第二次机器革命

实际上，网络本身就是早先的TCP/IP数据传输网络的一个非常直接的组合体。被称为HTML的标记描述性语言，就是详细描述文本、图片等如何排列，然后通过个人计算机被称为浏览器的简单应用程序把结果显示出来的东西。所有这些东西都不是新的发明或创造，但它们的组合就是革命性的了。

Facebook（一个社交网络服务网站）创建了网络基础设施，让用户在不掌握HTML的情况下就能对社交网络进行数字化处理，并且能够对媒体资源进行线上的分享。不论这是否真正属于技术性能的深刻重组，对用户都是极富吸引力的，而且还产生了巨大的经济效益一到2013年7月时，公司的市值已经超过了600亿美元。当照片共享成为Facebook最受欢迎的线上操作活动时，凯文·希斯特罗姆(KevinSystrom)和迈克·克里格尔(Mike Krieger)决定创建一种智能手机应用程序，其模仿网站照片的操作并设置一定的选项，然后在数字过滤器的过滤下，就能改变一张照片的样式。当希斯特罗姆和克里格尔刚开始这个项目的时候，它看上去像是一个很微小的创新。然而，他们创建的这个名叫Instagram的应用程序，在2012年春季就吸引了3000万用户，使用者共上传了1亿多张照片。2012年4月，Facebook斥资约10亿美元收购了Instagram

这种创造模式充分说明，数字创新就是一种纯粹的组合式创新，每一步的发展都会成为未来创新的一块“积木”。进步从来不会停业，只会不断地积累。

THE SECOND MACHINE AGE→第二次机器革命 →

092

数字世界从来不受任何界限的制约。它能扩展到物质世界，使汽车和飞机实现自动驾驶，让打印机分部件打印等。摩尔定律使计算机装置和传感器的价格呈现指数级下降，从门把手到电子贺卡，越来越多的工具和小玩意儿装配上了这些廉价的装置和传感器。同时，数字化使几乎所有领域都能够获得海量的数据，并无限制地被复制和重复使用因为它是非竞争性的。在摩尔定律和数字化的共同推动下，具有潜在价值的电子“积木”在全世界呈现出了爆发态势，各种组合、各种可能都在以前所未有的速度成倍增长。我们把这种创新称为全球性的积木式创新，阿瑟、罗默和我们两位作者均持有这种观点。从这种观点来看，和果实类创新不同的是，积木式创新并不是把“积木”吃掉或用尽，而是增加了未来重组式创新的机会。

重组式增长的限制

如果这种创新重组的观点是正确的，那么一个问题就可怕地出现了：当“积木”的数量不断爆炸时，最主要的困难就变成了要知道哪些重组是有价值的。经济学家马丁·韦茨曼在其论文《重组式增长》(RecombinantGrowth)中创造性地提出了一个新增长理论的数学模型。在这个模型中，一个经济体中的固定性因素比如机器、工具、卡车、实验室等，都是会随时间推移被他称为“种子思想”的块状化知识放大的，而且随着之前的种子思想重组成新的思想，知识本身也会随着时间而增长。这是一种全球性的积木式创新，在这种创新模式中，块状化知识和种子思想都能够随时间进行组合和重组。

这种模型会产生一个非常吸引人的结果：因为重组的可能性爆炸得如此迅速，那么具有潜在价值的原有块状化知识的重组数目也将是惊人的。①在这种情况下，对经济增长的限制就变成了研究所有这些潜在的重组，以找到更具价值重组的能力。

第5章数字时代的创新：无穷无尽

093

正如韦茨曼写到的：

在这个世界上，经济领域的核心将逐渐变成如何把日渐增长的新种子思想加工和处理成可行性的创新—而且这种加工和处理的强度会越来越大……在发展的早期阶段，增长会受到潜在新思想数量的限制，但之后增长就只会受到加工、处理这些新思想能力的限制了。

戈登问过一个激进性的问题：“增长终结了吗？”对此我们将代表韦茨曼、罗默和其他新增长理论主义者做出回应：“绝对没有。如果受阻，那是因为我们没有能力去处理和加工所有快速增长的新思想。”

