(電子商務(wù)研究中心訊) 最近十年，我們一直在建立一個(gè)移動(dòng)優(yōu)先(mobile-first)的世界，而接下來(lái)的十年里，我們的將轉(zhuǎn)向人工智能優(yōu)先(AI-first)的世界。(Google CEO Sundar Pichai，2016年10月)
從Amazon和Facebook到Google和Microsoft，世界上最具影響力的技術(shù)公司的領(lǐng)導(dǎo)者都在表現(xiàn)出了對(duì)人工智能(AI)極大的熱愛(ài)。那么什么是AI？為什么如此重要？為什么會(huì)在現(xiàn)在成為熱點(diǎn)？雖然人們對(duì)于AI越來(lái)越感興趣，但是只有專(zhuān)家才能真正能夠理解這個(gè)領(lǐng)域。我們的目標(biāo)是使更多人接觸到這個(gè)重要領(lǐng)域。
首先我們要解釋AI以及“機(jī)器學(xué)習(xí)”等關(guān)鍵術(shù)語(yǔ)的含義，闡述成果最豐富的AI領(lǐng)域“深度學(xué)習(xí)”是如何運(yùn)作的，并對(duì)AI解決的問(wèn)題及為什么這些問(wèn)題很重要進(jìn)行探索。我們還會(huì)分析，為什么二十世紀(jì)五十年代發(fā)明的AI技術(shù)會(huì)在今天迎來(lái)它的時(shí)代。
作為風(fēng)險(xiǎn)投資人，我們一直在尋找能夠?yàn)榭蛻艉凸緞?chuàng)造價(jià)值的新潮流。我們相信AI會(huì)是一種比移動(dòng)化和云計(jì)算更重要的變革。Amazon的CEO Jeff Bezos表示，“很難說(shuō)在接下來(lái)的20年，AI會(huì)對(duì)社會(huì)造成怎樣的影響。”無(wú)論你是客戶、行政人員、企業(yè)家還是投資人，我們希望這篇文章能夠不同于那些天花亂墜的宣傳，真正為你解釋為什么這個(gè)新型潮流對(duì)我們來(lái)說(shuō)如此重要。
一、什么是AI？
人工智能：關(guān)于智能程序的科學(xué)
1956年，達(dá)特茅斯學(xué)院的助理教授John McCarthy創(chuàng)造了“人工智能”(AI)一詞，指那些能夠表現(xiàn)出智能行為的硬件和軟件，用John McCarthy的話說(shuō)，就是“制造智能機(jī)器，尤其是智能計(jì)算機(jī)程序的科學(xué)和工程。”
基礎(chǔ)的“AI”已經(jīng)存在了幾十年，在特定環(huán)境下通過(guò)基于一定規(guī)則的程序呈現(xiàn)基本的智能行為。但是取得的成績(jī)是有限的，因?yàn)橛糜谔幚砗芏喱F(xiàn)實(shí)世界問(wèn)題的算法是很難人工進(jìn)行編程的。
在進(jìn)行醫(yī)療診斷、預(yù)測(cè)機(jī)器故障或是測(cè)定特定資產(chǎn)的市場(chǎng)價(jià)值等復(fù)雜活動(dòng)時(shí)，會(huì)涉及到上千個(gè)數(shù)據(jù)組和變量之間的非線性關(guān)系。在這些情況下，我們很難用現(xiàn)有的數(shù)據(jù)得到“最佳”預(yù)測(cè)結(jié)果。而在其他領(lǐng)域，包括在圖像中識(shí)別目標(biāo)和語(yǔ)言翻譯等，我們甚至無(wú)法創(chuàng)建規(guī)則來(lái)描述我們尋求的特征。我們?cè)趺纯赡芫帉?xiě)一組適用于所有情形的程序，來(lái)描述一只小狗的外貌呢？
進(jìn)行數(shù)據(jù)優(yōu)化和功能特征等復(fù)雜的預(yù)測(cè)時(shí)會(huì)遇到一些困難，假使我們將這種困難由程序員那里轉(zhuǎn)移到程序呢？這就是現(xiàn)代人工智能的責(zé)任。
機(jī)器學(xué)習(xí)也屬于AI技術(shù)，所有機(jī)器學(xué)習(xí)都屬于AI，但AI并不只是機(jī)器學(xué)習(xí)(見(jiàn)表一)。從人們對(duì)AI的興趣可以看出對(duì)機(jī)器學(xué)習(xí)的熱情，這一領(lǐng)域的發(fā)展非常迅速并且意義重大。
有些問(wèn)題對(duì)于人類(lèi)來(lái)說(shuō)非常復(fù)雜，而機(jī)器學(xué)習(xí)可以幫助我們將一部分負(fù)擔(dān)轉(zhuǎn)移給算法，來(lái)解決這些問(wèn)題。1959年，AI的先驅(qū)Arthur Samuel曾經(jīng)寫(xiě)道，機(jī)器學(xué)習(xí)是“一種賦予計(jì)算機(jī)無(wú)需明確編程就能學(xué)習(xí)的能力的研究領(lǐng)域”。
大部分機(jī)器學(xué)習(xí)的目標(biāo)都是針對(duì)特定使用情況開(kāi)發(fā)預(yù)測(cè)引擎。算法會(huì)接收到某一領(lǐng)域(比如一個(gè)人在過(guò)去看過(guò)的電影)的信息，對(duì)投入進(jìn)行權(quán)衡，做出有用的預(yù)測(cè)(一個(gè)人在未來(lái)喜歡不同電影的可能性)。通過(guò)賦予“計(jì)算機(jī)學(xué)習(xí)的能力”，可以利用算法完成最優(yōu)化的任務(wù)，最優(yōu)化也就是通過(guò)衡量可用數(shù)據(jù)中的變量，對(duì)未來(lái)進(jìn)行準(zhǔn)確預(yù)測(cè)。我們還可以更進(jìn)一步，將特征詳述的任務(wù)也交給程序來(lái)做。
機(jī)器學(xué)習(xí)算法要經(jīng)過(guò)訓(xùn)練。算法首先接收到例子，并且已知這些例子的輸出，記錄下預(yù)測(cè)輸出與真實(shí)輸出的差距并調(diào)整輸入的權(quán)重提高預(yù)測(cè)的準(zhǔn)確性，直到得出最優(yōu)值。因此，機(jī)器學(xué)習(xí)算法最典型的特征就是，預(yù)測(cè)的質(zhì)量會(huì)隨著經(jīng)驗(yàn)的豐富而提升。我們提供的數(shù)據(jù)越多(一定程度上)，預(yù)測(cè)引擎能得出的結(jié)果就越優(yōu)化。
