如果你有一位AI同事，可以向它学点啥？

王海雯

聊起AI，大众或都以为，这是一个烧脑的话题。

的确，作为一门相当有门槛的学科，它的领域如同数学一般宽广而深邃，常人无法企及。

但AI不只是一门硬核科技而已。“马爸爸”曾给出了一番精彩思考——人工智能是技术，但又不是具体的一项或者几项技术，人工智能是我们认识外部世界、认识未来世界、认识人类自身，重新定义我们自己的一种思维方式。

两个多世纪前，人们将牛顿的科学方法论概括为机械思维，而机械思维直接带来了工业革命的硕果累累。现如今，我们也可以从“道”的层面来认识AI，向它借鉴、学习，以此成为一个更好面向未来的自己。

对于这位“劲敌”，我们根本无须焦虑或是忧愁。因为已然来到的智能时代，是一个长达十几年甚至几十年的阶段。每一天的变化都是渐变的，我们有足够多的时间来适应这种变化。

所以，如果你有一位AI同事，可以向它学点啥？AI有着迥异于人类的大数据思维，并在数据的驱动下不懈地“学习”，以此向人类提供更加个性化的服务。

本期，就来聊聊如何理解并应用AI的“大数据思维、学习力、个性化”。

名家之言

★大数据思维

吴军：

约翰·霍普金斯大学计算机科学博士、计算机科学家，著有《智能时代：大数据与智能革命重新定义未来》《浪潮之巅》《硅谷之谜》等畅销书。

从机械思维到大数据思维

逻辑推理能力本是人类特有的本领，给出原因，我们能够通过逻辑推理得到结果。这种以确定性和因果关系为核心思想的机械思维，曾是改变了人类工作方式的革命性方法论，并且在工业革命和后来全球工业化的过程中起到了决定性的作用。今天它在很多地方依然能指导我们的行动，如果我们能够找到确定性（或者可预测性）和因果关系，这依然是最好的结果。

但是，今天我们面临的复杂情况，已经不是机械时代用几个定律就能讲清楚的了，不确定性，或者说难以找到确定性，是今天社会的常态。在大数据时代，我们能够得益于一种新的思维方法——从大量的数据中直接找到答案，即使不知道原因。数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助我们得到我们想知道的答案。

这一方面给了我们一个找捷径的方法，同时我们不会因为缺乏运气而被问题难倒；另一方面，这种找不出原因的答案我们是否敢接受呢？如果我们愿意接受，那么我们的思维方式已经跳出了机械时代单纯追求因果关系的做法，开始具有大数据思维了。

方法应用 用强相关性数据告倒美国烟草公司

我们都知道吸烟对人体有害。比如美国外科协会的一份研究报告显示，吸烟男性肺癌的发病率是不吸烟男性的23倍，这从统计学上讲，早已经不是随机事件的偶然性了，而是存在必然的联系。

但是，就是这样看似如山的铁证，依然“不足够”以此认定烟草公司有罪，因为它们认为吸烟和肺癌没有因果关系。烟草公司可以找出很多理由来辩解，比如说一些人之所以要吸烟，是因为身体里有某部分基因缺陷或者身体缺乏某种物质而导致肺癌的，是这种基因缺陷或者某种物质的缺乏，而非烟草中的某些物质。

从法律上讲，烟草公司的解释是站得住脚的，而美国的法律又是采用无罪推定原则，因此单纯靠发病率高这个单一事件是无法定烟草公司的罪的。所以在很长的时间里，对烟草公司的诉讼，只能不了了之。

上个世纪90年代中期，密西西比州的总检察长麦克·摩尔带领40多个州的总检察长再次对烟草公司提起诉讼。这一回，控方聘请了包括约翰·霍普金斯大学公共卫生学院教授们在内的很多顶级专家。

这些专家们派助手和学生到其他国家的农村地区（包括中国的西南地区），去收集相同族群、相同收入和生活习惯等人群的对比数据。这样既排除了基因等先天的因素，也排除了收入和生活习惯等后天的因素。然后再根据吸烟是否对身体有影响作对比。各州检察官们和专家们经过三年多的努力，最终让烟草公司低头了。

1997年，烟草公司和各州达成和解，同意赔偿3655亿美元。这场胜利，标志着在法律上认可了从不同维度找到的强相关性可以取代因果关系作为法律证据。

（本页内容选摘自 《智能时代：大数据与智能革命重新定义未来》 一书）

观点分享

★学习力

机器越学越智能

你可能听闻过“机器学习”这个专业术语。没错，浸淫在海量的数据中不懈地“学习”，机器得以越来越智能。在《人工智能狂潮》一书中，日籍作者松尾丰更深入地介绍了机器人学习的问题。

