AI时代:弯道超车新思维

作者简介

"李尚龙： 百万畅销书作家，连续创业者，国家开放大学人工智能客座教授，加拿大多伦多大学人工智能专业学者，硅谷投资人。 代表作《你只是看起来很努力》，畅销三百万册，被翻译成十一种语言。小说《刺》《人设》《朝前》被改编成电视剧。"

内容简介

第1章 让我们一起重新认识 AI 随着 AI的迅速发展，它已从曾经的科幻概念演变为我们日常生活中不可或缺的一部分。本章将带领大家重新认识 AI，揭示其在各个领域中的深远影响，并探讨如何利用这项技术弯道超车。从 AI的基本概念和发展历程，到它在教育、医疗、金融等行业的应用，每一部分都将为你展示 AI的潜力和机遇。本章还将带你深入理解 AI最核心的几个概念，尤其是“算力”与“数据”这两个关键词。此外，还将探讨算法的美妙之处，并通过具体实例揭示其在生活中的广泛应用。 1.1　揭开 AI的神秘面纱 1. AI的基础定义 人工智能（ arti.cial intelligence，AI）的本质是计算机模拟人类智力的能力。它已经从初级阶段的简单任务执行，发展成为能够帮助我们处理复杂问题的工具。 关于它的原理，我在这里就不再详述了。如果你想理解它，可以简单地将其想象为计算机的大脑。过去，计算机的大脑或许只能达到一个孩子的智力水平，而现在，这个大脑的智商几乎已经达到了成年人的水平，能够帮助我们处理许多复杂的任务。 AI已经深深地融入我们的日常生活，只要你打开手机，使用的各种软件里几乎都涉及 AI技术。 曾经，你想听一首好歌，不知道哪首好听，需要身边的人来推荐。而现在，你可以让 AI为你推荐曲目，或者查询天气预报，这些都只是 AI应用的冰山一角。 2.狭义AI、广义 AI和超级 AI 我们可以将 AI分为三类：狭义 AI、广义 AI和超级 AI。狭义 AI是目前最常见的形式，它能够执行特定的任务，如语音识别、图像识别和视频分析等。狭义 AI的“兄弟”是广义 AI，广义 AI指的是能够完成任何人类可以完成的任务的 AI。这种 AI目前尚不存在，但它是未来发展的一个重要方向。第三种是超级 AI，这种 AI将会超越人类所有的智能，这正是《生命 3.0》一书所提到的一个概念。这种 AI可能会威胁到人类的存在，因此我强烈推荐大家阅读《生命 3.0》这本书。尽管它篇幅较长，但内容非常引人入胜。 此外，我推荐大家观看一部电影：《模仿游戏》。这部电影讲述了被誉为“人工智能之父”的艾伦·图灵的故事。图灵设想，是否可能存在一台机器可以欺骗人类，这就是著名的图灵测试。图灵测试是 AI历史上重要的里程碑。 3. AI在各行业中的应用 AI在办公、教育和医疗等领域扮演着越来越重要的角色，帮助优化工作流程、实现个性化教育和辅助医疗诊断。我们通过 AI可以快速处理信息，管理数据，并应用于日常生活。 因此，在你阅读完本书的第 1章后，我建议你务必完成两件事。首先，尽一切可能接触更广阔的世界。这里我就不再赘述具体方法了。其次，请务必注册一个 AI账号。具体如何注册，可以在网络上搜索一下，有很多方法，此处亦不必赘述。 一旦你拥有了自己的 AI账号，便可以充分利用人工智能的力量应对这个时代的挑战。 AI在我们的日常生活中已经得到广泛应用。例如，在工作中， AI可以帮助我们完成自动化办公流程，简化烦琐的表格处理，甚至提供智能客服。在教育领域， AI实现了个性化学习和智能辅导。你或许还记得 2023年那场著名的发布会，可汗学院的院长展示了如何用 AI教自己的孩子学数学，暗示了未来家教行业将迎来巨大的变革。