人类即将进入机器决策时代，我们准备好了么？

同济大学  郭重庆

一、   人类发展的“社会：5.0智能社会”己拉开帷幕

1、 世界正处在技术大变革的前夜，人工智能技术将引领并催生新一轮的产业革命，其影响的深度和广度远较人类历史上任何一次产业革命为甚。

今天，我们必须面对这样一个现实：人类社会-计算机-物理世界三元融合，信息系统与物理系统的融合（CPS)使信息服务进入了普惠计算时代，这是一个划时代的大事，怎么高估，都不为过。

就在这十年间发生了很多可铭记入史册的标志性事件：

2007年人们在不经意间，随着智能手机、平板电脑及移动互联网的兴起，乔布斯一下子把人们带进了普惠计算时代。手握一个智能终端随时随地都可获得一个所想要的解决方案，就此一个新的移动互联时代开始了。

2007年“云计算”就像戳破窗户纸那样轻松地被豁然开窍：为什么硬件和软件不能外置？“使用而不占有”成了分享经济的哲理。云计算开始商业化了。这开启了人们开发、生产和应用计算机的新格局，IT业面临重新洗牌。

2008年，IBM的CEO彭明盛说，在人类历史上第一次出现了几乎任何东西都可以实现数字化、互联化、……，还有什么信息不能被挖掘、分析、优化、决策到提供一个整体解决方案。这是人工智能重新燃起烽火的一个讯号，也是一个企业家的敏锐嗅觉。

又是2008年，人们发现了一个人类获取和发现新知识的大宝藏：大数据。海量、多源、异构、非结构化、连续性、实时性、网络结构、精准映射等，简直就是一个记录人类行为和物理世界特征的数字写真，大数据无限接近真实世界。大数据被认为是继实验研究、理论分析、计算机模拟仿真之后的第四种科学研究范式，将取代还原论及复杂性科学。数据处理能力被认为是一个国家竞争力的标志，因为大数据是决策方式的变革，数据决定成败，决策不再是凭经验和直觉，而是基于数据的分析和优化。大数据的热潮就此开始了。

万物互联的物联网热潮也正在兴起，人类现在的连接约为60-70亿个，2020年可能达到250-300亿个连接。世上任何物体（如汽车、各类机械、桥梁、道路）都可以互联起来，可感知，可度量，可通讯，可操控，使人和物更聪明，操控更准确，得心应手。

2016年经过了一个甲子（60年）的沉浮，人工智能终于登场了，大数据相遇机器深度学习，如获知音，再搭配上云服务，由此基于大数据+机器深度学习+云服务的完整人工智能价值链将人类拖入普惠智能时代（智能终端+智能平台+智能云服务），人工智能时代来临了。

人工智能是被喻为信息技术继半导体、PC、互联网之后的第四次浪潮，及信息技术发展的一个拐点：从人编程控制计算机到计算机自己拥有了“学习”、“推理”能力，机器发生了质的变化。

人工智能技术将是未来30年推动世界经济社会技术进步的推手。互联网提升了人与人之间的的沟通效率，人工智能将提升人和物之间的沟通效率。传统经济的生产方式、消费模式、服务模式以及社会治理模式都将发生根本性的变化。

2、 人类进入了机器决策时代：

数据通过机器转化为一个解决方案；

机器完成决策全过程：感知-认知-决策-执行。

按美国汽车工程师学会（SAE)的完全自动驾驶汽车标准（L5),上述环节均由机器自行完成：自动拾取行车环境数据，无监督学习，推理，决策并执行 ，汽车为继智能手机之后的另一个移动智能终端。这将是人类发展史上前进的一大步。

IBM的认知智能机器人沃森（WATSON)已经4年半的“训练”，由美国智力竞赛冠军摇身一变，成为一名啇业化的肿瘤诊断医生，用自然语言与人互动交流，分析所有类型的数据，包括文本、音频、视频、图像等非结构化数据，可在17秒内阅读3469本医学专著，24.8万篇论文，69种治疗方案，61540次实验数据，10.6万份临床报告。将散落的知识片段串联起来进行推理，分析，对比，归纳，总结和论证，从大数据中提取关键信息，并可通过专家“训练”，及在运行中自主不断学习，获取反馈，优化模式，不断进步。