機(jī)器學(xué)習(xí)的方法有超過(guò)15種，每一種都使用不同算法結(jié)構(gòu)，依據(jù)得到的數(shù)據(jù)實(shí)現(xiàn)預(yù)測(cè)最優(yōu)化。“深度學(xué)習(xí)”是其中一種方法，在新的領(lǐng)域取得了突破性成果，我們將在下文中對(duì)此方法進(jìn)行探索。此外一些沒(méi)有受到很多關(guān)注的技術(shù)也很有價(jià)值，它們適用于更廣泛的使用情形。除了深度學(xué)習(xí)外，“隨機(jī)森林”也是一種最有效率的機(jī)器學(xué)習(xí)算法，可以創(chuàng)造很多決策樹(shù)，使預(yù)測(cè)最優(yōu)化；
“貝葉斯網(wǎng)絡(luò)”使用概率性方法分析變量及各變量之間的關(guān)系；在支持向量機(jī)中輸入的是類(lèi)別化的案例，它可以創(chuàng)造模型，把新的輸入分配到各個(gè)類(lèi)別中。
每一種方法都有優(yōu)勢(shì)和不足，所以要結(jié)合起來(lái)使用(一種組合方法)。哪種算法會(huì)被選擇出來(lái)解決某一特定問(wèn)題，取決于可用數(shù)據(jù)集等因素的性質(zhì)。實(shí)踐中，開(kāi)發(fā)者傾向于通過(guò)實(shí)驗(yàn)觀察哪些算法是有效果的。
機(jī)器學(xué)習(xí)的使用案例根據(jù)我們的需求和想象而不同。擁有正確的數(shù)據(jù)后，我們可以建立算法實(shí)現(xiàn)各種目的：根據(jù)某人之前的購(gòu)買(mǎi)記錄推薦購(gòu)買(mǎi)產(chǎn)品；預(yù)測(cè)汽車(chē)裝配線上的機(jī)器何時(shí)會(huì)發(fā)生故障；預(yù)測(cè)電子郵件地址是否錯(cuò)誤；估計(jì)信用卡交易欺詐行為的可能性；還有很多其他目的。
深度學(xué)習(xí)：將特征詳述工作交給算法
即使使用隨機(jī)森林、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)等普通機(jī)器學(xué)習(xí)方法，也很難編寫(xiě)出能很好地完成特定任務(wù)的程序，從理解語(yǔ)音到識(shí)別圖像中的對(duì)象。因?yàn)槲覀儫o(wú)法以實(shí)際、可靠的途徑來(lái)詳述特征。例如，如果想要編寫(xiě)計(jì)算機(jī)程序來(lái)識(shí)別汽車(chē)的形象，我們無(wú)法在算法中詳述汽車(chē)的特征，來(lái)確保在所有情況下都能準(zhǔn)確識(shí)別。汽車(chē)的形狀、大小和顏色多種多樣，位置、方向和形態(tài)也有所不同。背景、燈光和很多其他因素都會(huì)影響對(duì)象的外表。一組規(guī)則中需要包含的變量太多了，即使我們能夠全部包含進(jìn)去，這種解決方案也不具備延展性。我們需要為每種需要識(shí)別的對(duì)象都編寫(xiě)一組程序。
深度學(xué)習(xí)(DL)已經(jīng)徹底改變了人工智能世界。有超過(guò)15種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的方法，深度學(xué)習(xí)就是其中一種，所有深度學(xué)習(xí)都屬于機(jī)器學(xué)習(xí)，但是機(jī)器學(xué)習(xí)并不只是深度學(xué)習(xí)。
通過(guò)深度學(xué)習(xí)，程序員可以不必完成特征詳述(根據(jù)數(shù)據(jù)定義需要分析的特征)或最優(yōu)化(如何權(quán)衡數(shù)據(jù)以實(shí)現(xiàn)準(zhǔn)確預(yù)測(cè))的任務(wù)，而是全部交給算法來(lái)完成。
那么如何實(shí)現(xiàn)這些呢？深度學(xué)習(xí)的突破點(diǎn)在于模擬大腦，而不是模擬世界。我們的大腦會(huì)學(xué)習(xí)做有難度的事情，比如理解話語(yǔ)和識(shí)別物體，而且并不是通過(guò)詳盡的規(guī)則而是通過(guò)時(shí)間和反饋來(lái)學(xué)習(xí)。小的時(shí)候我們體驗(yàn)這個(gè)世界(比如看見(jiàn)一張汽車(chē)的圖片)，做出預(yù)測(cè)(汽車(chē)！)然后收到反饋(沒(méi)錯(cuò)！)。我們沒(méi)有通過(guò)一組詳盡的規(guī)則，而是通過(guò)訓(xùn)練進(jìn)行學(xué)習(xí)。
深度學(xué)習(xí)使用的就是這種方法。將人造的、以軟件為基礎(chǔ)的計(jì)算器連接在一起，類(lèi)似于大腦中的神經(jīng)元。它們組成了一個(gè)“神經(jīng)網(wǎng)絡(luò)”，接收輸入并進(jìn)行分析、作出判斷，如果判斷正確，就做出通知，如果輸出是錯(cuò)誤的，算法就會(huì)對(duì)神經(jīng)元之間的聯(lián)系做出調(diào)整，改變未來(lái)的預(yù)測(cè)。最初網(wǎng)絡(luò)會(huì)出現(xiàn)很多次錯(cuò)誤，但隨著我們輸入數(shù)以百萬(wàn)計(jì)的例子，神經(jīng)元之間的聯(lián)系就會(huì)得到調(diào)整，最終幾乎在所有情形下，神經(jīng)網(wǎng)絡(luò)都會(huì)做出正確的判斷，這也就是熟能生巧。
通過(guò)這個(gè)過(guò)程，我們現(xiàn)在可以：
識(shí)別圖片中的元素；
實(shí)時(shí)語(yǔ)言翻譯；
語(yǔ)音控制設(shè)備(通過(guò)Apple Siri、Google Now、Amazon Alexa以及Microsoft Cortana)；
預(yù)測(cè)基因變化會(huì)對(duì)DNA轉(zhuǎn)錄產(chǎn)生怎樣的影響；
分析客戶反饋中的情感；
通過(guò)醫(yī)學(xué)影像探測(cè)腫瘤。
深度學(xué)習(xí)并不能用于解決所有問(wèn)題，其通常會(huì)需要利用大型數(shù)據(jù)集進(jìn)行訓(xùn)練，需要廣泛的處理能力來(lái)訓(xùn)練和運(yùn)行神經(jīng)網(wǎng)絡(luò)。“可解釋性”也是一個(gè)問(wèn)題，要知道神經(jīng)網(wǎng)絡(luò)如何實(shí)現(xiàn)預(yù)測(cè)是非常困難的。但是深度學(xué)習(xí)使程序員從復(fù)雜的特征詳述工作中解放出來(lái)，為一系列重要問(wèn)題提供成功的預(yù)測(cè)機(jī)制。深度學(xué)習(xí)最終會(huì)成為AI開(kāi)發(fā)者的強(qiáng)大工具。
