我們每年向幾百名學(xué)生教授數(shù)據(jù)科學(xué)，他們都對(duì)人工智能很著迷，并會(huì)提出很好的問(wèn)題。汽車(chē)如何學(xué)習(xí)自動(dòng)駕駛？亞歷克莎（Alexa）如何理解我在說(shuō)什么？聲田（Spotify）是怎樣為我選擇如此精彩的播放列表的呢？臉書(shū)如何在我上傳的照片中識(shí)別我的朋友？這些學(xué)生意識(shí)到，人工智能不是來(lái)自未來(lái)的某種科幻機(jī)器人。

《人工智能商》，尼克·波爾森、詹姆斯·斯科特著，劉清山譯，后浪出版公司2020年版。   

它存在于此時(shí)此刻。它在通過(guò)每一部智能手機(jī)改變世界。學(xué)生們都想理解人工智能，而且都想?yún)⑴c其中。

我們的學(xué)生，不是唯一對(duì)人工智能產(chǎn)生熱情的人。和他們一樣欣喜的，還有世界上最大的公司——從美國(guó)的亞馬遜、臉書(shū)、谷歌到中國(guó)的百度、騰訊、阿里巴巴。你可能聽(tīng)說(shuō)過(guò)，這些大型科技公司正在發(fā)動(dòng)一場(chǎng)針對(duì)人工智能人才的昂貴的全球“軍備競(jìng)賽”，他們認(rèn)為這對(duì)他們的未來(lái)非常重要。

現(xiàn)在，我們看到更多公司參與到人工智能領(lǐng)域的人才爭(zhēng)奪之中——比如坐擁海量數(shù)據(jù)的保險(xiǎn)和石油公司，他們同樣可以提供可觀的薪水和獨(dú)具特色的咖啡機(jī)。

這種軍備競(jìng)賽當(dāng)然是真實(shí)的，但我們認(rèn)為人工智能領(lǐng)域目前還有另一個(gè)更加強(qiáng)烈的趨勢(shì)——這個(gè)趨勢(shì)不是集中，而是擴(kuò)散和傳播。是的，每家大型科技公司都在努力囤積數(shù)學(xué)和編程人才，但與此同時(shí)，人工智能背后的基本技術(shù)和思想正在以極快的速度擴(kuò)散，被小公司、其他行業(yè)以及世界各地的愛(ài)好者、程序員、科學(xué)家和研究人員所掌握。這種民主化趨勢(shì)是最讓我們今天的學(xué)生感到激動(dòng)的事情，因?yàn)樗麄冋诳紤]各種急切需要人工智能解決方案的問(wèn)題。

比如，誰(shuí)會(huì)想到一群大學(xué)生會(huì)對(duì)黃瓜數(shù)學(xué)如此著迷？當(dāng)他們聽(tīng)說(shuō)日本汽車(chē)工程師小池誠(chéng)（MakotoKoike，音譯）的故事時(shí)，他們的確很著迷。小池誠(chéng)的父母有一座黃瓜農(nóng)場(chǎng)。在日本，黃瓜具有各種令人眼花繚亂的大小、形狀、顏色和毛刺度——人們必須根據(jù)這些外觀特征將黃瓜分屬九種類(lèi)別，這些類(lèi)別具有不同的市場(chǎng)價(jià)格。

過(guò)去，小池的母親每天要花八個(gè)小時(shí)手工分揀黃瓜。后來(lái)，小池意識(shí)到，他可以用谷歌的開(kāi)源人工智能軟件TensorFlow完成這項(xiàng)任務(wù)。他可以編寫(xiě)一種“深度學(xué)習(xí)”算法程序，根據(jù)照片為黃瓜分類(lèi)。