在医疗行业，AI可以辅助医生进行疾病诊断。现在，当你去医院看病，诊断结束后，医生会将诊断结果上传到 AI系统获得进一步的辅助分析。在金融领域， AI能够帮助我们进行理财和投资。你可以将某只股票过去几年的数据输入 AI，让它预测未来的投资趋势。 只要你提出一个好问题， AI就能在生活的方方面面为你提供帮助，从操作智能音箱、智能灯泡到管理智能手机。 如今，如果你能购买到最新款的手机，尤其是苹果手机，那么可以使用 Siri（苹果智能语音助手）。Siri已经与 ChatGPT技术相结合，这正是苹果股价大涨的原因之一。如果你有孩子，我强烈推荐其使用 AI工具，如果需要购买会员，不妨买一个，这样孩子就等于拥有了一个无所不知、无所不能的老师，可以回答任何问题。此外， AI工具在处理敏感内容方面非常出色，能确保孩子所接触的内容是安全和适宜的。 如果你对孩子的兴趣还不够了解，想为其做职业规划，可以直接询问 AI。将孩子的相关信息输入， AI会帮助你为孩子选择未来的课程和发展方向。对你自己也是如此，如果你对未来的职业方向感到迷茫，尤其是希望与 AI技术结合，那么只需提供更多的信息给 AI，它就能为你提供合理的建议。因此，在本书的后面章节中，我将专门讨论一个至关重要的技能：提出好问题。别小看这个技能，现在很多人还未掌握它。 我经常去大学进行图书签售，有时互动环节让我感到些许失望，因为学生们提的问题五花八门，大多集中在“怎么赚钱？”“我该怎么活下去？”这样的问题上。如果你总是关注这些表面问题，那么可能很难真正赚到钱或找到生活的方向，因为这些问题并未触及本质。因此，我会推荐一些关于提问技巧的书籍，以帮助读者更好地明确目标。 此外， AI还有一个特别热门的应用，那就是与硬件的结合。如果 AI能够与硬件更紧密地结合，未来的智能机器人将在我们的生活中高效运作。 这里就涉及 AI与另一个重要领域—生命科学—的结合。如今，AI已经可以帮助科学家进行基因研究。比如，长久以来科学家一直在努力破解蛋白质折叠的问题，即如何预测蛋白质的三维结构。这是一个巨大的挑战，因为传统方法费时且昂贵。在这个关键时刻，DeepMind—一家专注于开发 AI技术的公司，推出了一款名为 AlphaFold的 AI系统。 AlphaFold使用深度学习算法预测蛋白质的三维结构，通过学习已有的蛋白质数据，最终在 2020年取得了突破。这一事件成为生物学界的里程碑，因为它让未来的基因编辑和蛋白质编辑变得更加高效和安全。而 AlphaFold的研究者也因此在 2024年获诺贝尔化学奖。 随着 AI逐步进入生物医疗和生命科学领域，许多疾病可能会因此被战胜，例如阿尔茨海默病和帕金森症，这些疾病都与蛋白质的结构息息相关。现在，在国外，许多产业已经开始将 AI与医疗相结合。例如，AI可以帮助制订个性化的治疗方案。过去，医生为患者制订治疗方案不仅耗费大量人力，还成本高昂。而如今， IBM开发的 Watson for Oncology（智能肿瘤会诊系统）利用 AI技术辅助癌症治疗，它通过训练全球最新的医疗文献和数据，使医生能够通过它为患者快速提供个性化的治疗方案。基于深度学习和自然语言处理技术，这款工具能够为患者一对一地提供具体的治疗方案，帮助医生找到最适合的治疗方法。 4. AI的未来与挑战 随着 AI自身的发展，其面临的挑战也在不断增加。