了解科技史，是为了找到科技发展的客观规律。

为什么到了工业革命以后，科技发展这么快，从偶然性的成功变成必然性的成功？这就是技术的特点。一是可叠加的进步，科技加速进步是因为今天的进步是基于昨天的技术发展，技术进步是一个叠加。二是可复制的具有必然性的成功，让成功不是偶然碰运气。科技是世界上唯一能够产生可叠加式进步的力量。

人工智能不能做什么

前三次工业革命是对“人手”的延伸，以人工智能为代表的第四次工业革命，则主要是“人脑”的延伸。

三年前人工智能时代开启。在任何时刻，如果一个事儿所有人都觉得它能做的时候，会有两种可能，一是的确太厉害，二是可能发展到了头。当红利被所有人都看到的时候，红利就未必是红利，这个时候恰恰需要冷静地思考，换一个角度，看人工智能不能做什么。

人工智能基于计算机。无论是用深度学习还是人工神经网络，人工智能的极限取决于计算机的极限，计算机的极限取决于计算的极限。这决定了什么能算，什么不能算，对本源问题的思考决定了做事的大方向和对错。

今天讨论人工智能，首先要清楚它的边界在哪里，这样才知道什么事需要由人工智能解决，而不是说把一个原本不是人工智能的问题，也不需要用人工智能解决的问题，硬套上人工智能。

或者原本可能是数学的问题，非要说成是人工智能的问题，最后做了一大堆未必有用的产品。

人工智能能做什么

人们常常会高估三五年内发生的事，会低估十年后发生的事。比如有人觉得无人驾驶汽车会马上上路，是高估了这件事。

为什么人们会热衷于5G？因为上网设备突然增加十倍、百倍之后，需要足够的网速支持。这么密集的网络会产生大量的数据，人处理不了的时候自然需要人工智能，这是很重要的原因。

人工智能，确切讲是机器智能涉及的一个可计算的问题，它跟我们人类的智能没有什么关系。如果人无法判定机器和人哪个做得更好的时候，机器和人是等价的。

人工智能和人脑智能是完全无关的。它实际上是一种数据驱动的方法加上机器学习。机器学习又有赖于摩尔定律，因为只有计算机的性能速度达到足够高的时候效率才能出来。人工智能是让现在的计算机在回答问题的时候能超过人，而不是说研究人脑的结构。说人工智能和认知科学有很深的关系，就像说发明了一架翅膀可以振动的飞机，这都是骗人的。这是人工智能的重要特点。

人工智能是1956年提出来的，人类认识一个事物，起初都是凭直觉。最早模仿鸟飞行，后来才搞出空气动力学的理论，今天飞机飞的方式和鸟是完全不同的。人工智能起初也是这样，先是模仿人，让它解决一些简单的智能问题。

提出人工智能的著名科学家明斯基用两句英文说明了为什么计算机难以模仿人。 “The pen was in the box”“The box was in the pen”，在英语里pen一是指钢笔，二是指围栏。这件事对人来说不难理解，但是对计算机非常费解。因为人知道小东西要放在大的东西里，这是常识。但是计算机怎么知道钢笔有多大？即使赋予它与人类类似的分析语法和语义，也往往得不到这种知识。人类很简单的常识，计算机也做不到。

2004年左右，人工智能曙光初显。机器翻译的水平基本上可以达到人的水平了。2011年前后，深度学习开始热门起来。

人工智能发展到今天，好消息是它得到了全世界的认可，坏消息是人类找到数据驱动方向的时候，用光了40年技术积累的红利，之所以今天有这个结果，是40年前栽下的树。

接下来20年人工智能是否会有一个巨大的加速？也会，也不会！

先说好消息。这40年成果在一些领域被证实可以开花结果，AlphaGo可以用它下棋，可以在股票上挣钱，无人驾驶汽车，语音识别、机器翻译、医学影象的识别，人脸识别都做得很好，这项技术已经成熟到了可以用到各行各业中去。从产业发展来讲，它会加速。

今天一家企业要想做人工智能，基础是三件事。一个是摩尔定律，手机性能每18个月翻一番，手机速度加快才能实现实时处理图像，无论是拍照后的美图还是识别人脸就变得很容易；二是大数据，多一倍、两倍的数据不会有结果，但是多一万倍的数据就会有结果；三是数学模型，生活中某些问题可以类似数学问题，想用人工智能解决这些问题，就需要对它建立起一个数学模型。

在上海有一家人工智能研究所，公司内有三类人，一类人学MBA，去各家公司了解客户的业务逻辑；第二类人学数学，根据业务逻辑抽象出数学模型；第三类人学计算机，把数学模型变成计算机算法。