小池之前從未使用過(guò)人工智能和TensorFlow，但他很容易就根據(jù)現(xiàn)有的所有免費(fèi)資源完成了自學(xué)。當(dāng)他的人工智能分揀機(jī)器視頻在YouTube上出現(xiàn)時(shí)，小池成了深度學(xué)習(xí)和黃瓜這兩個(gè)領(lǐng)域的國(guó)際名人。他不僅為人們提供了一個(gè)有趣的故事，為他的母親免除了無(wú)數(shù)個(gè)小時(shí)的辛勞，他還向全世界的學(xué)生和程序員傳達(dá)了一個(gè)令人鼓舞的消息：既然人工智能可以解決黃瓜農(nóng)場(chǎng)的問(wèn)題，那么它應(yīng)該可以解決幾乎所有領(lǐng)域的問(wèn)題。

這條消息目前正在迅速傳播。醫(yī)生正在用人工智能診斷和治療癌癥。電力公司用人工智能提高發(fā)電效率。投資者用人工智能管理財(cái)務(wù)風(fēng)險(xiǎn)。石油公司用人工智能提高深海鉆井平臺(tái)的安全性。執(zhí)法機(jī)構(gòu)用人工智能追捕恐怖分子?？茖W(xué)家用人工智能獲取天文、物理和神經(jīng)科學(xué)的新發(fā)現(xiàn)。世界各地的公司、研究人員和愛(ài)好者正在以數(shù)千種不同的方式使用人工智能，比如探測(cè)天然氣泄漏，開(kāi)采鐵礦石，預(yù)測(cè)疾病暴發(fā)，避免蜜蜂滅絕，量化好萊塢電影中的性別歧視。

這僅僅是開(kāi)始。

我們認(rèn)為，人工智能的真實(shí)故事恰恰體現(xiàn)了這種擴(kuò)散：從過(guò)去幾十年甚至幾百年間的幾個(gè)核心數(shù)學(xué)概念，到今天的超級(jí)計(jì)算機(jī)和講話(huà)、思考、分揀黃瓜的機(jī)器，到明天無(wú)處不在的新的數(shù)字奇跡。

我們這本書(shū)的目的就是向你講述這個(gè)故事。它在一定程度上是科技故事，但它主要講述的是思想以及思想背后的人——這些人所處的時(shí)代比現(xiàn)在早得多，他們只是在低調(diào)地解決他們面對(duì)的數(shù)學(xué)和數(shù)據(jù)問(wèn)題，他們并不知道他們的解決方案將對(duì)現(xiàn)代社會(huì)起到怎樣的作用。讀完這個(gè)故事，你會(huì)理解人工智能的含義、來(lái)源、原理及其在生活中的重要意義。

人工智能到底是什么意思？

當(dāng)你聽(tīng)到“人工智能”時(shí)，不要想到機(jī)器人。你應(yīng)該把它看成一種算法。

算法是一組帶有步驟的指令。這些指令非常清晰，就連計(jì)算機(jī)這樣頭腦簡(jiǎn)單的事物也能遵循。（你可能聽(tīng)說(shuō)過(guò)下面的笑話(huà)。一個(gè)機(jī)器人卡在浴室里出不來(lái)了，因?yàn)橄窗l(fā)水瓶身上的算法是：“涂抹。沖洗。重復(fù)?！保┧惴ū旧聿⒉槐入娿@更加聰明，它只能把一件事情做得很好，比如為數(shù)組排序，或者在網(wǎng)上搜索可愛(ài)的動(dòng)物照片。不過(guò)，如果你將許多算法巧妙地組合在一起，你就可以生成人工智能，使人覺(jué)得它在某個(gè)領(lǐng)域可以做出智能行為。例如，你可能會(huì)向谷歌Home這樣的數(shù)字助理提出“奧斯汀最好的早餐玉米卷餅在哪兒”等問(wèn)題。這種詢(xún)問(wèn)會(huì)引發(fā)算法的連鎖反應(yīng)：

