人工智能时代：破解人机共存密码（套装共10册）

据说福特公司高管有一次参观屠宰场，受到启发，也采用流水线装配汽车，将整车装配分割成最小、最简单的单元，每个工人只负责一道工序。1913年福特公司开发出世界上第一条流水线。汽车底盘和零件分别通过传送带送到工人面前，工人无须走动，节省了取零件的时间。手工生产一辆汽车需要728工时，流水线缩短至12.5工时以下。汽车价格大幅下降，让平民可以消费得起。T型车从1908年投产到1927年共生产了1500万辆。

早期汽车生产流水线共划分为7852个工种，其中949种需要身体强壮；3338种只需普通体格；3595种可在正常体力以下，其中又有715种可由独臂者完成，2637种可由独腿者完成，10种可由盲人完成，2种甚至可由双手残疾者完成。这种详细划分的标准我们可以理解为较为原始的特征化和数据化，蕴含着今天的数据标签化技术，而标签化数据正是人工智能的燃料，可这毕竟还是工业时代的产物，无法挣脱人为物役的锁链，也无法满足更高层级的人类需求。它首先将遭遇“多样性”的瓶颈。

只有新工业自动化才能契合人类多样性

多样性是生物的基本特征。普通生物的多样性一般表现在物种之间，即同一物种的性状趋同。但在进化的高级阶段，在智慧生命身上，多样性表现在个体之间，尤其是表现在与智慧相关的器官脑和手。

可以想象人类基因中有个骰子，随机掷出不同的DNA代码。非孪生的兄弟姐妹，天赋也会有显著差异。人们从来都能感受到彼此的不同，只是囿于手段限制，无法淋漓尽致地表达这些不同。过去人们想出众多的性格分类法，以星座学最为流行，就是渴望表达区分的尝试。生物体的个性区分曾令达尔文非常困惑，但却为经济的分工协作和消费的多样化奠定了生物学基础。

传统工业是如何满足多样性需求的？关于产品个性，工业先驱亨利·福特有三句话，昭示了旧工业范式下企业与消费者的关系：

“我问人们想要什么，他们总是说更快的马。”

“顾客可以喜欢任何颜色，只要是黑色。”

“汽车价格下降1美元，增加1000名顾客。”

用户对汽车有什么具体需求呢？薛成曾在《中国企业家》撰文分析这个问题。在汽车问世之前，除了少数工程师，普通民众对此一无所知，工程师只能就已知需求(马)来增加数量(更快）。按马斯洛的需求层级理论，越低级的需求，越容易量化，共性越大，相应市场规模越大。亚当·斯密在《国富论》中指出，规模是分工协作的前提。越高级的需求，如果要增加产品，相应的分工协作就越复杂，会降低效率，损失规模效应。对于汽车生产来说，首先是为容易满足的需求扩大生产。“价格每下降1美元，增加1000名顾客”。如果为增加色彩价值每投入1美元只能增加200名顾客，将损失800名潜在顾客。所以福特只提供黑色轿车，却优先提高产量，降低成本。

但是在消费层面，当汽车的顾客被创造出来，他们的新需求就同时产生了。德鲁克的《管理的实践》开宗明义，企业的目的是创造顾客。当生产力扩张，消费需求将被释放或者创造出来。

泰勒相信工人为钱工作，福特也说过：“工资解决了9/10的精神问题。”但从1924—1932年，由梅奥为首的心理学家（而不是管理学家），通过霍桑工厂的实验发现，工人的工作动机要复杂得多。1960年心理学家道格拉斯·麦格雷戈提出X理论和Y理论，前者把工人看作懒惰的经济理性人，需要鞭子+酬劳来激励，后者认为人有劳动的需求和创造力。

整个旧工业经济体系就像太阳系，消费者和员工环绕企业运转，企业再环绕金融（太阳）运行。这套体系可以对人的多样性需求做出反应，但是以一种中心化的方式运作。

直到今天，技术还在进步，除非创造新物种，产品多样化方向已经趋近感知的极限。一个新的循环往复将要形成。新工业范式将把旧工业范式颠倒过来，不再是技术的突变引导需求的渐变，而是无限地拓展需求层级和种类，以需求的突变引导技术的渐变。扩大内需不应该被理解成旧需求层面上的扩张，而是前所未有的多样化需求被开发出来。在旧工业范式下，依靠的参照系只有已知技术和已知需求两条小路，人类凭着自己的计算和洞察摸着石头过河。而今天，人类无穷多样性的细分需求，需要依靠人工智能深度学习系统才能捕捉。

曙光在于大数据和人工智能。今天，人类的多样性需求、反馈越来越被数据化，可以无限地产生并被传感器记录。也只有建立在概率和分布式计算方法上的深度学习与智能经济系统，才能从这无限的数据中感知未来的方向。

