第三节 人工智能时代：产业和个人的新机遇

算法的漫长进化，遇到了算力提升与数据爆炸，从而造就人工智能快速崛起。在这样的大趋势下，产业与个人将有哪些新机会，又该如何牢牢把握它们？

我们先谈谈产业的机遇，说一个有趣的案例。

早在2008年，法国就逐步启动了环保蔬菜种植计划，目的在于减少杀虫剂和除草剂的使用。因为化学制剂不仅会影响土壤质量，还容易导致蔬菜的农药残留超标。

和我们国内的情况不同，欧美许多农场面积巨大。由于人口稀少，他们较早地普及了机械化，彻底解放了农民的双手，一两个人就能管理很大一片农场。但这也带来另外一个棘手的问题，怎样用较少的化学制剂铲除杂草和害虫？毕竟，广喷农药已经被禁止，人工挨个检查不但浪费时间，也不太实际。

这时候，人工智能就派上了用场。法国的研究人员为农场主们开发了一个人工智能视觉算法模型，它可以从无人机拍摄的农作物图片里，成功识别杂草和害虫。人工智能通过颜色和图形的差异，就能够识别甜菜、菠菜和豆类农作物中的杂草与害虫，并提醒农民进行针对化处理。更高一级，它甚至可以与农药自动喷洒系统相连，快速进行点对点的精准打药，避免了广喷农药带来的污染。

类似的例子还有很多。比如，有大学生在社交网络上识别用户们上传的野生动物图片，从而利用人工智能系统测算出野生动物迁徙的路线图；又比如，制造企业通过人工智能系统对加工零件进行拍照分析，快速剔除次品，防止后续更大的损失。在2020年的新冠疫情中，人工智能更是通过数据分析和筛选，在疑似患者的追踪中贡献出巨大的实际价值。

细而窄的产业痛点

从上面这些案例，我们可以看出人工智能在产业应用的三个必要条件：第一，有现成的数据可以使用；第二，有客观公允的评判标准；第三，可以和其他数据进行对比。

从以上几个案例中，我们大概可以发现，所有的人工智能产业应用，都是“窄”而“细分”的，旨在解决某个特殊场景下的痛点问题。以目前的技术水平，没有企业能够做出全行业的人工智能解决方案，每个参与者都是在特定的需求场景下做解答。

当下，人工智能产业上的机会大致可分成三个层级，并且随着层级的深入，产业红利也会随之递增。

人工智能硬件

这里所说的硬件，主要是指人工智能的芯片。人工智能领域里，英伟达是经常被提到的芯片企业。之所以能够做到人工智能芯片行业的老大，不只是因为英伟达芯片的算力强悍，更主要的是它已经构建出了一套自己的生态体系。

同样是自动驾驶芯片，英伟达考虑的是如何为客户提供整套的自动驾驶解决方案，而不是单纯卖芯片。除芯片之外，英伟达还建立了一套虚拟路面系统，让自动驾驶系统可以在这个虚拟世界里进行测试和学习，企业可以根据自己的需要设置对应的路面测试环境。

如今，自动驾驶上路测试一直是一个大难题，往往因为涉及交通风险问题而被政府叫停。虚拟路面系统恰好为自动驾驶提供了学习场景，也帮助企业节省了路面测试所需要的巨大花费。

基础服务+人工智能

与人工智能相匹配的基础服务，不得不提到云计算。现在，国内外各大IT巨头都在花重金布局自己的云计算中心，包括亚马逊、谷歌、苹果、阿里巴巴、华为和腾讯。究其原因，是因为人工智能技术的交互，未来会在云上实现。

比如我们最熟悉的人脸识别追踪逃犯，它本质上是由前端摄像头和后端的人工智能系统构成的。公安机关的摄像头在捕捉到人脸数据后，立刻传回到后端中心进行分析和识别，并根据结果锁定目标。系统是现成的，唯一不同的是各地公安机关是否有匹配的数据库和后端中心。

有了云计算技术后，这样的识别系统能力就可以在远端进行交互，本地无须安装更多的设备。我们有理由相信，图像识别、语音识别等功能未来将会成为远程基础服务，由一个统一的云计算平台提供。

行业结合

未来，人工智能技术本身是无法形成行业壁垒的，真正能够形成壁垒的，是人工智能与行业的结合适应度。

行业结合是一个非常重要的因素。在你选择的行业里，是否具备我们上节提到的算力、算法和数据三方面优势。尤其是数据方面，如果没有“高壁垒”的海量数据来源，是没办法支撑人工智能的。这也是许多传统企业在进行智能化转型时所需要注意的问题，除非企业自己已经有了深入的思考，拥有对行业的深入理解，否则轻易尝试人工智能很可能得不偿失。