一個(gè)算法將原始聲波轉(zhuǎn)化成數(shù)字信號(hào)。

另一個(gè)算法將這個(gè)信號(hào)轉(zhuǎn)化成一串英語(yǔ)音素，即獨(dú)特的

聽(tīng)覺(jué)感知：“brek-fust-tah-koze”。

下一個(gè)算法將這些音素劃分成詞語(yǔ)：“breakfasttacos”。

這些詞語(yǔ)被發(fā)送到搜索引擎——搜索引擎本身就是海量算法的集合，可以處理查詢(xún)，做出回答。

另一個(gè)算法將這種回答轉(zhuǎn)化成清晰的英語(yǔ)句子。

最后一個(gè)算法以聽(tīng)上去不像機(jī)器人的方式表述這個(gè)句子：

“奧斯汀最好的早餐玉米卷餅在杜瓦爾街的胡里奧餐廳。您需要導(dǎo)航嗎？”

這就是人工智能。幾乎每個(gè)人工智能系統(tǒng)都會(huì)遵循這種“算法管道”模式，不管是自動(dòng)駕駛汽車(chē)、自動(dòng)黃瓜分揀機(jī)還是監(jiān)測(cè)信用卡賬戶(hù)盜刷的軟件。這種管道會(huì)接收來(lái)自某個(gè)具體領(lǐng)域的數(shù)據(jù)，執(zhí)行一系列計(jì)算，然后輸出預(yù)測(cè)或決定。

人工智能使用的算法有兩個(gè)明顯特征。首先，這些算法處理的通常不是確定性，而是概率。例如，人工智能中的算法不會(huì)直接指出某筆信用卡交易存在欺詐。相反，它會(huì)指出欺詐概率是92%，或者它根據(jù)數(shù)據(jù)得到的任何概率。第二個(gè)特征涉及這些算法是如何知道應(yīng)該遵循哪些指令的。在傳統(tǒng)算法中，比如運(yùn)行網(wǎng)站或處理文字的算法，這些指令是程序員提前固定下來(lái)的。不過(guò)，在人工智能中，這些指令是算法直接從“訓(xùn)練數(shù)據(jù)”中學(xué)到的。沒(méi)有人告訴人工智能算法如何判斷信用卡交易是否存在欺詐。相反，算法會(huì)看到每個(gè)類(lèi)別（欺詐，無(wú)欺詐）中的許多案例，它會(huì)找到區(qū)分二者的模式。

對(duì)于人工智能來(lái)說(shuō)，程序員的作用不是告訴算法應(yīng)該做什么，而是告訴算法如何根據(jù)數(shù)據(jù)和概率規(guī)則獲知自己應(yīng)該做什么。

我們是如何走到今天的？

自動(dòng)駕駛汽車(chē)和家庭數(shù)字助理等現(xiàn)代人工智能系統(tǒng)屬于新鮮事物。不過(guò)，你可能會(huì)吃驚地發(fā)現(xiàn)，人工智能的重要思想其實(shí)很古老——許多思想已經(jīng)存在了數(shù)百年——我們的祖先一直在用它們解決問(wèn)題。以自動(dòng)駕駛汽車(chē)為例，谷歌第一款自動(dòng)駕駛汽車(chē)于2009年首次亮相。不過(guò)，你將在第三章發(fā)現(xiàn)，這些汽車(chē)背后的主要思想之一是某個(gè)長(zhǎng)老會(huì)牧師在18世紀(jì)50年代發(fā)現(xiàn)的——50多年前，某個(gè)數(shù)學(xué)家團(tuán)隊(duì)還用這種思想解決了冷戰(zhàn)時(shí)期最大的轟動(dòng)性謎團(tuán)之一。

另一個(gè)例子是圖像分類(lèi)，比如自動(dòng)在臉書(shū)照片中為你的朋友做標(biāo)記的軟件。圖像處理算法在過(guò)去五年取得了很大進(jìn)步，但你將在第二章看到，這里的關(guān)鍵思想來(lái)自1805年——而且，一位不知名的天文學(xué)家亨麗埃塔·萊維特（HenriettaLeavitt），在一個(gè)世紀(jì)前利用這些思想幫助人類(lèi)解答了歷史上最深刻的科學(xué)問(wèn)題之一：宇宙有多大？

