 圖片發(fā)自簡書App “這是最好的時代，也是最壞的時代。” 吳軍老師引用英國文豪狄更斯，在《雙城記》開篇的這句家喻戶曉的話，來形容智能革命定義下的未來社會。 兩年之前讀過吳軍老師的《智能時代》。 這兩年多的時間，跟讀了吳軍老師在得到上的專欄《硅谷來信》和《谷歌方法論》，包括現(xiàn)在正在連載的《科技史綱60講》，獲益匪淺。 借著春節(jié)假期的機會，又重新讀過一遍《智能時代》，對書中內(nèi)容有了不少新的收獲和體會，也順帶整理了一下讀書筆記。 吳軍老師是我從大學時期就一直喜歡的作家，在之前另一本書《態(tài)度》的筆記分享中，有做過介紹。 在大數(shù)據(jù)和機器智能逐步深入生活的今天，吳軍老師作為一位在大數(shù)據(jù)和機器智能領域頗有建樹的科技從業(yè)者，系統(tǒng)地為讀者詳述了大數(shù)據(jù)和機器智能的發(fā)展，其對思維的革命、對商業(yè)的變革、在技術上的挑戰(zhàn)，分析了未來的智能化產(chǎn)業(yè)和未來的社會問題。 本書的副標題是《大數(shù)據(jù)與智能革命重新定義未來》，大數(shù)據(jù)大家可能比較熟悉，“智能革命”作者認為是第四次技術革命。 前兩次技術革命，大家很熟悉，又叫“工業(yè)革命”， 第一次工業(yè)革命，發(fā)生在18世紀60年代，以瓦特改良蒸汽機并被廣泛使用為標志，人類社會進入“蒸汽時代”。 第二次工業(yè)革命，發(fā)生在19世紀60年代后期，以電力的發(fā)明并廣泛應用為標志，人類社會進入“電力時代”。 第三次技術革命，是以計算機、互聯(lián)網(wǎng)的發(fā)明和廣泛使用為標志的“信息革命”，人類社會進入“信息時代”。 很多人認為，在信息革命和第二次工業(yè)革命之間，還有一次技術革命，實際上是把計算機的發(fā)明應用和互聯(lián)網(wǎng)的發(fā)明應用分開來看。我更贊成作者的觀點，“計算機+互聯(lián)網(wǎng)”才是對人類社會影響重大的革新。 作者認為，智能革命，是已經(jīng)來臨的、對人類社會產(chǎn)生重大影響的第四次技術革命。此后，人類社會將步入“智能時代”。 作者認為本書發(fā)表的2016年，可以算是智能時代的元年。 2016年距離麥卡錫、香農(nóng)等人，提出“人工智能”的概念正好60年，而當年提出此概念的10位科學家的最后一位，也于2016年離世。兩個月后，AlphaGo擊敗圍棋世界冠軍李世石，成為機器智能意義重大的標志性事件。 由此來看，2016年可謂是承上啟下的一年，具有濃濃的標志性味道。  圖片發(fā)自簡書App 一、數(shù)據(jù)——人類建造文明的基石要想了解什么是大數(shù)據(jù)，首先要了解什么是數(shù)據(jù)。第一章詳細介紹了數(shù)據(jù)到今天大數(shù)據(jù)的演化。 數(shù)據(jù)的范疇隨著文明的進程不斷擴大，得到數(shù)據(jù)和使用數(shù)據(jù)的能力，通常是衡量文明發(fā)展水平的標準之一。 人們經(jīng)常把數(shù)據(jù)和信息的概念混同起來，其實兩者稍有不同，信息是描述，比數(shù)據(jù)要抽象。數(shù)據(jù)最大的作用在于承載信息，但數(shù)據(jù)可以承載有意義的信息，同樣也可以被隨意制造或偽造。 如果要排個序的話，現(xiàn)象>數(shù)據(jù)>信息>知識。知識最抽象，具有系統(tǒng)性的特征。 比如說，觀察星球運動發(fā)現(xiàn)現(xiàn)象，測量星球的位置和時間得到數(shù)據(jù)，通過這些數(shù)據(jù)得到星球的運動軌跡，就是信息，通過信息總結出開普勒第三定律，就是知識。 在數(shù)據(jù)的處理和使用中，相關性是使用數(shù)據(jù)的鑰匙，統(tǒng)計學是真正點石成金的魔棒。其中，數(shù)據(jù)模型是今天數(shù)據(jù)驅(qū)動方法的基礎。 在復雜應用中，需要通過數(shù)據(jù)建立起一個數(shù)學模型，以便在實際應用中使用。