大数据、机器智能和未来社会的图景.docVIP

大数据、机器智能和未来社会的图景 　　在过去的50多年里，人类GDP增长的根本动力是摩尔定律，即每过18个月，集成电路的性能（以集成电路芯片中的晶体管数量来衡量）就翻一番。 　　集成电路的发展不仅开启了整个IT行业的技术革命，而且带来了全球的自动化和信息化，因此，这是在过去的半个多世纪里拉动世界经济增长的根本动力。 　　摩尔定律带来的另外两个结果，就是互联网的兴起及产业的数字化，而这两个结果合在一起，又产生了一个过去我们不太关注的结果，就是各种数据量的急剧增长。 　　当数据量增加到一定程度，量变就有可能成为质变，因此今天大数据成为一个非常热门的话题。不过，目前在行业里和社会上对大数据炒作居多，对于它的理解依然停留在比较浅的层面。 　　表现在：在概念上将大数据和大量数据相混淆，认为大数据是数据量大，没有看到多维度和完备性的本质；在应用上（商业上）仅看到利用统计规律提升业务，没看到它和摩尔定律的结合必将导致机器智能社会的到来，从而彻底改变商业模式和产业结构，以及人们的生活和工作方式；明显低估大数据和机器智能将给我们人类社会带来前所未有的机遇和冲击。 　　可怕的大数据 　　讲到机器智能（而不是人工智能），先要搞清楚什么是机器智能。1950年，计算机科学的先驱图灵博士给出了一个衡量机器是否有智能的测试方法：让一台机器和一个人坐在幕后，与一个人（测试者）展开对话，当测试者无法被辨别和他讲话的是另一个人还是一台机器时，就可以认为这台机器具有和人等同的智能。 　　科学家们认为，如果计算机实现了下面几件事情中的一件，就可以认为它有图灵所说的那种智能：语音识别，机器翻译，自动回答问题。 　　但从1950年代到60年代，机器智能按照传统人工智能的路子走得非常不顺利。而与此同时，计算机科学的其他分支都发展得非常迅速。 　　在机器智能的发展史上，贾里尼克是一个划时代的人物。1972年，贾里尼克到IBM沃森实验室进行学术休假，并担任起IBM研制智能计算机的工作，挑选了一个他认为最有可能突破的课题，即语音识别。 　　贾里尼克的专长是信息论和通信，在他看来语音识别是一个通信问题。人的大脑是一个信息源，从思考到合适的语句，再通过发音说出来，是编码的过程；经过媒介（空气或者电话线）传播到听众耳朵里，是信息传播问题；最后听话人把它听懂，是解码的过程。 　　贾里尼克和他的同事无意中开创了一种采用统计的方法解决智能问题的途径，因为这种方法需要使用大量的数据，因此它又被称为是数据驱动的方法。 　　从1990年代中期之后的10年里，语音识别的错误率减少了一半，而机器翻译的准确性提高了一倍，其中20%左右的贡献来自于方法的改进，而80%则来自于数据量的提升。 　　我们对数据重要性的认识不应该停留在统计、改进产品和销售，或者提供决策的支持上，而应该看到它（和摩尔定律、数学模型一起）导致了机器智能的产生。而机器一旦产生了和人类类似的智能，就将对人类社会产生重大的影响。 　　毫无疑问，大数据的数据量自然是非常大的，但是光是“量”大还不是我们所说的大数据。 　　这两者的差别可以从三个方面来看。大数据具有多维度性质，而不同维度之间有着天然的联系；大数据的完备性；它的英文“Big Data”这个词体现的很清楚，big强调抽象意义上的大，强调思维方式的不同。 　　这种以数据为主的新的做法，在某种程度上颠覆了我们长期以来在科学和工程上的方法论。数据驱动的方法结合呈指数增长的计算机性能导致机器智能的产生，并且在今天可比肩人类的智能，这才是大数据重要的根本原因。 　　未来的机器有多么智能 　　大数据在这个时间点被提出来，根本原因是因为摩尔定律导致互联网的发展，进而使得各种数据量的急剧增长。 　　因此，大数据的第一个来源是互联网，包括移动互联网。第二个原因是传感器技术的突破。 　　那么大数据能有多么完备？未来的机器能有多么“聪明”？ 　　精确到每一个细节。通过大数据将用户在日常生活中使用的很多（网络）服务打通，让使用者可以非常方便地管理每一天的生活。 　　对医疗卫生的影响。近几十年来，人的寿命在延长，很大程度上是靠技术，而不是医疗水平本身的提高。今天IT界和医学界有一个共识，即通过IT的进步，尤其是大数据和机器智能的进步，帮助解决人类健康的问题。 　　基因科技和医疗诊断。大数据将人类的基因图谱和各种疾病联系起来，从而找到可能致病的基因并且设法修复。如果这件事情能够完成，那么不仅有希望治愈很多过去因为基因缺陷引起的绝症（比如癌症、帕金森综合症等），甚至有可能逆转人类的衰老过程。 　　医疗机器人。罗素?泰勒教授是全世界最有权威的医疗机器人专家。根据他的专利制造的手术机器人达?芬奇已成功地在全世界进行150万例的手术。为制造这个机器人，科学家