正如未来一定是人类和机器人的联姻”（见本书“生物科技篇”），也就是说，人类的发展将进入一个全新的阶段或版本，称为“人类2.0”再合适不过了！

推动人类进入“2.0”的这些技术当然不仅仅与创新、创业、新经济和新机遇有关，在释放改变生命本身的潜能之前，它们首先会悄无声息地改变我们的教育、工作，甚至认知、思维方式。比如，我们已经在讨论机器人取代更多人类的工作后，人类将主要从事什么工作；再比如，斯坦福大学几位学者已在倡导“综合式学习”（synthetic learning），他们认为，接下来每个人都将需要使用一些科技和艺术来进行创造，这需要全新的学习方式……

会随之悄然变化的还有法律、道德、伦理乃至宗教等维系我们社会运转的信念。假如我们已能在实验室用新物种“重新定义上帝”，假如现在已有科学家在为机器人的法律权益奔走，你有什么理由坚信自己脑袋里装的“真理”不会被粉碎和刷新呢？

在美国国家航空航天局采访科学家克里斯·麦凯（Chris Mackey）时，他将发现火星生命的意义用“第二个创世纪”来形容，他想用这种强烈的表达方式唤起人们对宇宙中新的生命形态的期待和关注。只不过，我们很可能在发现火星生命前，就先将人类自身改造成一种截然不同的新生命，一种和火星上的生命一样难以理解和超出想象的生命，拥有跟我们现在、过去都完全不同的理性和情感。“人类2.0”也是一个强烈的表达，一个需要所有人一起定义的概念。因为，人类和科技的未来到底会变成什么样，取决于我们现在到底想要什么！是的，也许有一天，科技能让我们青春永驻，也许我们的意识、记忆、欲望和情感也都可以在出生时“自定义”，但这些真的是我们想要的吗？

皮埃罗和其他硅谷科技人士在探讨技术未来时，也存在同样的担忧：人们由于了解不够和准备不足，不知不觉被技术改变，且朝着违背我们初心的方向改变。至少，在我们还能将自己定义为“人类”之时，我们大多数人想要的，是技术给人类一个更美好的世界和未来，而这需要所有人一起主动探索和努力。

皮埃罗和我都认为，中国将成为下一个引领世界科技创新的大国。作为全球第二大经济体，中国的经济动力正在向科技创新转变。不管愿意与否，中国经济和市场的独特性都会将年青一代推上自主创新的舞台，就好像今天的不少中国经济新现象（比如网红经济）已经是外国人看不懂的一样，中国的创业者接下来在回答“我到底能用新技术做什么”这个问题时，也需要有自己独一无二的答案。

在写作的过程中，我发现，不少今天的“新技术”其实已经很老了，比如，人工智能早在20世纪60年代就有了，3D打印和虚拟现实也都是在20世纪80年代就出现的。然而，这些技术却一起在这个时代绽放，究其背后的原因，我认为，一是智能手机的普及将计算能力转移到个人，转移到无处不在，带来了社交媒体、大数据的爆炸，进而又像多米诺骨牌一样推动了人工智能和虚拟现实等需要计算能力驱动的技术的腾飞；二是从全球范围来看，前三次工业革命带来的人类对资源、环境的过度消耗和破坏等问题日益突出，以智能化为核心的第四次工业革命（工业4.0）方兴未艾，以更绿色环保为目标的第五次工业革命呼之欲出。

这一次，中国正徐徐走向舞台中央。牛金霞

序三

经济增长模式转型中的中国，创新驱动正成为国家意志和工商界不二的选择。官民各界跟踪世界科技前沿动态，引进来、走出去的需求从来没有这样迫切。人们对什么是“下一个颠覆性创新”的关注度从来没有这样强烈。《人类2.0》正是在这样一种迫切的市场呼唤中尝试以一种新方式写成的。

说起这个新颖的尝试，不能不讲点成书初期的故事。

就在2015年10月的一天，我收到皮埃罗先生一封电邮：“我们能不能尽早见面，有个想法在心中不断翻腾滋长，想尽快听听你的意见。今天晚上如何？”

第二天，我和皮埃罗在硅谷的一家餐馆见面了。“什么事这么急？”我见面就问。“我想写一部有关高科技未来的书，”皮埃罗答。“好啊！”我应声答道，“这种书在中国出版也一定很受欢迎。”还没来得及提及翻译的事，皮埃罗又说：“直接写成中文，您看怎么样？”

我怔住了，“你啥时候学会中文写作了？”我知道皮埃罗不懂中文。

于是，皮埃罗端出了他的想法。原来他在中国演讲期间和中国朋友交谈中得到了一个灵感：和中国人合作，以采访的方式直接把他的研究成果写成中文。说话间他眼睛泛出那种创意所激发的光彩，使我顿时感受到硅谷人血液中流淌的那种创新的激情与躁动。于是，两人就在饭桌上开始了项目的策划。决定立即开始和合作单位洽谈，同时联系出版商。2015年12月与《浙商》杂志敲定合同，2016年2月底记者牛金霞奉《浙商》杂志社派遣来到硅谷开始了密集的采访活动。由此开启了采访文章一方面得以由《浙商》杂志逐一发表，另一方面由皮埃罗团队编辑整理成书在中国出版。

本书成书的独特之处，在于它虽然源自硅谷的学者和专家，却越过了原文（英语）写作、翻译的阶段而在合作的框架下直接以中文写作并在华出版。对此，曾经把《硅谷百年史》（皮埃罗等著）这部大部头著作引进中国的我深有体会。那部书仅仅翻译加上编辑就用了15个月才得以面市。而如今这样一部同样来自大西洋彼岸的涉猎当今科技最前沿的著作，从采访到成书仅仅用时9个月！较之传统的“海外英文写作—出版—翻译—在华出版”至少缩短了一年时间。这真是“硅谷速度”，不，这是“中国+硅谷”才有的速度！对于正在分秒必争、日夜兼程追赶硅谷、奋力争取科技创新大国地位的中国来说，这个速度尤其弥足珍贵。闫景立

