人机共生下财富、工作与思维的大未来
1956年的夏天，一群看起来似乎最难达成共识的顶级学者，在达特茅斯学院的花园里，达成了一个共识，那就是“人工智能”的概念。其中之一的纳撒尼尔·罗切斯特，是IBM初期人工智能产品研究的领导者。
试读
一、从仆人到颠覆
1956年的夏天，一群看起来似乎最难达成共识的顶级学者，在达特茅斯学院的花园里，达成了一个共识，那就是“人工智能”的概念。其中之一的纳撒尼尔·罗切斯特，是IBM初期人工智能产品研究的领导者，那时IBM的客户就有疑问：“如果机器那么能干，我们买了他，我们还有存在的必要吗？”这是一个好问题，以至于IBM的内部报告都建议公司停止关于人工智能的研究（可能同样为自己的工作而担心），IBM的管理层告诉销售人员一句简单的回应：“计算机只能按照编好的程序工作。”
这句话巧妙地去除了人们的担心，没什么可怕的，这些电子大脑只是顺从的机械仆人，它们会盲目地听从你的指挥。这成为半个世纪内传播最广的关于人工智能的认知。诚如斯言，在计算机发展的初期，这还算真实。那时，大部分程序可以形容为“做这个，然后做那个”的一系列指令，这种风格的人工智能被称为符号系统法。
机器学习，一个失败者的逆袭
但是，早期的人工智能研究者很快就遇到了一个问题，就是所谓的“组合爆炸”问题。假设你想找到从北京到上海的最短行车路线，而你的方法是测量每一条可能会走的路，那会产生无数的可能性组合。随着问题越来越复杂，符号系统的编程方法很快变得过时，很多努力都转向了启发法研究。即模仿人类大脑功能，创造出“神经网络”程序。它需要程序员提供足够的示例，告诉它你想让它做什么。初期，研究者在神经网络方向上遇到一系列的麻烦。但在上世纪90年代和本世纪初，这种技术和程序在先进的构架、技术以及统计学的支持下，被包装为机器学习和大数据卷土重来，取得了极具说服力的成果。
信息技术的进步让计算机发生了彻底的改变。此前的半个世纪，处理速度、晶体管密度以及内存等计算能力重要指标，差不多每18~24个月就会翻倍，呈现指数级增长。英特尔的创始人戈登·摩尔在1965年发现这个趋势，被人们称为摩尔定律，直到今天这个趋势仍然没有减弱的迹象。看看我们的手机内存，就是摩尔定律最明显的例证之一。
案例
1980年，作者帮助斯坦福的一些研究者建立一个程序，当时，团队领导借给他一台当时最先进的个人电脑——Apple II，这台据说无与伦比的机器可以储存软盘上的信息，还支持最高4.8万字节的内存。这个内存的含义是，Apple II可以存储时长1秒CD音制的音乐。而今天我们的智能手机有64G的容量，可以容纳长达12天CD音质的音乐，内存是Apple II电脑的100万倍，而价格只有它的零头。而网络，1980年几乎还不存在。
今天，专业机器学习程序能力已经快速超越了它们的创造者——人类。它们发展出自己的直觉力，然后用直觉来行动，这和 “只能按照编好的程序工作”的说法，大不相同。2011年，IBM超级计算机沃森参加了益智问答节目《危险边缘》，挑战该节目的世界冠军肯·詹宁斯，并最终取得了胜利。
人工智能从人们认为的仆人，正在一步步成为颠覆者。
