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量（縱軸，注意它是指數坐標）。在此之前，人類還沒有一項技術能夠在長達半個多世紀的時間里以指數增長的速度進步。集成電路的發展不僅開啟了整個IT行業的技術革命，而且帶來了全球的自動化和信息化，因此，這是在過去的半個世紀多里拉動世界經濟增長的根本動力（雖然在中國還有房地產和基礎設施建設，但是在世界范圍內，這個市場是在萎縮的）。
圖1. 摩爾定律（橫坐標是時間軸，縱坐標是集成電路中的晶體管數量）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果，就是互聯網的興起以及產業的數字化，而這兩個結果合在一起，又產生了一個過去我們不太關注的結果，那是各種數據量的急劇增長。當數據量增加到一定程度，量變就有可能成為質變，因此今天大數據成為了一個非常熱門的話題。不過，目前在行業里和社會上對大數據炒作居多，對于它的理解依然停留在比較淺的層面。這表現在：
1. 在概念上將大數據和大量數據相混淆，認為大數據就是數據量大，沒有看到多維度和完備性的本質。
2. 在應用上（商業上）僅僅看到了利用統計規律提升業務，沒有看到它和摩爾定律的結合必將導致機器智能社會的到來，從而徹底改變商業模式和產業結構，以及人們的生活和工作方式。
3. 明顯低估了大數據和機器智能將給我們人類社會帶來前所未有的機遇和沖擊。
我們就從這三個方面來看看大數據、機器智能和它們對未來社會的影響。
一、可怕的大數據
要說清楚大數據的本質和作用，先要講講數據的作用以及它和機器智能的關系。
1.數據驅動的方法導致機器智能的出現
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？如果出現了，它將對人類的生活產生什么影響？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。學術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。（事實上我們知道，懷特兄弟發明飛機靠的是空氣動力學而不是仿生學。）直到上個世紀70年代，人類才找到了適合計算機發展智能的道路，即采用數據驅動和大強度計算。其次，三十年前計算機的功能還不夠強大，雖然當時人們以為它已經很快了，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，計算機科學的先驅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)。計算機科學家們認為，如果計算機實現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，計算機科學的其他分支都發展得非常迅速。因此，美國計算機學界開始反思是否機器智能走錯了路？1968年，著名計算機科學家明斯基在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，而僅僅根據這兩句話本身，是無法判定pen在哪一句話中應該作為圍欄，哪一句話應該是鋼筆的意思。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，或者說關于世界的知識（World Knowledge），這個問題是傳統的人工智能方法解決不了的。因此，明斯基給出了他的結論，“目前”（指當時）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界崇高的聲望，他的這篇論文導致了美國政府削減了幾乎全部人工智能研究的經費。在機器智能的發展史上，賈里尼克是一個劃時代的人物。1972年，當時還是康奈爾大學教授的賈里尼克來到IBM沃森實驗室進行學術休假，并且擔任起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。
轉載請注明：北緯40° » 大數據、機器智能和未來社會的圖景