這里面涉及兩個問題，首先是采用什么模型，其次參數(shù)是多少。 過去，無論在理論上還是在工程上，大家都把主要精力放在尋找模型上。而完美的模型未必存在，即使在也很難找，而且費時間。因此有人考慮，通過多個簡單不完美的模型湊在一起，起到完美模型的效果。 所謂數(shù)據(jù)驅(qū)動，是先有大量的數(shù)據(jù)，而不是預設模型，然后用很多簡單的模型去契合數(shù)據(jù)。 數(shù)據(jù)驅(qū)動方法要成功，需要具有統(tǒng)計學上的要求：第一數(shù)據(jù)量要足夠大，第二樣本要具有代表性。 數(shù)據(jù)驅(qū)動方法最大的優(yōu)勢在于，可以在最大程度上得益于計算機技術的進步。  圖片發(fā)自簡書App 二、大數(shù)據(jù)和機器智能大數(shù)據(jù)的使用，最大的意義在于它能讓計算機完成一些過去只有人類才能做到的事情，也就是機器具有了智能。 機器能通過圖靈測試，就算是具備了智能。 最早關于機器智能的研究，作者稱其為“鳥飛派”。這個名字其實很好理解，發(fā)明飛機之前，人們想要研究飛行器，最早都是模仿鳥類的飛翔，無一例外都失敗了。現(xiàn)在我們知道，飛機的發(fā)明靠的是空氣動力學，靠的是物理知識，而不是模仿鳥類的仿生。 “鳥飛派”對機器智能的研究，目的是讓機器按照人類的思維方式去運作。現(xiàn)在我們知道這條路是錯的。 后來，科學家門利用“統(tǒng)計+數(shù)據(jù)”的方式另辟蹊徑，這才首先在自然語言處理方面取得了突破。 關于自然語言處理，以及賈里尼克在自然語言處理方面的突破，在吳軍老師的著作《數(shù)學之美》的第二章有詳細介紹，介紹了基于語法和語義等規(guī)則的的自然語言處理，和基于統(tǒng)計的自然語言處理，兩者的歷史。 找到數(shù)學模型之后，通過統(tǒng)計的方法“訓練出”模型的參數(shù)，就是機器學習。機器學習需要兩點：大量的數(shù)據(jù)，和足夠的計算能力。 2005年，之前在機器翻譯領域從來沒有技術積累、不為人所知的Google，機器翻譯的測評結果領先第二名5%。其原因是，雖然Google用了兩年前的算法，但用了比其他團隊多上萬倍的數(shù)據(jù)。足可見大數(shù)據(jù)的重要性。 大數(shù)據(jù)的特征包括三點：體量大，多維度，完備性。 很多人把“時效性”也歸為大數(shù)據(jù)的特征之一，其實“時效性”并不是必須的，但有時時效性可以做到很多過去做不到的事情，比如城市的智能交通管理。 所以，在解決很多看似智能的問題時，我們通常是變智能問題為數(shù)據(jù)問題。  圖片發(fā)自簡書App 三、思維的革命智能革命將帶來人們思維模式的革命。 歐洲之所以能在科學上領先于世界其他地方，很大程度上是依靠古希臘建立起來的，思辨的思想和邏輯推理的能力，其中最有代表性的，是歐幾里得的幾何學和托勒密的地心說。 歐幾里得最大的成就不是發(fā)現(xiàn)了那些幾何定理，而是創(chuàng)立了基于公理化體系的幾何學。這種基于邏輯推理的公理化系統(tǒng)對西方人的思維方法影響極大。羅馬法也是建立在類似歐幾里得公理系統(tǒng)的基礎上。 托勒密將歐幾里得的方法論應用到天文學上，建立了一套完整、嚴格而且相當精準的理論體系，即地心說。此后哥白尼、伽利略的天文研究，都是基于托勒密的方法論。 古希臘、羅馬之后，人類對自然界認識緩慢，西方進入了中世紀的黑暗時代。之后出現(xiàn)了笛卡爾，和“對近代社會思想貢獻最大的”牛頓。 笛卡爾的貢獻在于提出了科學的方法論，即“大膽假設、小心求證”。 牛頓之所為如此偉大，在于它是人類歷史上最重要的思想家之一，開啟了科學的時代，開啟了西方近代社會。 后來，人們將牛頓的方法論概括為“機械思維”： 工業(yè)革命，實際上是機械思維的帶來的結果。 因為瓦特是通過機械思維、科學原理，直接改進了蒸汽機，并不是靠長期經(jīng)驗的積累。 后人評價，“牛頓找到了開啟工業(yè)革命大門的鑰匙，而瓦特拿著這把鑰匙開啟了工業(yè)革命的大門。” 