超級智能時代:智慧革命中,前2%的人掌握世界,其餘98% 將被淘汰

超級智能時代:智慧革命中,前2%的人掌握世界,其餘98% 將被淘汰
出版社︰ 高寶
國際書號(ISBN): 9789863613466
作者: 吳軍
釘裝: 平裝
出版日期: 2016-11-09
頁數: 352
庫存狀態︰ 沒有庫存,可訂貨
銷售價︰ HK$140.0 HK$126.0(9折)

如需訂貨,送貨時間為7-21天,如有庫存則3-5 天內可送達。

購買數量︰  
   - 或 -   

 創新工場創辦人╱李開復
  中華民國人工智慧學會理事長╱吳毅成
  智慧推薦!

    世界經濟論壇:第四次工業革命來臨,2020年前,將有500萬個工作機會消失……

    第一次工業革命,瓦特帶來了蒸汽機;
    第二次工業革命,愛迪生發明了電氣;
    電腦的發明,讓我們迎來資訊革命;
    若你還在適應資訊革命,來勢洶洶的第四次工業革命──智慧革命,
    將讓你在超級智能時代成為被機器取代的革命犧牲者。
    
 曾於谷歌、騰訊擔任要職,同時也是約翰霍普金斯大學工學院董事會董事的作者吳軍,
 同時身為研究者與科技人,用最深入淺出的文字告訴我們,
 什麼是人工智慧?什麼是大數據?
 這些對一般人來說很模糊的概念,又會怎麼影響我們的生活?

   ◎現有產業+人工智慧=新產業
   未來的農業、製造業、體育界、醫療、律師,甚至記者編輯,
   所有產業都將迎來嶄新的變化。

  ◎農業+人工智慧=滴灌技術
   乾旱國家以色列,在年降水量只有兩百毫米的狀態下,利用自動化的電腦控制,
   將沙漠變成綠洲──甚至成為農產品出口大國,被譽為歐洲的廚房。

  ◎體育+人工智慧=金州勇士隊
   長期來的送分球隊勇士隊,在數據分析的管理之下,除了打造出神射手明「咖哩」,
   還創下全賽季82場獲勝73場的紀錄──從吊車尾晉升冠軍球隊。

  ◎製造業+人工智慧=特斯拉
   先取消代理商制度,藉此壓低成本;從不雇用生產線人員,員工只有IT人員。
   在引進大數據與人工智慧,讓汽車這個老行業脫胎換骨後──自動駕駛汽車問世。

  當AlphaGo打敗世界圍棋冠軍李世乭,
  電腦的獲勝,正式宣告了智慧時代的來臨,
    許多人開始感到危機,害怕有一天機器會搶走人的飯碗……
  但機器不會控制人類,只有製造出那些機器智慧的人可以。
  而我們能做的,就是了解正在發生的技術改革,面對現實。
  一旦抓住智慧革命的機運,你會發現這場革命將是人類的勝利。

 「這是一本我認為跟《必然》同樣重要,甚至更有現實意義的年度好書。大量的工作崗位消失,大量的人被迫離開自己熟悉的環境和生活,大量的人在新的社會撕裂中陷入命運的顛簸。你會是領跑者嗎?」
                                                  ──邏輯思維    羅胖

 「這是一部近代科技的歷史書,也是一部科普書,也可以說是一本指導創新的教科書。」
                         ──中國工程院院士 鄔賀銓

 「即將到來的這個智慧時代,人類將遭遇前所未有的不連續性。如何在新的時代裡生存,跨越底層認知的不連續性,……如何在智慧時代跨越思維的不連續性?此書也許是尋求答案時最恰當的一本。
                         ──混沌大學創始人 李善友
   每次的技術革命,都帶來半世紀的動盪,我們為了不再重蹈覆轍,
   唯有讓自己成為革命下的受益者──成為前2%的人。
   那麼,要如何才能進入前2%的行列?
   很簡單,正面擁抱這場智慧革命。

目錄:
推薦序一 智慧時代的推手
推薦序二 智慧時代,未來已到
前 言 第四次工業革命,將是人類的勝利
第一章 下一次革命
第二章 將智慧問題轉為數據問題,電腦從此無敵
第三章 我們想知道的,都在數據裡
第四章 在未來,大數據和人工智慧就像水和電
第五章 大數據和智慧革命的技術挑戰
第六章 未來的智慧化產業
第七章 成為前2%的人

