【行業(yè)資訊】人工智能與投資——智能跨入新紀元，推動人類被替代的速度

正文共：5557字-11圖

預計閱讀時間：14分鐘

人工智能在20世紀后期經(jīng)歷了幾個階段：50－60年代的繁榮期，70年代的寒冬期，80年代的短暫復興期以及后續(xù)的緩慢發(fā)展期。但與此同時，以人機交互為特征的智能增強卻出現(xiàn)了大繁榮，到了20世紀末期，當“深藍”戰(zhàn)勝國際象棋冠軍之后，一場以互聯(lián)網(wǎng)為中心的資本市場泡沫開始崛起，而后者的破滅也成了新千年的第一個重要的社會經(jīng)濟事件。

智能的新發(fā)展

泡沫破滅雖然給互聯(lián)網(wǎng)行業(yè)帶來了一絲寒意，卻也讓這個行業(yè)開始走得更為穩(wěn)健和成熟，最終，21世紀頭10年成了互聯(lián)網(wǎng)一統(tǒng)天下的10年，就是在這10年之間，幾乎所有的事物都被互聯(lián)網(wǎng)化了。

大批徒有其表的公司在21世紀初倒閉，但是像亞馬遜、谷歌以及蘋果這樣的企業(yè)卻走過了冬季，逐步成了新時代的企業(yè)霸主。2004年，哈佛的計算機系學生馬克·扎克伯格創(chuàng)辦了社交網(wǎng)站Facebook，沒用幾年，這個出自校園的公司變成了全世界最為重要的社交平臺之一。門戶、搜索、社交·····互聯(lián)網(wǎng)將全世界連接了起來，到2006年，全球的網(wǎng)站超過了1億個。

2007年，蘋果公司推出的iPhone將我們帶入了一個智能的移動新時代。與之前那些以能否砸爛核桃、待機時間長短作為評價標準的功能機相比，這些新的機器有了一個新名字－智能手機。

微軟依然是全球PC操作系統(tǒng)的霸主，在2008年時，全球90%的操作系統(tǒng)是Windows;但搜索已經(jīng)成了谷歌的天下，而且還推出了手機操作系統(tǒng)安卓（Android)，后者逐漸崛起，成了移動時代的手機操作系統(tǒng)霸主。萬物互聯(lián)的時代，數(shù)據(jù)開始爆發(fā)。谷歌和百度的搜索是人們最為常用的工具，而到了2012年，F(xiàn)acebook一個月的點擊量超過了70億次。

這些每天都在更新存儲的海量數(shù)據(jù)，已經(jīng)滲透到當今每一個行業(yè)和業(yè)務職能領域，成為重要的生產(chǎn)因素，而人們對于海量數(shù)據(jù)的挖掘和運用，則預示著新一波生產(chǎn)率增長和消費者盈余浪潮的到來。2012年的全球達沃斯會議宣告，數(shù)據(jù)和貨幣或黃金一樣，已經(jīng)成為一種新的經(jīng)濟資產(chǎn)類別。人類進入了大數(shù)據(jù)的時代。

在計算機運算速度大幅提升以及大數(shù)據(jù)爆發(fā)性增長的同時，人工智能的算法也在取得突破。2006年，深度學習（deep learning)的代表人物杰弗里·辛頓和其他兩位作者發(fā)表了《一種深度置信網(wǎng)絡的快速學習算法》，將深度學習推向了一個新的時代。

深度學習其實是機器學習（machine learning)的一種算法。那么，什么又是機器學習呢？簡單點說，機器學習就是讓電腦在沒有明確編程的情況下具備自己學習的能力。機器學習的這個定義最初來自阿瑟·薩繆爾。1952年，阿瑟·薩繆爾在IBM公司研制了一個西洋跳棋程序，這個程序具有自學習能力，通過自己與自己的大量對弈，這個程序逐漸開始理解什么棋是好棋，什么是臭棋，它也知道了占據(jù)何種位置才能有更大的贏棋概率。

沒過多久，這個跳棋程序的水平就超過了薩繆爾。在薩繆爾之前，人們認為計算機是一種沒有得到人的指令便無法行事的機器，但是這個程序證明，機器人可以通過自我學習（而不需要人教），超過人類。

傳統(tǒng)上，如果我們想讓計算機工作，我們會給它一串指令，然后它遵照這個指令一步步執(zhí)行下去。但機器學習不是這樣，機器學習接受的不是你輸入的指令，而是你輸入的數(shù)據(jù)。機器學習就是利用數(shù)據(jù)訓練出模型，然后再使用這個模型進行預測。