开篇

技术与人类

技术与人类的关系到底是“消长”“延伸”还是“倒置”？抑或是三者都对？

当我们对技术塑造的未来激情澎湃时，总不免带着隐隐的担忧与迷茫，就像很多人对机器人爱恨交织的感情。皮埃罗认为，在逐一对大数据、人工智能、物联网等展开论述前，有必要先将“技术”拿到放大镜下重新审视。而只有将乐观派和悲观派的观点都放到一起，才能得到关于技术的中肯观点。硅谷相信：技术让世界更美好

在旧金山湾区，有不少人只是将技术作为一种爱好，他们就像小孩子一样喜爱一切能够移动、说话的玩具。但对我来说，技术可不是玩具，我认为它很可能会解决所有的问题。历史上，火、衣服、车轮、蒸汽机、抗生素、电、火车等每一项技术都帮助人类解决了很多问题。

总体而言，技术进步带来了一个更美好的世界，一个更繁荣与和平的世界。你也许会想，枪支和核武器可是杀死了不少人，但哈佛大学心理学教授斯蒂芬·平克（Steven Pinker）在《人性中的善良天使：暴力为什么会减少》（英文书名为The Better Angels of Our Nature：Why Violence Hans Declined，中信出版社，2015年7月出版）一书中统计过：暴力在过去几个世纪里已经明显减少，这正是技术的作用。他指出，致命武器带来了更少而不是更多的暴力，我们在社会中维持了一定秩序正是因为有了武器，虽然我们同样也用武器来互相残杀，虽然如果技术落入反社会、反人类的不良分子手中就会带来祸端，但总体来说，新技术的效果还是正面的。

技术使我们不再生活在洞穴中，不会5岁就死于小儿麻痹症，不会在寒冷的冬天冻死、干旱的季节饿死。毕竟，当人们健康而富有的时候，他们是不大可能去互相残杀的。这是否意味着我们需要的技术越多越好

也不尽然。技术的危险之处在于，每一种新的技术都会使我们忘记自己的一种天生能力。比如，柏拉图在他的《理想国·裴德罗篇》中讲述了苏格拉底告诉他的一个故事，透特（Thoth，埃及神话中的智慧、知识与魔法之神）发明了书写，主神阿蒙·拉（Amun Ra）却很生气，因为他意识到人们会因此停止使用自己的记忆能力并变得更愚蠢，事实正是如此。每种文明中过去都有非常长的诗歌是被人们口耳相传的，比如荷马的《奥德赛》以及印度的史诗《摩诃婆罗多》，现在你还能记住几千句的长诗吗？我们已经失去了古人使用记忆的能力。今天我们看到的是，越来越多的孩子依靠他们的手机来寻找某个地方，我们正在失去定位和导航的能力……而几千年来，我们却有许多智者仅仅依靠他们的大脑来探索这个星球。每当我们失去自己的一种天生的能力，我们就变得越来越不像人类。但不要忘记了人性也有恶的一面，人性中同样有杀戮、偷盗和强奸的一面，我们变得更像半机械人并不总是坏的。技术的“初心”应该是解决问题我们如何才能获得使人类变得更好的技术

矛盾之处在于，很多重要的技术都是为战争而生的，计算机和互联网都是如此。

一千年以前，中国的技术水平处于世界前列，与此同时，欧洲正处于中世纪的“黑暗时期”。然而，800年后，情况逆转过来了。中国在繁盛的唐、宋王朝发明了很多技术却从未再进一步提升它们，为什么会这样？因为欧洲一直都处于战争中，与此同时，具有悠久历史的古老东方却大部分时间都处于和平时期。穷困的目不识丁的欧洲比和平繁荣的中国进步得更快，原因之一就是战争刺激了技术进步。之后，欧洲兴起的工业和科技革命同样给我们提供了很多有用的技术，但最初它们被发明出来的动机也是为了屠戮。

硅谷同样也是为战争而创造的，湾区的第一家科技公司（惠普）是在无线电和电子技术领域诞生的，这正是因为两次世界大战以及“冷战”。但随后，硅谷却脱离了战争元素，爱好、兴趣和求新求变与追求商业上的成功成为创新的主要动力。

我们需要改变为了战争而推动技术进步的动机，这也正是这个世界需要向硅谷学习的地方。当人们说到硅谷的时候，他们倾向于只看到钱，但他们忘记了很多创业者最初是为了解决问题而发明创造的。

在硅谷早年间，多数创业者只是简单地想要创造一些他们自己想用但尚不存在的东西，这种初心就写在他们的商业计划书上，至于如何赚钱几乎都是后来才想到的，他们并不知道有一天他们的发明会价值百万甚至亿万美元。谷歌（Google）和Facebook（脸谱网）目前主要是靠广告赚钱，但它们最初诞生的时候都是为了解决一个问题，最初它们很可能根本没想到能在广告上赚大钱。

如今，越来越多的技术被商业公司所推动和发展，越来越多在政府主导下进行基础研究的实验室被私人实验室所取代。我们刚刚目睹了第一个火箭在进行太空飞行后成功返回了地球，那是由亚马逊创始人杰夫·贝佐斯（Jeff Bezos）创建的空间探索公司蓝色起源（Blue Origin）制造的，而不是美国国家航空航天局；比尔·盖茨（Bill Gates）的基金会在对抗疾病上比很多政府项目做得还要多。

不同国家认为技术很重要时背后有着不一样的原因，旧金山湾区有一种理想主义思维的强大传统，在很多案例里，创业者都是单纯地想要为自己创造一些之前还不存在的东西，硅谷就是这样成长起来的。

