智能革命：迎接AI時代的社會、經濟與文化變革
作者：
李彥宏
經營中國版Google-百度
05 智造與文明升級
從勤勞革命到智慧革命
勤勞革命，中國從文革後的一窮二白、資本稀缺，完成從農業到工業的轉型
感覺除了勤勞、搭上人口紅利、製造業雁行轉移、全球化分工與貿易浪潮
後遺症是：貧富差距、環境汙染、城鄉差距
三次技術浪潮衝擊下的第一製造大國
家電是中國製造的指標=>但家電產品生命週期長、替換率低=市場不易成長與停滯
PC雖然能夠訂制，但只是依據CPU、記憶體與硬碟容量等，開放性不如手機
ERP(資訊行業)跟不上近年商業變化、逐漸被雲端計算取代(企業也從傳統式的集中管理變成分散式管理)
第一次技術浪潮：藍領工人取代農民工(9億農民)
第二次技術浪潮：科技白領取代藍領工人(3億市民與中產階級)
第三次技術浪潮：科技應用者與創業家(1000萬人)
美國反而在逆轉二戰之後，去工業化的趨勢(而非持續的科技創新)
3D列印反應的是從大規模標準化生產轉為客製化彈性生產的趨勢
雲端運算讓各家企業站在相同起跑點：不用建構自己IT與ERP系統
昔日製造大國：人為物役
泰勒的鏟子科學=人為物役(人牽就機器設備)
福特的汽車組裝流水線，觀念源自於屠宰場
新工業自動化才能契合人類(需求產品)的多樣性(客製化)
泰勒相信工人為錢工作，錢能解決9/10工人的問題
智慧自造才能滿足霍桑實驗發現-工人與客戶的創造力與自我滿足
物聯網與精細化生產
政府和社會也要做好準備
目前法律體系的前體與假設是-責任源自於過錯，過錯造成權益的損傷，有損桑就要有法律救濟
只有當損傷的結果發生，法律才會介入(告訴乃論)=遲滯落後
大數據與預測會讓法律與政府作為受到很大衝擊：基於”機率”與”事前的預測”，而非既成事實(有老大哥未審先判的味道，是好是壞？)
e.g., 以往官方稽查係基於抽樣或某種特徵的專案稽查，未來將會依據風險
老舊沒有保全的建物，火災風險是其他建物的兩倍
透過信用交易資料，鎖定洗錢
06 衝入AI無人區：無人駕駛之路
自動駕駛的歷史
1925遙控(駕駛在另一輛車上)
1970軌道引導(科技廠無塵室中的RGV)
1973DARPA：透過雷射辨識道路、地形，依靠GPS進行導航
1977日本筑波實驗室，開發出依據攝影鏡頭辨識前方標誌的汽車(時速30km )
CMU自駕車
特斯拉自駕車技術
摘錄：
Model
S 裝有 12 個環繞車體的超音波感應器，用於檢測周圍異常，有效範圍 16 英呎。同時，前側還裝有一個鏡頭和一個長距離雷達。
多個感應器協同作用，這款車可以偵測駕駛員視覺死角，透過調整車速，避免前端與側面的碰撞，並可以識別車道線，避免偏離車道。
智慧駕駛的階段與能耐
L1. 輔助駕駛
以人為主，提供駕駛者：碰撞警示、緊急煞車、盲點偵測與彌補夜間視線偵測力不好
L2.特定環境下的自動駕駛
在高速公路巡航或者堵車的情況下(沒有辦法因應旁車與旁人突然闖入或變換車道)
L3.多種環境下的自動駕駛
以車輛自主控制為主，特殊狀況(車子電腦故障、修改變更目的地？)才由人來控制
L4.全自動駕駛
沒有(需要人控制介入)的方向盤與煞車
傳統車廠聚焦於L1與L2=>賣車
資訊廠商(Google, 特斯拉, 優步, 百度)聚焦於L3於L4=>賣代步的服務
能否從L1/2進展到L3/4 要搭配GPS、地圖、使用者分析
無人車的未來與技術挑戰
人的視距約50M ，車子感測掃描約200M
但人對紅綠燈與物體的辨識度正確度高於目前車用的辨識軟體
人的煞車反應約1.2秒，車子約0.2秒
光達(LiDAR)售價，2015約2-3萬鎂，預估2020會降到300鎂，2025會降到200鎂
光達(LiDAR)原理
倫理難題：
個人隱私
該不該閃避違規的行人
發生事故如何認定責任問題
遵守規定無人車反而會被習慣違規的人類欺負(沒有辦法適應壞人)
法律層面問題：米國目前只有四個州支持無人車上路，無人駕駛技術(背後的公司)不負法律責任
07 AI帶來的普惠金融曙光
貸款徵信
AI計算貸款風險
AI大數據金融徵信
讓金融服務不單只是圖利有錢人，而是每個人
讓AI來給身無分文的年輕人第一筆貸款
投資理財顧問
肯碩(Kensho)財經軟體華倫(Warren)取代分析師
肯碩(Kensho)公司網頁
機器投顧的服務流程
1.洞悉投資者需求
年齡/人生階段、收入水準、歷史投資經驗與偏好
2.描繪當事人的階段性支出與投資
資產配置與生活追求(買房、買車、求學、育兒、養老)
3.考察投資人的風險偏好
收入結構、生活固定支出負擔已確定承擔風險的範圍(當事人對於風險的偏好實際上與對投資顧問所說往往是兩碼子)
4.機器透過模式辨識客戶的風險偏好，與根據市場狀況給予客戶動態資產組合的配置建議
機器投顧的優點
1.費用可以降到真人投顧費用的1/10-1/20，
2.不會貪婪與恐懼，可以規避人性情緒的弱點
3.能夠比理專服務更多人