再以語(yǔ)音識(shí)別為例，這是人工智能近年來(lái)的偉大勝利之一。亞歷克莎和谷歌Home等數(shù)字助理在語(yǔ)言方面非常流利，而且它們只會(huì)變得越來(lái)越好。不過(guò)，第一個(gè)讓計(jì)算機(jī)理解英語(yǔ)的人是一位美國(guó)海軍少將，而且這件事發(fā)生在將近70年前。（見(jiàn)第四章。）

這里只舉了三個(gè)例子，但它們說(shuō)明了一個(gè)驚人的事實(shí)：不管你考察人工智能的哪些方面，你都會(huì)找到一個(gè)被人們長(zhǎng)期研究過(guò)的思想。所以，從各方面來(lái)看，最大的歷史謎團(tuán)不是人工智能為什么會(huì)在今天出現(xiàn)，而是它為什么沒(méi)有在很久以前出現(xiàn)。要想解釋這個(gè)謎團(tuán)，我們必須考慮將這些寶貴思想帶入新時(shí)代的三個(gè)強(qiáng)大的技術(shù)力量。

第一個(gè)使人工智能成為可能的力量是計(jì)算機(jī)長(zhǎng)達(dá)幾十年的指數(shù)增長(zhǎng)速度，通常被稱(chēng)為摩爾定律。你很難直觀地理解計(jì)算機(jī)目前的速度有多快。過(guò)去的常見(jiàn)說(shuō)法是，阿波羅宇航員登陸月球時(shí)使用的計(jì)算能力還比不上一只袖珍計(jì)算器。不過(guò)，這種說(shuō)法已經(jīng)無(wú)法使人產(chǎn)生共鳴了，因?yàn)椤湔溆?jì)算器是什么東西？所以，讓我們用汽車(chē)來(lái)類(lèi)比。1951年，尤尼瓦克是速度最快的計(jì)算機(jī)之一，每秒可以進(jìn)行2000次計(jì)算，而速度最快的汽車(chē)之一阿爾法羅密歐6C的時(shí)速可達(dá)180公里。之后，汽車(chē)和計(jì)算機(jī)都在提速。不過(guò)，如果汽車(chē)能像計(jì)算機(jī)那樣提速，那么現(xiàn)代阿爾法羅密歐的速度將達(dá)到光速的800萬(wàn)倍。

人工智能的第二個(gè)助推器是新的摩爾定律：隨著人類(lèi)所有信息的數(shù)字化，可用數(shù)據(jù)量出現(xiàn)了爆炸式增長(zhǎng)。美國(guó)國(guó)會(huì)圖書(shū)館擁有10太字節(jié)的存儲(chǔ)量，但是谷歌、蘋(píng)果、臉書(shū)、亞馬遜四大科技公司2013年一年收集的數(shù)據(jù)就是這個(gè)數(shù)字的大約12萬(wàn)倍。而且，從互聯(lián)網(wǎng)視角來(lái)看，這已經(jīng)是上一代的事情了。數(shù)據(jù)積累的加速節(jié)奏比阿波羅火箭還要快。2017年，YouTube每分鐘上傳的視頻超過(guò)300小時(shí)，Instagram每天貼出的照片超過(guò)1億張。更多的數(shù)據(jù)意味著更聰明的算法。