如果說大數(shù)據(jù)是新的石油，那么提煉石油就是一門新的有利可圖的生意，而既然機器學習能夠分析數(shù)據(jù)、建立模型，然后進行預測，那么我們沒有理由不認為，它就是提煉新石油的最好工具之一。也正是因此，機器學習很快就得到了那些擁有大數(shù)據(jù)的大型商業(yè)公司的青睞：如果它真的能根據(jù)用戶行為數(shù)據(jù)有效預測未來，那么，它顯然就是提升公司利潤和保持公司競爭力的利器。

用戶多，數(shù)據(jù)就多；數(shù)據(jù)多，機器學習做出的預測模型就可能更準確，而這也就可以吸引更多的用戶。這樣的一種正反饋，無疑成為大型公司投入巨資擁抱機器學習的根本動力。機器學習可以應用于廣泛的領域。一支球隊可以通過分析歷史數(shù)據(jù)，找到戰(zhàn)勝對手的法門（有一部美國電影《點球成金》就講述了這個故事）；亞馬遜可以通過對用戶行為數(shù)據(jù)的分析，為其更好地推薦圖書或商品。

機器學習的應用領域可謂無處不在：它和數(shù)據(jù)庫結(jié)合，就是數(shù)據(jù)挖掘；和圖像處理結(jié)合，就是計算機視覺；和語音處理結(jié)合，就是語音識別；和文本處理結(jié)合，就是自然語言處理。機器學習的算法也非常多，支持向量機、回歸以及深度學習所使用的神經(jīng)網(wǎng)絡，都是機器學習算法大家庭中的一員。

當下最為火爆的當然是深度學習。要想把深度學習說清楚，我們也不得不花點時間回到從前，梳理一下我們沒有提及的人工智能發(fā)展史。我們在之前提到過，即便是在1956年的達特茅斯會議上，與會者也沒有就何為人工智能形成明確的共識，不過，后來者將前人對人工智能的觀點做了分類，雖然這些分類也不盡相同，但總體上有兩個派別是比較清楚的：符號派和連接派。

其中，符號派是比較傳統(tǒng)的派別，強調(diào)的是推理、規(guī)劃和知識表示等問題，在這一派的眼中，既然智能是一個黑箱子，那就不要關心這個黑箱內(nèi)部的構(gòu)造，而只要關注輸入和輸出。而連接派則從人的大腦神經(jīng)元結(jié)構(gòu)中得到啟發(fā)，他們相信，既然人類的智力緣于大腦，而大腦正是由萬億個神經(jīng)元細胞錯綜復雜連接而成，那么模仿人腦建立起一個人工的神經(jīng)網(wǎng)絡，才是實現(xiàn)人工智能的最好形式。

這種觀點提出得很早，但是一直沒有受到足夠重視，直到20世紀80年代辛頓等人提出將反向傳播算法用于神經(jīng)網(wǎng)絡，才為神經(jīng)網(wǎng)絡的復興奠定了基礎。人工智能的再一次大發(fā)展，則正是在2006年辛頓等人發(fā)表了他們的論文之后。2009年，辛頓將這種方法應用于語音識別領域，結(jié)果令錯誤率大幅下降了25%。

在此之后，深度學習發(fā)展的標志性事件，多數(shù)都體現(xiàn)在了那些掌握大數(shù)據(jù)并且看重機器學習未來的商業(yè)化巨頭身上：2012年，《紐約時報》披露了谷歌大腦（Google Brain)項目，這個項目由吳恩達和Map——Reduce 發(fā)明人杰夫·迪恩共同主導，他們借助 YouTube上的上千萬張圖片，用16000個CPU Core的并行計算平臺訓練一種稱為“深層神經(jīng)網(wǎng)絡”的機器學習模型，并在圖像識別等領域獲得了巨大的成功。

2012年11月，微軟在中國天津的一次活動上公開演示了一個全自動的同聲傳譯系統(tǒng)，講演者用英文演講，后臺的計算機一氣呵成自動完成語音識別、英中機器翻譯，以及中文語音合成，效果非常流暢，其中關鍵的支撐技術(shù)是深度學習。

2013年1月，在百度年會上，創(chuàng)始人兼CEO李彥宏高調(diào)宣布要成立百度研究院，其中第一個重點方向就是深度學習，并為此成立深度學習研究院（IDL)。深度學習的這種大發(fā)展開始逐步得到業(yè)界和學術(shù)界認可。2013年4月，《麻省理工學院技術(shù)評論》雜志將深度學習列為2013年十大突破性技術(shù)之首。

