0 给当下的AI技术、行业、创业拉个框架——有关受众
真正进入AI行业实习前，自己做过tensorflow的一些极度简单的小项目，刷过一些相关的入门课，但在校期间混的主要还是隔壁的区块链圈子。对AI行业，老实说，真没有什么整体的把握。
因为好奇看过一些有关AI的书，但是这些书大部分都是从未来层面、社会层面来分析，比如Martin Ford的Rise of the Robots， Nick Bostrom的Superintelligence，等等。都是宏观有余，微观不足。虽然不能说宏观的思维有问题——毕竟有的时候行业内部人士的思维反而有巨大的局限性——不敢想、太悲观、重逼格，但是没有行业微观的支撑，对于我一个可能要在AI领域好好工作&学习的人来说，现在看来是缺乏吸引力和说服力的。
李开复老师这本书，豆瓣评论没有最高，但是也不低：7.4分（2017年11月28日）。作者作为一个本领域的博士、从业者、创业者，说话足够让人信服；写出来这本书，面向的对象，也是普通大众，说话也足够让人听得懂。所以拿这本书当作我了解行业的入门、拉框架的开始、research的起点，正适合。但对于已经在AI行业有过经验的人，可能这本书的内容就有些浅显了，不过里面总结了诸多较新例子，倒也能让这本书成为演讲、写文章找案例素材的地方。
1 AI，是什么，怎么做——有关结构
前三章和大部分介绍AI的书一样，集中探讨了AI是什么：从领域上看，人工智能是什么；从几次浪潮上看，这一波人工智能是什么；以及从人类存在价值的角度看，人工智能是什么。
后三章则是简单的方法论：各个现有行业该如何应对；创业者该如何把握；学习者该怎么调整。
目前我看的AI的书和报告还太少了，对于本书总体的结构提不出自己的看法和建议。或许在这个行业待了一年以上、广泛阅读之后，会更加有全局性的思维吧。先搁置。
2 手划重点&一些个人观点
2.1 有关AI的定义
书中提及了大众对人工智能的几种主流定义方式：1）AI是超级厉害的科技；2）AI是模拟人脑思考模式的技术（注重AI的过程）；3）AI是模拟人类行为的技术（目的导向型）；4）AI是会学习的程序，等等。
作者提及的Wikipedia上面对AI的定义是比较靠谱的。根据英文版定义（书中是中文版），我简单划了下重点：
In computer science AI research is defined as the study of "intelligent agents": any device that perceives its environment and takes actions that maximize its chance of success at some goal. （Wikipedia，accessed 2017-12-03）
(Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2.)
1）intelligent agent/智能主体
2）perceive its environment/观察其环境
3）take actions/做出行动
4）maximise its chance of success at some goal/成功机会最大化
如果对比AlphaGo Zero，就能看出，它并不需要模仿人的思维方式，人的既定思维模式反而可能把机器带歪。AI所要做的，仅仅是最优化地完成给定的目标，而非一定要模仿人脑的思考模式（当然人脑的思考模式也是有模仿的价值的，如果模仿人脑是某个问题的最优解那就去模仿人脑）。
书中尤其提及了LeCun等对模拟大脑的批判。不过也要看到，像Vicarious这样的公司也活得风生水起——Vicarious的核心任务就是让机器学会像人一样学习，比如最近他们在Science上针对CAPTCHA发布的RCN算法就极大降低了计算机视觉学习OCR这块所需要的数据量。毕竟，你教会一个小孩认识字母A，并不需要那么多数据训练对吧，你让这个小孩从认识正常的A到认识扭曲的A，也并不需要推倒重来对吧。
所以，一切尚未定论，正是百家争鸣的时候呢，不要限制了自己的想象力 : )
2.2 当下AI的局限
按照书中对于AI的划分，当下的AI只是初阶的weak AI（weak AI - strong AI - super-intelligence），其特点就是，AI解决的问题只是细分领域的，说白了只是工具而已。这也是为什么现在很多业内人士，一被外行人士问到AI会不会取代人类，他们都一脸不耐烦加不屑地说：你们想太多了！
不管是在国外念书期间，还是在国内实习期间，参加过很多AI的行业会议，这个问题基本上是台上嘉宾必会被问到的问题。不过作为一个耿直且刚刚入行没啥顾忌的人，我还是发表下我对这些业内人士如此说法的看法：