4.未來沒有明星分析師，只有AI技術實力雄厚又掌握即時海量資料的科技巨頭
5.股價和其被搜尋的相關性達0.7，搭配輿情分析可以掌握進出場時點
智慧金融的未來與困境
巴菲特：投資不是智商160一定可以贏過130的遊戲
目前市場的波動源自於人的預期(+貪婪與恐懼的情緒反應)
如果市場參賽者都用AI系統，那麼機器投資的節奏都會一致、標的集中=讓市場失衡（投資要回歸人對於未來的判斷，而非依據數字推估的未來或然率）
投資是技術、藝術與哲學的結合，同一市場訊號一定有人看多/有人看空，才會有買賣交易
在技術的層次，機器沒有辦法代替人類做出洞察與判斷(不像下棋可以用暴力窮舉法)
在藝術的層次，不同的投資環境需要有不同的演算法邏輯
在哲學的層次，是自律與投資的目的(不單是為了賺錢)。透過機器可以有很好的停損停利自律，只是不見得可以符合投資目的
08 每家企業都需要一位人工智慧長
誰來突破產品升級的瓶頸？
升級不是單指材料、工藝
而是產品的應用與創意
借鑑歷史：回顧電力長的輝煌時代
企業設立電力長，和電力公司打交道，決定公司
使用交流電或直流電？
電壓？
在不同電力介面與價格之間做出抉擇
電力系統成熟與用電設備規格標準化，讓電力長走入歷史
優秀的CTO資訊長
不單只是網管營運維護(連上基礎設施、繳交服務費、使用各種SaaS)
還要追蹤最新技術發展
了解公司產品與服務的長期技術與發展策略
以上技術應用如何能夠幫助公司挖掘與提升各部門的價值鏈
一般企業的IT部門是ERP系統
迎接AI原力
AI 源自網路大數據
所以開放、開放、開放
Web1.0 人們上 web 被動找資料
Web2.0 上 Web 主動傳輸資料，
Web3.0 跨越 Web 與 Web、介面與介面地分享、轉傳、改寫資料，
Web4.0 時代將是一個 Web 與非 Web 輕易互聯的新時代(物聯網)。
原本企業內部的ERP系統已經可以被雲端的SaaS產品所替代
在CTO眼中的重點是產品(軟體與硬體)
在CAO眼中的重點是數據(對於內外部的價值與意義)
人工智慧長要做什麼？
數據=>演算法=>知識=>使用者經驗=>數據 累積商業知識與價值
電算化=>資訊化=>智慧化
從數據流與資訊流的角度來看待每個人的工作價值(而非產量與表單)，優化每個人與資訊流環節的價值
從大數據嗅出相關性
從數據相關性嗅出商機
09 技術奇點──AI的自我挑戰
數據的「馬爾薩斯陷阱」？
人口以算數級數增加，資料以幾何級數增加
資料量以線性規律增加，計算量已非線性規律增長
資料的儲存與查詢變成一大問題
目前方法
1.透過內容爬蟲機器人，在非尖峰時間紀錄
2.把查詢的FAQ餵給大家
如何跨越數位陷阱
1.對於發生的數據做即時與高效的處理=>平行與分散式的運算
2.高效儲存資料，刪除資料=>對資料編碼與壓縮
3.對於儲存的資料進行挖掘與歸納=>只留下日誌，而非資料
神經網路進化哲學
共同進化
故意輸入一些雜訊，訓練提升辨識力
對偶學習：英翻中VS中翻英
多個深度學習程式碼平台平行競爭
10 遇見AI時代的你
AI時代的食衣住行
小魚在線
簡單物聯網與智慧居家：打開電視、播放新聞、搜尋資訊、叫外賣、語音留言…
AI教育的起跑線
講故事與教學機器人
人工智慧批改作業，解放 老師
互聯網與AR技術讓師生跨時空互動
AI幫忙學生選填志願
AI時代的工作
AI消滅司機，但產生無人車管理的職務
AI醫療，譜出生命之歌
安潔莉娜裘莉透過基因篩檢，決定切除乳房(癌症還沒發病)
預測技術被濫用=>無病呻吟
11 美麗新世界，嚴肅新問題
數位鴻溝
科技種性與貧富差異
科技掌握在少數人手中，變成製造不公的武器
1% vs 99%
同樣是跨越哈德遜河的河底隧道：for 華爾街交易光纖的已經完成，for通勤運輸的卻遙遙無期
資本報酬>>人力勞動報酬
當人被機器取代時，雖然產品變得更便宜，然而失業沒錢的勞工如何消費這些產品與服務？
人類還能做些什麼？
即便屆時大家有社會基本收入保障，不需要工作
不被需要會是最大的社會問題
數據與資訊凌駕於人性與人的需求
不需要工作的人，要有服務社會的工作可做(才能滿足被需要的心理與人性)
二十三條軍規(對於AI的期望)
倫理價值觀
1.AI安全與故障的透明度
2.機器人做出涉及司法的決定，要可供主管人機構審核
3.使用者與設計者要負擔道德責任
4.AI的目標與行為要和人類的價值觀一致
5.AI尊重人的尊嚴、自由與多樣性
6.保障當事人隱私，產生資料當事人有權獲取
7.不得不合理限制人類感知的自由
8.AI的利益應該是普惠，而非圖利少數人
9.由當事人選擇是否使用AI
10必免AI軍備競賽顛覆人類社會
長期問題
11未有共識情況下，避免對AI未來做出假定
12.對於AI進行規劃與管理以因應風險
13對於那些會主動迭代的AI要有嚴格的安全控制措施
共同利益
14AI是for全人類，而非單一國家或組織的利益
每一條都是大災問與大哉問
沒有留言:
張貼留言