群体的力量如何达到专业的水平

如果我们的回应还算准确，还能抓住这个真实世界中创新和经济增长的一些本质，那么促进增长和进步最好的方法，就是提升我们测试对思想进行新的重组的能力。要做到这一点，有一个很好的办法，就是让更多的人加入到这个测试的过程中—现在的数字技术正在让这一切变得可能。我们被全球的信息通信技术连接在了一起，是能够随意自如地使用高性能计算机和海量数据的。总起来说，今天的数字环境就是一个大规模重组的实验场。开源软件运动的旗手埃里克·雷蒙德(EricRaymond)有一个乐观的评论：“若有足够的眼球，所有的软件漏洞都会浅陋无比。”引申到创新领域，完全可以这样说：“若有足够的眼球，多么强大的创新组合也能被发现。”

THE SECOND MACHINE AGE→第二次机器革命→

①请记住，如果在这个经济体中只有52个种子思想，那么其潜在性的组合方式简直要比我们整个太阳系中的原子还要多得多。

094

美国航空航天局在尝试提高预测太阳表面太阳耀斑或者色球爆发的能力时，就有过这种经历。对航空航天局来讲，精确度和充分的提前预告是最重要的，太阳粒子活动(SolarParticleEvents，简称为SPEs）能够给在太空中毫无防护的飞行器和航空员带来伤害性的辐射。尽管对太阳粒子活动拥有35年的研究数据，美国航空航天局也承认，它们“仍然没有可行的方法去预测太阳粒子活动的状况、强度和持续性”。

航空航天局最后把相关数据和关于对预测太阳粒子活动时所面临挑战的描述发送到创新中心网站InnoCentive①上—一家为科学问题而设立的在线“票据交换所”。创新中心不设资历、证书门槛，也就是说，即使你没有博士学位或者在实验室工作的经历，也可以浏览问题、下载数据或者上传解决方案。任何人都可以尝试着解决任何学科的问题，比如物理学家就可以去钻研生物学问题。

最终的结果是，提升太阳粒子活动预测所需要的富有远见和专门技术的人才，并不是曾经在航空或航天领域耕耘过的人物。布鲁斯·克拉金(BruceCragin）—一位居住在新罕布什尔州一座小镇上的退休无线电频率工程师，却是它们需要的人才。克拉金说：“虽然我没有研究过太阳物理学，但我对磁重联理论研究得比较透彻。”事实证明，磁重联理论正是做好这项预测工作的恰当理论。由于克拉金的研究方法，航空航天局对太阳粒子活动的预测在精准率提高85%的情况下提前了8个小时，在精准率提高75%的情况下提前了24个小时。

第5章 数字时代的创新:无穷无尽

①该创新中心是一家位于美国麻省理工学院的开放式创新式研究公司。研究领域包括数学、物理、化学、生命科学、工程、计算机科学等。—译者注

095

他对理论和数据的重组，使他从美国航空航天局获得了35000万美元的奖励。

近些年，很多公司和组织都在采用美国航空航天局的技术策略，也就是说，把创新挑战和解决问题的机会向更多的群体开放。这种现象可以称为开放式创新或者“众包”—一种非常高效的创新思路。创新学者拉斯·波·杰普森(Lars BoJeppesen）和卡里姆·拉哈尼(Karim Lakhani）研究了166个创新中心网站上发布的科学问题，无一例外地都来自公司或组织机构。他们发现聚集在创新中心网站上的群体力量能够解决这166个问题中的49个，成功率接近30%。他们也发现，那些与问题所需知识领域遥不可及的人们更有可能提交可行的解决方案。也就是说，解决方案的提交者更多是掌握“边缘”学科的人们他们的教育、培训和经历是明显与问题不相关的。对此，杰普森和拉哈尼提供了生动的例子：