如何合理使用 AI，避免其带来的负面影响，并在发展中把握机遇，将是未来的关键。 因此，在未来如果你想开发一款属于自己的 AI工具，需要具备两个关键要素：首先是明白 ChatGPT的底层逻辑，也就是强大的算法；其次是大量的数据，用以训练这个 AI。结合大数据和优秀的算法， AI几乎可以为每一个行业进行革命性赋能。 我想分享一个在硅谷亲历的一件事。我在硅谷曾见到许多志同道合的人，其中包括一些来自国内教培行业的朋友。大家都知道，国内的教培行业在近几年受到了巨大的冲击，这些朋友意识到传统的课程开发已经行不通了，于是开始思考是否能够转向工具开发。在一次长时间的讨论中，我们突然冒出一个大胆的想法：有没有可能“复活”莎士比亚，让他重新回到每一个热爱文学的人的身边？ 于是，我们决定尝试用 ChatGPT训练一款莎士比亚模型。训练的方法其实非常简单。首先，你只需要打开 ChatGPT，告诉它：“你就是莎士比亚。”接着，找到网上所有与莎士比亚有关的资料，将这些资料全部输入 ChatGPT进行训练。 最终，我们成功地创造出了一个莎士比亚模型。你向这个模型提出任何问题，它都会用莎士比亚的口吻回答你。这不仅是对莎士比亚简单的“复活”，更是让已故伟大人物的思想延续的一种新的形式。只要数据足够丰富，结合先进的算法和深度学习，这些历史人物的思想和智慧就能不断被迭代，甚至有可能演变为一种新的存在形式，成为我们世界中的“新物种”。 这样做有什么用呢？ 我举一个例子：你敢想象让莎士比亚“亲自”给你讲《罗密欧与朱丽叶》这部剧吗？在 AI时代，这是可以实现的。 未来已来，请你跟上时代。希望你感受到的人工智能并没有想象中那么复杂和难以理解。 1.2从图灵测试到深度学习：AI的进化之旅 1.图灵测试的启发 人工智能的历史可以追溯到 20世纪中叶，那时，科学家开始思考一个引人入胜的问题：机器是否有可能具备类似人类的智能？ 这个问题的提出标志着人工智能领域的诞生。艾伦·图灵在 1950年提出了著名的图灵测试。 那时图灵设想，如果一台机器能够在对话中骗过人类，使其无法判断出是在与人还是机器交流，那么这台机器就可以被认为具有智能。图灵测试成为衡量人工智能早期发展的一个重要标准。 2.深度学习的革命 尽管图灵测试在当时具有开创性意义，但随着技术的进步，科学家逐渐意识到，仅凭机器是否能够模拟人类的对话并不足以全面衡量其智能水平。于是，研究的焦点逐渐从简单的模拟转向更为复杂的计算模型和算法。 在这一过程中，人工智能经历了几次重大变革，从早期基于规则的系统逐步发展到以数据驱动的训练模型为核心的深度学习。 深度学习是人工智能领域的一场革命性突破。它基于模拟人类大脑神经网络的多层架构，使得机器能够通过分析海量数据，自行提取特征并进行复杂的决策。正是通过深度学习的不断演进，人工智能才得以在语音识别、图像识别、自然语言处理等多个领域取得突破性进展。 接下来，我将带你深入了解深度学习的原理和应用，探索这一技术如何推动 AI从图灵测试时代一路演变至今，成为我们日常生活中不可或缺的一部分。 我如果在这里把深度学习给你讲明白，你就再也不用怕被人用人工智能忽悠了。 因此，我想与大家分享《深度学习：智能时代的核心驱动力量》这本书，其作者是特伦斯·谢诺夫斯基。谢诺夫斯基在人工智能，尤其是在深度学习领域耕耘了 40年。他不仅是深度学习算法的奠基者之一，也是推动人工智能发展的先驱，被誉为全球人工智能领域的十大科学家之一。谢诺夫斯基的卓越之处在于他创造了“深度学习”这一概念。