京公网安备 11010802034615号
经营许可证编号:京B2-20210330
《圣经》第一章,机器智能与大数据下的阴霾
有的时候我们过多关注技术好的一面,但实际上技术与对社会的重构相叠加才真正塑造未来的具体形态。技术发展下去,必会逐步挖去现有社会的存在根基,直至社会需要再平衡,全面进入一个动荡的时代。
占领华尔街也许正是这种变化的一种隐晦征兆,愤懑的人们面对这种变化其实是很迷茫的,他们只知道自己是99%,却不知道应该提倡什么,还是反对什么。
大数据与机器智能的本质含义
在自然界里由无机物到有机物,由单细胞到多细胞,由爬行动物到哺乳动物,由本能驱动到智慧驱动这种进化路线大家已经耳熟能详,而所有这一切似乎根本的目的都是为了产生人类的智慧,人的智慧是这进化链条的巅峰。
如果有神,那确实可以认为神是通过进化复制了自己,创造了人类所独有的智慧,通过这智慧人类可以去认知宇宙中普遍的自然法则。
现在获得了智慧的人类则开始重复这一过程。
我们先制造最原始的石器,接下来考虑给它赋予动力,就有蒸汽机,电力的产生,再接下来就考虑让工具能分担脑子做的事情,比如计算,就有了计算机,之后则希望计算机处理更加复杂的东西比如情绪的识别、图像的识别、自然语言处理、语音识别等,这条进化路线的终点则是机器智能。
自然界根据自己复制出了我们,我们根据自己创造机器智能。所以机器智能达不达到我们自己的程度,其实依赖于我们人类的能力是否有一个边界,是否能真的成为造物主。
大数据则是机器智能的必要支撑,现在看来它是让机器智能水平有较大的突破的一个关键因素。一个典型的例子是颠覆式创新研习社的课上吴军老师讲的,他说在算法基本不变的情形下,单纯通过把数据量加大1万倍,那在翻译中文的时候准确程度可以增加5%。
人产生智能之后,从自然界的手中接过了改造地球的权利,从外太空回看地球,雄美壮丽的极光属于自然,但万家灯火则属于人类。现在要接替人类的则是机器智能。
机器智能产生后至少在一切可以有简单重复、量又巨大的地方会取代人类。这是不可逆转的趋势,并且也正在发生。显然如果有1T的档案数据需要分析,靠人是完全不靠谱的。
从机器智能的具体进展来看,机器学习、自然语言处理、语音识别、图像识别等都已经有了可见的成果,至少是基本可用的级别。
各种机器人产品其实可以算作这些技术的一种综合应用,机器人的完善程度越高,说明机器智能的水平越高,当然你不能把机器人局限为类人形机器人。
下一个里程牌是出现一种大众化的机器智能产品,无人机或者无人驾驶汽车也许可以第一个对此进行突破,其次才是Pepper,Jibo这种机器人。但不管怎样,机器智能在没产生自主意识之前部分代替人类改造世界,已经是种必然,并且为期不远。
这无疑是一种巨大的社会进化机遇,人类总算有一种机会,在人类社会最底层塞上一层东西,把整个人类社会往上进行平移,让大多的人从物质困扰中解脱出来。(影响范围和力度的大小和能源的突破有内在关联)
内在的集中趋势
大自然造人的时候是由一到多,我们每个人具有独立意识,但机器智能的存在模式正与此相反,事实上我们只需要一个机器智能。机器人的个数等也许模糊了这个事实,但拍电影时大家显然意识到了这点,所以矩阵其实只有一个。
在摸索阶段,不同的人思路不同所以也许会有多种不同类型的机器智能,比如它主打深度学习,你则依赖于对大脑皮层的模拟,但可以肯定的是同一类型的机器智能不需要多个。多个Watson其实只有形式上的价值,不管做多少事情Watson这种机器智能有一个就够了。
这意味着机器智能先天具有中心化的趋势,从长期视角来看,最终需要存在的机器智能最多也只可能是一个类别。
即使在发展过程中,这种内在的集中化趋势也会让机器智能的浪潮与此前的浪潮不同。
机器智能的核心支撑现在看来就是两个:一个技术本身,一个则是数据。这对草根并不是什么好消息。有些机会是比较大众的,比如移动互联网上的App,有的机会是比较小众的,比如修铁道。现在看来机器智能更像是一种只有小众才有机会的浪潮。