作者序:
第四次工業革命,將是人類的勝利

  2016年是人工智慧史上一個具有紀念意義的年分,它是一個時代的結束,也是新時代的開端。距離1956年約翰•麥卡錫(John McCarthy)、馬文•閔斯基(Hyman Minsky)、納薩尼爾•羅切斯特(Nathaniel Rochester)和克勞德•夏農(Claude Shannon)等人提出人工智慧的概念,正好過去了六十年,按照中國的習慣來說,正好經過了一甲子。而當年在達特茅斯會議提出此概念的十位科學家中,最後一位科學家閔斯基,也在該年年初離開了人世。這或許表示人類在人工智慧領域第一階段的努力,落下了帷幕。
  就在閔斯基去世後的兩個月,Google的圍棋電腦AlphaGo,在與世界著名選手李世乭的對局中,以四比一取得了壓倒性的勝利,成為第一個戰勝圍棋世界冠軍的機器人。它的意義要遠遠超過1997年, IBM的電腦深藍(Deep Blue)戰勝西洋棋大師卡斯帕洛夫(Garry Kasparov),因為從難度上講,圍棋比國際象棋要難六到九個量級。這件事不僅是人類在人工智慧領域取得的又一個里程碑,且表示一個新的時代——智慧時代的開始。
  從電腦發展的角度看,智慧型機器在所有棋類中戰勝人類,其實只是時間問題,因為機器運算能力的提升是指數級增長,而人類智力能做到線性增長就不錯了。因此,在所有的棋類比賽中,智慧型機器總有一天會超過人。在1997年 IBM的深藍戰勝卡斯帕洛之後,圍棋不僅是電腦尚未超越人類的最後一項棋類,而且還蘊含著上千年的東方文化,即棋道。雖然大部分人相信,電腦最終可以在圍棋上超越人類,但總覺得那仍是幾年後的事情。
  就在AlphaGo 和李世乭比賽之前,李世乭本人也認為前者的水準和他相差一到兩個子,也就是說,即使他讓先也能以五比○獲勝。中國圍棋界的泰斗聶衛平也認為,電腦是不可能戰勝人類冠軍的。就連曾經在Google 工作過的 IT業老兵李開復博士,也不相信AlphaGo 能贏。這並非李開復等人對人工智慧的發展狀況不夠了解,而是因為下圍棋本就是一件太難的事情。
  2015年年底,AlphaGo 僅僅贏了樊麾二段而已,離九段還差得遠。但大家忘記了一件事,那就是AlphaGo 在水準的提升上,並不需要人那麼長的時間。事實上,在Google 內部,大家在開賽前已經知道AlphaGo 的水準並不在九段之下。
  2016年3月9日,AlphaGo 和李世乭的世紀大戰開始。AlphaGo 在第一盤出人意料的輕鬆獲勝。當然,大部分人在讚譽AlphaGo 的同時,依然認為這可能是李世乭在試探電腦而已,畢竟那是五盤棋的比賽,用一盤棋試探對手未嘗不是明智之舉。但是,當AlphaGo 在第二盤獲得連勝,並且下出許多令人預想不到的好棋後,對人工智慧抱持懷疑態度的聶衛平等人,都對它產生了敬意。

AlphaGo證明了,人是打不過電腦的

  在AlphaGo 獲得第三盤勝利之後,很多超一流棋手都渴望與它一戰,希望以此檢驗自己的水準,並且提高技藝。雖然李世乭在第四盤抓住AlphaGo 的一個失誤,打了一場漂亮的勝仗,但是AlphaGo 在最後一盤仍穩穩掌控局面,直到勝利。在那次的人機大戰之後,圍棋界對人工智慧,從懷疑變成了頂禮膜拜,大家都意識到,按照AlphaGo 在過去幾個月內的進步速度,只要Google 願意繼續進行研發,很快的,所有圍棋高手都無法和它過招了。
  電腦之所以能戰勝人類,是因為機器獲得智慧的方式和人類不同,它不是靠邏輯推理,而是靠大數據和智慧演算法。在數據方面,Google 使用了幾十萬盤圍棋高手之間對弈的數據來訓練AlphaGo,這是它獲得所謂智慧的原因。在計算方面,Google 採用上萬台伺服器來訓練AlphaGo 下棋的模式,並且讓不同版本的AlphaGo 相互對弈上千萬盤,才保證能做到算無遺策。
  而具體的下棋策略,AlphaGo 有兩個關鍵的技術。第一個關鍵技術是把棋盤上當前的狀態,變成獲勝概率的數學程式,這個程式沒有任何人工規則,而是完全靠前面所說的數據訓練出來。第二個關鍵技術是啟發式搜索算法——蒙特卡羅樹搜索演算法(Monte Carlo Tree Search),它能將搜索空間限制在非常有限的範圍內,保證電腦能快速找到好的下法。雖然AlphaGo 的訓練使用了上萬台伺服器,但它在和李世乭對弈時,僅用了幾十台伺服器(一千多個CPU的內核以及一百多個GPU)。
  相比國際象棋,圍棋的搜索空間要大很多倍,AlphaGo 的計算能力與深藍相較,其實並沒有提高這麼多,它靠的是好的搜索演算法,能夠準確聚焦搜索空間,因此能在很短的時間內算出最佳行棋步驟。由此可見,下圍棋這個看似智慧型的問題,從本質上講,是一個大數據和演算法的問題。
  當然,Google開發AlphaGo的最終目的,並非要證明電腦下棋比人強,而是要開發一種機器學習的工具,讓電腦能夠解決智慧型問題。AlphaGo和李世乭對弈,實際上是對當今人工智慧水準的測試。從樊麾到李世乭,他們是用自己的專才在幫助Google測試當今人工智慧的水準。在人機對弈的第四盤,李世乭反敗為勝的過程中,他無意中發現AlphaGo的一個缺陷。因此,Google的成功也有李世乭等棋手的功勞。從這個角度來講,AlphaGo的勝利也表示人類在人工智慧達到了一個嶄新的水準,因此它是人類的勝利。