相比之下，在新加坡和日本，技术更多地被看成一种可以提高生活质量的东西；而一些发展中国家则更多地将技术看作是经济增长不可或缺的因素，一种纯粹的经济动力。技术今天最迫切需要解决的问题是什么

我喜欢大自然，我周游整个世界去看丛林和沙漠，我也喜欢爬山。我们非常幸运：这是一个美丽的星球。大自然也真实地激励着我。然而，我们人类就像蚂蚁一样，到处都是，不管走到哪里，总能看到一辆车停下来或某人从一幢建筑中走出。我们已经很难独处，因为便捷的交通工具让我们能够快速移动到几乎任何地方，结果人类无处不在，我们总是被人群所包围。

蚂蚁和人类的区别是，人类的足迹是巨大的，人类总是需要越来越多的汽车和道路，随之需要交通信号灯、加油站、油井以及货船；需要越来越多的衣服，随之需要时尚商店以及干洗店；需要电器就随之需要电力、发电厂和水坝；需要飞机就随之需要机场；需要食物就随之需要食品厂、卡车以及超市等，这一代的奢侈品正成为下一代的必需品。

技术到了应该做些什么去减少人类在这个星球上的足迹的时候了，这是我认为它应该解决的最大问题。一个成功的例子是电子邮件，因为它成功减少了纸张的使用和运输，我们可以砍掉很少的树、使用很少的邮件运输车。当然，最近的一个例子是汽车的分享，因为它减少了汽车所有权。

在这方面技术可以做的还有很多。比如，人类发明的塑料是地球上最主要的污染物，仅美国消费者每年就购买超过270亿千克的塑料产品。2012年，联合国环境规划署预估，每平方千米的海洋上能发现约13 000件塑料微粒垃圾，这种状况的解决方案可以是生物可降解塑料，即可以分解的塑料或可以被转基因细菌吃掉的塑料，一位越南的包装材料商已经制造了一种可以自我分解的塑料袋，但目前还没有生物塑料能实现商业应用或实现全面可持续发展。

印度蠕虫具有破坏聚乙烯纤维的潜力，聚乙烯纤维是塑料产品最常见的组成物，斯坦福大学的一些科学家开玩笑说，我们应该找到一种能让这种虫子生长在我们胃里的方法，这样我们就能直接把食品外的塑料包装给吃掉了，用不着再扔它们。

2015年在巴黎召开了关于气候变化的会议。会议指出，大气中二氧化碳的浓度比过去任何时候都要高，仅中国就占据了24%的排放量。因此，中国在解决这个问题上起着非常重要的作用。尽管整个世界使用的核电站电力由1996年的最高值17.6%降低到如今的10.8%，这种电力还是目前最清洁的能源形式。技术服务人类还是人类服务技术技术真正值得担忧的是什么

我其实并不害怕人工智能和机器人，我害怕的是技术远没有媒体所展示的那样强大。关于未来的一个重要主题是：到底是技术服务于人类还是人类服务于技术？对此，我现在的感觉是，机器很少表现得像人类，人类为了跟周边的机器互动却必须经常表现得像个机器。比如，我们频繁地使用数字，因为数字可以让机器更容易工作。你的银行卡卡号或者护照号码对你来说很难记住，但机器能很容易地处理，我们使用数字并不是让它对人类变得简单，是为了让它对机器变得更容易。

目前看待技术的观点主要有三种。可以简单理解为“消长”“延伸”和“倒置”。第一种观点比较悲观。新技术让人们遗忘了动手能力，因为你将智能给了机器，即所谓的“此消彼长”。从这个角度看，人类“一代不如一代”。

第二种观点正好相反，你可以将技术看成身体的延伸。在自然界中，每一种动物都使用“技术”来生存，蜘蛛没有蛛网就无法生存，河狸离不开水坝，蜜蜂离不开蜂窝，等等。《自私的基因》（英文书名为The Selfish Gene，中信出版社，2012年9月出版）一书作者理查德·道金斯（Richard Dawkins，英国著名演化生物学家、动物行为学家和科普作家）将其称作“延伸的手段”。同样，技术也“加强”了人类的身体机能，它让我们能做自己的身体做不了的事情。谷歌人工智能专家雷·库兹韦尔（Ray Kurzweil）认为，相比人类大脑新皮质的“发明”，数字技术将带来智能上的飞跃。由于新皮质，人类大脑可以创作诗歌和研究科学，这种发明打开了大脑一个全新的活动领域。库兹韦尔相信，数字技术会带来相似的智力提升，这种强化的大脑将可以做一些尚无法命名的事情，因为人类目前的智能根本无法做到。

第三种观点看待技术的方式是将发明者与发明物之间的关系倒置。我认为这种观点可以追溯到20世纪60年代的法国哲学家让·鲍德里亚（Jean Baudrillard），不过它最近几年比较流行主要是因为凯文·凯利（Kevin Kelley）的著作《科技想要什么》（英文书名为What Technology Wants，电子工业出版社，2016年1月出版）。人们倾向于认为物体是由某人制造的，但是，如果物体可以思考，它可能就会认为人类只是制造它的一个工具。科技发展史是不断发明新物体的过程，但也可以看成是新物体借助发明者才诞生出来的过程，即不是生命的进化史，而是物体的进化史，物体利用了生命，尤其利用了人类来完成进化。根据这个观点，根本不是人类需要一种新的技术，而是技术创造了人类，由于技术的需要才驱动人类不断创造更好的技术。毕竟，到底是什么在进化？是技术，而不是人类。几千年来，人类几乎一直保持着原样，而技术却发生了翻天覆地的变化。