二.深度學(xué)習(xí)是如何工作的？
既然深度學(xué)習(xí)如此重要，了解其工作的基本要素也是非常有價(jià)值的。深度學(xué)習(xí)需要使用一個(gè)人工“神經(jīng)網(wǎng)絡(luò)”，即一組相互連接的“神經(jīng)元”(基于軟件的計(jì)算器)。
一個(gè)人工神經(jīng)元至少會(huì)接收一個(gè)輸入，其會(huì)以此為基礎(chǔ)進(jìn)行數(shù)學(xué)計(jì)算，得到輸出結(jié)果。輸出結(jié)果會(huì)依賴于每個(gè)輸入的權(quán)重和神經(jīng)元中的“輸入-輸出函數(shù)”的結(jié)構(gòu)(圖5)。輸入-輸出函數(shù)會(huì)發(fā)生變化，神經(jīng)元可能是：
一個(gè)線性單元(輸出與總加權(quán)輸入成一定比例)；
一個(gè)闕值單元(輸出可分為兩個(gè)等級(jí)，根據(jù)總輸入是否高于特定值確定其等級(jí))；或者Sigmoid單元(輸出不斷變化，與輸入變化不成線性關(guān)系)。
當(dāng)神經(jīng)元相互連接時(shí)就會(huì)產(chǎn)生神經(jīng)網(wǎng)絡(luò)，一個(gè)神經(jīng)元的輸出會(huì)成為另一個(gè)神經(jīng)元的輸入。
神經(jīng)網(wǎng)絡(luò)會(huì)組成多層神經(jīng)元(所以會(huì)有“深度”學(xué)習(xí))。“輸入層(input layer)”接收信息，如一組圖片，網(wǎng)絡(luò)會(huì)對(duì)此進(jìn)行處理。“輸出層(output layer)”負(fù)責(zé)提供結(jié)果，多數(shù)活動(dòng)都發(fā)生在輸入層和輸出層之間的“隱層(hidden layers)”上。神經(jīng)網(wǎng)絡(luò)上每一層的每個(gè)神經(jīng)元的輸出都是下一層的一個(gè)神經(jīng)元的輸入(圖7)。
下面就以一個(gè)圖像識(shí)別算法為例，在圖像中識(shí)別人臉。將數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，由第一層來(lái)識(shí)別局部對(duì)比的模式等“低等級(jí)”特點(diǎn)，如輪廓。圖像穿過(guò)網(wǎng)絡(luò)后，會(huì)逐漸提取其中的“高等級(jí)”特點(diǎn)，從輪廓到鼻子，再到面部。
在輸出層，通過(guò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)會(huì)得出關(guān)于圖片屬于某一類(lèi)的可能性(人臉：97%；氣球：2%；樹(shù)葉：1%)。
訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方式就是將大量帶有標(biāo)記的例子展現(xiàn)在它們面前，可以檢測(cè)出來(lái)錯(cuò)誤，算法也會(huì)對(duì)神經(jīng)元之間聯(lián)系的權(quán)重進(jìn)行調(diào)整，來(lái)完善結(jié)果。多次重復(fù)這個(gè)優(yōu)化過(guò)程，就可以部署系統(tǒng)并對(duì)未標(biāo)記的圖像進(jìn)行評(píng)估。
以上是一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)，但是結(jié)構(gòu)可以變化，且多數(shù)比較復(fù)雜。變量包括同層神經(jīng)元之間的連接；區(qū)別每層神經(jīng)元的數(shù)量；神經(jīng)元之間的聯(lián)系向上一等級(jí)網(wǎng)絡(luò)輸出(遞歸神經(jīng)網(wǎng)絡(luò))。
設(shè)計(jì)和完善神經(jīng)網(wǎng)絡(luò)需要大量的技能，步驟包括為特定應(yīng)用組織網(wǎng)絡(luò)、提供合適的訓(xùn)練數(shù)據(jù)集，根據(jù)進(jìn)展調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，以及結(jié)合多種方法。
三.AI為什么很重要？
AI要處理的是非常有深度的難題，因此非常重要，這些問(wèn)題的解決方案可以應(yīng)用于那些對(duì)人類(lèi)幸福感非常重要的部門(mén)，從健康、教育和商業(yè)到交通、公共事業(yè)和娛樂(lè)。
二十世紀(jì)五十年代起，AI研究就關(guān)注了五個(gè)領(lǐng)域：
推理：通過(guò)邏輯推理解決問(wèn)題的能力。
知識(shí)：表現(xiàn)關(guān)于世界知識(shí)的能力。(理解世界上的一些特定實(shí)體、事件和狀況；具有某些特性的要素；可分類(lèi)的要素。)
計(jì)劃：制定和實(shí)現(xiàn)目標(biāo)的能力(世界的未來(lái)有一種特定狀態(tài)是我們所期待的，可以通過(guò)一系列的活動(dòng)影響到通向這種狀態(tài)的過(guò)程)。
交流：理解書(shū)面和口頭語(yǔ)言的能力。
感知：根據(jù)視覺(jué)影像、聲音和其他感官輸入對(duì)與世界有關(guān)的事情進(jìn)行推理的能力。
AI的價(jià)值可以體現(xiàn)在很多方面，這些能力的進(jìn)步帶來(lái)的不只是發(fā)展而是變革。AI的應(yīng)用事例包括以下方面：
推理：法律評(píng)定；金融資產(chǎn)管理；財(cái)務(wù)應(yīng)用處理；游戲；自主武器系統(tǒng)。
知識(shí)：醫(yī)療診斷；藥品研發(fā)；媒體推薦；購(gòu)買(mǎi)預(yù)測(cè)；金融市場(chǎng)貿(mào)易；欺詐防范。