- 不论专家怎么说AI不会取代人，你都要清楚，他们只是在说弱AI不会取代人而已，你要知道他们首先就把大众眼中AI的概念替换成了行业内现有水平的AI，也就是弱AI。他们没有骗你，弱AI，比如AlphaGO，比如智能驾驶，他们只是一个领域的权威而已，他们只是一个极致的工具而已，当然无法取代一个具有多项领域技能的人。但是，他们取代一个领域的一些工作者是够的。所以，弱AI无法取代作为一个人的你，没毛病；但是弱AI能取代特定行业里滥竽充数甚至努力了也没用的你，也没毛病。不过会议上发言，大家当然都说前者，不然被打医药费你报销？
- 弱AI的现状，就是工具；工具，就是取代一些低级、中级、甚至中高级的劳动者，让这个领域高级的劳动者干活更好更快。所以这些AI公司——也就是这些高级劳动者的技术/硬件供应商，怎么可能和甲方人员说：虽然我现在取代不了你，未来很长一段时间可能也取代不了你，但是我们发展的目标始终都是接近你最后超过你。所以，会议上厂商的发言，永远都是：“我们是共赢的，你们放心”。他们说的没有错，当下是共赢，未来是逼近和超越。但是，作为乙方要低调嘛，谁给你钱你给谁脸不是，没钱怎么搞技术呢。
- 行业人士总是有局限性的，他们的行业知识、流派、过往发言、手头项目，限制了他们的想象力和发言内容。这个不怪他们，任何行业都需要谦虚低调。先往低了说，然后搞个大新闻大突破，大家都佩服。一开口就放厥词，然后十年没动静，可能中间光唾沫星子就能淹死TA。
- 媒体、公众、科幻作家则都是更激进更敢想的。行业外人士的想象力总是很丰富，而且经常就能命中下一个发展，瞎猫碰到死耗子在大基数下是个接近必然的事情。我觉得也没啥不好，反正行业人士也总爱“教育”媒体和公众：你们误解了AI不要捧杀我们云云（痛心疾首老教授脸），媒体和公众也爱“反击”：你们这帮阳春白雪的人有本事就多出来科普啊。世界和知识总是在交锋中进步呀，没啥不好。
- 至于强AI和super-intelligence能不能达到，这个天知道了。不过这个是所有从业者的共同目标不会错。
现在再看一下李开复老师在书中总结的5点AI做不到的：
- 跨领域推理/transfer learning
- abstract/抽象机制：比如极限、复数、张量
- 知其然，更要知其所以然，不能是黑匣子
- common sense：比如应用到无人驾驶领域，该怎么做
- 自我意识
- 审美
可以看到，针对每一个弱AI当下的弱点，都有无数公司和高校团队在研究。所以当然在这一秒，弱AI无法取代人，TA有各种连三岁小孩都比不过的劣势，但是也就仅仅在当下这一秒而已。任何一个有视野的人，都应该清楚地提醒自己：保持和这个世界接轨，保持思维的新鲜度，保持开放和怀疑的精神，在每一秒。
2.3 新工种？新场景？
书中说，从18世纪至今，人类经历了三次工业革命，分别实现了自动化（纺织机、蒸汽机）；电气化（电、内燃机）；信息化（信息技术）。
因此对于AI取代人类工种，是否会造成大量失业，本书和其他很多书以及业内人士一样，都是认为：根据以往几次工业革命的经验，每次新技术的革新，都会让很多职业消失，但是又会创造出更多的职业。
嗯...... 我当然也是希望这次工业革命也是这样的，但是免不了还是要怀疑一下，作为一个在学校修过工业革命、进化论、哲学史的人。“罗素的火鸡”，或者说黑天鹅，或者说休谟的怀疑论，都是很能针对这个命题提出合理质疑。举个最简单的黑天鹅的例子：你每次看到的都是白天鹅，所以天鹅一定都是白的，这结论有意思吗？你只能说，我们作为人，要生活，要实际，就假定天鹅都是白的比较适合我们碳基生物而已，你不能说天鹅100%就是白的。
况且白天鹅的数量可是比工业革命的多多了。过去统共才三次工业革命，他们的共性足够代表一个合理的归纳吗？我觉得很有问题吧。
而且，弱AI之所以能被称为AI，就是TA们在某一领域的技能已经超越了人类的平均水平。书中举例的卡车司机还是什么司机转型按摩师，我也是十分怀疑。高水平个性化自动按摩难还是自动驾驶难？我还是蛮有疑问的。况且有了按摩机器人之后，按摩的场景还是原来的场景吗？如果现在看按摩师的一个附加价值是和客人的沟通，那么有了精准按摩机器之后，可能新的按摩场景中，客户可以利用这段时间睡个觉、上网、和家人通话、谈恋爱、随便干啥啥。因为从前有个按摩师外人在，很多私密的事情都是不方便做的，新场景下按摩师的人性沟通，可能就是个伪需求，或者至少是个非必要需求，毕竟来按摩的人，就是来按摩的；来理发的就是来理发的。闭上嘴专心业务的小哥哥小姐姐们才是我们的最爱。所以，我真的对书中这个例子持90%的怀疑态度。
当然，必须要肯定的是，这轮新的科技革命浪潮，一定会带来新的工种，但是准入门槛一定很高：要么技术顶尖、要么商业思维顶尖、要么与人沟通顶尖、最好是技术+商业+与人沟通技能都均衡发展。所以拿这些位置给卡车司机，我是觉得挺难的。一些门槛低的过渡工种一定会存在，但是悖论就是，只要门槛低，对机器的门槛就更低，一定会有公司研发垂直领域的机器人或者算法把这个过渡工种给替代掉。