我认为，某种程度上，这三种观点都是正确的。如果你将这三种观点放在一起，你就能得到一个对现状大致准确的看法。我并不害怕技术、人工智能或者技术进步的加速，但是世界上不同的进步速度值得担忧，因为创造和创新实际上加速了这种不平衡。当我们讨论超级智能机器时，一些伊斯兰国家仍然在与脱掉布卡罩袍（伊斯兰女性在公共场所穿的覆盖全身的长袍）作斗争，一些非洲国家仍在努力让人们吃上饱饭，只有极少数的非洲儿童才能去上一个好的大学。一切皆信息

如今的技术发展相比之过去，最让人振奋的是其将事物信息化的能力。在计算机被发明以后，我们将每种学科都变成了信息处理的一种形式，逐渐进入了每个问题都被视为信息问题的时代，因此，每一种解决方案也都离不开信息。比如，气候变化的科学几乎完全与信息有关，如果有一种解决方案，那也很可能来自将气候看作一个信息系统。

信息可以解决各种问题，比如，恶性疟原虫是世界上最危险的疟疾寄生虫，每年都会带来60万人的死亡，是导致5岁以下儿童死亡的最主要的传染性疾病之一。2012年，美国新墨西哥州圣达菲研究所的丹·拉雷默尔（Dan Larremore）开始使用网络分析跟踪疟疾寄生虫的历史，尝试用信息解决这个问题。

历史上的战争，通常源于资源的争夺，然而，今天的战争却由于不同的“信息”而变得越来越富有意识形态色彩。巴勒斯坦和以色列人就因为对土地的历史有不同的看法而开战，如果他们有相同的历史，即有相同的“信息”，那么找出一个解决方案也就不会那么困难了。恐怖分子在全世界发动恐怖袭击，因为在他们的信仰中，科学毫无意义，如果他们受到了更多的科学教育，也许就会削弱甚至消除为了极端意识形态而杀人的动机。

当解决方案是基于信息的，它便不需要大规模的、巨额的投资。有时候，你并不需要一个“独角兽”，你只需要创造力。

信息在灾难的避免中会变得越来越重要，灾难经常在系统达到一个特定的临界点时发生，比如，我们总是担心人类会达到气候变化的那个临界点，之后灾难便会降临。问题是如何找出这个临界点，它到底是近还是远？

即便是在物理学领域，熵也可以运用克劳德·香农（Claude Shannon）的信息论来界定，20世纪40年代的控制论以及梅西基金会发起的系列反馈问题的讨论会都对此做出了贡献。约翰·惠勒（John Wheeler）是第一位提出物理世界是由信息组成的物理学家，相对论和量子力学也可以由信息论来界定；物理学家雅各布·贝肯斯坦（Jacob Bekenstein，以色列物理学家，曾开创性地运用信息论分析黑洞熵）和胡安·马尔达西那（Juan Maldacena，阿根廷著名理论物理学家）都对此有过相关论述。1997年，胡安·马尔达西那在将宇宙视作信息时，还发现了量子力学与爱因斯坦方程式之间的相似之处。

也许有一天我们能找到一种认识宇宙的更好的方法，不过，目前为止最好的方式是信息。如今，上帝已没有必要解释宇宙的起源和发展，也不用解释生命的进化或人类大脑的功能。宗教的功能越来越多地体现在给予人们希望：它给予了人们对无尽来世的信念。但是，在物质舒适的时代，许多宗教所承诺的天堂是否还会对新一代构成吸引力不得而知。人类的新时代或许需要一种新的天堂、一种新的不朽。这种新的信仰就是一切（宇宙、生活、思想和社会）都和信息有关。事实上，“奇点”（指人类与其他物种或物体的相互融合）在硅谷是一个非常受欢迎的话题。根据奇点理论，“永生”也和信息的存储和复制有关。

大数据篇

寻找大数据领域“杀手级”应用

要解决大的问题，仍然需要一种跨学科的方法，需要一种不仅仅只有“数据分析”的应用。中国唐宋时期的思维方法毫不过时，如今中国在大数据时代寻求一种全新的“大数据思维”时不妨回溯历史，重新发现自己独有的处理复杂社会问题的方法。“杀手级”应用还未出现

全球范围内都在掀起一股大数据应用的热潮。如今的硅谷应该被重新命名为“数据谷”。权威机构预测，到2020年将存在200亿～300亿个网络连接装置，这意味着我们每年都会产生比之前20万年还多的数据。在硅谷，人们将数据称为新的“石油”，石油可以产出汽油和电力，而“数据石油”一旦提炼出来，将会产生无人驾驶汽车［运用GPS（全球定位系统）数据和交通数据］、无人机、可穿戴设备等。石油和数据之间的不同在于，石油的产品无法再产出更多石油，而数据的产品（无人驾驶汽车、无人机和可穿戴设备等）能产出更多的数据。

然而，颇令人失望的是，我们并不知道该拿这些正在“大爆炸”的数据怎么办。大多数情况下我们会做“数据分析”，但数据分析至少从20世纪60年代就开始了，这有什么新鲜呢？不过是通过对数据的分析试图发现事物之间隐藏的规律性或潜在的问题，然后优化整个流程，最终赚更多的钱而已。

让人汗颜的是，自计算机问世以来，数据分析最主要的应用还是使大公司利润最大化。比如，大家提到大数据最有名的应用案例时都会提到亚马逊和阿里巴巴的“推荐引擎”，即通过分析其他消费者的数据来建议你该买什么；再比如，被频繁提到的关于大数据的故事还有美国最大零售连锁店之一的塔吉特（Target），它让一个父亲意外地发现自己还是高中生的女儿怀孕了，这曾一度让大数据声名显赫。事实上，塔吉特的算法识别购买系统特别关注准妈妈们，唯一的原因就是想要给她们推送特别促销广告，这难道就是我们能用大数据对孕妇做的所有事情？

如今中国很多中小企业也在积极构建自己的大数据系统，比如服装企业用数据分析实现个性化生产和销售，比如制造水杯的企业考虑将杯子内置传感器，再增加一个APP（计算机应用程序），将其变成智能水杯。