AI大致有三个发展阶段，而机器人真正的学习是从第三个阶段开始的。这个阶段又可分成两个部分，第一个部分是机器学习，第二个部分是深度学习。机器学习有赖于互联网的出现，它成了机器人的全能知识库。从理论上讲，只要机器人联通互联网，它需要什么知识，就可以自己抓取什么知识。但是，它还有一个弱点，就是不能自主地选择学什么知识。人类天生对“特征量”很敏感。什么是特征量？如果你想了解一个人的话，特征量就是这个人的身高、体重、家庭、出生地、性格等各个方面的信息，人类可以自动搜索到这些信息，帮自己作判断，但是机器人可不知道该关注什么问题才好。

深度学习阶段的机器人就能搞定特征量的问题了。在数据的基础上，人们让计算机自动生成特征量，然后再让机器人来分类。就像婴儿看妈妈一样，先认识了眼睛，又认识了鼻子，再认识到其他的器官，慢慢地，就形成了妈妈的概念。

方法应用 我们更要终身学习，学习终身

如果机器都在努力地学习，不断地进深，这难道不是狠狠鞭策人类，要更加“头悬梁，锥刺股”地学习吗？终身学习，是一个居高不下的热词。试问：面向未来，我们应该学什么，怎么学？

首先，甩开一些不必要的“包袱”。比如，囿于学科的边界，或是对文凭学历的眷恋，这都是一种很陈旧、落后的思维和做法。数据多寡对于机器“IQ”的影响是决定性的；同样，人的知识是否广博也在一定程度上决定了他的高度。在智能时代，不妨学一学编程。编程是我们与机器沟通的语言，亦是训练机器思维的好方法。不少学者已在呼吁，编程应和数学、统计学一样成为一门通用课程，娃娃最好从小学、中学就开始接触。

其次，培养那些机器替代不了的能力。机器会轻轻松松地替代那些可重复的单调工作，不管是体力还是脑力工作，但它替代不了人性中最微妙的部分。培养自己对复杂系统的综合分析和决策能力、创造性思维能力、情感交流、审美能力、与人交流的能力、讲故事的能力，等等。

再次，为自己作“订制化”的教育。比学什么更重要的是怎么学？上述那些核心能力，往往都无法通过批量化、标准化的学校教育制度提供，它们是需要靠个人的体验和感悟才能获得的。所以，你需要为自己操刀“订制化”的教育，即与众不同的学习计划。让内心中强烈的求知欲来引领你勾画自己的知识疆域，有一些知识蜻蜓点水就好；有一些可以不断地向里纵深，建立知识体系；还可以跨界几门学科，来思考解决一个命题。发挥你的创意来学习吧！

★个性化

机器越来越人性化

2016年，当AlphaGo一鸣惊人，战胜世界围棋冠军李世石时，AI对于普罗大众，还是一个相当抽象的概念。现如今，它早已有了各种载体，“飞”入了寻常百姓家。无论是使用包括滴滴出行、今日头条这样的手机应用，还是扫地机器人、智能投影仪这样的智能家电，我们与AI的关系，已经变得形影不离、密不可分。

机器智能的一大特点，是变得更加像人类一样，而落地为产品时，就是更加的人性化，能够贴合个体的需求提供精准的服务。

事实上，智能时代对行业的改造已经越来越深入。在新制造领域，过去，工业时代和信息时代是让制造业自动化、规模化、标准化，而智能时代的制造业是个性化、智能化，按需定制。未来，企业如果不能从规模化、标准化向个性化、智慧化转型，将很难生存下去，成功的制造业一定是用好智能技术的企业，而不会用智能技术的企业，将进入失败领域。

方法应用 我们要越来越个性化

企业如此，我们每一个人也是如此。

当机器变得越来越“人性化”时，面向未来的我们更要活出“个性化”。这既是一份鼓励，亦是一种要求。

说鼓励，是因为在智能时代里，每一个独立的个体都将得到更好的发展。马云曾分享过他所期待的未来——过去一年只去30个城市，未来我们一年可能去300个城市。过去每人工作16个小时，现在8个小时，未来4个小时，甚至每天工作2个小时。而工作时间的缩短，将意味着每个人都能撇弃基本的物质要求，更好地跟随兴趣、爱好来发挥自己的特长。

当然，在这番远景实现之前，现代社会对职场人要具备“个性化”的要求已经越来越明显了。这里所说的“个性化”不是“自我中心，唯我独尊”，而是作为一个独立的个体，你能发表独到的观点、见解，你有自己的创新发明，你对棘手难题有一个新的解决方案。你绝不是在简单重复昨天的工作内容，或是将自己完全地社会化甚至系统化……每一天，你都在向这个世界新鲜输出以你之名的“内容”。

如果机器都在贴合你的需求满足你，我们怎么可以在同事、上司、下属、客户面前，呈现没有鲜明标签的自己？

未来，个性化发展越足够充分的人，就越不容易落伍；一直以来尊重自己体验的人，会有更宽广的职业空间。一切职业都是人类与社会关系的产物，好的东西总是源自人与社会的深度关系。拿出本心才能和这个世界建立真诚的深度关系。