同样的科学挑战可以有不同的可行性解决方案，由一位航空物理学家、一位小型农业经营业主、一位经皮给药医生和一位工业科学家提供的食用级高分子聚合物配注系统的科技解决方案虽然各不相同，但却都是可行性的解决方案……所有成功提交的4套方案都完成了目标诉求，但使用的却是不同的科学原理…另一个案例来自一所研发实验室，这所实验室在咨询了行业内外的大量研究专家之后，也无法了解从一个正在进行的研究项目中所观察到的一种独特病理的毒理学意义是什么…最终，一位拥有蛋白质结晶学博士学位的科学家使用他研究领域中最普通的方法把这一问题解决了，而没有使用毒理学问题的普遍解决方案，或者使用基于常规思维的惯常解决办法。

像创新中心网站一样，线上创业公司Kaggle也从全世界聚拢了一批无资历的人士，去解决各类公司和组织机构提交的难题。有别于应对科技方面的挑战，

THE SECOND MACHINE AGE→第二次机器革命→

096

Kaggle公司专长于大数据分析，其目的是要对公司或组织机构提交上来的初始性基线预测进行更准确的预测。和创新中心网站一样，Kaggle公司最终得到的结果也总是令人吃惊不已。其中之一是，Kaggle网站对基线预测准确率的提升非常显著。这里有一个例子，好事达保险公司提交了一组关于车辆性能的数据，然后让Kaggle网站上的群体力量预测这些性能中的哪些性能会出现在以后的责任保险理赔申请书上。这场数据分析竞赛持续了大约3个月的时间，吸引了100多位参与者，而最终获胜的预测比保险公司基线预测的准确率提高了270%还要多。

另外一个非常有趣的事实是，Kaggle网站上大多数的参赛获胜者所从事的都是挑战问题领域之外的“边缘”性工作。比如有的参赛者虽然没有健康护理方面的经历，更没有关注过相关问题的传统解决方案，却对医院的再入院率能做出更精准的预测。在很多情况下，这些能力超群的数据“科学家”们都能够凭借其独具特色的数据分析方式获得专门的技能。

2012年2\~9月，Kaggle主办了由休利特基金发起的两场学生论文的计算机评分竞赛。①Kaggle和休利特基金，以及多位教育专家一起共同设置了竞赛流程。当他们准备并设计整场竞赛时，很多人还是颇为担心的。第一场竞赛共有两轮。第一轮中，11家正规的教育测评公司将进行角逐；第二轮中，Kaggle的数据科学家以个人或团体的形式被邀请参与竞赛。教育专家们担心Kaggle的参与群体在第二轮竞赛中根本不会有竞争力，毕竟每一家参与竞赛的测评公司都从事过很长时间的自动评分工作，它们有解决各类问题的大量资源。它们有数百人年①的经验积累，而对于Kaggle的新手们来说，这些都是不可逾越的鸿沟。

第5章 数字时代的创新:无穷无尽

① 在这一领域，对论文评分系统的提升是很重要的，因为论文对学生学习的促进作用要远远高于多项选择题。但如果只是由人工评分，成本又是高昂的。论文的自动评分系统既能提高教育的质量，也能相应降低部分成本。

097

但他们根本用不着担心。在这场论文评分竞赛中，很多参与竞赛的新手都完胜了测评公司。当Kaggle调查询问谁是竞赛的最佳表现者时，让人吃惊的事又出现了。在这两场竞赛中，表现最佳的3位参赛者都没有过任何论文评分或者自然语言处理工作的经验。而且在第二场竞赛中，表现最佳的3位参赛者除了接受过由斯坦福大学人工智能团队提供的免费在线课程学习(这个课程只要愿意，世界上的任何人都可以参加学习）之外，没有接受过任何正式的人工智能培训。对于世界上任何人都可以做的事情，他们只不过掌握得更多。这3位表现最佳的参赛者分别来自美国、斯洛文尼亚和新加坡。