沃森善于“理解”，“推理”和“学习”，其学习能力、记忆能力和逻辑判断能力远超过任何一个医生。

人工智能辅助医疗比受技术和法律限制的自动驾驶汽车等人工智能产品和服务率先落地。IBM已与中国150余家医院签约沃森服务，在天津三院10秒内完成了一例胃癌诊断。

人脸识别技术大规模应用落地时，支付方式，社会治理模式将发生变化，我国南阳机场己率先实现人脸识别登机。

3、 人工智能发展进入快车道的三要素：

数据、计算能力、算法

人工智能将泛在的普遍范式：数据驱动——算法赋能机器——智慧在云——智能在端。

数据是当今人工智能最有价值的要素，有质量的数据可提升“智能程度”。

超强的计算能力为AI的发展奠定了硬件物质基础。英伟达（Nvidia）凭借多年在游戏芯片图像识别能力上的积淀，异军突起地超越其他芯片企业，GPU出色的并行矩阵框架成为图像识别的宠儿，并引发AI图像处理芯片的热潮：谷歌的TPU，微软的FPGA，IBM的True North等，甚至连手机厂商们也按奈不住要自行开发手机AI处理芯片。

2016年任正非突然意识到：“人类已进入图像时代”，立即行动，今秋华为手机端AI处理器将面世。人们手机上的数据不再上传到云端处理，手机又将变成一个人工智能平台。

算法的开源框架促进了AI的发展，谷歌开源了人工智能平台Tensor Flow,Facebook的Torch,亚马逊的Dsstne,以及人工智能服务生态平台AIaaS Amazon ML，以及Open AI、及DeepMind Lab。

机器学习算法基于统计学、概率理论及运筹学，可作识别，分类，聚类和予测，符合程序设计特征，但机器无自学能力，如IBM的“深蓝”。

2006年Hinton基于多层深度神经网络的非监督深度学习算法将人工智能推向了一个新的高度，功不可没。深度学习算法赋能机噐具有了自学能力，如AlphaGo及IBM Watson。2006-2016年这十年深度学习的突破多集中在感知智能领域（语音与图像识别），2016年的AlphaGo和自动驾驶汽车开始从感知到认知智能的转变，人类才真正开启了AI大门，决策过程有了认知智能才算一个完整的AI。

4、 人工智能发展面临的挑战

    第一、脑科学研究的滞后

    脑科学研究是通向人工智能的基本通道，AI和神经管理学的真正突破绕不开脑科学研究的突破。脑研究无论在脑图谱、类脑（模拟脑）和脑病诊治上的任何一点突破都会像发现DNA一样令人兴奋，人们正期待从生命图谱到智力图谱的突破。各国政府竞相立项脑计划研究，甚至连盛大的陈天桥也投入十亿美元用于脑科学的基础研究。

很难设想：人脑和电脑打通，世界会是什么样？

第二、目前的人工智能研究大多锁定在单一领域的单一任务，还鮮有面对通用多任务驱动的人工智能（AGI),从目前条件通用人工智能很难。跨媒体（语音、图像、自然语言）识别不多，但发展方向肯定是跨媒体的。群智能平台也应是一个方向，这体现了创新、协同、绿色、开放、共享的发展理念。

第三、人工智能的产业化还充满诸多不确定性，高投入能否实现高收益？应用落地的商业模式、盈利模式不确定，率先落地的沃森医生是先锋呢？还是先烈？

二、   人工智能正催生一场新的产业革命，不是延续工业革命

社会变革按社会发展形态分为：原始、农业、工业、信息、智能，目前处在“社会5.0:智能社会”的起点。

产业变革按技术变革特征分为：机械化、电气化、信息化、智能化，目前处在“产业4.0：智能化”。

“工业：4.0”的提法不准确：

1、 当前的产业变革是社会全领域的，不仅是工业，还应包括农业和服务业；

2、 技术变革的特征是智能化，而不是传统工业的自动化，“工业：4.0”偏传统工业自动化思维；

3、 产业变革与技术变革均与当前产业与技术变革方向不对接。

工业革命在经历了200多年的发展后，对世界经济与社会的促进作用已显饱和，过剩，甚至过度工业化了。大多数经济发达国家都已完成了工业化发展阶段，制造业占GDP比重大多在10-20%，产业结构和就业结构均已发生了很大的变化。美国每年工科毕业生占比4.5%，每年不足7万人。

1970年密歇根州三大汽车制造商从业人数43万人，现在不足10万人。工业社会只留下了一些历史痕迹：“锈带”：如美国五大湖地区及英国的曼彻斯特老工业区，一些产业工人成了社会发展的被遗弃者，自然也就成了特朗普和英国脱欧公投的拥趸。欧美再工业化是逆历史潮流的，历史不会倒流。

各囯制造业小时成本及制造业占GDP份额（美国白宫科技政策办公室OSTP):

制造业GDP占比       制造业小时成本

美国        12%          37美元/小时

德国        21%          53美元/小时

中国        32%          3.0美元/小时

中国大规模工业化也已近尾声，制造业产值已居世界首位，工业绝大多数产品产量亦位居首位，产能过剩压力明显。按国际上常用的钱纳里工业化阰段的实证研究，根据三项指标：人均GDP,就业结构及产业结构，2020年中国将基本实现工业化。