那么艺术与思辨呢？这个是真的挺难被替代的，因为艺术讲的就是稀缺，思辨需要各个方面阅历的积累。不过这一块本身就是因为人少，才导致稀缺、价值高，故而也提供不了什么职位空缺，一般人年轻人转行想成为大师也不用太考虑了，大师就那么些，且功利性的转行本身就和文创的理想主义、燃烧热情的画风差太远，真的不约。
滥竽充数的艺术家倒是该自危一下，其实艺术文创领域里，除了头部有真才实学+天赋+勤奋的人，其他人（中下层）是很容易被替代掉的，混过CCI的都知道吧... 只不过国内CCI的市场成长很快，所以近年来看，我觉得还是个值得关注和投入的市场。
2.4 AI浪潮下，如何将职业和个人当做产品来管理
书中列举了几个AI能够应用且已经开始深入应用的类别：自动驾驶、金融科技、智慧生活、智慧医疗、艺术创作。不仅上述提到的这些，只要是机械化、有固定规则、依托大量数据的工种，AI都有解法。
经常和朋友感叹我们何其幸运，生在这样一个巨变的时代。我们一年所经历的时代变迁，放在过去可能抵得上十年百年，作为观众的参与者，简直是心花怒放。但是对于另外一些人，尤其是心理年龄如我们的父母辈但是实际年龄和我一样是90后的人来说，可能这对他们来说并不是一件好事。
不论是国内还是国外的教育，从本质上说，都是大课教育——并非因材施教，也都是传统教育——基于工业革命带来的社会分工要求。这就造成了每个人学一样的东西，并且每个人都学细分领域的事情。
虽然近年跨学科春风吹满地，我念的master也是大写加粗的宣传自己的interdisciplinarity，可是学科建设、知识、师资本身就是有点落伍，即使是10个有点落伍的学科叠加，也只是10个有点落伍的混搭。真正最快速学东西——尤其是高科技行业——还是要靠实习、深入行业。
现在高校的一个很严重的问题，就是教的东西，网上都有，我随便找一下udacity，coursera，futurelearn，lynda甚至youtube，都能马上自己学好。一个学期的内容，自己学可能一个月就能学完；而且学校的老师几乎肯定是没有网上公开课的老师厉害，也没有他们准备的充分。所以学校真的不能怪我们逃课，大家都是用脚投票而已。
书中列举的密涅瓦大学的课表就很有参考价值，至少是我喜欢的。一年级的课表摘录如下：
- 形式分析
- 高级逻辑
- 理性思维
- 统计分析
- 计算思维
- 形式统计
- 实证分析
- 有效定义实际问题
- 测试和验证猜想
- 多元模式交流
- 高级知识理解和获取
- 公开演讲
- 视觉语言交流
- 设计
- 辩论
- 艺术表达
- 复杂系统
- 理解复杂因果关系
- 学习多远交互
- 项目协调
- 谈判
- 领导力
- 正式辩论
这本书对于自身学习给了6个原则，我认为也挺有参考价值：
- 挑战极限：我认为就是离开舒适区，这个的重要性不言而喻。
- 在实践中学习：自我MVP，自我迭代。做了才能迭代，不然就是yy。
- 启发式教育（创造力&解决问题的能力）：碳基生物目前的优势也就是创造力和提供解决问题思路的能力了。
- 互动式的在线学习将愈来愈重要：上面已经提及，mooc是高校生的主要课堂。
- 主动向机器学习：参见阿尔法狗，棋手向机器学。
- 既学习人—人协作，也学习人—机协作：未来不会人机协作，就像现在不会说英语。
我总结归纳一下，核心就是：保证自己也跟着时代变就行了，随时给自己的职业和自己提需求，不断迭代。
2.5 AI创业
身在大公司的创业型团队，我也经常反思我自己的认知。读创业这一章，确实收获很大，李开复老师不愧是老司机。故直接摘录一下本书中有关这一方面的重点：
- 【提高现有效率而非发明新的流程】“大多数情况下，人工智能并不是一种全新的业务流程或全新的商业模式，而是对现有业务流程、商业模式的根本性改造。AI重在提升效率，而非发明新流程、新业务。”
- 【AI创业的五大基石】
- 清晰的领域界限（不要什么都做，专注细分功能）
- 闭环的自动标注的数据
- 超大计算能力
- 千万级的数据量
- 顶尖的AI科学家
- 【AI领域的6大挑战】
- “前沿科研与产业实践尚未紧密衔接”：技术怎样过渡到业务？要深入行业
- “人才缺口巨大，人才结构失衡”
- “数据孤岛化和碎片化问题明显”：区块链倒是有可能很好地解决这一问题
- “可复用和标准化的技术框架、平台、工具、服务尚未成熟”：最近Amazon已经在努力了，参见Amazon Cloud 9
- “创业难度相对较高”：人才贵、科学家没有商业嗅觉和思维、设备贵、高质量数据难找等等
3 微信公号绝对是个重要的文献库——参考文献 & 顺藤摸瓜
很有意思，开始以为本书参考文献一定是各种英文文献，没想到居然很多都是微信公众号文章。不过想了一下，很合理，我自己平时查找资料、观点，也一定是搜知乎和微信，一个侧面反映了信息分发阵地的转移。
几个AI领域值得关注的公众号：机器之心、AI科技评论、新智元、量子位、创新工场。
网友评论