信任也是需要考虑的因素。以医疗行业为例，从数据安全和可信度上考虑，医院一定愿意选择有实力的头部公司，而不是技术更加先进的小企业。这也是为什么进入医疗领域的人工智能企业，都是全球知名的大公司。

我们还需要强调一点：未来，人工智能的产业机会，一定会属于那些具备数据优势和行业经验的企业。你只有对行业足够了解，才能发现行业的问题，进而开发出对应的人工智能解决方案。就像法国的农场去除病虫害案例一样，它的痛点在于识别杂草和害虫。

一句话总结一下，虽然人工智能的产业机遇非常广泛，但找到擅长的细分领域才是关键。

人工智能还有多少“人工”

说到人工智能，总会提到它对个人的影响。其实大家都想知道一个问题：未来，人工智能里还会有多少“人工”？

可以肯定的是，一些要求高强度、高重复、高速度、高精准度的工作，一定会被人工智能所替代。每一次的科技革命都会带来新一轮的工作革命，人工智能将会大量淘汰传统劳动力，而且不少行业会因为人工智能的兴起而消失。未来，机器人将会代替人工服务和操作，这很可能会导致大量的流程工作、服务工作和中层管理环节“消失”。

我们在前面的小节中提到了人工智能的三个层次：弱人工智能、强人工智能和超人工智能。准确地说，我们目前正处于弱人工智能和强人工智能的中间。

在这种情况下，我们可以下一个结论，即弱人工智能一定比人强，强人工智能一定比人弱。

为什么？人工智能系统的运转，依靠的是数据，数据也是它决策的依据。但对于人类来说，数据不仅仅是数字，它的另一面是经验与规律。如果你想知道阿里巴巴明天的股票是涨是跌，问人工智能也许没错。但阿里巴巴五年后发展得好不好，问人工智能兴许就帮不上什么忙了。

作为个体而言，最受大家关注的就是人工智能的岗位替代。尽管技术“无情”，但它在消灭职业的同时，技术革命也会创造职业，历史已经反复告诉过我们这个道理。世界经济论坛的一份报告显示，到2023年，人工智能会消灭掉7500万个工作岗位，但它会创造出1.3亿个新的工作岗位。

主动拥抱与创新创造

人工智能时代，人并不是没有机会。我们可以提供两个截然不同的方向供大家思考。

一种是主动拥抱。这一条的核心是，你现在必须主动积极地掌握人工智能的相关知识。它可能会在未来五年带给你丰厚的回报。也许你所处的行业与人工智能并不相关，但这不代表它无法和人工智能产生紧密联系。

此前我们经历过“互联网+”时代，现在早已变成了“人工智能+”时代。以金融行业为例，由于存在大量的基础性工作岗位，许多人工智能企业早就希望涉猎金融领域，“革”一些低端金融企业的命，从而收获“破界”带来的行业红利。

然而，华尔街的巨头们可没闲着。摩根·士丹利要求旗下资产部门所有员工都必须学习Python等编程语言，高盛投资银行更是直接在招聘岗位中设置50%以上的技术员工岗位。

在国内的金融企业中，平安的科技人才招聘是最多的，2018年已达6000人次。企业尚且如此，作为个人就更应该主动拥抱这样的趋势，将自己所擅长的技能与人工智能技术相结合，匹配市场的发展方向。

另一种机会是选择学习人工智能所不具备的能力，尤其是创新性、情感性与思辨性的工作或领域。人类的强项，在于利用过往的经验和规律，做出具有前瞻性与创造性的决策，这是所有人工智能都不具备的能力。

但在这个过程里，我们需要注意不要走向人工智能的对立面。人工智能始终是为了帮助人类而存在的。它能修正我们的创意方向，使其更受市场欢迎；它能敏锐地觉察到人类忽视的风险，使我们的决策更加正确。

别被恐慌蒙住了双眼

最后，我们来聊聊人工智能恐慌。

要知道，人工智能完全替代人是不可能的，大可不必对此抱有恐惧心理。和人类相比，很多复杂情况的判断能力是人工智能所不具有的。大多数情况下，媒体过分强调了人工智能的作用，却没有提及它的劣势。

甚至连吴恩达教授也说：“作为一名人工智能从业人员，我开发和推出了多款人工智能产品，但没有发现人工智能在智力方面超过人的可能性。”

即便是我们经常提及的数据分析能力，虽然人工智能比人类算得更快、更准确，但这一切的前提是人类告诉了它应该分析什么数据。对于机器来说，数据就是数据，但对于人类来说，数据的背后是一切事物的运行规律。它能够被人言传身教，潜移默化地影响最终的决策，这都是人工智能所没有的。

人工智能时代的到来，带给我们的不仅是机遇，更是挑战。我们对新技术的影响和发展要有充分的敏感性。只有通过不断的学习，提高自己的认知能力，才能够对当下和未来的事物有比较清晰的认知，并且在适当的时候做出正确的选择。