可以说，没有他的贡献，就没有今天的人工智能。 谢诺夫斯基不仅是神经网络的先驱，还成功地将深度学习从一个边缘课题转变为互联网科技公司依赖的核心技术，推动了人工智能的“井喷式”发展。 《深度学习：智能时代的核心驱动力量》这本书是人工智能学习者的必读书。深入理解这本书，你还会了解到人脑的深度学习是如何运作的，因为计算机的深度学习模式是对人脑工作方式的模拟。请记住：深度学习是人工智能的灵魂。深度学习是一种模仿人脑工作方式的计算机技术。它的核心目的是处理海量数据和复杂任务，这就是我们常说的算法。 就像人脑是由无数神经元构成的一样，机器的神经网络也由无数节点组成。这些节点连接成特定的网络结构，形成了一个类似于人脑神经网络的计算模型。这些节点之间的联系和互动正是深度学习能够处理复杂问题并做出智能决策的基础。 3.深度学习的应用与面临的挑战 随着数据量和复杂度的增加，如何有效处理数据和提升模型的精度是AI面临的挑战。 比如，现在的卷积神经网络主要用于图像识别。它能够识别出图像中的各种特征，并在自动驾驶汽车技术中得到广泛应用，用于识别路标、行人等信息。 再举个例子，循环神经网络擅长处理序列数据，如理解和生成文本。像智能助手 Siri和 ChatGPT，就是通过循环神经网络理解和回应你的语音命令的。 如今，从医疗到科技，深度学习技术已经在各个领域得到了广泛应用。例如，谷歌的翻译服务利用深度学习实现了多语言的翻译，极大地方便了我们的日常交流。 深度学习推动了当前 AI的发展。我们现在能够使用如此强大的人工智能，正是因为它背后有深度学习技术的支撑。就 AI在生物医疗和生命科学领域的应用方面，中国的华大基因的基因测序取得了显著进展。华大基因利用 AI技术大幅提升了基因测序的速度和准确性。传统的基因测序不仅成本高昂，耗时长，而且数据分析过程复杂。而华大基因引入 AI技术后，通过深度学习算法，能够更快速地处理海量基因数据，并准确识别其中的关键变异点。 特别是在基因检测和疾病预防方面，华大基因的 AI系统已经开始被广泛应用。举例来说，在新生儿基因筛查中， AI技术可以帮助快速分析新生儿的基因组，筛查出潜在的遗传疾病，从而为早期干预提供可能。这项技术的应用显著提高了检测效率，降低了误诊率，并为早期诊断和治疗提供了更精准的依据。 此外，华大基因还在推动个性化医疗的发展。通过对患者基因组的全面分析， AI系统能够为患者制订个性化的治疗方案，尤其是在癌症治疗方面。例如，针对不同患者的基因特征， AI可以推荐最适合的药物组合和治疗方法，从而提高治疗效果，减少副作用。这些技术的应用使得中国在生物医疗和生命科学领域逐渐走向世界前沿，为全球健康事业贡献了重要力量。 深度学习还为未来的创新奠定了基础。了解其原理和发展历程将有助于我们更好地理解 AI的进化与未来潜力。 4.深度学习的历史进程和原理 深度学习的发展历程充满了坎坷。在不到 60年的时间里，它经历了三次严重的危机，每一次都将人工智能推向了死胡同，但幸运的是，每一次都有一些杰出的人才将它拯救回来。 1956年，四位美国科学家共同发起了一个名为达特茅斯夏季人工智能研究计划的项目，这是人工智能领域的奠基之举，在圈内非常有名。这四位科学家开启了人工智能领域的专项研究，而人们在最初研究人工智能时便分成了两个阵营。 1）研究人工智能的两个阵营 一个阵营是设计派，他们认为人工智能可以自上而下地被设计出来，只要为它设定明确的符号、规则和方法，再通过编程输入计算机，计算机就能够拥有理性的思考能力。