但这些商家用数据分析也只是为了销售更多的产品，或者用来决定到底该发布哪种广告。这就是我们能用海量数据做的所有事情？未免太有限了吧？可以说，大数据真正的“杀手级”应用还没有被发明出来。

我们先来看下大数据的现状。谁在产生大部分数据？机器。又是谁在阅读大数据？不管你相信与否，网上大约30%的“读者”都是机器人而非人类，甚至连大多数世界新闻都是被机器人阅读的。

未来，数据的主要读者将是机器人。大数据世界的真实图景是：机器产生数据，机器阅读数据，并构造一个以机器为中心的数据世界。这也是为什么迄今为止大数据唯一有用的应用是数据分析，因为机器最擅长数学和统计，却不擅长理解人类世界。我们还没有大数据领域真正伟大的“杀手级”应用，正是因为是机器，而非人类在“阅读”这些数据。大数据时代需要的不仅是“数据分析”

最近几年来，很多制造业企业纷纷建立了智能工厂，由于机器与机器的连接产生并收集了大量的数据，但到底能用这些数据做什么，到底如何挖掘数据的价值还让很多人困惑。很多人还是寄希望于数据分析，认为足够精巧的数据分析应该可以带来很大改变。

确实，大数据时代必然要求数据分析能力不断提高。如今，在很多大学，计算和统计方法、可视化分析方法等都在不断改善和提升。但这些复杂的方法只是为了达到一个简单的目的，即让快速计算变得更廉价，因为大数据分析通常费用昂贵。

数据分析能力的快速提升确实让人惊叹，起初人们破译人类基因组需要花上10年时间，现在却有创业者在不到一天的时间里就能完成。这种能力也受到越来越多的重视，比如，斯坦福大学最受计算机系本科生欢迎的教材是《大规模数据挖掘》。也就是说，任何人都可以使用书中的方法来分析大数据。

但是，一种新的数学方法并不能给我们带来更有用的大数据应用，最多只能带来更便宜的数据分析。原因很简单：数学家们并不了解世界上的重大问题。要解决大的问题，仍然需要一种跨学科的方法，需要一种不仅仅只有“数据分析”的应用。

比如，大数据分析比较典型的方法是寻找数据之间的相关性。典型的逻辑是，如果你跟许多拖欠信用卡贷款的人拥有几乎一样的购买记录，很可能你也会跟他们一样拖欠贷款。在技术层面，数据分析会试图将这种关联性建立模型。不过我们也就又回到了大多数的数据都是被机器阅读和分析这个话题中。

数据分析会存在哪些问题呢？数个世纪以来，我们早就发现“假设—形成”这个方法有一个弱点：在大量数据中发现相关性并不难，难的是理解其中的因果关系。比如，如果有人发现，昨天在意大利都灵所有患上流感的人都穿着黑白相间的T恤衫，这并不意味着是这种T恤衫引起了流感，或者卖这种T恤衫的人就是传染源，这很有可能意味着这些患上流感的人都是尤文图斯足球俱乐部的球迷，因为这个俱乐部的官方球服就是黑白相间的T恤衫。

都灵一半的人口都是尤文图斯足球俱乐部的球迷，从来不踢足球也对足球毫不了解的数学家们很可能会得出错误的结论，一个对足球一无所知的机器分析出来的结果很可能错得更离谱。相反，一位了解都灵的人会很快意识到这种数据上的相关性并不直接包含因果关系，而会推测这场流感是在尤文图斯球队昨天踢球的体育场爆发的。

这种数据之间因果关系难以判定的问题在统计学诞生之初就存在了，然而，当我们面临的数据量特别大的时候，这个问题就显得尤其棘手，因为大量数据中的数据偶然相关性也是巨大的。

大数据时代我们当然需要更好的数学家，但我们同样需要来自各个学科的学者们。毕竟，解决人类社会的问题并不是一场数学竞赛。大数据在生物医药领域尤其有用

大数据应该关注和解决哪些“大问题”？大数据可以应用得更广泛，最让人津津乐道的是预测未来。比如，可以用大数据预测大气污染什么时候会到达一个危险的水平，我们可以在那之前就采取措施；可以预测犯罪活动最有可能在哪里、在什么时候集中爆发，我们可以提前部署警力；已经有不少银行在使用一种类似大数据分析的系统来决定是否要给顾客贷款。

总的来说，我认为，大数据预测在医药生物领域用途特别广泛。因为这个领域的数据实际上是无穷尽的，可惜的是我们甚至都没能将已有的数据储存下来。人类基因组包含数十亿碱基对，我们目前对这些碱基对到底在人类基因中发挥什么作用，又是如何相互作用导致了疾病实在是所知甚少。又比如存在于人体内对人体的机能（如消化）发挥着重要作用的细菌微生物，其基因更比人的碱基对多百倍。我们不知道这些碱基对的作用，但是，我们有80亿人生活在这个星球上，这是一个巨大的潜在数据库。大数据预测可以帮助我们找到哪些基因组合会带来疾病，而哪些组合又会提高强大的免疫力。比如，有些人对疟疾免疫，我们就可以专门研究这些人体内基因组中的碱基对的分布情况，找出其中的奥秘。

斯坦福大学曾举行了一个名为“生物医学领域的大数据”的年度峰会，峰会提出的口号就是“数据科学将重塑21世纪人类健康”。谷歌也曾按照地区搜索和预测流感的爆发，发起了一个研究世界范围内基因数据分布情况，进而预测疾病的项目。非常可惜的是，很多项目需要一些特定的大数据才能为公众提供有用的应用，但这些数据掌握在一些不愿意向研究者开放数据库的公司手里。此外，我们身边触手可及的数据也可以提供很多有用的信息，但被我们“浪费”掉了。比如，斯隆（Sloan）基金会正在赞助这样一个大数据项目，该项目专门收集人们在火车站的机器触摸屏上留下的微生物信息，这些信息可以让我们知道该城市人们的健康状况。大数据下商业合作大趋势

