京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据和人工智能浪潮下的未来进化
随着移动互联网、物联网、大数据、区块链、虚拟现实、人工智能、基因技术、纳米科技等新技术的层出不穷,一场以大数据和人工智能为代表的智能革命正在悄然发生,人、社会、商业又一次迎来了进化拐点。
未来人类进化的方向是什么?人工智能的发展将会给社会带来怎样的冲击?它会和人类和谐共处还是会取代人类?智能和意识如果可以分离,他们孰轻孰重?假使技术的发展使得人类大规模失业,我们到时该如何自处?在新技术的冲击下,未来商业形态又会向何处演化?
为了探究这些未来话题,中国具有强大影响力的文化服务机构中信出版集团携手大数据及人工智能公司百分点集团联合举办首届关于大数据+人工智能的“XWorld大会”。作为一场探讨未来的思想盛宴,本届大会的主题是:未来进化。参与此次大会的嘉宾有:“青年怪才”,《人类简史》、《未来简史》作者尤瓦尔·赫拉利;百分点集团董事长兼CEO苏萌;长江商学院创办院长、中国商业与全球化教授项兵;微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文;北京大学心理与认知科学学院教授魏坤琳;旷视(Face++)创始人兼CEO印奇;艾问人物创始人艾诚以及其他来自全球的前沿学者、科学家和知名企业领袖。全天现场参会人数超过2500人。
人工智能与人类未来
《未来简史》作者尤瓦尔·赫拉利认为人类的发展已经来到了巨变的前夜。从四十亿年前地球上诞生生命直到今天,生命的演化都遵循着最基本的自然进化法则,所有的生命形态都在有机领域内变动。但是现在,人类第一次有可能改变这一生命模式,进入智能制造和设计的无机领域。

▲尤瓦尔 赫拉利
“随着大数据的不断积累以及计算能力的快速发展,未来人类可能会越来越多地将自身的决策权让位给无意识的算法,让算法替自己决定该买什么东西,应该接受什么治疗以及应该和谁结婚。当权威从人类转移到算法的同时,人工智能也会将数十亿的人赶出就业市场,使得人类产生大规模失业。他以自动驾驶汽车以及精准化医疗为例,生动地展现了人类在和机器竞争工作过程中的优势和劣势。”
甚至,“一旦那些失业的人真的再无经济价值,无法为社会的繁荣做出任何卓有成效的贡献,他们便会沦为无用阶层。而到那时候,以政府为代表的精英阶层也许会在他们身上放弃投资医疗和教育,他们将被整个社会系统彻底抛弃。”
人工智能与社会以及商业的未来
每一次社会的转型都会带来机会与挑战。互联网和数据正在改变我们的时代,世界的主导力量正在由工业时代的资源品和资本,向数据经济时代的数据和算法演进。
商业进化是否也跟人类进化相似,99%的商业组织都会成为附庸或者无用?如果未来进化到中心化商业形态,由此引发的基于数据、技术和商业模式的垄断会比过去按照行业和地域划分的垄断对商业社会带来更大的影响。高度中心化的商业体系将大大降低整个商业系统的容错和纠错能力。百分点集团董事长兼CEO苏萌在会上提出了泛中心化的商业未来,是一个多中心且中心动态均衡化的商业形态,并指出未来商业组织的三点生存之道,即“3I理论”:独立(Independence),独立代表着企业的数据主导权、以及在充分竞争市场环境中的长尾创新;融合(Integration),指的是生产要素的连接、生产方式的协作、以及业务边界的淡化;智能(Intelligence),数据思维在引爆智能革命,未来的商业都在朝智能化方向在进化,主要体现在决策智能和运营智能上。

▲ 百分点集团董事长兼CEO 苏萌
对于人工智能与人类的未来,以及对社会的影响,已经在人工智能领域研究长达30年的微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文基于人工智能60年的发展认为,人工智能如同人类发明的其他工具一样,其自身并不具备创造力,这是与人类的最大区别。未来的方向应是“AI+HI=SI”,即人工智能+人类智能的共进化。洪小文在会上还表示,AI技术的透明化、普及化很重要,要让更多人享用到技术红利。未来等待我们一起去探索和创造。

▲微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长 洪小文
长江商学院创办院长项兵认为,在全球化的今天,对世界第二大经济体中的企业家来说,全球视野、全球担当越来越重要。创业、创新者应该能放眼全球,整合全球优质资源,使全球资源为我所用。同时,弘扬人各有梦也更加重要,鼓励企业家、特别是年轻人更多地为兴趣、爱好、担当、社会问题的解决而去创业、创新。只有这样,中国才有可能产出一批引领式的“大风流”创新。

▲长江商学院创办院长 项兵
跨界讨论:科技进化与人类未来
在圆桌讨论环节,尤瓦尔、苏萌、Dr. 魏(魏坤琳)和印奇就科技进步与人类未来这一主题进行了跨界讨论。由中国人工智能产业创新联盟编制,中国电子信息产业发展研究院、百分点集团联合发布的《2017人工智能行业发展热点分析报告》显示,48.3%的关注者表示了对人工智能未来发展将会带来的冲击的担忧。此次圆桌以主持人提出问题,然后各位嘉宾先陈述自己观点,然后向尤瓦尔·赫拉利提出自己的疑问的形式展开。主持人针对“人工智能能否战胜人类?”、“人工智能是否会加剧阶层分化”、“你对未来持乐观还是悲观态度”分别向四位嘉宾提问。
作为电视节目《最强大脑》中的科学判官,Dr. 魏见证了无数人类大脑的极限挑战,比如惊人的辨识力、观察力、超级记忆力,以及堪比电脑的心算、速算能力等等。在他看来,人脑的各个模块都在被人工智能追赶,未来甚至可能超越,但他并不认为两者一定是不可兼容的。他对尤瓦尔在书中表达的无用阶层表达了疑惑,“什么是无用,什么是有用?”他还举了欧洲殖民入侵的例子,询问尤瓦尔未来是否会是殖民历史的重演。至于人类未来的前景,他则是觉得既可能乐观也可能悲观,关键在于个人。

▲北京大学心理与认知科学学院教授 魏坤琳
印奇认为,人工智能现在所处的阶段还很初级,人类会非常善于利用新技术对自身进行变革,人类自身的演化会跟技术的演化一起发展,随着技术的演化加快,人类自身的演化也会越快。与其说机器会在某一瞬间超过人类,不如说人类和机器会逐渐融合并且会早于机器超过人类。在关于人类未来的判断上,印奇表现出了乐观取向。
苏萌向尤瓦尔提问是否看到了某些领域已经出现了巨头对数据的垄断,讨论这个话题是为时过早?尤瓦尔肯定了数据垄断这一点,他认为需要在当下重视并采取行动,以防止未来这种情况的进一步加剧。
尤瓦尔在最后指出,自己所说的一切都不是预言,而是在讨论一些可能性。如果你对其中的一些可能性感到恐惧,你其实可以做很多事情去避免它。科技并不具有决定性,真正左右其走向的依然还是人类。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19