文/吳晨
《經濟學人》去年出了一期很經典的封面，封面里將全球各大高科技平臺企業(yè)如谷歌、亞馬遜之許描繪成正在采油的鉆井，寓意很明顯，在數字經濟時代，大平臺正在開采數字化的石油——大數據，而開采出來的大數據則用于人工智能（AI），因為AI會是數字化時代的電。
也有人用狂歌熱舞（DANCE）這個詞來形容AI主導的數字經濟時代。DANCE是五個英文詞的縮略語，分別是大數據（data）、算法/人工智能（al-gorithms/AI）、網絡（networks）、云（cloud）以及硬件呈指數級的性能改善（exponentialimprovementsinhard-ware）。其實DANCE的五點缺一不可，恰恰是大量數據產生，算法不斷更新，移動互聯(lián)和未來的物聯(lián)網讓連接無所不在，云端讓數據的存儲和使用更方便，再加上硬件的不斷更新升級，推動了這樣一個科技以幾何級數增長變化的時代。而數字經濟時代的五點要素中，AI是貫穿始終的應用技術，也成為當下各個領域跨界研究的顯學。
要理解AI，除了從技術角度出發(fā)，了解機器學習神經網絡等前沿技術的發(fā)展之外，也需要站在更廣闊領域從多種不同視角去觀察和分析，最近有四本書從不同的角度剖析了AI的特點，聯(lián)系起來勾勒出清晰的AI發(fā)展與應用的圖譜。這四本書分別是從數字工程師的視角看待AI發(fā)展的《AIQ》、經濟學家分析AI作為一項通用技術將給商業(yè)帶來改變的《預測機器》（PredictionMachine）、咨詢師眼中AI當下的應用場景《人+機器》（Human+Machine），以及目前在國內很暢銷的麻省理工學院物理學教授泰格馬克暢想AI未來的《生命3.0》。
把商業(yè)問題變成預測問題
之所以說AI是未來的電，因為AI和電力一樣，將是改變工作和生活方方面面的一項通用技術。如果用簡單的供求關系來分析，當一項技術變得夠便宜，就會帶來足夠多的新應用；此外當一項技術變得夠便宜之后，跨界的應用也會不斷興起。電力作為工業(yè)經濟時代的通用技術就是如此。
1800年，退休的美國首任總統(tǒng)華盛頓的別墅一年需花費一萬多美元購買蠟燭照明。100年之后，同樣一棟別墅一年的照明費用只有100年前的四百分之一。這是新技術變得日益便宜之后帶來的普及效果。華盛頓時代只有富人才能晚上點得起蠟燭夜讀，電力普及時代任何一個大都市的家庭都不會為電費而煩惱。
《預測機器》的三位作者都是來自多倫多大學管理學院的教授，他們認為AI就是下一個通用技術，而AI越來越便宜，帶來最直接的效果就是“預測”的成本將越來越低，從而給商業(yè)流程和商業(yè)模式帶來全新的變化，就好像100多年前電的普及一樣。
如果說AI的最大特點是更好地解決預測問題，思考商業(yè)模式創(chuàng)新就需要把商業(yè)面臨的各種實際問題轉變成預測問題來思考。比如說，無人駕駛是不是可以看做預測問題？又比如說，翻譯是不是預測問題？
回答都是肯定的。在AI看來，無人駕駛就是怎樣去培養(yǎng)機器能夠更好地去預測一個經驗豐富的老司機如何應對各種復雜多變的道路環(huán)境。換言之，如果機器能夠很好地學會老司機適應各種不同環(huán)境應對道路上各種突發(fā)情況的能力，那么就能很好地解決無人駕駛問題。這也是為什么共享出行企業(yè)能在自動駕駛領域有所作為的原因，因為可以捕捉大量司機的駕駛行為，并以此培養(yǎng)無人駕駛AI。
翻譯也可以看做一種預測問題。AI出現之前的機器翻譯，強調的是如何自上而下，從規(guī)則的角度去讓機器理解語法，也是逐詞對應的翻譯。AI處理翻譯問題，同樣可以轉化成預測問題：預測一個資深的翻譯，會怎么翻譯處理一個詞、一段話、一篇文章。從詞上