第三個(gè)支撐人工智能的因素是云計(jì)算。消費(fèi)者幾乎看不到這種趨勢(shì)，但它對(duì)人工智能產(chǎn)生了巨大的民主化影響。為說(shuō)明這一點(diǎn)，我們要對(duì)數(shù)據(jù)和石油進(jìn)行類(lèi)比。假設(shè)20世紀(jì)早期的所有公司都擁有一些石油，但是它們需要獨(dú)自建設(shè)基礎(chǔ)設(shè)施，以便開(kāi)采、運(yùn)輸和提煉石油。如果一家公司有了利用石油的新思想，它需要面對(duì)巨大的固定起步成本。因此，大多數(shù)石油都不會(huì)得到使用。同樣的邏輯也適用于數(shù)據(jù)，即21世紀(jì)的石油。如果用自己的數(shù)據(jù)打造人工智能系統(tǒng)需要購(gòu)買(mǎi)所有的裝備和專(zhuān)業(yè)人才，大多數(shù)愛(ài)好者和小公司都會(huì)面對(duì)難以負(fù)擔(dān)的成本。不過(guò)，微軟Azure、IBM和亞馬遜WebServices等平臺(tái)提供的云計(jì)算資源將這種固定成本轉(zhuǎn)化成了可變成本，極大地改變了大規(guī)模數(shù)據(jù)存儲(chǔ)和分析的支出比重。今天，任何想要使用個(gè)人“石油”的人都可以租用其他人的基礎(chǔ)設(shè)施，以降低成本。

當(dāng)你將這四種趨勢(shì)——更快的芯片、大量數(shù)據(jù)、云計(jì)算以及最重要的優(yōu)秀思想——放在一起時(shí)，用人工智能解決實(shí)際問(wèn)題的需求和能力就會(huì)出現(xiàn)爆炸式增長(zhǎng)。

人工智能焦慮

我們已經(jīng)向你講述了我們的學(xué)生對(duì)于人工智能多么興奮，以及世界上最大的公司是如何迫不及待地迎接人工智能的。不過(guò)，如果我們說(shuō)每個(gè)人都對(duì)這些新技術(shù)如此看好，我們就是在說(shuō)謊。實(shí)際上，許多人對(duì)于工作、數(shù)據(jù)隱私、財(cái)富集中或者制造假新聞的俄羅斯推特機(jī)器人感到焦慮。一些人——最著名的是特斯拉和太空探索技術(shù)公司背后的科技企業(yè)家埃隆·馬斯克（Elon  Musk）——描繪了更加恐怖的圖景：機(jī)器人獲得了自我意識(shí)，不再愿意被人類(lèi)統(tǒng)治，開(kāi)始用硅片之拳統(tǒng)治我們。

讓我們先來(lái)談一談馬斯克的憂(yōu)慮。他的觀點(diǎn)獲得了許多關(guān)注，這可能是因?yàn)閾碛袃|萬(wàn)身家的顛覆者對(duì)于人工智能的論述容易引起人們的注意。馬斯克聲稱(chēng)，人類(lèi)開(kāi)發(fā)人工智能技術(shù)是在“召喚魔鬼”，智能機(jī)器是“對(duì)我們的存在產(chǎn)生最大威脅”的物種。

讀完我們這本書(shū)時(shí)，你可以自行判斷這些擔(dān)憂(yōu)是否可信。不過(guò)，我們想提前警告你，你很容易落入認(rèn)知科學(xué)家所說(shuō)的“可得性啟發(fā)法”的陷阱，即人們根據(jù)頭腦中最早出現(xiàn)的任何例子來(lái)評(píng)估某種說(shuō)法可信度的心理捷徑。對(duì)于人工智能，這些例子主要來(lái)自科幻小說(shuō)，而且大部分是邪惡的——比如終結(jié)者、博格和哈爾9000。我們認(rèn)為，這些科幻案例具有強(qiáng)大的錨定效應(yīng)，會(huì)使許多人減少對(duì)于“邪惡人工智能視角”應(yīng)有的懷疑。我們可以想象，可以拍電影，但這并不意味著我們能把它制造出來(lái)。今天，沒(méi)有人知道如何制造出像人類(lèi)或者終結(jié)者那樣擁有通用智能的機(jī)器人。在遙遠(yuǎn)的未來(lái)，你的后代子孫也許可以想出辦法，甚至可以用機(jī)器人恐嚇埃隆·馬斯克的后代子孫。不過(guò)，這將是他們的選擇和問(wèn)題，因?yàn)榻裉斓娜藗兩踔翢o(wú)法確定遙遠(yuǎn)的未來(lái)是否存在這種可能性。對(duì)于現(xiàn)在和可以預(yù)見(jiàn)的未來(lái)，“智能”機(jī)器只在其特定領(lǐng)域擁有智能：

