在過去的50多年里，人類GDP增長的根本動力是摩爾定律，即每過18個月，集成電路的性能（以集成電路芯片中的晶體管數(shù)量來衡量）就翻一番，或者說同樣性能的集成電路每18個月價格下降一半。圖1展示出不同年代集成電路芯片里晶體管的數(shù)量（縱軸，注意它是指數(shù)坐標(biāo)）。在此之前，人類還沒有一項技術(shù)能夠在長達半個多世紀的時間里以指數(shù)增長的速度進步。集成電路的發(fā)展不僅開啟了整個IT行業(yè)的技術(shù)革命，而且?guī)砹巳虻淖詣踊托畔⒒虼耍@是在過去的半個世紀多里拉動世界經(jīng)濟增長的根本動力（雖然在中國還有房地產(chǎn)和基礎(chǔ)設(shè)施建設(shè)，但是在世界范圍內(nèi)，這個市場是在萎縮的）。

圖1. 摩爾定律（橫坐標(biāo)是時間軸，縱坐標(biāo)是集成電路中的晶體管數(shù)量）圖中的點是不同時期具有代表性的處理器

摩爾定律帶來的另外兩個結(jié)果，就是互聯(lián)網(wǎng)的興起以及產(chǎn)業(yè)的數(shù)字化，而這兩個結(jié)果合在一起，又產(chǎn)生了一個過去我們不太關(guān)注的結(jié)果，那是各種數(shù)據(jù)量的急劇增長。當(dāng)數(shù)據(jù)量增加到一定程度，量變就有可能成為質(zhì)變，因此今天大數(shù)據(jù)成為了一個非常熱門的話題。不過，目前在行業(yè)里和社會上對大數(shù)據(jù)炒作居多，對于它的理解依然停留在比較淺的層面。這表現(xiàn)在：

1. 在概念上將大數(shù)據(jù)和大量數(shù)據(jù)相混淆，認為大數(shù)據(jù)就是數(shù)據(jù)量大，沒有看到多維度和完備性的本質(zhì)。

2. 在應(yīng)用上（商業(yè)上）僅僅看到了利用統(tǒng)計規(guī)律提升業(yè)務(wù)，沒有看到它和摩爾定律的結(jié)合必將導(dǎo)致機器智能社會的到來，從而徹底改變商業(yè)模式和產(chǎn)業(yè)結(jié)構(gòu)，以及人們的生活和工作方式。

3. 明顯低估了大數(shù)據(jù)和機器智能將給我們?nèi)祟惿鐣砬八从械臋C遇和沖擊。

我們就從這三個方面來看看大數(shù)據(jù)、機器智能和它們對未來社會的影響。

一、可怕的大數(shù)據(jù)

要說清楚大數(shù)據(jù)的本質(zhì)和作用，先要講講數(shù)據(jù)的作用以及它和機器智能的關(guān)系。

1.數(shù)據(jù)驅(qū)動的方法導(dǎo)致機器智能的出現(xiàn)

從1946年計算機誕生以來，人類一直在思考這樣幾個問題：機器是否能有類似于人一樣的智能？如果有，會在什么時候，以什么樣的方式出現(xiàn)？如果出現(xiàn)了，它將對人類的生活產(chǎn)生什么影響？在過去的半個多世紀里，雖然人類一直在為此努力，但是到目前為止，這件事情似乎并沒有發(fā)生，其中原因主要有兩點。首先，人類在機器智能這個問題上一度過于樂觀并且走了20年的彎路。人們最初的想法是讓計算機來仿造智能，并且提出了人工智能的概念。學(xué)術(shù)界后來把這樣的方法論稱作“鳥飛派”，意思是說看看鳥是怎樣飛的，就能模仿鳥造出飛機，而不需要了解空氣動力學(xué)。（事實上我們知道，懷特兄弟發(fā)明飛機靠的是空氣動力學(xué)而不是仿生學(xué)。）直到上個世紀70年代，人類才找到了適合計算機發(fā)展智能的道路，即采用數(shù)據(jù)驅(qū)動和大強度計算。其次，三十年前計算機的功能還不夠強大，雖然當(dāng)時人們以為它已經(jīng)很快了，容量很大了，但是只有今天的十億分之一左右，對解決智能問題來講是遠遠不夠的。而今天，人類正走在機器智能可能超越人類智能的轉(zhuǎn)折點上。

講到機器智能（而不是人工智能），首先要搞清楚什么是機器智能。1950年，計算機科學(xué)的先驅(qū)圖靈博士給出了一個衡量機器是否有智能的測試方法：讓一臺機器和一個人坐在幕后，與一個人（測試者）展開對話（比如回答人的問題），當(dāng)測試者無法被辨別和他講話的是另一個人還是一臺機器時，就可以認為這臺機器具有和人等同的智能。這種方法被稱為圖靈測試 (Turing, 1959)。計算機科學(xué)家們認為，如果計算機實現(xiàn)了下面幾件事情中的一件，就可以認為它有圖靈所說的那種智能：

1. 語音識別，

2. 機器翻譯，

3. 自動回答問題。

圖 2 圖靈測試

但是，從1950年代到60年代，機器智能按照傳統(tǒng)人工智能的路子走得非常不順利，幾乎沒有拿得出手的像樣成果。而與此同時，計算機科學(xué)的其他分支都發(fā)展得非常迅速。因此，美國計算機學(xué)界開始反思是否機器智能走錯了路？1968年，著名計算機科學(xué)家明斯基在Semantic Information Process一書 (Minsky, 1968)中分析了所謂人工智能的局限性，他引用了Bar－Hillel使用過的一個非常簡單的例子：

The pen was in the box.

這句話很好理解，如果讓計算機理解它，做一個簡單的語法分析即可。但是另一句話語法相同的話：

The box was in the pen.

就讓人頗為費解了。原來，在英語中，Pen還有另外一個不太常用的意思－－小孩玩耍的圍欄。在這里，理解成這個意思整個句子就通順了。但是，如果用同樣的語法分析，這兩句話會得到相同的語法分析樹，而僅僅根據(jù)這兩句話本身，是無法判定pen在哪一句話中應(yīng)該作為圍欄，哪一句話應(yīng)該是鋼筆的意思。事實上，人對這兩句話的理解并非來源于語法分析和語意本身，而來自于他們的常識，或者說關(guān)于世界的知識（World Knowledge），這個問題是傳統(tǒng)的人工智能方法解決不了的。因此，明斯基給出了他的結(jié)論，“目前”（指當(dāng)時）的方法無法讓計算機真正有類似人的智能。由于明斯基在計算機科學(xué)界崇高的聲望，他的這篇論文導(dǎo)致了美國政府削減了幾乎全部人工智能研究的經(jīng)費。在機器智能的發(fā)展史上，賈里尼克是一個劃時代的人物。1972年，當(dāng)時還是康奈爾大學(xué)教授的賈里尼克來到IBM沃森實驗室進行學(xué)術(shù)休假，并且擔(dān)任起IBM研制智能計算機的工作。賈里尼克于是挑選了一個他認為最有可能突破的課題，即語音識別。

轉(zhuǎn)載請注明：北緯40° » 大數(shù)據(jù)、機器智能和未來社會的圖景