还是以汽车的例子将这个问题具体化。沃顿商学院的马歇尔·费舍曾拜访汽车经销商，得知综合颜色、内饰、发动机等功能，汽车制造商实际上可以提供2000万种型号。定制需要8周，而90%以上的顾客要购买现货，而且并不知道存在那么多的可能型号。这家经销商只有两种型号现货，本地有10家经销商，假定经销商的型号规模相等，那么在本地市场上只能提供20种型号。费舍因此将渠道比作沙漏的颈部。

这项调查发表于1997年的《哈佛商业评论》。同年亚马逊上市，提供了解决方案——网络货架无限长。除了存储空间，更重要的是信息匹配，通过计算机网络即时记录和分析用户的行为，推测其兴趣，这就是所谓的“用户画像”。有了这个方法，就可以把无限多的产品型号与无限多的用户需求精准匹配。

复旦大学中国研究院的余亮在虎嗅撰文认为，“用户画像”被很多人误解为是对用户群体的描述，比如90后群体的消费特征等，甚至一些互联网商业公司也在宣传中如此使用“用户画像”。然而正相反，基于人工智能的“用户画像”恰恰是对个人的描述，可以为每个人贴上无数标签，精细追踪个人的需求。比如所有以算法推荐资讯的应用程序，都是“伪装”成新闻客户端的用户个性收集器，以此向用户推送个性化的信息和广告。这种方法同样运用在实业领域，物联网与人工智能可以给生产工序和消费用户两方面都贴上天文数字的标签，满足最精细化的需求。比如3D打印，实质是可以根据多种多样的需求而灵活变化工序，不再依靠实物模型，仅仅根据计算机建模就可以“打印”出新产品。

工业自动化的内涵因此被改变，不再是针对固定需求的自动生产，而是自动根据需求变化调节生产、流通和分配。控制论领域大奖诺伯特·维纳奖的首位华人获得者，中科院自动化研究所副所长王飞跃指出：“工业自动化将向知识自动化转移。”新的生产过程将具备如下特性：对人类生活多样性的自动跟踪；知识的自动化习得；工具的自我复用和进化；对社会管理的自动优化；生产流程根据知识进行自动调整并生产出新知识……以此形成新的循环往复规律，革新工业经济范式。这个过程将挑战过去生产方式的一切环节，从生产布局、设计流程、渠道建设直到科层制的企业权力结构。“中国制造”也将因此而蝶化为“中国智造”。

走向物联网与精细化生产

知识化、自动化、精细化的生产方式的基础在于物联网。

2016年7月，软银公司斥资243亿英镑收购微芯片巨头ARM公司。软银总裁孙正义认为物联网将会引领下一轮技术爆炸。2018年，物联网设备的数量将会超过移动设备；2021年，全球将拥有18亿台PC、86亿台移动设备、157亿台物联网设备；2035年，数据量将会增长2400倍，从1EB增长到2.3ZB；在未来20年，物联网设备的数量将会超过1万亿台。孙正义指出：“物联网与人工智能的关系，正如同眼睛与大脑配合使生物得到进化的关系。物联网爆发即将来临。 29

物联网让人与万物接入同一张网络，让人与机器随时互动，人的一切可以数据化的行为、反应，都会引起机器和生产线的波动，各种数据在云端交汇，大量计算通过云服务器完成，再通过产品与服务反馈于人，循环上升，从而把人的多样性与物质世界联系在一起，彼此催生，共同进化。

《奇点临近》的作者雷蒙德·库兹韦尔认为，人类正处于物联网引领的工业革命时代。3D打印技术是2020年前创新型工业革命的主要推动技术。到2020年，我们的衣服都可能被开源设计，可以直接从云端免费下载。3D打印技术的发展前景目前尚不明朗，不过库兹韦尔的话呼应了前面说的新工业范式对多样化需求的满足。除此之外，从食物到音乐，都可以通过物联网精细化生产，云计算是其内在逻辑。

凯文·阿什顿的观点更为深远，他认为：

我们要区分大众说法中的智能穿戴设备与物联网。能侦测防晒指数的比基尼和能感知是否口渴的智能水杯都不是物联网。物联网不是终端设备，而是一套可以自主学习、自主做出决策的机器体系。

物联网的优势在于计算机拥有各种传感器，能自主收集数据。正如我们的智能手机有GPS或者北斗导航系统，有地图，还有距离、方向、重力、惯性甚至心率传感器，可以把所有信息搜集起来进行处理。快速发展的RFID芯片可以在不耗电的情况下提供数据。RFID的产量早已超过了手机的产量，赋予每部手机、每个设备独一无二的编码，或者说“名字”。通过这种不耗电的RFID系统，订酒店、订车位、吃饭支付都可以完成，这也是物联网的构成部分。未来物联网设备的功耗将极小，手机甚至可以在风中自己充电。