計(jì)劃：物流；行程安排；導(dǎo)航；物理和數(shù)字網(wǎng)絡(luò)優(yōu)化；預(yù)見(jiàn)性維護(hù)；需求預(yù)測(cè)；庫(kù)存管理。
交流：聲音控制；智能代理，助理及客戶支持；書(shū)面及口頭語(yǔ)言實(shí)時(shí)翻譯；實(shí)時(shí)轉(zhuǎn)錄。
感知：自動(dòng)駕駛；醫(yī)療診斷；監(jiān)控。
接下來(lái)幾年，幾乎所有部門(mén)都會(huì)在更多流程中應(yīng)用機(jī)器學(xué)習(xí)。比如簡(jiǎn)單的企業(yè)功能，如一家公司中的人力資源(HR)，就即將應(yīng)用機(jī)器學(xué)習(xí)；
員工招聘可以更有目標(biāo)性，可以使用智能工作匹配和部分自動(dòng)化評(píng)估功能；
通過(guò)人員需求和缺席的預(yù)測(cè)性計(jì)劃可以強(qiáng)化員工管理；
如果能夠推薦更適合員工的學(xué)習(xí)內(nèi)容，員工學(xué)習(xí)也會(huì)更有效果；
通過(guò)對(duì)員工離職風(fēng)險(xiǎn)的預(yù)測(cè)可以減少人員變動(dòng)。
機(jī)器學(xué)習(xí)將變得正規(guī)化，成為開(kāi)發(fā)人員標(biāo)準(zhǔn)工具的一部分，能夠完善并重塑現(xiàn)有流程。
機(jī)器學(xué)習(xí)的后續(xù)影響會(huì)超越即時(shí)影響。深度學(xué)習(xí)促進(jìn)了計(jì)算機(jī)視覺(jué)的發(fā)展，例如可以實(shí)現(xiàn)車(chē)輛(轎車(chē)和卡車(chē))自動(dòng)駕駛。那么其又會(huì)帶來(lái)哪些影響呢？目前在英國(guó)有90%的人和80%的貨物是通過(guò)公路運(yùn)輸?shù)?，如果使用自?dòng)駕駛車(chē)輛會(huì)產(chǎn)生以下影響：
安全(90%的交通事故是由駕駛員的疏忽引起的)
雇傭(英國(guó)有220萬(wàn)運(yùn)輸及物流行業(yè)的員工，年薪約為570億英鎊)
保險(xiǎn)(Autonomous Research預(yù)計(jì)，之后英國(guó)的汽車(chē)保險(xiǎn)費(fèi)用將下降63%)
部門(mén)經(jīng)濟(jì)(客戶將使用按需交通服務(wù)，代替自己的汽車(chē))；
汽車(chē)生產(chǎn)能力；城市計(jì)劃；規(guī)則及其他。
四.為什么現(xiàn)在會(huì)是AI的時(shí)代？
AI研究始于二十世紀(jì)五十年代，為什么在經(jīng)歷了多次失敗以后，現(xiàn)在迎來(lái)了轉(zhuǎn)折點(diǎn)？新算法的產(chǎn)生、數(shù)據(jù)通知能力的提升、更好的訓(xùn)練算法的硬件以及促使開(kāi)發(fā)者使用AI技術(shù)的云服務(wù)。
1.經(jīng)過(guò)改進(jìn)的算法
盡管深度學(xué)習(xí)并不是新技術(shù)，首個(gè)有效多層神經(jīng)網(wǎng)絡(luò)的詳細(xì)說(shuō)明發(fā)布于1965年，但是在過(guò)去十年里算法的發(fā)展確實(shí)對(duì)深度學(xué)習(xí)產(chǎn)生了很大影響。
由于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的發(fā)展，我們?cè)趫D像中識(shí)別物體的能力也得到了提高(圖9)。受到動(dòng)物視覺(jué)皮質(zhì)的啟發(fā)，神經(jīng)網(wǎng)絡(luò)中的每一層都是特定模式存在的過(guò)濾器。2015年，微軟的基于CNN的計(jì)算機(jī)視覺(jué)系統(tǒng)(準(zhǔn)確度：95.1%)在圖片中識(shí)別物體的能力超過(guò)了人類(lèi)(準(zhǔn)確度：94.9%)。“據(jù)我們所知”，他寫(xiě)道，“我們的成果的表現(xiàn)首次超過(guò)了人類(lèi)。”CNN更加廣泛的應(yīng)用還包括視頻和語(yǔ)音識(shí)別。
同時(shí)，遞歸神經(jīng)網(wǎng)絡(luò)(RNNs)出現(xiàn)后，語(yǔ)音和字跡的識(shí)別能力也在迅速提高(圖10)。RNNs的反饋聯(lián)系能夠確保數(shù)據(jù)進(jìn)入一個(gè)循環(huán)，這不同于只能正向輸送的常規(guī)神經(jīng)網(wǎng)絡(luò)。有一種強(qiáng)大的新型RNN叫做“長(zhǎng)短時(shí)記憶(LSTM)”模型。通過(guò)附加的聯(lián)系和存儲(chǔ)單元，RNN能夠記憶幾千個(gè)步驟之前看見(jiàn)的數(shù)據(jù)，并通知以下解釋?zhuān)@對(duì)于語(yǔ)音識(shí)別來(lái)說(shuō)非常有價(jià)值，對(duì)下一個(gè)詞的解釋可以從前面的單詞那里得知。2012年開(kāi)始，Google開(kāi)始使用LSTM來(lái)支持Android系統(tǒng)中的語(yǔ)音識(shí)別，僅六周前，微軟的工程師宣布，他們的系統(tǒng)誤字率為5.9%，這是首次大致等同于人類(lèi)的水平。
2.專(zhuān)門(mén)化硬件
繪圖處理器(GPUs)是專(zhuān)門(mén)的電子電路，極大削減了深度學(xué)習(xí)所需的訓(xùn)練神經(jīng)網(wǎng)絡(luò)的時(shí)間。
訓(xùn)練神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用了矩陣計(jì)算方法。所以對(duì)3D游戲有用的GPUs非常適合加速深度學(xué)習(xí)的發(fā)展，一個(gè)簡(jiǎn)單的GPU就能夠?qū)⒂?xùn)練效率提升5倍，在較大的問(wèn)題上，收獲或許增加了不只10倍。如果結(jié)合上那些為了廣泛使用深度學(xué)習(xí)框架而調(diào)整的軟件開(kāi)發(fā)裝備，訓(xùn)練速度會(huì)有更大的提升。(圖11)
3.大規(guī)模數(shù)據(jù)
