读人工智能全球格局：未来趋势与中国位势05人类的未来(上)

1. 伟大变革

1.1. 搜索引擎、社交网络、移动互联网和移动支付等技术一次又一次改变了人们的生活，互联网也成就了一个又一个商业传奇

1.2. 人工智能技术的潜力大家都有目共睹，但未来人工智能可以用来做什么，将会给人类社会带来多大的变革，也在考验我们的想象力

1.3. 人工智能技术还处在初级发展阶段，但它现有的能力也足以改变众多领域，尤其是那些有着大量数据却无法有效利用的领域

1.4. 人工智能的价值维度还有很多，加速基础科学研究、提升社会生产效率和改善人类生存空间也只是其中的几个方面

2. 基础科学理论突破

2.1. 每一次重大的基础科学理论突破，都必将带来人类社会的巨大变革

• 2.1.1. 牛顿的经典力学为第一次工业革命奠定了基础

• 2.1.2. 法拉第的电磁感应理论和麦克斯韦方程直接引发了第二次工业革命

• 2.1.3. 爱因斯坦、冯·诺依曼等科学家无疑是第三次工业革命的“幕后推手”​

2.2. 人类一旦认识了新世界，就必然会创造工具来改造旧世界，社会就会沿着“基础科学理论突破→新工具诞生→生产效率极大提升”的模式产生变革

• 2.2.1. 核电技术在20世纪60年代就获得商业运营了，核聚变却仍然遥遥无期

• 2.2.2. 登月火箭和高铁20世纪60年代就造出来了，但相关材料科学却没有重大进展

• 2.2.3. 粒子物理和弦理论等物理学的理论发展几乎停滞

• 2.2.4. 在医学上，癌症、艾滋病和帕金森等疾病仍然难以治疗

• 2.2.5. 基础科学理论都是在“吃老本”​

2.3. 材料、化学、物理等基础科学领域的研究过程中充满了大数据，从设计、实验、测试到证明等环节，科学家们都离不开数据的搜集、选择和分析

• 2.3.1. 物理、化学或力学规律的存在，这些领域的数据往往都是结构化的、高质量的以及可标注的

• 2.3.2. 人工智能技术（机器学习算法）擅长在海量数据中寻找“隐藏”的因果关系，能够快速处理科研中的结构化数据，因此得到了科研工作者的广泛关注

• 2.3.3. 在新材料研发中，人工智能技术已经在文献数据获取、性能预测、测试结果分析等各环节展现出巨大优势

2.4. 《分子和材料研究用的机器学习》

• 2.4.1. 基思·巴特勒(Keith Butler)等

• 2.4.2. 《自然》(Nature)期刊

• 2.4.3. 第一代是“结构—性能”计算，主要利用局部优化算法从材料结构预测出性能

• 2.4.4. 第二代为“晶体结构预测”​，主要利用全局优化算法从元素组成预测出材料结构与性能

• 2.4.5. 第三代为“数据驱动的设计”​，主要利用机器学习算法从物理、化学数据预测出元素组成、材料结构和性能

2.5. 在物理领域，人工智能的应用给粒子物理、空间物理等研究带来了前所未有的机遇

• 2.5.1. 大型强子对撞机(LHC)

• 2.5.2. LHC是目前世界上最大的粒子加速器，它每秒可产生100万GB的数据，一小时内积累的数据与Facebook一年的数据量相当

2.6. 机器学习算法至少可以做出其中70%的决定，能够大大减少人类科学家的工作量

2.7. 尽管人工智能商业化发展更容易受关注，但人工智能在基础科研中的应用，却更加激动人心，因为社会生产力的变革归根结底在于基础科研的进一步突破

• 2.7.1. 这个时代更需要的是通过大量实验数据来获取真理的工作

• 2.7.2. 大到宇宙起源的探索，小到蛋白质分子的折叠，都离不开一批又一批科学家们的前赴后继、执着探索

• 2.7.3. 人工智能技术的应用，或许能帮助蓝色星球的科学家们摆脱无穷无尽实验的痛苦，加速重大科学理论的发现，将人类文明提升到新的台阶

3. 社会生产效率快速提升

3.1. 彻底将人类从重复机械劳动中解放出来，让人们从事真正符合人类智能水平、充满创造性的工作

3.2. 机器翻译、图像识别、自动驾驶语音助手和个性推荐等影响深远的应用，人们的生活在不知不觉中已经发生了巨大变化

3.3. Landing.AI

• 3.3.1. 吴恩达于2017年成立

• 3.3.2. 目标是帮助传统企业用算法来降低成本、提升质量管理水平、消除供应链瓶颈等

• 3.3.3. 两个落地领域，分别是制造业和农业

• 3.3.3.1. 制造业的核心竞争力还在于制造业本身，比如车床的精度、热处理炉的温度控制能力等

• 3.3.3.2. 农业的核心竞争力也在于农业本身，比如育种技术、转基因技术等

• 3.3.4. 最先与制造业巨头富士康达成合作

• 3.3.4.1. 尝试利用自动视觉检测、监督式学习和预测等技术，帮助富士康向智能制造、人工智能和大数据迈进，提升制造过程中人工智能应用的层次

• 3.3.4.2. 适合应对目前制造业面临的一些挑战，如质量和产出不稳定、生产线设计弹性不够、产能管理跟不上以及生产成本不断上涨等

• 3.3.5. 当农业进入了大数据时代，机器作业时可以利用产量、气候、温度、湿度和土壤等各方面的数据进行调整，进一步提升农业生产效率

3.4. 人工智能技术的主要价值在于提升决策能力、进一步提升生产效率以及减少人的重复性劳动等方面，这就是人工智能为什么可以赋能各个行业的原因

• 3.4.1. 在智能手机生产流水线上的质检员，往往每天要花10小时以上的时间去判断质量，今后这种重复性劳动可由机器视觉技术代替人类完成

• 3.4.2. 芯片制造过程有成百上千道工序，各种类型的参数多达上万个，利用机器学习技术通过这些参数预测最终产品良率，能够极大降低生产成本

• 3.4.3. 大型制造工厂的设备管理、人力管理的任务繁重，管理者可以通过人工智能技术进行协调，降低监管成本

3.5. 利用人工智能提升生产效率、降低生产成本以及提高产业国际竞争力，无疑是众多国家政府、众多传统企业的梦想

4. 改善人类的生存空间

4.1. ​“SilviaTerra”项目通过使用Microsoft Azure、高分辨卫星图像和美国林务局的现场数据来训练机器学习模型，实现对森林的监测

4.2. ​“WildMe”项目通过使用计算机视觉和深度学习算法，可对濒临灭绝的动物进行识别

4.3. ​“FarmBeats”项目在户外环境下可以通过传感器、无人机以及其他设备改进数据采集，进而增强农业的可持续性

4.4. 在前三次工业革命中，科学技术进步在给人们带来极大生活便利的同时，也带来了气候变化、生物多样性退化、大气与海洋污染等棘手的自然环境问题，人类的生存环境正逐渐变得恶劣

• 4.4.1. 从表面上看，发达经济体的自然环境似乎已经得到了改善

• 4.4.2. 改善是以转移污染、破坏发展中国家自然环境为代价的，世界整体的自然环境状况依然不容乐观

4.5. 一旦人工智能技术可以加速基础科学理论的突破，实现生产效率的大幅提升，有效改善人类的生存空间，一切发展与自然环境的问题也就迎刃而解