智能時代：大數據與智能革命重新定義未來

序 一 大數據與機器智能催生智能時代 鄔賀銓
序 二 智能時代，未來已來 李善友
前 言 人類的勝利

第一章 數據—人類建造文明的基石
如果我們把資本和機械動能作為大航海時代以來全球近代化的推動力的話，那麽數據將成為下一次技術革命和社會變革的核心動力。
現象、數據、信息和知識
數據的作用：文明的基石
相關性：使用數據的鑰匙
統計學：點石成金的魔棒
數學模型：數據驅動方法的基礎


第二章 大數據和機器智能
在有大數據之前，計算機並不擅長於解決需要人類智能的問題，但是今天這些問題換個思路就可以解決了，其核心就是變智能問題為數據問題。由此，全世界開始了新的一輪技術革命——智能革命。
什麽是機器智能
鳥飛派：人工智能1.0
另辟蹊徑：統計+數據
數據創造奇跡：量變到質變
大數據的特征
變智能問題為數據問題


第三章 思維的革命
在無法確定因果關系時，數據為我們提供了解決問題的新方法，數據中所包含的信息可以幫助我們消除不確定性，而數據之間的相關性在某種程度上可以取代原來的因果關系，幫助我們得到我們想知道的答案，這便是大數據思維的核心。
思維方式決定科學成就：從歐幾里得、托勒密到牛頓
工業革命，機械思維的結果
世界的不確定性
熵—一種新的世界觀
大數據的本質
從因果關系到強相關關系
數據公司Google


第四章 大數據與商業
在未來我們可以看到，大數據和機器智能的工具就如同水和電這樣的資源，由專門的公司提供給全社會使用。
從大數據中找規律
巨大的商業利好：相關性、時效性和個性化的重要性
大數據商業的共同點—盡在數據流中
把控每一個細節
重新認識窮舉法—完備性帶來的結果
從歷史經驗看大數據的作用
技術改變商業模式
加（+）大數據締造新產業


第五章 大數據和智能革命的技術挑戰
大數據的數據量大、維度多、數據完備等特點，使得它從收集開始，到存儲和處理，再到應用，都與過去的數據方法有很大的不同。因此，使用好大數據也需要在技術和工程上采用與過去不同的方法。
技術的拐點
數據收集：看似簡單的難題
數據存儲的壓力和數據表示的難題
並行計算和實時處理：並非增加機器那麽簡單
數據挖掘：機器智能的關鍵
數據安全的技術
保護隱私：靠大數據長期掙錢的必要條件


第六章 未來智能化產業
現有產業+機器智能=新產業，未來的農業、制造業、體育業、醫療、律師，甚至編輯記者行業都將迎來嶄新形態，新產業將取代舊產業滿足人類的個性化需求，大數據將導致我們整個社會的升級和變遷。
未來的農業
未來的體育
未來的制造業
未來的醫療
未來的律師業
未來的記者和編輯


第七章 智能革命和未來社會
在歷次技術革命中，一個人、一家企業，甚至一個國家，可以選擇的道路只有兩條：要麽加入智能浪潮，成為前2%的人，要麽觀望徘徊，被淘汰。
智能化社會
精細化的社會
無隱私的社會
機器搶掉人的飯碗
爭當2%的人

後 記
參考文獻

2016年是機器智能歷史上一個具有紀念意義的年份，它是一個時代的結束，也是新時代的開端。這一年距離1956年麥卡錫、明斯基、羅切斯特和香農等人提出人工智能的概念正好過去了六十年，按照中國的習慣正好過去了一個甲子。而當年在達特茅斯學院提出這個概念的10位科學家中最後一位科學家明斯基也在這一年的年初離開了人世，這或許標志著人類在機器智能領域第一階段的努力落下來帷幕。

就在明斯基去世後的兩個月，Google的圍棋計算機Alpha Go在同世界著名選手李世石的對局中，以4:1取得了壓倒性的勝利，成為第一個戰勝圍棋世界冠軍的機器人，它的意義要遠遠超過1997年IBM深藍戰勝卡斯珀羅夫，因為從難度上講，圍棋比國家象棋要難6-9個數量級。這件事不僅是人類在機器智能領域取得的又一個里程碑式勝利，而且標准這一個新的時代----智能時代的開始。

從計算機發展的角度看，智能機器在所有棋類戰勝人類其實只是一個時間問題，因為機器運算能力的提升是指數增長的，而人類智力能夠做到線性增長就不錯了。因此一定存在一個時間點——在所有的棋類比賽中都會超過人。在1997年IBM的深藍戰勝卡斯珀羅夫之後，圍棋不僅是最後一個計算機尚未超越人類的主要棋類，而且還擔負了上千年東方文化的蘊含，即棋道。雖然大部分人相信計算機最終可以在圍棋上超越人類，但是總是覺得那還是幾年後的事情。

就在Alpha Go和李世石比賽之前，李世石本人認為前者的水平和他差出一到兩個子，也就是說，即使他讓先也能5：0獲勝。中國圍棋界的泰斗聶衛平也認為今天的計算機是不可能戰勝人類的冠軍的。就連曾經在Google工作過的IT行業老兵李開復博士也不相信Alpha Go能贏。這並非李開復等人對今天機器智能的發展狀況不夠了解，而是因為下圍棋是一件太難的事情。

2015年年底，Alpha Go僅僅贏了樊麾二段而已，離九段還差得遠呢。但是大家忘記的一件事情，那就是Alpha Go水平的提高並不需要人那麽長的時間，事實上在Google內部，大家在開賽前已經知道Alpha Go的水平並在九段之下。