用于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)通常都需要利用大型數(shù)據(jù)組進(jìn)行訓(xùn)練，從幾千個(gè)例子到幾百萬(wàn)個(gè)例子。幸運(yùn)的是，數(shù)據(jù)的創(chuàng)造和可用性在以指數(shù)方式增長(zhǎng)。現(xiàn)在，隨著進(jìn)入數(shù)據(jù)的“第三次浪潮”，人類(lèi)每天會(huì)產(chǎn)生2.2艾字節(jié)(23億千兆字節(jié))的數(shù)據(jù)；世界上所有數(shù)據(jù)中有90%都產(chǎn)生于過(guò)去的24個(gè)月。
數(shù)據(jù)創(chuàng)造的“第一次浪潮”開(kāi)始于二十世紀(jì)八十年代，涵蓋文檔和交易數(shù)據(jù)，可以聯(lián)網(wǎng)的臺(tái)式PC的普及也加速了這次浪潮。接下來(lái)是數(shù)據(jù)的“第二次浪潮”，是非結(jié)構(gòu)化媒體(電子郵件、照片、音樂(lè)和視頻)的一次爆發(fā)，普及化的智能手機(jī)聯(lián)網(wǎng)后會(huì)產(chǎn)生網(wǎng)頁(yè)數(shù)據(jù)和元數(shù)據(jù)?，F(xiàn)在我們正在邁入數(shù)據(jù)的“第三時(shí)代”，工業(yè)和家中都可以部署機(jī)器傳感器，創(chuàng)造額外的監(jiān)控、分析和元數(shù)據(jù)。
假定今天我們創(chuàng)造出的大量數(shù)據(jù)都是通過(guò)互聯(lián)網(wǎng)傳送的，膨脹的網(wǎng)絡(luò)交通就會(huì)成為大量增長(zhǎng)的數(shù)據(jù)量的防火墻。1992年，人類(lèi)每天傳送100GB的數(shù)據(jù)，而到了2020年，我們每秒就將傳送61,000GB數(shù)據(jù)。
我們能夠使用的通用數(shù)據(jù)越來(lái)越多，專(zhuān)業(yè)數(shù)據(jù)資源加速了機(jī)器學(xué)習(xí)的進(jìn)程。例如ImageNet，是一個(gè)可以自由使用的數(shù)據(jù)庫(kù)，擁有超過(guò)一千萬(wàn)個(gè)帶標(biāo)簽的圖像。這個(gè)數(shù)據(jù)庫(kù)加速了對(duì)象分類(lèi)深度學(xué)習(xí)算法的發(fā)展。
4.云服務(wù)
行業(yè)內(nèi)頂尖的云計(jì)算供應(yīng)商會(huì)提供云端的機(jī)器學(xué)習(xí)基礎(chǔ)架構(gòu)及服務(wù)，能夠促進(jìn)開(kāi)發(fā)者對(duì)機(jī)器學(xué)習(xí)的使用。
Google、Amazon、Microsoft和IBM都會(huì)通過(guò)提供云端基礎(chǔ)架構(gòu)(建模和迭代環(huán)境、可擴(kuò)展的“GPUs即服務(wù)”和相關(guān)托管服務(wù))來(lái)降低開(kāi)發(fā)機(jī)器學(xué)習(xí)功能的成本和難度。
此外，他們提供的云端機(jī)器學(xué)習(xí)服務(wù)(從圖像識(shí)別到語(yǔ)言翻譯)范圍也在擴(kuò)大，開(kāi)發(fā)人員可以直接在自己的應(yīng)用中使用這些服務(wù)。Google機(jī)器學(xué)習(xí)提供了一些很容易獲得的服務(wù)，包括視覺(jué)(物體識(shí)別、明確內(nèi)容檢測(cè)、人臉檢測(cè)和圖像情感分析)；語(yǔ)音(語(yǔ)音識(shí)別和語(yǔ)音文字轉(zhuǎn)換)；文本分析(實(shí)體識(shí)別、情感分析、語(yǔ)言檢測(cè)及翻譯)；以及求職(列舉工作機(jī)會(huì)以及資格匹配)。Microsoft Cognitive Services能夠提供超過(guò)21種視覺(jué)、語(yǔ)音、語(yǔ)言、知識(shí)和搜索領(lǐng)域的服務(wù)。
5.利益和創(chuàng)業(yè)
在過(guò)去五年里AI領(lǐng)域的公共利益增長(zhǎng)了六倍(圖13)，風(fēng)投公司對(duì)AI公司的投資也大幅增加(圖14)。我們已經(jīng)進(jìn)入了一個(gè)良性循環(huán)，機(jī)器學(xué)習(xí)領(lǐng)域的進(jìn)步正在吸引投資、創(chuàng)業(yè)以及注意力。而后者又會(huì)反過(guò)來(lái)加速機(jī)器學(xué)習(xí)的發(fā)展。
五.前景如何？
機(jī)器學(xué)習(xí)能帶來(lái)的利益是無(wú)窮的，我能夠看到的就包括從無(wú)人駕駛汽車(chē)到人機(jī)互動(dòng)的新途徑。還有很多利益沒(méi)有這么明顯，但是能夠提供日常的業(yè)務(wù)流程和客戶服務(wù)的能力和效率。
有時(shí)我們的期望過(guò)高，超出了短期的發(fā)展?jié)摿?，我們希望未?lái)能夠真正認(rèn)識(shí)AI，隨著機(jī)器學(xué)習(xí)被用于改善和重新設(shè)想現(xiàn)有的系統(tǒng)，希望我們能夠認(rèn)識(shí)到AI的價(jià)值。
歷史上，產(chǎn)業(yè)革命會(huì)通過(guò)新的能量來(lái)源和傳動(dòng)裝置改變生產(chǎn)和交流方式。18世紀(jì)80年代，第一次產(chǎn)業(yè)革命通過(guò)蒸汽動(dòng)力實(shí)現(xiàn)了生產(chǎn)自動(dòng)化。19世紀(jì)70年代，第二次產(chǎn)業(yè)革命通過(guò)電力實(shí)現(xiàn)了大量生產(chǎn)。20世紀(jì)70年代以來(lái)，第三次產(chǎn)業(yè)革命通過(guò)電子工業(yè)和軟件技術(shù)實(shí)現(xiàn)了生產(chǎn)及通訊的自動(dòng)化。現(xiàn)在，軟件遍布整個(gè)世界，信息處理成為了價(jià)值創(chuàng)造的首要來(lái)源。機(jī)器學(xué)習(xí)使我們的世界更加智能化，將產(chǎn)生歷史性的利益。
第四次工業(yè)革命：一場(chǎng)深刻的系統(tǒng)性變革來(lái)源：THINKTANK新智囊