亞歷克莎可以把意大利肉醬面的菜譜念給你，但她不能切洋蔥。而且，她顯然不能用菜刀攻擊你。

自動(dòng)駕駛汽車(chē)可以把你帶到足球場(chǎng)，但它并不能充當(dāng)比賽裁判，更不能根據(jù)自己的意志將你綁在門(mén)柱上，并把球踢向你的敏感部位。

此外，如果你擔(dān)心我們很快會(huì)被擁有自我意識(shí)的機(jī)器人征服，這種擔(dān)憂(yōu)就會(huì)產(chǎn)生機(jī)會(huì)成本?，F(xiàn)在關(guān)注這種可能性就像1952年實(shí)現(xiàn)首次商業(yè)飛行的德哈維蘭航空公司擔(dān)心高速星際旅行的影響一樣。也許它在未來(lái)值得擔(dān)憂(yōu)，但是現(xiàn)在，我們有更加重要的事情值得擔(dān)憂(yōu)——還是用航班作類(lèi)比，比如如何為今天天空中的所有飛機(jī)制定明智的管理政策。

這個(gè)政策問(wèn)題引出了另一組對(duì)于人工智能的焦慮，它們更加可信，急切。人工智能會(huì)使人們失去工作嗎？機(jī)器會(huì)毫無(wú)責(zé)任地制定關(guān)于我們?nèi)松闹匾獩Q策嗎？擁有最聰明機(jī)器人的人最終會(huì)擁有未來(lái)嗎？

這些問(wèn)題非常重要，它們一直在被人們討論——在科技會(huì)議上，在全球各大報(bào)紙上，在我們同事的午餐餐桌上。我們應(yīng)該提前告訴你，你無(wú)法在我們的書(shū)中找到這些問(wèn)題的答案，因?yàn)槲覀儾恢来鸢?。和我們的學(xué)生一樣，歸根結(jié)底，我們對(duì)人工智能的未來(lái)是樂(lè)觀的。當(dāng)你讀完這本書(shū)時(shí)，希望你也能擁有這種樂(lè)觀。不過(guò)，我們不是勞動(dòng)經(jīng)濟(jì)學(xué)家、政策專(zhuān)家和預(yù)言家。我們是數(shù)據(jù)科學(xué)家——同時(shí)也是學(xué)術(shù)人員，這意味著我們的本能是堅(jiān)守我們的專(zhuān)業(yè)。我們相信我們的專(zhuān)業(yè)知識(shí)。我們可以讓你了解人工智能，但是不能明確告訴你未來(lái)是怎樣的。

不過(guò)，我們可以告訴你，我們知道人們對(duì)于人工智能的常見(jiàn)觀點(diǎn)，這些觀點(diǎn)都是不完整的。這些人強(qiáng)調(diào)大型科技公司的財(cái)富和力量，但是他們忽視了人工智能正在發(fā)生的、令人難以置信的民主化和擴(kuò)散。他們強(qiáng)調(diào)機(jī)器用有偏數(shù)據(jù)制定重要決策的危險(xiǎn)性，但是他們沒(méi)能承認(rèn)人類(lèi)決策中持續(xù)存在的偏差甚至惡意。最重要的是，他們強(qiáng)烈關(guān)注機(jī)器可能破壞的東西，但是他們沒(méi)有看到我們將會(huì)得到的東西：新的、更好的工作，新的便利，遠(yuǎn)離重復(fù)勞動(dòng)的自由，更安全的工作環(huán)境，更好的醫(yī)療保健，更少的語(yǔ)言障礙，新的學(xué)習(xí)和決策工具。它們將會(huì)幫助我們成為更好、更聰明的人。