同一年，辛頓離開了學術(shù)界，加盟了擁有強大數(shù)據(jù)資源和計算能力的谷歌；另外一位以卷積神經(jīng)網(wǎng)絡聞名的楊立昆（Yann LeCun)則在同一年加盟了Facebook，創(chuàng)辦了人工智能研究實驗室。3年之后，谷歌的AlphaGo利用“深度學習＋增強學習”的人工智能，打敗了世界圍棋冠軍李世石。一場人工智能的新熱潮，也由此變成了一種人人談論的新話題和新景象。

被加速替代的人類

進入21世紀的第二個10年，機器學習的威力也逐漸發(fā)揮出來，在幾個重要領域都取得了非常大的成果。

首先是圖像識別。從2010年開始，來自全世界研究機構(gòu)和技術(shù)公司的人工智能高手，每年都會聚集在一起，參加一個由ImageNet項目組織的大規(guī)模視覺識別挑戰(zhàn)賽－也就是一起比賽一下，誰的技術(shù)能夠更好地通過圖片或者視頻來識別出物體。這個比賽從建立之初就成為圖像識別的推動者。

在最初，機器算法對物體進行識別的準確率只有71。8%，但到了2017年，這一比率就上升到了97。3%，而且從2015年開始，機器對圖像的識別錯誤率就已經(jīng)開始低于人類。也就是說，在圖像識別方面，機器已經(jīng)開始超過人的眼睛了。

如今，圖像識別已經(jīng)應用到了各種各樣的領域。舉個最簡單的例子，如今的各種美圖軟件都已經(jīng)能夠清晰地識別人的面部，并且有針對性地進行圖片優(yōu)化或者給人像配上各種各樣的可愛表情。商業(yè)上的應用也開始不斷出現(xiàn)。例如滴滴和優(yōu)步都開始用面部識別來對司機進行驗證，這種驗證可以更好地保證司機身份的真實性。

在共享出行大行其道之后，交通出行的安全就成為一個熱點話題，許多司機犯罪案件使得這些公司承受了巨大的壓力，利用圖像識別，這些公司就可以更好地掌握司機的數(shù)據(jù)，也給出行安全加上了一道新的屏障。

在金融領域，圖像識別的應用也已經(jīng)非常普遍。例如，很多的銀行或者小額信貸公司利用圖像識別來驗證用戶的信息，對于這些金融機構(gòu)來說，“刷臉”可以讓他們掌握更多的用戶信息，提高對風險的把控能力，而對于用戶來說，圖像識別則讓生活更加方便：原來很多要跑到銀行去拍照辦理的業(yè)務，如今只要在家里就可以完成。

2017年，蘋果推出了新款手機iPhone X，這款手機取消了先前的指紋識別，取而代之的是人臉解鎖功能－使用者只要盯住手機屏幕，就可以輕松打開手機界面。其次是自動駕駛汽車的發(fā)展。早在20世紀70年代，人工智能的先驅(qū)就開始研究能行走的機器人，我們在前面提到的Shaky就是其中的一個不那么成功的嘗試——幾十年前，無論是計算機的運算能力還是數(shù)據(jù)量以及算法，都無法支撐這樣的一個野心。

因此，關于機器人的夢想，我們最初只能在《變形金剛》這樣的動畫片里實現(xiàn)。不過，借助于機器學習等技術(shù)，這個夢想在進入21世紀后逐步變成現(xiàn)實。原斯坦福大學教授塞巴斯蒂安·特倫（Sebastian Thrun)在斯坦福大學期間率團隊開發(fā)了Stanley機器人汽車。2005年，這個能在沙漠中自己行駛132英里（約212千米）的機器人，在DARPA(美國國防部高級研究計劃局）機器車挑戰(zhàn)賽中獲勝，并贏得了200萬美元的獎金。

2009年，在特倫的領導下，谷歌啟動了自動駕駛汽車項目，自動駕駛由此開始進入大發(fā)展時期。到2010年，谷歌自動駕駛汽車測試里程超過14萬千米（約23萬千米）。到2016年，谷歌測試車輛在美國4個城市的測試里程更是達到了200萬英里（約322萬千米）之巨，不僅如此，這些自動駕駛車輛還學會了鳴笛，并且可以分辨出騎車人和行人。