對(duì)于所有行業(yè)和企業(yè)而言，問(wèn)題不再是“我是否會(huì)被他人顛覆”，而是“顛覆會(huì)何時(shí)到來(lái)，會(huì)以什么形式出現(xiàn)，對(duì)我和我所在的組織會(huì)產(chǎn)生怎樣的影響”。
當(dāng)今時(shí)代，我們面臨著紛繁復(fù)雜的挑戰(zhàn)，其中最嚴(yán)峻、最重大的挑戰(zhàn)莫過(guò)于如何理解并塑造本次新技術(shù)革命，這不亞于人類(lèi)的一次變革。這次革命剛剛開(kāi)始，正在徹底顛覆我們的生活、工作和互相關(guān)聯(lián)的方式。無(wú)論是規(guī)模、廣度還是復(fù)雜程度，第四次工業(yè)革命都與人類(lèi)過(guò)去經(jīng)歷的變革截然不同。
我們尚未完全了解這次新技術(shù)革命的速度和廣度。僅以移動(dòng)設(shè)備為例，如今，移動(dòng)設(shè)備將地球上幾十億人口聯(lián)結(jié)到了一起，具有史無(wú)前例的處理和存儲(chǔ)能力，并為人們提供獲取知識(shí)的途徑，由此創(chuàng)造了無(wú)限的可能性。另外，各種新興突破性技術(shù)出人意料地集中出現(xiàn)，涵蓋了諸如人工智能、機(jī)器人、物聯(lián)網(wǎng)、無(wú)人駕駛交通工具、3D(三維)打印、納米技術(shù)、生物技術(shù)、材料科學(xué)、能源儲(chǔ)存、量子計(jì)算等諸多領(lǐng)域。盡管其中很多創(chuàng)新成果還處于初期階段，但是在物理、數(shù)字和生物技術(shù)相結(jié)合的推動(dòng)下，它們?cè)诎l(fā)展過(guò)程中相互促進(jìn)并不斷融合，現(xiàn)在已經(jīng)發(fā)展到了一個(gè)轉(zhuǎn)折點(diǎn)。各行各業(yè)都在發(fā)生重大轉(zhuǎn)變，主要表現(xiàn)為：新的商業(yè)模式出現(xiàn)，現(xiàn)有商業(yè)模式被顛覆，生產(chǎn)、消費(fèi)、運(yùn)輸與交付體系被重塑。社會(huì)層面的一個(gè)范例是，我們的工作與溝通方式，以及自我表達(dá)、獲取信息和娛樂(lè)的方式正在發(fā)生改變。同樣，政府、各類(lèi)組織機(jī)構(gòu)以及教育、醫(yī)療和交通體系正在被重塑。如果我們用創(chuàng)新的方式利用技術(shù)，改變?nèi)藗兊男袨楹蜕a(chǎn)、消費(fèi)體系，我們就有望為環(huán)境再生和保護(hù)提供支持，避免因外部效應(yīng)產(chǎn)生隱性成本。無(wú)論從規(guī)模、速度還是廣度來(lái)看，本次技術(shù)革命帶來(lái)的變化都具有歷史性意義。新興技術(shù)的發(fā)展和運(yùn)用還存在巨大的不確定性，這意味著我們尚不清楚本次工業(yè)革命將如何推動(dòng)各行業(yè)變革，但變革的復(fù)雜性和各行業(yè)的互聯(lián)性表明，國(guó)際社會(huì)所有利益相關(guān)者，包括政界、商界、學(xué)術(shù)界和公民社會(huì)在內(nèi)，都有責(zé)任共同努力，加深對(duì)新興趨勢(shì)的理解。
為了塑造一個(gè)反映我們共同目標(biāo)和價(jià)值觀的美好未來(lái)，共識(shí)至關(guān)重要。我們必須對(duì)下列問(wèn)題形成全面了解并達(dá)成全球共識(shí)：技術(shù)正在如何改變當(dāng)代人以及子孫后代的生活?技術(shù)正在如何重塑人類(lèi)賴以生存的經(jīng)濟(jì)、社會(huì)、文化和環(huán)境?
這些改變是如此深刻，以至于人類(lèi)在其發(fā)展歷史上從未迎來(lái)如此美好的前景，也從未面臨如此嚴(yán)峻的風(fēng)險(xiǎn)。然而我擔(dān)心的是，決策者們往往囿于傳統(tǒng)的(非顛覆性)線性思維，或者過(guò)于關(guān)注眼前的危機(jī)，而難以對(duì)影響未來(lái)的各種顛覆和創(chuàng)新力量進(jìn)行戰(zhàn)略性思考。
我知道，一些學(xué)者和專(zhuān)業(yè)人士認(rèn)為我所討論的這些進(jìn)步只是第三次工業(yè)革命的延續(xù)。但在我看來(lái)，我們正在經(jīng)歷一場(chǎng)具有自身特性的第四次革命，主要有以下三大原因：速度：和前幾次工業(yè)革命不同，本次革命呈現(xiàn)出指數(shù)級(jí)而非線性的發(fā)展速度，這是因?yàn)槲覀兡壳吧钤谝粋€(gè)高度互聯(lián)、包羅萬(wàn)象的世界，而且新技術(shù)也在不斷催生更新、更強(qiáng)大的技術(shù)。
廣度與深度：第四次工業(yè)革命建立在數(shù)字革命的基礎(chǔ)之上，結(jié)合了各種各樣的技術(shù)，這些技術(shù)正給我們的經(jīng)濟(jì)、商業(yè)、社會(huì)和個(gè)人帶來(lái)前所未有的改變。它不僅改變著我們所做的事情和做事的方式，甚至在改變?nèi)祟?lèi)自身。系統(tǒng)性影響：它包含國(guó)家、公司、行業(yè)之間(和內(nèi)部)以及整個(gè)社會(huì)所有體系的變革。
我寫(xiě)這本書(shū)的目的是提供一本關(guān)于第四次工業(yè)革命的“入門(mén)讀物”。本書(shū)介紹了此次工業(yè)革命的本質(zhì)、后果和影響，以及我們應(yīng)采取什么措施利用本次工業(yè)革命為共同利益服務(wù)。本書(shū)適用于所有對(duì)未來(lái)新事物有興趣，并致力于利用本次顛覆性變革的機(jī)會(huì)，塑造一個(gè)更美好世界的人。
《第四次工業(yè)革命》具有以下三個(gè)主要目標(biāo)：
幫助人們更好地認(rèn)識(shí)技術(shù)革命的全面性、速度及其全方位影響;
構(gòu)建技術(shù)革命的思維框架，列出核心問(wèn)題與可能的應(yīng)對(duì)措施;
提供一個(gè)平臺(tái)，激勵(lì)公共部門(mén)與私營(yíng)部門(mén)就技術(shù)革命問(wèn)題開(kāi)展相關(guān)合作。
