10月13日美國政府發了兩份報告：《為未來人工智能做好準備》和《美國國家人工智能研究與發展策略規劃》，百度李彥宏認為人工智能是未來，而與此同時360的老周近來則發了篇文章《人工智能的泡沫有多大》來探討人工智能在搜索以及娛樂上的落地方式。
毫無疑問的人工智能已經成為這個時段的熱點，但它究竟和過往幾次有什麼不同？是再一次人們的集體錯覺還是說一場席捲社會和企業的變革真的已經開始？核心制約因素是什麼，這篇文章探討這個問題。
人工智能的發展是滾雪球
新技術的展開從來不是因為人們的喜好和熱情，而是依賴於技術-商業（有時候是軍事）上的正反饋循環。CPU的變小與變強，網速的持續提高事實上都是這種正反饋的結果。人工智能此前兩次失敗的很難看，主要原因就是有願景但並沒有實際產生出太大的商業價值。
我們的社會、經濟都嚴重依賴於人類的智能，可以講智能是人類文明的根基，而人工智能對人類智能形成替代，所以人工智能從來不缺願景。
任何一個點的突破比如圖像識別都可以讓人聯想到看家、查交通違規等多種場景。人工智能此前一直缺的就是它要能真的能持續產生商業價值。落到看家、查交通違規的例子上，就意味着技術上它必須足夠精確，降低誤報率，真的能履行人的部分職責，達到可用的程度。達到可用的程度可以看成是一個落地的起點，這之後需要的則是進一步的投入要能讓這種商業價值擴大，比如不只能看家還能巡邏，不只能查交通違規還能輔助駕駛。
初步可用，投入可以讓商業價值放大這兩者如果同時具備，那技術-商業的正反饋就可以形成。一旦形成這種正反饋，那這種技術的攤開就不是人力可以改變的。
第一次人工智能浪潮更多是受制於第一點，人們在那時候似乎並沒給人工智能找到特別好的應用；第二次人工智能浪潮則更多的止步於第二點，80年代確實有些專家系統被成功部署，併為公司節約數以千萬美元計的費用，比如第一個成功的商用專家系統R1在DEC成功運轉，此後DEC陸續部署了40個專家系統，但這種展開顯然並沒有獲得持續的回報，也就沒能持續下來。
這次人工智能浪潮之所以看着有點不一樣，關鍵就在於這種正反饋已經初步形成，並比此前兩次範圍和深度大大有所增加：
技術上，一邊Deep Learning大幅提高語音識別等的精度，比如語音識別就從大約20年前的70%提升到現在的95%以上，另一邊GPU的持續進步則不斷提高計算速度，根據nVidia的數據，為人工智能推出的運算卡，相比傳統雙路至強平台，訓練速度提升60倍，inference則提高16倍左右。
商業上，機器學習已經成為一種標配，DeepMind嘗試把AlphaGo的算法運用到Google IT運營中，結果把運營費用降低了40%。蘋果則用機器學習改善各個地方的用戶體驗，比如iPad Pro手寫筆上的防誤觸。總體來看可以講AI向各行業全面滲透已經成為基本趨勢。
到這種程度我們至少可以講正反饋的第一個螺旋已經轉起來了，但只有第一個螺旋還不足以讓白宮採取行動，所以需要探討的是這個螺旋轉起來后，後面還會有什麼？必須有足夠大的東西，這種正反饋才能持續下去。
所有行業都在鼓吹人工智能
人工智能事實上可以應用在任何一個領域，如果非要分個類的話，那大概是3個基本類別：一個是人機交互方式（包括語音交互與AR這種新的顯示方式）；一個是前端的自動化；一個是後端的數據處理。
在人機交互上，最典型的例子就是語音交互與AR。
AR這個詞可以進行非常複雜的定義，比如可以是常說的那種眼鏡（微軟Hololens、Meta等），也可以是手機的一個功能特徵比如Tango那種玩法，當然也可以是一種應用功能，比如Pokeman。但我個人認為AR骨子裡是一種交互方式的變革，這種交互方式核心特徵是實時混合數字空間和現實空間，核心依托的技術則是人工智能上的突破，至於具體產品則是這種交互方式的不同應用。
語音交互則是我們常說的Siri，Echo等。這種交互方式的變革之所以重要在於它會催生新的通用型計算平台，進而導致整個生態的變化，比如鼠標的發明推動Dos到Windows。
討論交互方式，比較有意思的點是它看起來並非剛需，但實際上是通用型終端換代的核心，影響極為深遠。比如說從PC互聯網到移動互聯網的變化，一個原因是觸屏的發展。觸屏是非精確定位，你不能像在PC瀏覽器裡那樣精準訪問各個鏈接，因此操作區域必須足夠大，所以就形成了移動互聯網代表性的各種App（淘寶、美團、今日頭條等）來替代傳統PC上的網頁瀏覽。。
在前端自動化上最典型的就是自動駕駛和機械人。