但这一切都需要设计，这有点儿类似基督教的观点—这个世界是由伟大的上帝设计的。 另一个阵营则截然不同，被称为学习派。他们认为，世界上有许多东西是无法通过设计实现的。最近， OpenAI的联合创始人推出了一本书—《为什么伟大不能被设计》，正是学习派的代表作品。这本书反映了学习派的理念，即有些事物是无法通过单纯的设计得来的，而需要通过不断的学习和进化来实现。 学习派的核心理念是：大多数问题都无法通过简单的设计来解决，而是可以通过提供大量的文本和数据让计算机不断学习，逐渐拥有智能，继而解决问题。 举个例子，如果我们要教计算机识别一个苹果，按照设计派的方式，我们需要一步步告诉它什么是苹果，并让它慢慢理解这个概念。 而学习派则采取了完全不同的方法，他们通过给计算机输入大量的图片，相当于教计算机自己认识和归纳：这幅图是苹果，另一幅图也是苹果，久而久之，计算机便能自主地识别出苹果，并且能够区分香蕉、橘子等其他水果，因为它通过大量的数据找到了识别的规律。 你怎么看待这个问题？ 我每次看这段历史，都会感叹：这不就是灌输教育吗？现在的一些家长在教育孩子时，采用的方式其实就是设计派的思路，不停地灌输知识，不管对方理解不理解，先让其背下来，最后连机器都受不了了，何况是人呢？ 灌输教育的反面是素质教育，什么是素质教育呢？素质教育更像是让孩子通过接触大量的事物，逐渐理解和认识这些事物。就像孩子见过大量的苹果后，自然就会意识到“这是苹果”。这种方式与人类大脑的工作方式更为相似。素质教育更符合学习派的理念。因此，学习派的核心思想就是通过学习和模仿人类大脑的运作方式，通过大量的学习案例来理解事物，最终实现智能化。 2）第一次重大危机与解除 然而，在人工智能的早期阶段，大多数研究者认为机器是不可能自行学习的，他们坚信机器的智能必须由人类传授，因此更倾向于设计派的思路。这种偏见导致了人工智能领域的第一次重大危机。 为了帮读者理解这场危机，这里不得不提到一个著名的难题：积木问题。如何教会机器人像小朋友一样堆积木呢？积木问题的目标是编写一个能够理解和执行命令的程序，比如找到一块黄色的大积木，把它放在红色积木上，然后将这个命令转化为机器手臂可以完成的动作。对于小朋友来说，这似乎是再简单不过的任务，但要教会机器人堆积木却极其困难。 科学家们为此编写了一个庞大的程序，结果却错误频出。光是让计算机正确地识别出黄色的积木就已经非常棘手了。程序一次次崩溃，科学家们也感到无比沮丧。积木问题看似简单，却在编程上极为复杂，以至于科学家无法解决。如果连积木问题都无法攻克，那更复杂的任务，如盖房子之类的目标就更遥不可及了。这个问题一直难以解决，直到 2016年，学习派通过深度学习技术终于找到了解决方案。早在 60年前，设计派的研究者就遇到了这个巨大的挑战，但少数坚定的学习派科学家坚信，通过模仿人类的学习过程，人工智能一定能够找到一种可行的算法。 接下来，我们要谈到康奈尔大学的弗兰克·罗森布拉特教授，他在 1957年发明了感知机 a，首次实现了人工智能领域的重大突破。通过识别大量的图片，比如区分哪些是苹果，哪些不是苹果，感知机逐渐形成了一套标准，从而能够成功识别出苹果。它既然能够识别出苹果，也就能够识别出坦克。因此，感知机很快被应用到军方的项目中，这一成果甚至登上了《纽约时报》。感知机能够识别坦克，这在战争中具有重要意义：既然它能识别坦克，也就能识别枪支。 