大数据解决“大问题”确实需要广泛的合作，这意味着大数据领域的“杀手级应用”也会在合作中诞生，而不仅仅是几个大公司之间的游戏。大公司的确对大数据的应用做出了很大的贡献。谷歌和Facebook作为世界上屈指可数的两个大数据公司，其贡献主要是实现了海量数据的实时处理。

我们简单回顾一下大公司在大数据处理上的技术史。谷歌的团队由杰夫·迪安（Jeff Dean）和桑杰·格玛沃尔特（Sanjay Ghemawat）（2004年左右）领导。他们开发了并行、分布式算法MapReduce，可以对大量的、多种类的服务器机群提供极大的扩展能力，解决了公司管理数十亿搜索查询数据以及与其他用户交互的实际问题。

Facebook的团队则开发了Cassandra（一套开源分布式非关系型数据库系统）。这个系统利用了亚马逊和谷歌的技术，解决了Facebook的数据管理问题。Facebook在2008年将其赠送给了阿帕奇开源社区。乔纳森·埃利斯（Jonathan Ellis）和马特·派菲儿（Matt Pfeil）于2010年在加州圣塔克拉利塔成立了DataStax公司。该公司使用Cassandra并把它发展成能够与甲骨文竞争的关键任务数据库管理系统，在业内数一数二。

2005年，一位雅虎的工程师道格·卡丁（Doug Cutting）和迈克·卡夫拉（Mike Cafarella）开发了一个分布式文件系统（HDFS），2006年以后我们称为Hadoop，用于在机群服务器上存储和处理大量的数据集。Hadoop曾经在雅虎内部使用并最终变成另一个阿帕奇的开源框架。此后，随着Hadoop成为行业标准，出现了不少以它为基础的大数据创业公司。与此同时，谷歌也开发了自己的大数据服务引擎Dremel（2010年才对外宣布，实际上2006年就已在内部使用）。

目前，我们确实还没有大数据领域的“iPhone”或“Facebook”之类的杀手级应用。但切记，相关的软件已经有了，而且是免费的。大数据的最大使用者谷歌和Facebook已经将它们的大数据基础设施做成了面向公众的开源软件，包括Facebook开发的Cassandra以及谷歌的诸多大数据技术服务。此外，其他不少由美国高校或政府研发的大数据分析软件也都是开源的。

为什么呢？因为我们想要越来越多的创业者在大数据领域探索和试验，甚至连大公司也希望更多的小公司能够参与进来。我们想要看一下是否有人能发明大数据领域的“杀手级应用”。

大公司将它们的大数据服务作为开源平台面向公众释放的信号是，即便竞争最激烈的商业领域也更看重合作而非竞争，这也是未来商业的大势所趋。中国有潜力创造全新的大数据思维

毫无疑问，大数据时代确实需要一种全新的思维方式。因为数据有着多种多样的来源，任何一个专家（无论是人类还是机器）都不可能吸收所有的数据，这就要求跨学科的方法。

20世纪30年代，有两个人在美国开创了“大科学”，麻省理工学院的万尼瓦尔·布什（Vannevar Bush，“二战”时期美国最伟大的科学家和工程师之一）和欧内斯特·劳伦斯（Ernest Orlando Lawrence，美国著名物理学家、1939年诺贝尔物理学奖得主）。虽然两人合作的动机来自战争，而受益的是和平时期的社会。

布什和劳伦斯意识到解决大问题需要很多不同的思想：“大科学”正是将不同学科的科学家们聚集在一起。这种“大科学”方法给我们带来了很多影响深远的发明，比如核能和互联网。可以说，“大科学”就是“大数据”的最早应用，区别是数据当时都存在于不同科学家们的大脑里，但当时和现在使用的方法是相似的，即为了能用大数据解决大问题，我们需要一种跨学科的方法来创造、创新。

这样跨学科的研究机构已经在不断涌现。比如，哈佛大学量化社会科学研究所主任盖瑞·金（Gary King）就召集和组建了一个由社会学家、经济学家、物理学家、律师、心理学家等组成的研究团队（你可以从网站http://www.iq.harvard.edu/team-profiles上看到他们目前的阵容组成）。加州大学伯克利分校也建立了数据科学研究所（BIDS），成员中同样有人种志学者、神经系统科学家、社会学家、经济学家、物理学家、生物学家以及心理学家，甚至还包括一位地震学家。

实际上，用大数据解决大问题还有更早的例子，即古代中国。我认为，当今中国也最有潜力创造全新的大数据思维模型，因为中国人几百年前就已经发明并使用了这种思维。唐宋时期，理想的“君子”一定是一位跨学科的学者，他必须同时是政治家、历史家、作家、画家、诗人、书法家……他需要学习所有的经典书籍。可以说，中国早就创造了一种“多任务处理思维”，唐宋时期的读书人能够肩负起解决社会大问题的责任，正是由于他们从不同的领域吸收了足够多的知识。

有人会问，书法到底跟解决社会大问题有什么关系？当然有，它在无形中塑造着你的头脑和精神，让你更有智慧。而只要拥有一个足够智慧的大脑，不管面临什么问题，你总能找到正确的解决方案。

我认为，中国唐宋时期的思维方法毫不过时，如今中国在“大数据时代”寻求一种全新的“大数据思维”时不妨回溯历史，重新发现自己独有的处理复杂社会问题的方法。

大数据时代，到底谁拥有未来

我希望未来我们将身边所有一切都用数据来表达时，我们仍有能力将数据理解成活生生的人，而不是数字。普通民众更多是大数据的客体[1]