總之，技術(shù)并非我們無(wú)法控制的一個(gè)外在因素。我們不必囿于“要么接受，要么拒絕”這樣非此即彼的二元選擇。相反，我們要把握這次劇烈的技術(shù)變革機(jī)會(huì)，反思我們的本質(zhì)與世界觀。我們?cè)缴钊胨伎既绾卫眠@場(chǎng)技術(shù)革命，就越能審視自身以及這些技術(shù)所催生的潛在社會(huì)模式，我們也就更有機(jī)會(huì)推動(dòng)革命的發(fā)展，從而改善世界狀況。
推動(dòng)第四次工業(yè)革命的發(fā)展，賦權(quán)于民并以人為本，而不是去人性化并造成社會(huì)分裂，這絕非某一個(gè)利益相關(guān)群體或行業(yè)靠一己之力就能完成的工作，也不是某一個(gè)國(guó)家或地區(qū)單槍匹馬就能完成的任務(wù)。這次工業(yè)革命的本質(zhì)和全球性，意味著它會(huì)對(duì)所有國(guó)家、經(jīng)濟(jì)體、行業(yè)和公眾產(chǎn)生影響，同時(shí)也會(huì)受到他們的影響。因此，我們必須跨越學(xué)術(shù)、社會(huì)、政治、國(guó)家和行業(yè)的界限，投入大量精力開(kāi)展多方合作。這樣的互動(dòng)與合作，對(duì)于國(guó)際社會(huì)就第四次工業(yè)革命形成充滿正能量和希望的統(tǒng)一認(rèn)識(shí)必不可少，它能讓所有個(gè)體、群體和地區(qū)都能參與當(dāng)前的轉(zhuǎn)型進(jìn)程，并從中受益。
一場(chǎng)深刻的系統(tǒng)性變革
技術(shù)和數(shù)字化將會(huì)改變一切，這個(gè)觀點(diǎn)是本書(shū)的創(chuàng)作前提。“這次不同了”是一個(gè)被濫用甚至經(jīng)常錯(cuò)用的金句，但基于本書(shū)，這句話卻是非常恰當(dāng)?shù)摹：?jiǎn)而言之，各項(xiàng)重大技術(shù)創(chuàng)新即將在全球范圍內(nèi)掀起波瀾壯闊、勢(shì)不可當(dāng)?shù)木拮儭Ｕ驗(yàn)檫@場(chǎng)變革規(guī)模極大、范圍極廣，所以目前的顛覆和創(chuàng)新才會(huì)顯得如此激烈。如今，創(chuàng)新的發(fā)展速度和傳播速度比以往任何時(shí)候都快。airbnb(空中食宿)、優(yōu)步和阿里巴巴等顛覆者，幾年前還籍籍無(wú)名，但如今早已家喻戶曉。問(wèn)世于2007年的蘋(píng)果手機(jī)，如今在街頭巷尾隨處可見(jiàn)。截至2015年底，全球智能手機(jī)總量更是多達(dá)20億部。2010年，谷歌宣布研制出首輛無(wú)人駕駛汽車(chē)。用不了多久，我們就會(huì)看到許多無(wú)人駕駛汽車(chē)行駛在公路上。
這樣的事例不勝枚舉。速度只是第四次工業(yè)革命的一個(gè)方面，規(guī)模收益也同樣驚人。數(shù)字化意味著自動(dòng)化，自動(dòng)化反過(guò)來(lái)意味著企業(yè)的規(guī)模收益不會(huì)遞減(至少遞減的部分會(huì)少一些)。為幫助讀者從總體上理解這個(gè)道理，我們拿1990年的底特律(當(dāng)時(shí)主要的傳統(tǒng)產(chǎn)業(yè)中心)與2014年的硅谷做一個(gè)比較。1990年，底特律最大的三家企業(yè)的總市值、總收入和員工總數(shù)分別為360億美元、2500億美元和120萬(wàn)人。相比之下，2014年，硅谷最大的三家企業(yè)的總市值高達(dá)1.09萬(wàn)億美元，其2470億美元的總收入與前者不分伯仲，但它們的員工數(shù)量?jī)H約為前者的1/10，只有13.7萬(wàn)人。與10年前或15年前相比，今天創(chuàng)造單位財(cái)富所需的員工數(shù)量要少得多，這是因?yàn)閿?shù)字企業(yè)的邊際成本幾近為零。此外，在數(shù)字時(shí)代，對(duì)于許多供應(yīng)“信息商品”的新型公司而言，其產(chǎn)品的存儲(chǔ)、運(yùn)輸和復(fù)制成本也幾乎是零。一些顛覆性的技術(shù)企業(yè)似乎不需要多少資本，就能實(shí)現(xiàn)自身發(fā)展。比如，instagram和Whatsapp等公司并不需要太多啟動(dòng)資金，借助第四次工業(yè)革命的力量，這些企業(yè)不僅改變了資本的作用，還提升了自身業(yè)務(wù)規(guī)模。這一點(diǎn)充分表明，規(guī)模收益有助于進(jìn)一步擴(kuò)大企業(yè)規(guī)模，并影響整個(gè)系統(tǒng)的改革。
除速度和廣度之外，第四次工業(yè)革命的另外一個(gè)特點(diǎn)是，不同學(xué)科和發(fā)現(xiàn)成果之間的協(xié)同與整合變得更為普遍。不同技術(shù)相伴相生，催生出許多以前只能在科幻小說(shuō)中才能看到的有形創(chuàng)新成果。比如，數(shù)字制造技術(shù)已經(jīng)可以和生物學(xué)相互作用。一些設(shè)計(jì)師和建筑師正在將計(jì)算機(jī)設(shè)計(jì)、增材制造、材料工程學(xué)和合成生物學(xué)結(jié)合在一起，創(chuàng)造出新的系統(tǒng)，實(shí)現(xiàn)微生物、人體、消費(fèi)產(chǎn)品乃至住宅之間的互動(dòng)。通過(guò)這種方式，他們制造出(甚至可以說(shuō)是“培植出”)的物體具有持續(xù)自我改變和調(diào)整的能力(這是動(dòng)植物的典型特征)。
