智能无形

2017年5月，天才围棋青年柯洁过得并不好，原本张扬的他在与人工智能AlphaGo的人机大战之后双手掩面，忍不住哽咽：我输了，我希望自己下的更好一点的。

这场全球关注的人机较量以人类0:3落败告终，AlphaGo的完美表现使人们亦喜亦忧，但是一手缔造AlphaGo奇迹的黄士杰博士异常冷静克制的发了一条朋友圈：“天下没有不散的筵席，我转往其他专案的时刻已到”。果然，在过了不足四个月后的10月19日，DeepMind重磅发布了以100：0击败了AlphaGo的AlphaGo Zero。面对人工智能的快速升级，柯洁忍不住惊呼：“人类太多余了！”

科技类大事件AI都不会缺席，毕竟早自1956年夏季，“人工智能”这一术语被首次提出，到1997年IBM的超级电脑“深蓝”(Deep Blue)在六局对抗赛中击败国际象棋世界冠军加里·卡斯帕罗夫(Garry Kasparov)，到2012年Google研究图像识别，再到2017年李彦宏因为百度无人驾驶汽车收到了北京交警的罚单，人工智能这个概念面世已经有61年了。

我们生活在一个数据分析被广泛应用的时代，从总统大选的结果、棒球选手在场上的表现，到案件侦破效率的提高，几乎所有事情都可以通过数据分析来帮助我们破译、探查、和预测。

作为技术导向类企业，中国的百度同样将大部分的研发投入花在了人工智能上，百度李彦宏坦言：“移动互联网时代已经结束，人工智能将使很多人受益改变各个行业”。面对与Alphabet、IBM、Microsoft的差距，这家中国企业采取了十分中国特色的“人海战术”，通过海量的人工翻译获取词汇对以增强语音识别，通过多种网络产品获取中国消费者的各类数据等。

当回到现实的使用场景，汇丰控股有限公司(HSBC Holdings Plc)的分析师曾池认为：“人工智能并不是一个产品，而是将通过对数据的学习为某一产品提供支持，并使其具有各种功能”。就好比百度无人驾驶技术，中国无疑是收集交通数据与检验其场景应用的最佳场所了，12月18日北京市交通委又落地了中国首个自动驾驶地方政策，如果百度研发的无人驾驶汽车能在晚高峰的北京街道上安全行驶，这足以说明中国的无人驾驶技术是世界领先水平了。

除去人工智能“技术+场景”的应用，人工智能与商业的合谋也愈演愈烈。不仅是美国商品期货交易委员会将通过筛查数据识别市场不法操纵行为的希望寄托其上，华尔街也在人工智能中看到了未来。深受过去八年表现落后困扰的对冲基金行业正努力借助机器学习来应对自身难题，希望其可以像优步(Uber)改变交通出行一样，影响投资管理。但是计算机虽然可以用闪电般的速度挖掘市场数据，可若遇到英国脱欧或恐袭这类意外情况，将无法构建有价值的模型。

所以面对大量的时间金钱投入与高风险，也有比较保守的声音，Superfund Asset Management前资深量化投资分析师以及量化交易系统平台Quantiacs的创始人马丁·弗莱勒(Martin Froehler)表示，根据他的经验，在实战测试中机器学习算法的失败率约为90%，而且“算法的失败方式简直层出不穷”。Two Sigma Investments的联合创始人戴维·西格尔(David Siegel)在9月的彭博峰会也提出：“我担心人们对现有技术的潜在能力抱有不切实际的期望。机器学习系统很容易在高度自信的情况下犯错。”可见，找到人工智能金融领域的领先优势并非易事。

“未来真正的通用人工智能必须理解其在复杂实际景观中的存在”——DeepMind Technologies Ltd.的首席执行官德米斯·哈萨比斯(Demis Hassabis)对此深信不疑。通过电子游戏，可以让人工智能在精心控制的环境下解决现实世界里的一些复杂逻辑问题，如不确定性、谈判、欺骗和合作等。哈萨比斯说：“在游戏中，想要多少数据就可以生成多少数据。”试想一下，用赛车游戏教计算机如何开车是不是比用真实车辆安全得多？对此，非营利实验室OpenAI的研究人员约翰·舒尔曼(John Schulman)表示，真正的难题是开发出能够掌握所有游戏而非一款游戏的人工智能系统。只有这样，人工智能技术才可能准备好应对现实生活。

但是，要做到能掌握所有游戏而非一款游戏，那不是人类吗？

我们特别编辑了《智能无形》专刊，从金融服务、智能驾驶，到医疗保健、芯片硬件，再到生产制造、艺术创意等，进行回顾思考与展望。各个行业的现有公司依旧会认为人工智能将重塑他们的行业。但是在未来科技之于人类，到底是提供帮助与效率，还是智商与信心的碾压，最后导致“聪明的电脑对人类构成威胁的担忧”？科技巨头谁也说不好。