杰伦·拉尼尔（Jaron Lanier）在其《互联网冲击：互联网思维与我们的未来》（英文书名为Who Owns the Future，中信出版社，2014年5月出版）一书中认为，拥有全球业务的大公司如谷歌、Facebook，以及庞大的电商、银行等长久以来制造了一种严重的不正常局面。他们将用户免费提供的数据变成了利润丰厚的商品，普通民众虽然一直在贡献数据和价值，但没有得到任何回报。拉尼尔认为这会使得未来越来越掌握在少数大公司手中，他提出的解决方法是，所有在互联网上创造价值的人都应该分享价值，普通民众在贡献大量数据后也应该得到一定补偿。

我同意拉尼尔的观点。不过，我更感兴趣的是普通民众也能从数据的爆炸中获得更多知识，而非金钱的补偿。

知识的民主进程从法国启蒙运动时期就已经开始了，彼时，法国的哲学家们编辑了《百科全书》和全世界的普通民众分享知识。然后，普鲁士颁布强制教育法令，拉开了义务教育的序幕，其他国家纷起而效之，对于所有儿童来说，教育从此变成了强制性举措。然而，迄今为止，教育的不平衡在全球范围依然是个严重的问题。

如今，大数据可以允许我们完成知识民主化的目标。但遗憾的是，目前从大数据中受益的确实大多都是大公司（以及部分政府机构）。普通民众用诸如智能手机类的数字化工具来增进自己的“假性知识”[2]（prosthetic knowledge），但很少有人知道该拿环绕我们身边的海量数据怎么办，该如何从中获取更多、更有用的真正的知识。

很多情况下，我们甚至都无法完整看到自己生产的数据（如电商、银行等），因为这些数据多被大公司所控制，这些大公司只管按照自己的意愿收集和整理这些数据（通常将数据用于商业计划或广告）。可以说，在大数据领域，普通民众更多的只是客体，而非主体。“量化自我”作为全新的心理治疗方法

凯文·凯利曾提出了“量化自我”运动，即通过可穿戴设备或内置传感器实现对人体数据的自我追踪和监测，这可以称为未来大数据能让普通民众受益的一个例子。可以肯定的是，未来产生大量数据的物体将是我们的身体，很快将会有很多可穿戴设备以及纳米机器人植入在我们身体之内，植入的芯片会一直产生和播报实时数据。

这很容易让人想到云端的某种软件，它能实时捕获这些来自人们身体的数据，确保我们的健康。如果该软件发现有任何不正常的信号，它会马上要求可穿戴设备提供更多的数据以进一步确认，或马上要求此人联系医生进行专业的医疗检查。

在这个案例里，我们确实可以拥有自己产出的数据，并且从中受益。但是，你的数据仍然需要跟别人的数据结合才能得到一个真正改变生活的应用；否则，这些数据到底有什么用处还不确定。因为任何事物的意义都是相对的，比如晨跑，单一的晨跑数据做不出来什么有趣的应用，我们需要将其“游戏化”或“社交化”，让很多晨跑的人靠“竞争”来获得应用中跑步第一名，由此激发人们的使用兴趣。

另外，我更倾向于把“量化自我”看成是一种全新的、更科学的心理治疗方法。通过记录自身的行为数据，你可能会发现一些自己之前从未意识到的东西。比如，你会发现一些朋友和家人都知道而你自己从未觉察的行为倾向。这就好像有人一刻不停地在为你记日记，这些数据能帮你发现自己到底是什么样的人。

这些数据也有助于提升自我，一个最简单的办法就是将自己的活动分类整理成爱好、创造性的思考、读书、运动等，到每月月底的时候可以通过图表分析自己的时间到底都去哪儿了，并重新调整各项活动，确定自己在朝真正的目标前进。未来我们是否还能将数字理解成人当我们自身遍布传感器和可穿戴设备，是否意味着我们将成为机器的一部分

一个机器产生并读取数据，然后再告诉其他机器该做什么的世界听起来可能确实有些可怕。更可怕的是，我们的身体是这一过程的最终对象，所有这些机器确实会使我们变得更不像人类。

不过，你也可以用一个佛学的方法来看数据。将我们的存在看成一个混乱的数据流，这些数据并不能在时间中长存，它们只是瞬间的存在，这些瞬间数据组合起来，就构成了“我”。它们类似于佛教的“佛法”。每一种佛法都与其他法紧密相关，或者说每一种法都是由另外一种法得到的（如戒、定、慧）。《清静道论》说：“只有苦难，而没有发现受苦的人，只有表演，却并没有演员。”它的意思是说，在佛教中，没有任何生命“存在”于任何阶段的时间内：每一个时刻都是全新的存在。“大数据”对人类生活的理念跟它在某种程度上有些相似。

只不过，当我们过于频繁地认为数据只是一些数字时，我们可能真的会忘记，这些数字背后代表着真实的人。

如果我在文章中写道：“不幸的是，每年有600 000人死于疟疾，大部分都是儿童。”这个庞大的数字背后是一个个活生生的人，以及守护在他们身边的人，是正在哭泣的母亲们和姐妹们。

我希望未来我们将身边所有一切都用数据来表达时，我们仍有能力将数据理解成活生生的人，而不是数字。

[1] 　杰伦·拉尼尔，思想家，有“虚拟现实之父”之称。

[2] 　假性知识，是英国博客Rich Oglesby提出的术语，意指非固有的、外部输入的知识。

人工智能篇

人工智能赶超人类为何是个伪命题

在中国讲学期间，皮埃罗深深感受到了人工智能带来的“阴影”，听众们问的最多的问题是：“电影《机械姬》（Ex Machina）中的机器控制人类的事情是否真的会发生？”或者“超人类智能是否会威胁生存？”“我并不害怕人工智能，我反而害怕人工智能时代不能尽快到来”，皮埃罗每次都这样笑着表示。