在机器智能这浪潮所创造的机会中显然拥有技术的和拥有数据的会有优势。拥有核心技术是指机器智能算法本身,在自然语言处理、计算机视觉这些方面有高超的水平,这通常是大公司和一些科研的人才具备的优势;拥有数据的通常是已经有一定事业和社会资源的人。
前者由于开源和机器智能即服务的存在在大多时候是可以跨越的,有难度的通常是后者,比如一般来讲你并不能获得医院的数据。
所以说机器智能所带动的新领域里游戏规则更可能与PC互联网、移动互联网不一样,会更加的集中。
把人类社会普遍提高一层以及这种内在的集中化趋势显然会带来问题。
人的身生活与心生活
有个简单视角有助于看清人生很多事情。
当把人生看成一团能量,把生活看成身生活和心生活的叠加,那就会发现这团能量要不注重身生活,要不注重心生活。随着这能量分配方式和程度的不同就形成各种文化和人生。
但不管怎么强调心生活,包括对彼岸的向往,历史上,人类绝大多时候是把人生这团能量分配在身生活上的,这就和动物的一生大多时候是在找吃的差不多。这反过来意味着我们的社会大体上是按照把人生这团能量分配在身生活上进行组织的,大多数人财务不自由,普遍面临着自己或家人的生存压力。
接下来这种生活模式终于可以有一个改变的机会,人类金字塔的最下层整个的会被塞上一层东西,借助机器智能,所有的身生活相关的东西可以很廉价乃至免费的获取到了,这绝对会改变社会的基本结构。
这是好事情,但也蕴含着风险,这风险至少短期并不来自于霍金等所担心的机器智能灭杀人类,而是来自于这种变化本身对社会结构的冲击。我们还不太知道一个大多数人可以拥有大量闲暇时间的社会究竟该如何去组织。
在过去,大多数人通过劳动获取收入,利用较少的闲暇时间来消耗这收入,但接下来他们的劳动会变得没有价值,而同时拥有大量的闲暇时间。只有2%的人才是忙碌者能在创造大量财富的同时维持原有的生活模式。
现有的生产模式和社会结构肯定不足以解决这问题,而可以想见的方式往往涉及巨大的改变,比如说:
一种方式时实际上很残酷的喂奶策略。这种策略下社会会分解为两个阶层:一层忙碌的实现自我,一层则不知道干什么,但维持着最基本的生存条件,能够生活下去。这可以拿发达大都市与非洲部落做个参照,并放大其规模和程度。
比如让大都市发达十倍,人口缩减到十分之一,部落保持不变但人口增加十倍。这虽然保持了人道的基本底线,但其实也还是很残酷的。在《第九区》这电影里,曾经讲述了一个人类这样对待大虾一样的外星人的故事。
一种方式则是更加社会化,重回一种极为严密的配给经济,至少是基本生活资料上的配给。这时候身生活相关的部分是彻底社会化的,不需要经济考量。过去对此的尝试是计划经济,并导致了不小的灾难,但大家可能没注意到,当人变成透明人,机器智能把人类社会普遍抬升一层之后,计划的可能性是在重新开始增长的。
在这前提下,人生的能量就可以更多的投放在心生活里,也许在精神的世界里可以发现一个无限容纳人生能量的世界,比如审美和艺术、比如探索宇宙等。接下来再在这个上建造新的经济形态。
一种方式则是战争。战争消灭人口的同时,大量问题也会随之被消灭。
人类的智慧一定可以想象出更多的方式,有些我们暂时还无法想象,但比较确定的一点是社会保持原样已经不太可能。而社会基本模式的变化一定会产生动荡,所以我们即将面对的是一个动荡的时代。即使《奇点临近》说的东西只有一半是对的,那这种动荡都很可能会在未来三十年内逐步发生。
小结
PC互联网、移动互联网、IoT、大数据、机器智能等东西的兴起,短期看就只是一个个创业的机会。但实际上这些东西也在重塑这个社会的根基。
一旦这种量变达到一定程度,显著变化就会出现在我们面前。一个不好的比喻是老鼠在嗑柱子的时候,只知道柱子在变细,但往往会忽略柱子在下一刻随时可能倒下来。这比喻虽然负面,但所谓动荡时代真的很像柱子倒下来那一刻。上面说的变化是确定的,所以从趋势来看动荡时代其实也是确定的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07