对后工业化社会及服务经济的到来，中国官员、学界和企业界似乎都没有什么准备。

中国正处于一个历史转折点：廉价劳动力、廉价土地、长驱直入的全球市场将一去不复返，中国经济发展的方向在哪里？

我们必须思考中国制造业进化路径，是不是一定要跟随人家的工业2.0到4.0之路。

工业文明是不可持续的！

尽管制造业满足了我们极大的物质文明需求，但也带来了不可持续的资源消耗和生态环境破坏，中国的经济结构和发展方式的失衡必须转变，但苦于没有抓手。

一次千载难逢的机遇：在与新的科技革命的交汇点上，总算找到了新的发展引擎：万物互联+智能化。过去是水泥+钢筋，这次是指尖+点击，物理层面和信息层面的融合，中国经济与社会的能阶必有一个量的提升。

当下竞争的焦点已不在工业化，而在全社会领域的智能化。在此背景下，德国的“工业：4.0”，美国的“先进制造业”和我国的“中国制造：2025”都显得产业变革与技术变革方向与新的科技革命不对接。德国的“工业：4.0”太过技术的表述，趋向于旡人化工厂，重硬配置，重生产过程，轻产品与服务的改造，偏传统工业自动化思维。

“中国制造：2025”过分强调“智造”的过程，与过去曾推行的《计算机集成制造系统》（CIMS)有同样的过程偏好，忽视了满足消费者的产品和服务的主旨，尽管也都是强调物理系统与信息系统的融合（CPS)，但方向、路径不同，结果可能也不一样。

谨防陷入缺失方向感的盲动，沉溺于旧的模仿模式，如工业机器人“运动”：全国40余个机器人园区，1000多家机器人企业，付出了代价，又称还没有掌握核心技术，不如美的并购世界四大机器人企业之一的德国机器人企业库卡公司，以解决工业机器人的需求，而把精力与投资转投到方兴未艾的智能机器人上，瞄准人工智能，以AI技术改造並重塑中国制造业，使中国制造业的产品和服务上一个AI新台阶。

产业变革方向必须紧紧聚焦技术变革方向，向前看而不应是向后看。德国人离“工业：4.0”越近，可能离全社会领域的智能化越远。德国媒体讥讽中国的共享单车是“白痴经济”，反映其对技术变革方向的不理解。

发展应向前看的一个历史判例：上世纪八十年代中期，美国制造业霸主地位首次受到了日本人的冲击：汽车、钢铁、家电、存储芯片全面陷落，美国人耿耿于怀，美国部分学者（以MIT为主）誓言要“夺回失去的优势”，并出版了一本很有影响力的书：《美国制造》，其结论是：“一个国家只有生产好，生活才能好”，20年后美国工程院院长，MIT原校长Vest发问：“这个结论还成立吗？”。美国人并没有夺回失去的优势。         

美国另一部分学者（以美国科学基金NSF为主）力主发展计算机和通信技术，并培养相应人才。历史证明NSF的观点是正确的，美国又赢得了新的IT霸主。日本人没有趁势在信息产业上使劲，固守传统制造业，陷入了二十年的低迷。

三、   制造业的发展方向：硬件+软件+服务一体化

1、 世界已存在两个空间：一个真实的物理世界；一个虚拟的信息网络空间。今后每个产业的两个空间的融合(CPS)都将引爆这个产业的发展，如电子商务。工业互联网将被认为是引爆制造业的引言，企业、产业、国家，谁掌控了CPS,谁将获得发展的主导权。

2、 中国制造业的转型升级实际上就是一个产品和服务的数字化、智能化和网络化的改造，关键在产品和服务，不在自身生产过程的自动化、工业机器人和无人化工厂。三一重工和徐工产品和服务的数字化转型路走的对：传感器（大数据）+物联网+云处理平台+客户服务端。实质上是：数据通过机器转化为一个解决方案，给客户创造价值。

3、 单纯以硬件创新再造制造业辉煌的时代已结束，硬件历经百年发展，已触及天花板了，价值上传了，已经出现了软件定义系统的时代。医疗诊断从“望、闻、问、切”的直观感知，到X光直观透视，再到CT的噐官断层的数字拾取和分析，及可视化的处理，现又到了人工智能的辅助诊断。人类已从循证医学-转化医学-精准医学-再生医学-认知医学，医疗器械也必须适应这个演化过程。制造业专事硬件的时代已经结束。制造业的长青树美国通用电气GE的CEO伊梅尔特说：“制造业企业一定要变成为一个软件企业”，并宣称2020年GE要跻身世界十大软件企业之列，GE堪称世界制造业企业服务转型的典范。我国驰名的电信设备制造商华为也是中国排名首位的软件企业。