人脑将直接与云端进行连接，从而成为物联网的一部分。这将促进对大脑思维方式的逆向工程解析，不仅能够加深对人脑的理解，还可以反向提高机器智能，更加深刻地体会人的多样性细节。

以往工业自动化仰赖的工业机器人，在物联网时代也将发生形态变革。工业机器人将从物理形态的硬件化向软件化发展，云端虚拟状态与物理端实体结合。机器人软件化和物联网是同一件事情在两个方向上的发展。机器智能无形化，遁入物体，与云计算结合，无所不在，成为一个巨大的社会机器人。这正是人工智能与物联网追求的境界。

物联网系统与传统的机器系统在知识上有根本区别，在运作逻辑上，是从机械的牛顿机器向智能的默顿机器的升华。所谓牛顿机器就是根据因果规律程序运行的机器，而默顿机器则是根据相关性思维自主学习规律的机器。牛顿机器遵循“大定律，小数据”逻辑，而默顿机器遵循“小定律，大数据”规律，不追求终极大定律，与人脑工作方式更接近，更能呼应大千世界的瞬息万变。

物联网自主收集数据只是基础任务，更高的境界是自主决策。人类提供了算法和训练模型，给机器装上传感器，让机器在各自的场景下做出判断和交流，并做出决策。决策会影响世界，从而又收集到新的数据，如此形成循环。

举个例子，百度云计算已经支持多个第三方智能照明项目投入使用。今天的城市户外照明系统虽然灯火通明，但大部分时候都只是寂寞地照射着空旷的马路和天空。物联网照明系统可以在初期收集数据，自动学习照明规律，然后自主优化管理，比如在交通低谷期对路灯进行自主调光后关闭部分路灯。系统实时监控路灯的运行情况，通过“机器学习”对设备的寿命进行预测，精准统计需要更新的部件，从而降低零部件的库存，节省维护费用高达40%。最终把电力消耗降低到传统标准的40%并延长设备寿命。这样，以往的灯火通明变成了生物体呼吸般的灯光节律。

经济效益只是系统收益的一部分。上述照明系统集成了智能灯控、环境感应、无线城市和安防等功能群，开放了众多的API，以供更多的应用接入。由于百度云平台的计算能力和存储能力可以弹性扩展，系统获得了极大的“灵活性”。可以对热数据进行即时分析，并对冷数据做大数据挖掘。这样的系统绝不只是为了照明，而是智慧城市的一部分。它们通过收集数据、自我学习和自我运作，提升机器智能，促生城市大脑。

物联网将覆盖人类的所有生存空间。在某种意义上，我们可以把智能农业也理解为物联网。在一些先进示范农场，每一棵植株都安装了传感器，比如系统会根据每棵植株反馈的信息，因材施“浇”，有的放“施”，大大提高效率、节约资源。每棵植株的传感器更是与系统相连接，把大面积的农作物传感信息汇总到云上，就可以计算出以往单纯依靠农民经验无法把握的农业规律，实现农业革命。

人们从传统思维出发，可能会把无人车理解为交通领域的革新。而无人车系统的抱负是超越交通领域，成为城市和城际物联网的载体。无人汽车绝不是以个体形态出现，而是一个庞大的自主系统，像血管和神经一样连接着其他所有城市系统。无人车本身就是人工智能技术的集大成者，视觉识别、语音识别、自主决策、机械控制等集于一身，是一台运动的数据收集和处理器。在这个基础上，无人车网络把人、车、环境联系在一起，把个人目的和整体管理联系在一起。一旦无人车成规模运行，又会反过来带动技术发展和物联网的发展。无人车上的每一个部件传感器和乘客感应器都联系着生产商、消费者、管理者甚至第三方。设想一下未来，以无人车为主体的陆上交通会与航空、航海交通打通信息，那将是怎样一张上天入地的巨大的物联网。

如果C端（消费者）的精细化生产可以呼应人的多样性需求，那么B端（企业）的物联网则可以精细化掌控社会总体需求。人工智能与物联网同时丰富了生产、提升了效率、减少了外部成本。比如智能农业大大节约水和化肥，无人车系统将减少车辆事故，满足基本出行，减少污染。

智慧能源、智慧交通、智慧生产等，将给世界文明带来史无前例的变化。

呼唤智能政府与智能社会

人类社会在经历过工业革命、两次世界大战和无数次变革与动荡之后，越来越认识到个人的自由、安定和发展离不开政府与社会的高效、公正。随着经济、社会的发展，人类的组织越来越复杂，复杂社会需要新的手段加以治理，政府和社会组织的作用尤为重要。

现代社会通过法律来维持和调节社会关系。但技术尤其是人工智能的发展，使得算法的地位上升，各种自动化管理工具通过算法潜移默化地调节人类的交往、消费、交通、金融等。在未来社会，律法可能将融合于算法之内。