在這次人工智能有突破之前，所有的自動化可以稱為限定規則下的自動化。從軟件的實現上更容易看出這兩種自動化的根本差別，過去的軟件裡其實充滿了「如果（A條件滿足），然後（做某個行動）」這樣的條件和分支。之所以Office Word甚至Windows這樣的軟件看着非常強大，原因是這種條件選擇嵌套的足夠多。
但現在基於深度學習的程序則不是這樣，它先訓練出個模型來，接下來把新的輸入拋給這模型，讓模型自己看着辦（Inference）。也就是說傳統的程序是可以精確控制的，但深度學習的程序沒辦法控制細節。這種程序差異放到自動駕駛和機械人上能達成的自動化程度顯然有本質差別，比如在生產的時候前一種程序上的自動化只能讓特定的機械人在流水線上生產特定的產品比如汽車，后一種則可以產生什麼都能幹的機械人，這種機械人最終能幹什麼依賴於你怎麼訓練它。后一種機械人的應用範圍無疑遠勝前一種，但暫時后一種機械人在操作精度上確實還不如前一種。
這種自動化升級的深遠影響在於它可以依次在各個領域實現無人操作，比如建築上就可以實現無人機+挖掘機的無人操作（Skycatch與Komatsu嘗試的方向），工廠裡則可以實現生產線上的無人操作等（Baxter嘗試的方向）。
在後端數據分析上比較典型的應用是IBM Watson的那種大數據分析程序。IBM選擇了醫療做突破口，這其實是非常有道理的。一般來講醫療的歷史數據通常有比較好的標注，而圖像識別技術上的突破正好可以用來看各種醫療片子。看醫療片子事實上相當於是識別圖片上的病變模式，而在這點上再有經驗的醫生也會被人工智能虐。當然這種數據分析絕對不局限於醫療，金融、安全、建築等都可以應用同樣的模式。
看完了人工智能的三個大的落地方向，我們回到技術-商業的正反饋上：
首先是深度學習+GPU的突破導致語音識別、圖像識別等在識別率和速度上有突破性進展。然後是這種突破在現有的某些領域中得到應用，比如人臉識別等。當然這兩者都伴隨者資本的持續投入。
然後，一些更大的領域開始變熱，比如上面說的人機交互、自動駕駛、數據分析等，這時候各種資本會更大幅度的介入。
下面其實要等待的是這些大領域真的有所進展，一旦他們有所進展並且運營成功，那這次人工智能浪潮算是徹底落地，後面就會進入應用範圍持續擴大，技術自身變的更快更強的階段。一旦這些大的領域無法取得進展，比如5年裡看不到成功的落地項目，那這波人工智能浪潮就有可能再次變冷。
互聯網沒能降低房價，人工智能就可以？
如果這次人工智能浪潮真的落了地，那一定會影響就業，這點很多人探討過，這裡不再展開。反倒是想探討一個開腦洞的問題，人工智能這類科技的發展可以降房價嗎？
拋開各種細節，房價增長的基本原因是人口向少數地區集中，而少數地區房子供給有限。所以人口凈流出的地區比如遼寧，房價是十分不堅挺的，甚至下跌趨勢已經比較明顯。
這樣一來核心問題就是：科技的發展到底是有助於催生越來越中心化的大城市，還是說讓城市可以去中心化？答案如果是前者，那科技就是助推中心區域房價上漲的力量，如果是後者那科技的發展就是站在高房價的對立面的。
到現在為止經濟發展一直都是在促進中心化。一個地方配套越完善，那經濟越發達；經濟越發達，配套也越完善。可以講經濟發展，城市中心化和高房價三者間有種必然聯繫。
但人工智能等科技似乎是站在高房價的對立面的。如果AR真的足夠發達，那異地辦公就成為可能，高質量教育也不再依賴於總是供給不足的教師資源，高質量醫療也會與地域解綁。那樣一來人們隨便在那裡都可以獲得工作以及高質量的教育、醫療等社會服務，那他為什麼需要住在高房價的地方？
未來的人口分佈始終有兩種可能：
一種是北京這類大城市逐步擴大，成為每個可以吸納1~2億人口的超級城市。這趨勢在各個省重演，各個省會成為地方性超級城市，同時3~4線城市和鄉村逐步消失。
一種則是人口相對均勻分佈，每個人可以找到他喜歡的地點，雖然遠離繁華但也生活的極為便利。
人工智能這類科技似乎是站在後者一邊。
小結
上面說的其實是新書《終極複製：人工智能將如何推動社會巨變》裡想表達的部分意思，我們的未來在細節上仍然模糊，但人工智能在重定義未來這一點上是百分百確定的，所以才會有很多的人從學校（如360人工智能研究院的顏水成是從新加坡國立大學），從科研院所（如聲智科技的陳孝良是從中科院聲學所）等走出來擁抱這次浪潮。
訂閱號：琢磨事(zuomoshi)
更多資訊：
▼華為Media Pad M3 睇平板都有影院級享受！
人工智能會讓房價下降嗎？