4、 智能手机率先实现了硬件+软件+服务三位一体的转型，手机变成了一个可以提供各种解决方案的智能终端。苹果APP平台上聚集了成个上万的开发者，提供了成千上万个应用，且各种应用层出不穷，无限延伸，智能手机的开放性、群智性的创新的确改变了世界。苹果一年仅APP营收就近500亿美元。按苹果的库克说，中国开发者是苹果除美国本土外最大的开发群体。这和过去制造业封闭的创新模式有很大的不同，公众的参与，消费者的参与，使产品和服务更精准地满足了客户的需求。

5、 从卖产品到卖服务是制造业企业转型的一个特征。由一个企业率先提出一个新的学科是一件稀罕事，上世纪五十年代IBM提出了计算机学科，美国常春藤大学们立即相应并实施学科建设，成就了今天信息技术的发展。本世纪初IBM又提出了服务科学的概念，这是一个非常值得政府和企业，特别是中国政府和中国制造业企业学习和深究的理念。这会大大提升中国公共管理和社会治理的水平，及制造业企业服务转型的力度和深度。中国制造业企业若不树立以客户为中心，以服务为中心，以为客户创造价值为中心的价值观，中国制造业企业的竞争力可能是有限的。

四、   中国发展人工智能的优劣势及战略选择

1、 数据优势突出

软件编程能力是一个国家信息技术优势的一个标志，但隨着深度学习算法的出现，一些认知学习的“规则”越来越依赖通过海量数据提炼出来的模型，可供使用的数据越多，人工智能就越“聪明”。中国巨大的数据规模是发展AI的优势之一。

2、 计算能力突出

除超强计算能力芯片的约束外，中国超算能力突出，人工智能计算平台联想、浪潮正在突破。联想深腾  8810系列超算整合了世界广泛采用的AI算法框架，有 助于中国AI起飞。

3、 中国AI应用场景丰富，市场需求旺盛

一批AI应用性小公司如雨后春笋茁壮崛起，成果斐然，如商汤已成为亚洲最大的深度学习团队；科大讯飞出色的语言识别；阿里云已跻身世界云平台第四位，ET医疗大脑及ET工业大脑已相继面世；百度及联想双方在公司发展危机中选择了AI转身，杨元庆赌上身家性命发力人工智能。

一场从感知转向认知的战役已在中国打响，正如普华永道：“中国是人工智能发展最大的赢家”，2030年由人工智能贡献的GDP达26%。《经济学人》杂志：“中国有可能在人工智能领域逐步超过美国”。高盛援引美国白宫文：“中国在AI深度学习领域发表的论文数及被引用数已超过美国”。纽约时报发长文：“美国已不再具备AI战略的垄断优势，与其旗鼓相当的中国进展迅猛”。中国应积极主动地抓住这次人工智能机遇，实现“换道超车”。

4、 中国发展人工智能的劣势在于AI基础理论及核心技术仍显薄弱，算法处于低水平，仍依赖国外大公司的开源框架。如谷歌（TensorFlow),Facebook(Torch），伯克利（Caffe），微软Azure云平台，及亚马逊（DSSTNE  AI平台）。AI人力资源已市场化，AI精英们的满世界“走穴”；企业间并购猖獗；各国各路豪杰聚集在自动驾驶汽车研发的两大阵营。历史上还未曽出现过如此规模的世界范围内的开放协同创新局面。PC时代开源软件LINUX被微软扼杀，微软赚了大钱。智能手机操作软件谷歌安卓开源，成就了智能手机大发展。AI算法开源+AI云平台+AIaaS生态服务平台将促进AI大发展。是否注意到了国务院人工智能规划，在官方文件中第一次出现了“开放创新”提法，很难得。

5、 认知战略：企业的商业认知转型准备好了么？

感知：构建认知型AI基础设施框架，现有系统与公共云、私有云、物联网联网，利用大数据扩展感知能力，充分利用AIaaS生态服务。

认知与决策：认知决策位移到认知云平台，物理办公室与认知决策地点在地理上是分离的。

执行：实时地巿场洞察，精准地满足客户的需求。

6、 “生产率悖论”

流行的一种说法：“信息技术革命虽带来生产率的增长，但并没有使中位数收入人群的收入增加”，俗称“生产率悖论”，这也是困扰美国及西方发达国家的一个谜，诺奖得主索洛在1987年时就说：“计算机不会提升总体生产效率”。

“生产率悖论”的现象是存在的，由于“自动化陷阱”使失业人数上升；“零和游戏”使一种产品替代了其他好多产品，如智能手机；“专业消失”使司机、律师、医生及媒体中介人员，甚至音乐家、诗人被替代。这些不应是技术进步的错，错在社会的分配机制、财富均衡，周工作天数及生活方式沒有跟着变，原应随着技术进步，生活更应更美好。