以就業(yè)為例。在美國(guó)，從2010年到2017年，失業(yè)報(bào)告不斷創(chuàng)造新低，盡管人工智能和自動(dòng)化作為經(jīng)濟(jì)力量在不斷壯大。機(jī)器人自動(dòng)化的腳步在中國(guó)更加迅猛，但中國(guó)的工資多年來(lái)一直在大幅上升。這并不意味著人工智能沒(méi)有威脅到個(gè)體的工作。這種威脅是存在的，而且會(huì)持續(xù)存在，就像動(dòng)力織布機(jī)威脅到了織工的工作，或者汽車(chē)威脅到了馬車(chē)夫的工作。新技術(shù)總會(huì)改變經(jīng)濟(jì)所需要的勞工成分，壓低一些領(lǐng)域的工資，提升另一些領(lǐng)域的工資。人工智能也不例外。我們強(qiáng)烈支持通過(guò)工作培訓(xùn)和社會(huì)福利為那些被技術(shù)取代的人提供有意義的幫助。我們甚至可以將普遍基本收入作為解決方案，就像許多硅谷老板認(rèn)為的那樣。我們承認(rèn)，我們不是這方面的專(zhuān)家。不過(guò)，到目前為止，人工智能會(huì)使未來(lái)的人失去工作的觀點(diǎn)完全沒(méi)有得到事實(shí)證據(jù)的支持。

還有市場(chǎng)操縱問(wèn)題。亞馬遜、谷歌、臉書(shū)和蘋(píng)果等大型公司擁有巨大的力量。我們必須對(duì)這種力量保持警惕，以免它被用于遏制競(jìng)爭(zhēng)或削弱民主標(biāo)準(zhǔn)。不過(guò)，不要忘了，這些公司之所以成功，是因?yàn)樗鼈兲峁┝巳藗兿矏?ài)的產(chǎn)品和服務(wù)。只有保持創(chuàng)新，它們才能繼續(xù)取得成功，而這對(duì)于大型機(jī)構(gòu)并不容易。此外，許多預(yù)測(cè)認(rèn)為，今天的大型科技公司會(huì)永遠(yuǎn)保持統(tǒng)治地位，但是這些預(yù)測(cè)并不能解釋過(guò)去，更不能預(yù)測(cè)未來(lái)。還記得戴爾和微軟在計(jì)算領(lǐng)域保持統(tǒng)治地位的年代嗎？或者諾基亞和摩托羅拉稱(chēng)霸手機(jī)領(lǐng)域的年代——當(dāng)時(shí)它們極為強(qiáng)盛，你很難想象到后來(lái)的事情。還記得每個(gè)律師擁有黑莓手機(jī)、每個(gè)樂(lè)隊(duì)在Myspace上開(kāi)設(shè)賬戶(hù)、每個(gè)服務(wù)器來(lái)自太陽(yáng)微系統(tǒng)的年代嗎？還記得美國(guó)在線(xiàn)、百視達(dá)、雅虎、柯達(dá)或者索尼隨身聽(tīng)嗎？不同的公司來(lái)來(lái)去去，但時(shí)代一直在前進(jìn)，產(chǎn)品一直在變得越來(lái)越先進(jìn)。