Quirky公司(另一家网络初创公司)，也通过互联网招募人员参与韦茨曼重组式创新的两个阶段首先是产生新的思想，然后进行滤除、筛选。Quirky公司做这些，完全依赖庞大群体的力量不仅要提出创新的思想，还要进行筛选，并为富有开发潜力的创新思想打下市场根基。Quirky公司从它的网络群体中挖掘开发新产品的创新思想，它不仅依靠群体对提出的创新思想、产品研发进行投票测评，还依靠群体对创新思想和产品提出改进建议，以及权衡如何对开发的产品命名、如何进行品牌推广、如何驱动销售等。Quirky公司对产品的开发、设计、生产和销售有着最终的决定权。公司本身截留了整家网站收入的70%，而把其余的30%分配给参与创新思想和产品开发的所有群体成员。在这30%的收入中，提供原初创新思想的成员能够获得42%的份额，在产品销售价格方面有所助益的成员分享10%的份额，而那些在产品命名方面贡献思想的成员则分享5%，等等。到2012年秋，Quirky公司已经筹集了9000万美元的风险投资资金，并与包括Target和BedBath&Beyond的几大主要零售商签订了产品购销协议。它最成功的产品之一，是一种名叫PivotPower的可改变形状的插线板，这种插线板在不到两年的时间里就销售了37.3万个，从而为它的开发群体赢得了40万美元的收益。

THE SECOND MACHINE AGE→第二次机器革命→

①人年（person-years)，一个人一年的情况，一人观察一年为一人年。一般用于统计表述。以科研为例，一个人工作三年为三人年，三个人工作一年也是三人年。—译者注

098

Affinnova公司也是一家支持重组式创新的初创公司，它针对韦茨曼重组式创新的第二个阶段，给它的客户提供帮助：从可能性比较大的“积木”组合中筛选最有价值的组合。它通过堪与诺贝尔奖相媲美的运算法则，进行智慧的组合。当嘉士伯啤酒厂想要改进世界上最古老的（一直还在生产的）比利时金博根啤酒的包装瓶和商标时，它知道这件事必须小心翼翼地操作。公司一方面要改进产品的品牌，另一方面又不能牺牲之前品牌的崇高声誉或者损毁其900年的历史积淀。嘉士伯啤酒厂知道，重新设计意味着首先要对产品的包装样式设计出众多的可能性选择包装瓶的形状和浮雕装饰、标签颜色和粘贴位置、瓶盖的设计等，然后才能最终确定哪些是最合适的创新组合。合适的创新组合要从数千种可能性中筛选出来，但很显然在开始的时候并不容易做到。

解决这个问题的标准方法是，让设计团队设计出他们认为最好的几项设计组合，然后分组或使用其他小规模的讨论方法，以最终确定哪一项设计是最佳的。而Affinnova公司却提供了一种非常不同的方法。它使用了极其出色的数学选择模式—经济学家丹尼尔·麦克法登(DanielMcFadden)正是因为对这种模式的发现与研究而荣获了诺贝尔奖，通过不断地向参与者发送各种选项以调查和询问哪一选项是他们最喜欢的。这种选择模式会很快辨识出人们的选择性偏好是喜欢贴有小标签的、有浮雕装饰的褐色包装瓶，还是喜欢贴有大标签的、没有浮雕装饰的绿色包装瓶？对金博根啤酒来说，从重组式创新模式获得的对包装样式的认可度，要比对之前包装瓶的认可度高出3.5倍。

第5章 数字时代的创新：无穷无尽

099

当我们认可新增长理论家的观点，并把这些观点同Waze公司、创新中心、Kaggle公司、Quirky公司、Afinnova公司以及很多其他创新公司联系起来的时候，我们对当前和未来的创新感到非常乐观。这些数字发展并没有仅仅局限在高科技部门它们不但使计算机和网络系统的性能更好、运转得更快，也正在帮助我们更舒适地驾驶汽车（甚至很快就有可能根本不需要我们亲自驾驶)、更准确地预测太阳耀斑的发生、更好地解决食品科学和毒物学方面的问题，以及为我们提供更好用的插线板和更有吸引力的啤酒瓶。这些不计其数的创新形式将会与日俱增，并且一直源源不断。和我们一些同事的观点不同，我们相信未来的创新和生产率将会以非常健康的速度持续性地增长。大量的创新“积木”将会不断出现，并且以越来越出色的方式重组在一起。

THE SECOND MACHINE AGE→第二次机器革命→

100

THE

SECOND

。→第6章 →

人工智能：当第二次机器革命时代来临

MACHINE

AGE