在《第二次機(jī)器革命》一書(shū)中，布萊恩約弗森和麥卡菲指出，以當(dāng)今計(jì)算機(jī)的聰明程度，我們根本無(wú)法預(yù)知幾年后它們會(huì)有怎樣的應(yīng)用。從無(wú)人駕駛汽車(chē)和無(wú)人機(jī)，到虛擬助手和翻譯軟件，人工智能(AI)隨處可見(jiàn)，并改變著我們的生活。人工智能之所以取得巨大進(jìn)步，既得益于計(jì)算能力的指數(shù)級(jí)增長(zhǎng)，也得益于我們現(xiàn)在可以獲得大量的數(shù)據(jù)。不論是利用軟件發(fā)現(xiàn)新藥，還是利用算法來(lái)預(yù)測(cè)人的文化喜好，都離不開(kāi)大量的數(shù)據(jù)。我們?cè)跀?shù)字世界里留下的都是像“面包屑”一樣的數(shù)據(jù)，許多算法是有能力學(xué)習(xí)這些數(shù)據(jù)的，所以才有了新型的“機(jī)器學(xué)習(xí)”和自動(dòng)發(fā)現(xiàn)技術(shù)。這些技術(shù)可以讓“智能”的機(jī)器人和計(jì)算機(jī)實(shí)現(xiàn)自我編程，從基本原理中找到最佳解決方案。所謂的智能助手是快速發(fā)展的人工智能領(lǐng)域的一個(gè)分支，蘋(píng)果公司的siri語(yǔ)音服務(wù)等應(yīng)用讓我們感受到了這個(gè)技術(shù)的威力。要知道，智能個(gè)人助手出現(xiàn)的時(shí)間不過(guò)才兩年而已。今天，語(yǔ)音識(shí)別和人工智能的發(fā)展突飛猛進(jìn)，人機(jī)交談將很快成為常態(tài)，技術(shù)專(zhuān)家所說(shuō)的“環(huán)境計(jì)算”(ambient computing)也將成為現(xiàn)實(shí)。利用環(huán)境計(jì)算技術(shù)，機(jī)器人個(gè)人助手可以隨時(shí)記筆記并回答用戶提問(wèn)。未來(lái)，我們的設(shè)備將對(duì)個(gè)人生活產(chǎn)生更大影響，這些設(shè)備會(huì)聆聽(tīng)我們的想法、判斷我們的需求，并在必要時(shí)主動(dòng)為我們提供幫助。
第四次工業(yè)革命是把“雙刃劍”
第四次工業(yè)革命在帶來(lái)巨大好處的同時(shí)，也會(huì)帶來(lái)巨大挑戰(zhàn)，其中不平等現(xiàn)象的加劇尤其令人擔(dān)憂。不平等現(xiàn)象加劇所帶來(lái)的挑戰(zhàn)很難量化，因?yàn)槲覀兘^大部分人既是消費(fèi)者又是生產(chǎn)者，所以創(chuàng)新與顛覆對(duì)我們生活水平和福祉的影響既有正面的，也有負(fù)面的。
最大的受益者似乎還是消費(fèi)者。第四次工業(yè)革命產(chǎn)生了一批新產(chǎn)品、新服務(wù)，這些產(chǎn)品和服務(wù)可以在不產(chǎn)生任何額外成本的情況下，提高消費(fèi)者的個(gè)人生活效率。如今，預(yù)約出租車(chē)、查航班、買(mǎi)產(chǎn)品、付費(fèi)用、聽(tīng)音樂(lè)、看電影—所有這些事務(wù)都可以遠(yuǎn)程完成。技術(shù)給消費(fèi)者帶來(lái)的好處是有目共睹的?；ヂ?lián)網(wǎng)、智能手機(jī)和成千上萬(wàn)的應(yīng)用軟件讓我們生活得更為輕松，也提高了我們的總體工作效率。我們用來(lái)閱讀、瀏覽、通信的一臺(tái)小小的平板電腦，其運(yùn)算能力相當(dāng)于30年前5000臺(tái)臺(tái)式電腦的運(yùn)算能力總和，且其存儲(chǔ)信息的成本逐步趨近于零。
第四次工業(yè)革命帶來(lái)的挑戰(zhàn)顯然主要落在了供應(yīng)方身上，即勞動(dòng)和生產(chǎn)領(lǐng)域。過(guò)去幾年間，在絕大部分最發(fā)達(dá)的國(guó)家以及中國(guó)等快速發(fā)展經(jīng)濟(jì)體中，勞動(dòng)力對(duì)GDP(國(guó)內(nèi)生產(chǎn)總值)的貢獻(xiàn)比重均有大幅下滑。這當(dāng)中有一半是因?yàn)閯?chuàng)新驅(qū)使企業(yè)用資本取代勞動(dòng)力，導(dǎo)致生產(chǎn)設(shè)備相對(duì)價(jià)格出現(xiàn)下滑。因此，第四次工業(yè)革命的最大受益者是智力和實(shí)物資本提供者—創(chuàng)新者、投資人、股東，這正是工薪階層與資本擁有者貧富差距日益懸殊的原因。這一現(xiàn)象也導(dǎo)致很多工人對(duì)未來(lái)失去希望，認(rèn)為其實(shí)際收入這輩子不會(huì)有起色，而他們子女未來(lái)的生活也不會(huì)比他們這代人更好。不平等現(xiàn)象加劇以及人們對(duì)不公正的日益擔(dān)憂是個(gè)巨大的挑戰(zhàn)。
此外，所謂的平臺(tái)效應(yīng)也在加劇利益和價(jià)值向少部分人手中集中。平臺(tái)效應(yīng)指的是以數(shù)字業(yè)務(wù)為主的組織通過(guò)打造網(wǎng)絡(luò)平臺(tái)，匹配多種產(chǎn)品和服務(wù)的買(mǎi)家和賣(mài)家，從而獲得越來(lái)越大的規(guī)模收益。
平臺(tái)效應(yīng)導(dǎo)致的結(jié)果是，為數(shù)不多但勢(shì)力龐大的幾家平臺(tái)主宰了市場(chǎng)。它的好處是顯而易見(jiàn)的，特別是對(duì)消費(fèi)者而言。通過(guò)這些平臺(tái)，消費(fèi)者可以獲得更高的價(jià)值和更多的便利，同時(shí)支付更低的成本。然而，這些平臺(tái)的社會(huì)風(fēng)險(xiǎn)也是顯而易見(jiàn)的。如果要避免價(jià)值和權(quán)力落到少數(shù)人手中，我們就必須設(shè)法平衡數(shù)字平臺(tái)(包括行業(yè)平臺(tái))的效益與風(fēng)險(xiǎn)，確保其開(kāi)放性，并為協(xié)作式創(chuàng)新提供機(jī)會(huì)。
這些影響我們經(jīng)濟(jì)、社會(huì)和政治體制的根本性變革一旦發(fā)生，便很難消除，哪怕我們?cè)谝欢ǔ潭壬夏孓D(zhuǎn)全球化進(jìn)程，也很難消除其影響。對(duì)于所有行業(yè)和企業(yè)而言，問(wèn)題不再是“我是否會(huì)被他人顛覆”，而是“顛覆會(huì)何時(shí)到來(lái)，會(huì)以什么形式出現(xiàn)，對(duì)我和我所在的組織會(huì)產(chǎn)生怎樣的影響”。顛覆在實(shí)實(shí)在在地發(fā)生，我們也無(wú)法逃避其影響，但這并不意味著我們?cè)陬嵏瞾?lái)臨時(shí)就毫無(wú)招架之力。我們有責(zé)任確立一套共同的價(jià)值觀，引導(dǎo)政策選擇并實(shí)施變革，讓第四次工業(yè)革命成為所有人的機(jī)遇。（來(lái)源： 戰(zhàn)略前沿技術(shù)）