至于后面的愛因斯坦，他的思維方式和牛頓是一致的。 到了現(xiàn)代，機械思維的局限性得以顯現(xiàn)。機械思維的局限性在于，它否認不確定性和不可知性。 世界的不確定性來自兩方面。首先是影響世界的變量非常多，無法通過簡單的辦法或者公式算出結果；第二個因素是，不確定性是宇宙的一個特性，比如量子力學的測不準原理。 通常，我們用“概率論”模型來描述不確定性，比如用“電子云”來描述電子在某一位置出現(xiàn)的概率。在概率論基礎上，香農(nóng)博士建立起信息論。它不僅是通信理論，也是一種看待世界和處理問題的新思路。 香農(nóng)提出“信息熵”的概念，用熵來描述一個信息系統(tǒng)的不確定性。信息的度量就等于不確定性的多少，想要消除系統(tǒng)內(nèi)的不確定性，就要引入信息。 信息論的作用不止在科學上和工程上，它是全新的方法論。 機械思維是建立在一種確定性基礎上，信息論是建立在不確定性基礎上。 回過頭看大數(shù)據(jù)解決智能問題，其實就是不斷把各種智能問題轉化成消除不確定性問題，然后再找到能夠消除相應不確定性的信息。比如人臉識別，就是在很多張臉中選擇一張，是一個信息論問題。 香農(nóng)給出了信息的度量，還給出了信息之間相關性的量化度量——互信息。 除此之外，香農(nóng)還給出了兩個相關信息處理和通信的最基本定律，即香農(nóng)第一定律和香農(nóng)第二定律。這兩個定律對于信息時代的作用，堪比牛頓力學定律對機械思維的作用。 香農(nóng)第一定律，也稱為香農(nóng)信源編碼定律。對于信源發(fā)出的所有信息設計一種編碼，那么編碼的平均長度一定大于該信源的信息熵。同時，一定存在一種編碼方式，使得編碼的平均長度無限接近于它的信息熵。這種編碼方法具有通用性，又稱霍夫曼編碼，可以被認為是對香農(nóng)第一定律的補充。 經(jīng)濟學上的吉爾德定律，即盡量多地采用便宜的資源，盡可能節(jié)省貴的資源，與信息論中的霍夫曼編碼從本質(zhì)上講是相同的。 香農(nóng)第二定律，信息的傳播速率不可能超過信道的容量。香農(nóng)第二定律不僅描述了通信領域最根本的規(guī)律，而且是自然界本身所固有的規(guī)律，能夠解釋很多商業(yè)行為。 關于信息論，還有一個很重要的原理，最大熵原理。大意是說，當我們要對未知的事件尋找一個概率模型時，這個模型應當滿足我們所有已經(jīng)看到的數(shù)據(jù)，但是對未知的情況不要做任何主觀假設。它被廣泛地應用于機器學習。 最大熵原理實際上已經(jīng)不同于我們使用了幾百年的“大膽假設、小心求證”的方法論。 很多智能問題從根本上來講，無非是消除不確定性的問題。 前文提到過，大數(shù)據(jù)的特征包括三點：體量大，多維度，完備性。 體量大自不必說。 多維度的信息論解讀，第一個視角是“互信息”，第二個視角是“交叉驗證”。 完備性的信息論解讀，這里涉及一個信息論的重要概念——交叉熵，它可以反映兩個信息源之間的一致性，或者兩種概率模型之間的一致性。完全一致時，交叉熵為零。 所有數(shù)據(jù)驅(qū)動的方法，建立模型所使用的數(shù)據(jù)和使用模型的數(shù)據(jù)之間需要有一致性。大數(shù)據(jù)的完備性，使得交叉熵為零，不會出現(xiàn)“黑天鵝事件”。 大數(shù)據(jù)的科學基礎是信息論，本質(zhì)是利用信息消除不確定性。 作者舉例青霉素的發(fā)明過程，介紹利用因果關系解決問題的典型案例。但新藥的研制需要很長的周期、很高的成本。而強關聯(lián)關系，先有結果再反推原因，會快很多。 人們的思維方式慢慢從接受因果關系，轉到接受強相關性上來了。作者舉例美國20世紀90年代的世紀煙草大訴訟，以往和煙草公司訴訟之所以不能成功，是因為很難證明吸煙是導致肺癌的直接證據(jù)。而那次訴訟之所以成功，是因為統(tǒng)計上的強相關性的證據(jù)，讓法官和陪審團信服。 強相關關系在廣告等商業(yè)領域的應用，更為直接。對于這一點，互聯(lián)網(wǎng)行業(yè)的我深有體會。 |
|
|