这一研究发现的方向无疑是正确的，科学家们决定让感知机处理更复杂的问题，并继续模仿人类的学习过程。 a　也称“感知器”。 3）第二次重大危机与解除 感知机模仿的是神经元，各个神经元组成一个庞大的网络，这个方向本来没问题。然而，在 1969年，人工智能框架理论的创立者马文·明斯基在他所著的《感知机》一书中指出，单个感知机只能解决有限的问题，要处理更复杂的任务，必须将更多的感知机连接起来，形成人工神经网络。但他在书中断言，无法找到一种可行的算法来训练人工神经网络。这一断言几乎堵死了人工神经网络的发展道路，这就是人工智能的第二次危机。很多人工智能研究者读过这本书后，都认为连大师都觉得不可行，那这条路基本上就走不通了。 然而，少数科学家并不认同明斯基的结论，其中就包括《深度学习：智能时代的核心驱动力量》的作者谢诺夫斯基。 1985年，谢诺夫斯基提出了一个算法，叫玻尔兹曼机，这个算法打破了明斯基的预言。谢诺夫斯基和明斯基在 2006年还相互交流了这个话题，明斯基因为这件事向谢诺夫斯基表示感谢，并向人工智能研究者道歉。 找到了感知机之间的沟通方式后，科学家终于能够创建庞大的人工神经网络，来处理更复杂的问题。于是，第二次人工智能浪潮应运而生。这波浪潮带来了智能翻译、语音识别和无人驾驶技术的初步应用，时间大概是 1995年前后。 4）第三次重大危机与解除 然而，到 1995年，人们再次对人工智能失去了信心，因为尽管算法在理论上是可行的，实际应用进展却异常缓慢。大家都知道人工智能有巨大的潜力，却不知道如何有效地将其应用到现实生活中。人工研究者只能继续优化算法，同时耐心地等待技术发展的契机。 摩尔定律告诉我们，芯片内晶体管的数量每两年翻一倍，运算能力也随之翻倍。这种运算能力的指数式增长在时间的积累下显得异常惊人，因为两年翻一倍， 10年就是 32倍。人工智能得益于芯片技术的飞速进步，计算能力变得越来越强大。从 2012年开始，强大的芯片算力结合深度学习算法，推动了人工智能的第三次浪潮，也就是我们今天所经历的这场人工智能革命。 这个浪潮究竟会持续多久？我认为至少还会持续 10年。这就是为什么我要拥抱这波浪潮 —风口可以不追，但浪潮和趋势一定要追随。 5）三次人工智能浪潮及其对生活的启示 回顾历史，从 1959年到 1969年，人工智能经历了 10年的兴起期，随后进入了长达 17年的低谷期。从 1986年到 1995年，人工智能再次经历了 10年的发展高峰，但接着又进入了另一个低谷期。 2012年，新的人工智能浪潮再次兴起，至今人工智能已达到发展的高潮。未来会如何发展？我们无法预知。然而，从这些浪潮中，我们可以看到一个清晰的趋势：人工智能的发展有一定的周期。万事万物皆有其发展周期。一个事物兴起，往往意味着它未来会衰落。而当它走向低谷时，人们也不必过于悲观，因为它终有再度崛起的一天。 科技如此，生活亦然。 因此，我邀请你跟我一起深入探索这本书，希望你在了解深度学习的过程中，能够领悟到以下这两件重要的事情。 其一，人类大脑与计算机在某种程度上是如此相似 —都是通过大量的经验和理解得出结论的复杂系统。其二，在这个世界上，你可以选择不相信很多事物，但一定要相信周期理论，因为无论是行业的兴衰还 是人生的起伏，皆无可避免地遵循这一规律。每一个在谷底的人都可以此共勉。 在AI时代，放弃对知识的执念，您只需要提出有价值的问题。百万畅销书作者通过自身经历和对AI技术的深入理解，带领你走进一个充满机遇和挑战的未来世界，从而实现弯道超车的逆袭人生。