內容試閱:
對數據了解的程度,看出你有多文明

  在很多人的印象中,數據就是數字,或必須是由數字構成,其實不然,數據的範疇比數字要大得多。網際網路上的任何內容,比如文字、圖片和影片都是數據;醫院裡包括醫學影像在內的所有檔案,也是數據;公司和工廠的各種設計圖紙也是數據;出土文物上的文字、圖示,甚至它們的尺寸、材料,也都是數據;甚至宇宙在形成過程中,也留下了許多數據,比如宇宙中的基本粒子數量。
  雖然數據本身為客觀存在,但它的範疇隨著文明的進程不斷變化和擴大。在電腦出現以前,一般書籍上的文字內容並不被看成是數據,而今天,這種以語言和文字形式存在的內容,是全世界各種資訊處理中最重要的數據,也是世上通信領域和資訊科技產業的核心數據──包括我們的信件、電話和電子郵件內容、電視和廣播節目、網絡網頁,以及各種社交產品中由使用者產生的內容(User Generated Content,簡稱UGC)。這些數據的共同點,是以語音和文字為載體。因此,研究人員為了研究和處理它們,還建立了專門針對語音和文字的數據庫,即所謂的語料庫(Corpus)。在語料庫中,數據主要是語音和文字,反而沒有多少數位內容。
  將數據的外部延伸擴大,那些醫學影像資料、工業中的各種設計圖紙,都可以被劃分為數據。事實上,它們已經是今天大數據處理的對象了。我們人類的活動本身,也可以被看成是一種特殊的數據,比如我們玩遊戲的行為、社會關係、每天的活動等。可以想像,我們下一代所談論的數據,一定比今天的範圍更廣泛。可以說,數據是文明的基石,人類對它的認識也反映出文明的程度。
  現今談論數據時,人們常常將它和資訊的概念混同,比如在談論數據處理和資訊處理時,其實想表達的意思相差不大。然而嚴格來講,數據和資訊雖然有相通之處,但還是不同的。
  資訊是關於世界、人和事的描述,比數據來得抽象。資訊既可以是我們人類所創造,比如兩個人的語音通話紀錄;也可以是天然存在的客觀事實,比如地球的面積和品質。不過資訊有時藏在事物的背後,需要挖掘和測量才能取得,比如宇宙大爆炸時留下的證據──3K背景輻射、物理學定律中的參數、日月星辰運行的週期等。在西方很多物理學家看來,上帝在創造宇宙時,將很多資訊埋藏在黑暗之中,他們的工作就是找到這些資訊,並且用數據將它們描述清楚。因此,在這種前提下,將資訊和數據混為一談倒也無害。
  不過,數據和資訊仍稍有不同,雖然數據最大的作用在於承載資訊,但並非所有數據都承載了有意義的資訊。數據本身是人造物,因此可以被隨意製造,甚至被偽造。沒有資訊的數據通常沒有太大意義,大家也不太關心,因此這些數據不是本書要討論的重點。偽造出的數據則有副作用,比如我在《數學之美》中不斷提到的,為了優化網頁,搜索排名而人為製造出來的各種作弊數據。
  另外,那些有用的、毫無意義和偽造的數據,常常是混在一起的,後面兩種無疑會干擾我們從數據中獲取有用的資訊。因此如何處理、過濾掉沒有用的雜訊和刪除有害的數據,從而獲取背後的資訊,便成為技術,甚至是一種藝術。只有善用數據,我們才能得到意想不到的驚喜,即數據背後的資訊。

作者簡介:

  吳軍
  霍普金斯大學計算機科學博士,於2002年進入谷歌,2010年加盟騰訊,擔任搜尋和搜尋廣告的副總裁。是當前谷歌中日韓文搜尋演算法的主要設計者。2014年於矽谷創辦豐元資本風險投資公司,也同時在美國兩家風險投資基金擔任董事和顧問。
  身兼約翰霍普金斯大學工學院董事會董事,以及該校國際事務委員會顧問。著有《數學之美》、《浪潮之巔》、《文明之光》等書。
 


如果您對本書本有什麼問題或經驗,請在此留下您的意見和建議!

您的姓名︰


您的評價︰ 注意︰ 評論內容不支持HTML代碼!

會員評分︰ 劣評            好評

請在下框輸入驗證碼︰