我們對(duì)于人工智能的出現(xiàn)抱有現(xiàn)實(shí)的觀點(diǎn)：它現(xiàn)在已經(jīng)出現(xiàn)了，未來(lái)還會(huì)變得越來(lái)越普遍，不管我們每個(gè)人是否喜歡它。這些技術(shù)會(huì)帶來(lái)巨大的利益，但它們也會(huì)不可避免地反映出我們這個(gè)文明的弱點(diǎn)。所以，我們需要警惕一些危險(xiǎn)，比如隱私、平等、現(xiàn)有制度的危險(xiǎn)以及沒(méi)有人能預(yù)見(jiàn)的危險(xiǎn)——如果我們希望在即時(shí)評(píng)論和140字符的世界里制定明智的政策，我們必須在社會(huì)層面上均衡地討論這些問(wèn)題，同時(shí)考慮到它們的重要性和復(fù)雜性。本書(shū)不會(huì)進(jìn)行這種討論。不過(guò)，我們會(huì)告訴你，要想在這種討論中扮演明智的角色，你需要知道什么。

關(guān)于數(shù)學(xué)

在開(kāi)始之前，我們要提醒你最后一點(diǎn)：本書(shū)將會(huì)涉及一些數(shù)學(xué)內(nèi)容。即使你從不認(rèn)為自己擅長(zhǎng)數(shù)學(xué)，你也不需要擔(dān)心。人工智能的數(shù)學(xué)知識(shí)極其簡(jiǎn)單，我們保證你能理解。我們還可以保證，這種理解是值得的：如果你懂得人工智能背后的一點(diǎn)數(shù)學(xué)知識(shí)，人工智能在你心中的神秘感就會(huì)大大降低。

我們當(dāng)然可以寫(xiě)一本關(guān)于人工智能的、不包含任何數(shù)學(xué)內(nèi)容的書(shū)，因?yàn)槲覀円恢痹诼?tīng)人說(shuō)，你可以選擇數(shù)學(xué)或朋友，但你不能全選。我們的編輯最初懇求我們采取這種策略，并且低聲嘟囔了什么，好像是“每增加一個(gè)數(shù)學(xué)符號(hào)，就會(huì)失去三千個(gè)讀者”，也可能是“每增加一個(gè)希臘字母，就會(huì)失去五千個(gè)讀者”。不管他說(shuō)了什么，我們都拒絕了，因?yàn)榻?jīng)驗(yàn)告訴我們，你們并沒(méi)有如此怯懦。

我們兩個(gè)人已經(jīng)教了40年的數(shù)據(jù)科學(xué)和概率，許多工商管理碩士和本科生在學(xué)習(xí)之前也很害怕數(shù)學(xué)，甚至討厭數(shù)學(xué)。不過(guò)，當(dāng)他們知道他們聽(tīng)說(shuō)過(guò)的所有人工智能應(yīng)用程序（比如亞歷克莎和圖像識(shí)別）的工作原理時(shí)，這些學(xué)生全都眼前一亮——說(shuō)到底，這些都只是大數(shù)據(jù)的概率而已。他們開(kāi)始明白，那些公式并不像他們最初想象的那么難。到了最后，他們甚至覺(jué)得數(shù)學(xué)給了他們力量。他們意識(shí)到，在合適情況下，更加接近機(jī)器的思考方式——即根據(jù)數(shù)據(jù)和概率規(guī)則制定決策——甚至可以讓你變得更加聰明。

所以，請(qǐng)跟著我們的思路閱讀下面的七個(gè)章節(jié)。我們會(huì)向你介紹七個(gè)有趣的歷史人物，每個(gè)人會(huì)帶來(lái)一個(gè)重要思想，告訴你為什么智能機(jī)器需要聰明人，為什么聰明人需要智能機(jī)器。讀完這本書(shū)，你會(huì)擁有更高的人工智能商，并且可以更好地理解思想與技術(shù)的結(jié)合可以使人類(lèi)變得多么優(yōu)秀。

（作者尼克·波爾森為芝加哥大學(xué)布斯商學(xué)院計(jì)量經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)教授，詹姆斯·斯科特為奧斯汀分校統(tǒng)計(jì)學(xué)副教授，本文為后浪出版公司《人工智能商》一書(shū)序言，澎湃新聞獲授權(quán)轉(zhuǎn)載。）