值得一提的是，皮埃罗在人工智能领域有一段很长的履历。1983~1991年，皮埃罗一直担任意大利奥利维蒂公司人工智能中心的创始总监；1984年，皮埃罗先后在哈佛大学和麻省理工学院学习人工智能；1995年和1996年，皮埃罗作为访问学者在斯坦福大学人工智能实验室深造。他还曾在一家名为IntelliCorp的公司工作过，该公司是硅谷最早的一批人工智能创业公司之一。如今，皮埃罗在斯坦福大学讲授人工智能课程，出版过一本《智能的本质》（英文书名为 Intelligence is not Artificial： Why the Singularity is not Coming any Time Soon And Other Meditations on the Post-Human Condition and the Future of Intelligence，人民邮电出版社，2017年即将出版）的英文专著。人工智能简史我为什么不担心人工智能超越人类

我们先从让这个命题流行起来的奇点理论说起，奇点在硅谷都快成一种新的信仰了。埃隆·马斯克（Elon Musk）、比尔·盖茨，甚至斯蒂芬·霍金（Stephen Hawking）都公开表示了对人工智能的担忧。雷·库兹韦尔预测，机器智能会在不久的将来超越人类，创造出一种人类根本无法理解的超级智能。他预计，2027年，计算机将可以模拟人类大脑；2029年，计算机将能拥有和人类一样的智能；2045年，当机器人的智能超越人脑智能并可以自己繁衍时，奇点就会出现。

很多人相信奇点很快就会到来，也相信如果人类与他们生产的机器完全融合，如果人的智能能够完全转移到计算机上，奇点就能够让我们实现永生。这种“信仰”是建立在五个“信条”上的。第一，人工智能正在并已经产生卓越成果；第二，技术进步在不断加速；第三，技术正在创造超越人类的智能；第四，人类可以从比我们更聪明的机器中获益；第五，通过图灵测试的机器至少像人类一样聪明。《智能的本质》一书中解释了为什么我不同意这五点。

第一，对“人工智能正在并已经产生卓越成果”这一事实的验证。人们对人工智能总是过于乐观。1965年，伟大的数学家赫伯特·西蒙（Herbert Simon）曾写下：“20年内，机器将可以胜任人类可以做的任何事情。”这一天迄今为止还没有到来。

人工智能始于1955年［1950年，阿兰·图灵（Alan Turing）提出了机器能否思考这个命题，编程语言LISP的发明者约翰·麦卡锡（John McCarthy）在1955年提出用“人工智能”定义该领域］。最初，神经网络是最受青睐的技术，但是，我们的大脑有成千上万的神经元，要建造和模拟那样巨大的神经网络几乎是不可能的任务。

因此，神经网络很快被另一种被称为“基于知识”的技术所取代了。理解这种“基于知识”的人工智能最简单的方法就是弄明白信息和知识的区别。在一个基于信息的系统里，一定有一个包含问题答案的数据库。比如，当有人问：“谁是美国的总统？”或“罗马在哪里？”这个系统会从数据里查找出“奥巴马”和“意大利”。但是，如果有人问：“你认为下一任总统会是谁？”或者“亚特兰蒂斯（传说沉没于大西洋的岛屿）在哪里？”基于信息的系统就无法运转了。此时，就需要基于知识的系统来“思考”，这个系统需要利用所有已有的知识来“猜”出问题的可能答案，就好像我们人类那样。

这种基于知识的人工智能一直流行到20世纪90年代。实际结果却一直不尽如人意，因为给人类的庞大知识体系编码是一件无比困难的事。因此，人工智能在那段时间备受冷落，被认为只不过是不切实际的理论研究而已，人工智能进入了“冬天”。

我认为人们重新开始相信“人工智能”是从2011年开始的，这一年，IBM的超级计算机“沃森”（Watson）击败了哥伦比亚广播公司著名智力竞赛节目《危险边缘》（Jeopardy）的人类冠军，人工智能一时名声大噪。

2012年，吴恩达（Andrew Ng，现为百度首席科学家）领导的“谷歌大脑”项目，让机器系统能够以非常低的错误率在海量图像中识别猫，2012年也因此被我们看成人工智能领域真正的里程碑。

这是如何实现的呢？图片网站ImageNet（http://www.image-net.org/）是一个被人们贴好标签的海量图片数据库，每年，来自全世界的人工智能团队都会进行图像识别竞赛，并根据错误率打分。2012年，一种新的技术“深度学习” ［通常来说，大家认为深度学习的观点是杰夫·辛顿（Geoffrey Hinton）在2006年提出的，他在神经网络领域进行了长达30年的研究］使得图像识别的错误率迅速下降到一个很低的数值，并在之后不断下降，甚至接近人类的水平。

2014年，斯坦福大学以人工智能实验室主任李飞飞（Feifei Li）为主导的科学家团队开发了一个机器视觉算法，该算法能够通过对图像进行分析，然后用语言对图像中的信息进行描述。在此之前，其实已经有可以识别人脸的软件算法，但是斯坦福大学的系统（同时期的项目还有雅虎的Flickr）可以识别出图像中的场景，比如两个人在公园里玩飞盘等。

可以说，杰夫·辛顿等人在基于神经网络的基础上提出深度学习后，人工智能才再次流行，因为它确实能够识别人脸、声音乃至场景了！

人工智能近年来引人关注的还有“图灵测试”的突破。1950年，阿兰·图灵在一篇论文中提出了机器能够骗过人类，让人类误以为机器是人类的想法，这是“图灵测试”的本体。图灵认为，如果30%的被测试人都不能区分放在黑箱子里的机器到底是人还是机器时，这台机器就通过了图灵测试。

2014年6月7日，聊天程序“尤金·古斯特曼”（Eugene

试读结束[说明：试读内容隐藏了图片]

下载完整电子书