2016年3月9日，Alpha Go和李世石之間的世紀大戰開始了。Alpha Go在第一盤出人意料地輕松獲勝。當然，大部分人在贊譽Alpha Go水平的同時，依然認為這可能是李世石在試探計算機而已，畢竟那是五盤的比賽，用一盤棋試探毫不了解的對手未嘗不是明智之舉。但是當Alpha Go在第二盤獲得連勝並且下出了很多人類想不到的好棋後，對機器智能持懷疑態度的聶衛平等人，都對它產生了致敬。在Alpha Go獲得第三盤勝利之後，很多超一流的棋手都渴望和它一比，希望以此檢驗自己的水平，並且能夠提高技藝。雖然李世石在第四盤抓住Alpha Go的一個失誤打了一個漂亮的翻身仗，但是Alpha Go在最後一盤穩穩地控制著局面，直到勝利。可以講在那一次人機大戰之後，圍棋界對機器智能從懷疑變成了頂禮膜拜，大家都意識到，按照Alpha Go在過去幾個月里的進步速度，只要Google願意繼續投入科研，很快人類所有的圍棋高手都無法和它過招了。

計算機之所以能戰勝人類的，是因為機器獲得智能的方式和人類不同，它不是靠邏輯推理，而是靠大數據和智能算法。在數據方面，Alpha Go在訓練時使用了幾十萬盤圍棋高手之間對弈的數據，這是它獲得所謂的「智能」的原因。在計算方面，Alpha Go采用了上萬台服務器訓練它下棋的模型，並且讓不同版本的Alpha Go相互對弈了上千萬盤，這才保證了它能做到「算無遺策」。具體到下棋的策略，Alpha Go里面有兩個關鍵的技術：把棋盤上當前的狀態變成一個獲勝概率的數學模型，這個模型里面沒有任何人工的規則，而是完全靠前面所說的數據訓練出來的。第二個關鍵技術是啟發式搜索算法----蒙特卡洛數搜索算法（Monte Carlo Tree Search），它能將搜索的空間限制在非常有限的范圍內，保證計算機能夠快速找到好的下法。雖然Alpha Go的訓練使用了上萬台服務器，但是它在和李世石對弈時僅僅用了幾十台服務器（1000多個內核以及一百多個GPU）。相比國際象棋，圍棋的搜索空間要大倍，Alpha Go的計算能力相比深藍，其實並沒有這麽多倍的提高，它靠得是好的搜索算法，能夠准確地聚焦搜索空間，因此能夠在很短的時間里算出最佳行棋步驟的。由此可見，下圍棋這個看似智能型的問題，從本質上講，是一個大數據和算法的問題。

當然，Google開發Alpha Go的最終目的，並非要證明計算機下棋比人強，而是要開發一種機器學習的工具，讓計算機能夠解決智能型的問題。Alpha Go和李世石對弈，實際上是對當今機器智能水平的一個測試。從樊麾到李世石，實際上是用他們的專才在幫助Google測試當今機器智能的發展水平。在人機對弈的第四盤李世石反敗為勝的過程中，他無意中發現了Alpha Go的一個缺陷。因此，Google的成功里面也有李世石等棋手的功勞。從這個角度講Alpha Go的勝利標志著人類在機器智能方面達到了一個嶄新的水平，因此它是人類的勝利。

Alpha Go無論是在訓練模型時，還是在下棋是所采用的算法都是幾十年前大家就已經知道的機器學習和博弈樹搜索算法，Google所做的工作是讓這些算法能夠在上萬台甚至上百萬台服務器上並行運行，這就使得計算機解決智能問題的能力有了本質的提高。這些算法並非是專門針對下棋而設計的，很多已經在其它智能應用的領域（比如語音識別、機器翻譯、圖像識別和大數據醫療）獲得了成功。

Alpha Go成功的意義不僅在於它標志著機器智能的水平達到了一個新的台階，還在於計算機可以解決更多的智能問題。今天，計算機已經開始完成很多過去必須用人的智力才能夠完成的任務，比如醫療診斷，閱讀和處理文件，自動回答問題，書寫新聞稿和駕駛汽車等等。可以講，Alpha Go的獲勝，宣告了機器智能時代的到來。

Alpha Go的獲勝讓一些不了解機器智能的人開始杞人憂天，擔心機器在未來能夠控制人類。這種擔心是不必要的，因為Alpha Go的靈魂是計算機科學家為它編寫的程序。機器不會控制人類，但是制造智能機器的人可以。而科技在人類進步中總是扮演著最活躍最革命的角色，它的發展是無法阻止的，我們能做的是面對現實，抓住智能革命的機遇，而不是回避它、否定它和阻止它。未來的社會，屬於那些具有創意的人，包括計算機科學家，而不屬於掌握某種技能做重復性工作的人。

在Alpha Go取得人機大戰勝利之際，我們出版這本書，希望能讓大家更多地了解大數據的本質、它的作用、它和機器智能的關系、機器智能的原理和發展過程，以及它們二者對未來產業和社會的影響。

本書一共分為七章，分別介紹了數據的作用，大數據的本身，機器智能的原理及其發展過程，大數據思維的核心及其重要性，大數據和機器智能與商業的關系，它們對社會正反兩個方面的巨大影響。書中的核心內容來自我在研習社和一些大學商學院講課的講義，但是考慮到大家讀書和聽課畢竟有很大的區別，因此在將講義改寫成書的時候，我在書中增加了大量的案例和歷史背景介紹，以方便大家能夠系統地了解大數據和機器智能的來龍去脈，以及我們對未來進行分析的依據。