任何一次技术革命中，掌握核心技术的可能是2%的人，但是剩下来的人有无限应用它的可能性。

未来在人工智能时代，有三类企业会受益，第一类是像阿里巴巴、腾讯、今日头条、百度这样的企业，有足够的技术和数据，自成体系，与他们合作的企业很少有机会。第二类是中石油、四大国有银行，中国移动、中车等企业，有大量的数据，但没有能力来处理。第三类是提供解决方案的企业。一些从某个垂直领域进入的企业会很有机会，而且当企业能够不断证实第一件事为第二件事打基础，第二件事为第三件事打基础这样可复制的成功时，机会就很大。这就要求深入企业了解业务逻辑，做一些脏活累活。

人们常常会问，人工智能对商业会产生怎样的影响呢？人们通常持有三种态度，一是取代人、模拟人，即将原来人能做的事让机器来做。但在某些领域未必是一个好思路，比如养老领域，老人更想跟人聊天，而不是和机器聊天。

二是人工智能比人还了解自己。当人们在社交网络或是电商平台点击上百次后，平台会比人更了解人的需求。

三是人工智能会比人做得更好，包括无人驾驶汽车，一些疾病的诊断等。疾病诊断误诊、漏诊的情况很多。世界上一流和二流医生的差别在哪？一流医生知道愈后的情况，具有一致性和稳定性，二流医生时灵时不灵。但是计算机做到这件事是非常容易的。

IoT、5G未来的应用

IoT之所以发展起来是因为广义上的传感器数量变得很多。万物互联是下一代互联网，之所以能诞生，主要有三个技术的先决条件：机器智能、移动互联网和传感器技术。

没有传感器技术就没有万物互联，移动互联网传输大量的数据，大量的数据处理需要机器智能，这三个现在的条件都成熟了。

未来的市场前景会怎样？我们可以通过历史来做推算。每一代互联网都有核心的受益者，第一代互联网的核心受益人群就是两家公司，一家是微软公司，还有一家是英特尔。因为处理器和操作系统就这两个选择，拿住这两头就占据了整个行业的制高点。第一代互联网用户的体量在全球是10亿用户。PC机销售量最高峰是2011年，全年3.65亿，一天100万台，此后就走下坡路了。

第二代互联网，是人和人的联网，而不是手机与手机的互联网。人和人联网导致在网上的时间大大增加，原来人们使用互联网的方式是上班工作，晚上回家查资料，余下的时间不在网上。智能手机出来后，把整片的时间都变成了碎片时间。Android和ARM成为受益者。

摩尔定律带来的结果是，在过去的半个多世纪里，计算机处理器的性能提升了数十亿倍，耗电量却下降了上百倍，价格异常便宜。从能量的角度来看，摩尔定律其实反映出人类在单位能耗下所能完成的信息处理能力的巨大提升。

单位能量使得计算能力有着突飞猛进的进步，这才使得移动设备成为可能。所以看一个行业根本的增长点，把握信息和能量这两条非常重要。如果谷歌做的Android系统的耗电量和Windows还是一样多的话，功能更酷也一定没有市场，基于ARM的处理器也是一样。但是到了IoT时代，ARM还是太耗电了。

移动互联网的体量有多大？2016年为30亿用户，涨了3倍。移动设备每年出货量超过10亿台，增长依然看不到头，但PC销量还在下滑。

通过这些数据可以解释一个现象，有些时候不用去分析为什么一家企业衰落，只是因为PC互联网衰落了，移动互联网起来了，在移动互联网上没有任何建树的企业没有机会。第二代互联网的体量比第一代大半个数量级，并且还在增长。

手机跟电脑几乎是一样的价格，手机app还要不断在上面花钱，这个体量三倍都不止。在Windows和Intel的Wintel时代，没有人觉得能挑战这两家公司的地位。腾讯在PC时代，市值不及百度，但现在高出了快一个数量级，是时代帮助了腾讯，帮助了阿里巴巴的移动支付。

在接下来的万物互联的时代，这又是一个近乎无边界的时代，能够想象的一切都连在上面。

想象力要丰富，但是要有边界。未来至少有500亿台IoT的设备要联网。2016年电信市场是3.5万亿美元，5G+万物互联全开通后，会将这个市场规模扩大一倍，最保守的估计也会达到7万亿美元的市场。全世界只有两个国家的GDP超过7万亿美元，这是一个非常可观的前景。

每一次技术革命都会有一些核心点。从本源来看，基础架构会有变化。PC时代靠物理线连接，在移动时代通过空中的电波连接，但是空中的频带是有限的。

万物互联的基础架构还没有准备好。现有的IoT设备本身不能直接联网，要通过WiFi和手机，除了不方便还会有很多隐患。因此IoT需要新的基础架构，也将诞生新的产业领导者。

历史总在重演，科技永远向前。科学在过去的发展由偶然性走向必然性，就在于人们总结出一套方法论，尤其是笛卡尔发展出一套方法论后，让科学得到了快速的发展。它不能保证每次都成功，但是大部分都是会成功的。（作者吴军系智能搜索科学家、交大安泰训练营营长） 

采访整理：钱丽娜