除了谷歌，其他的科技公司和傳統(tǒng)的汽車廠商也開始進人到這一領域。在中國，百度的掌門人李彥宏為了推銷自己公司研發(fā)的無人駕駛汽車，親自在北京的道路上進行了試驗。優(yōu)步、特斯拉、寶馬、福特等公司也陸續(xù)加入到自動駕駛的陣營之中。按照樂觀的估計，大約在2030年之后，由人工智能操控的無人駕駛汽車將陸續(xù)批量投入到市場之中，屆時，或許滿街都將是沒有駕駛員的自動駕駛汽車。

深度學習也帶動了語音識別的發(fā)展。如今，語音識別已經(jīng)可以較為輕。松地將語音轉(zhuǎn)換為文字，而且其錯誤率也一直在降低。蘋果早在多年前就推出了可以和人對話的Siri，而今，幾乎所有大公司的應用都支持語音輸人。智能音箱已經(jīng)進入了很多家庭，它既是一個玩具，也是一個簡單的生活助手，同時也是最好的語音數(shù)據(jù)收集器。

與此前相比，由機器學習尤其是深度學習所引發(fā)的這一波人工智能熱潮，得到了風險投資和各大商業(yè)公司的共同追捧。業(yè)界的普遍共識是，盡管人工智能沒有我們想象得那么好，但是它的確也在改變我們的生活，顛覆此前的商業(yè)模式。

人工智能如此迅速地商業(yè)化，對普通人帶來了嚴峻的挑戰(zhàn)，就像幾百年前的工業(yè)革命讓機器取代了手工業(yè)者，如今的專家和有識之士也開始擔心機器對人的替代：很顯然，自動駕駛的崛起，必然會沖擊司機的就業(yè)，而圖像識別則有可能讓很多保安或者高速公路收費員失去工作，語音識別及自然語言處理要消滅的則是速記員甚至還有翻譯。

創(chuàng)新工場的李開復曾經(jīng)不止一次說，人工智能的興起將使得90%的現(xiàn)有工作被取代。許多人認為這是一種不可能發(fā)生的事情，但實際上這種情況已經(jīng)在身邊發(fā)生。在北京或者其他稍具規(guī)模的城市，停車場的收費員逐漸成為一個被消滅的崗位，越來越多的停車場變成無人車庫：進出都是由機器掃描車牌，而收費則轉(zhuǎn)移到線上完成。

還有人認為，即便機器可以替代人類，那也只是替代其中的一些簡單的重復性體力勞動，例如上文中的停車場收費員，他們的工作就屬于這一性質(zhì)。但這樣的看法也有失偏頗。我們縱觀智能的發(fā)展歷史就知道，那些更需要智力，尤其是邏輯性推理的活動，實際上是機器更為拿手的活動。例如，在20世紀60年代人工智能概念提出的早期，人工智能最先攻破的是證明數(shù)學定理這樣高深的活動，相反，倒是一些連三歲小孩都掌握的行為，例如推門關門等，機器人則要過很多年之后才能掌握。

在當下，腦力勞動從業(yè)者也受到了嚴峻的沖擊。一個典型的例子就是網(wǎng)絡編輯。在過去的10年，網(wǎng)絡編輯從無到有，他們的主要工作就是判斷文章是否會受到讀者的喜愛，并且根據(jù)這種判斷決定哪些新聞放在頭條。但時至今日，在諸多大型互聯(lián)網(wǎng)資訊公司里，傳統(tǒng)網(wǎng)絡編輯所從事的工作被更多地交給了機器和算法。

雖然2018年4月，有關部分下發(fā)指令，“為依法規(guī)范傳播秩序，各互聯(lián)網(wǎng)應用商店暫停今日頭條、鳳凰新聞、網(wǎng)易新聞和天天快報四款移動應用程序的下載服務”，但隨著算法的快速發(fā)展，以及相關公司的規(guī)范化運營，機器和算法依然可能會大面積取代網(wǎng)絡編輯的工作。

結(jié)語

由此可見，無論是體力勞動者還是腦力勞動者，都將面臨新一輪人工智能大潮的洗禮，而如果我們將個人投資行為視為一種腦力勞動的話，顯然，個人的投資也將受到人工智能的進一步?jīng)_擊。而事實上，這也是如今正在上演的故事。

參考資料：

《麻省理工學院技術(shù)評論》

《一種深度置信網(wǎng)絡的快速學習算法》

來源 | 趣觀財經(jīng)

版權(quán)聲明：本號內(nèi)容部分來自互聯(lián)網(wǎng)，轉(zhuǎn)載請注明原文鏈接和作者，如有侵權(quán)或出處有誤請和我們聯(lián)系。