全网首发•活动条记•人工智能
本文新鲜度：★★★★★+ 口感：龙井虾仁
条记君邀您，阅读前先思考：
以人工智能为核心的技能，是正在兴起的新家当革命的根本。
许成钢教授作为著名经济学家，将从制度经济学更伟大的视角为我们阐发人工智能这场家当革命的时期背景和关键要素。本文部分数据摘选许成钢教授主导研究的《中国人工智能指数报告》。
以下，尽情享用。
一、第四次家当革命
在当下，许多人都有这个共识：我们正在经历一场刚刚开始的家当革命，而这个家当革命的核心部分是人工智能。
这里须要交代一下家当革命的主要性，我们习气性地将天下上的国家分为发达国家和发展中国家，这种差距是家当革命之后才有的，家当革命之前，各国没有太大差距。
第一次家当革命，产生于英国，核心内容是人造动力，即蒸汽机的发明。
第二次家当革命，产生于英美，核心内容是电力的发明。
第三次家当革命，产生于英美，核心内容是打算机的发明。
第四次家当革命正在兴起，它跟第三次家当革命有很多相似之处。
首先，第四次家当革命的核心技能是人工智能，这个技能在此之前已经有了相称程度的发展。就犹如第三次家当革命时，作为核心技能的打算机的基本事理，在20世纪40年代已经形成了，但它对社会的影响是后来才产生的。
其次，家当革命早期存在着巨大的不愿定性，没有人知道新技能会对社会产生什么样的影响，乃至连接下来须要什么样的器件都没人知道。
我故意地在强调这些内容，是由于现在发生的事情跟那时非常相似。
正在兴起的第四次家当革命出身于美国，我们之以是要在这里谈论家当革命的出身地，是为了谈论家当革命得以出身的背景条件。
1.家当革命出身的背景条件
本日，各国政府都高度重视人工智能，天下上至少有18个国家订定了人工智能的发展计策和行动方案。
今年2月份，美国总统特朗普颁布行政令，个中包括要大规模调动联邦政府的资金，用在人工智能上。
俄国总统普京说得很玄乎，他说人工智能不仅对付俄罗斯是未来，也是全天下的未来，这一领域的领先者将称霸天下。
① 创新过程
那么，什么样子的制度才能够促进科学研究发展？我们先来看一看爱因斯坦的不雅观点。
为什么要提爱因斯坦？由于100多年前爱因斯坦的打破奠定了本日天下的根本，我们至今生活在爱因斯坦的天下里。
他说，如果我们早就理解我们正在做的事情，我们的事情就不能称之为研究了。这句话非常深刻。
没有人能操持他做的事情，由于没有人能事先知道详细该怎么做，这个天下该当是什么样子。所有打破都是在过程中摸索的，而不是事先知道的。
他还说，想象力是最高形式的研究。
想象力就不是别人能见告你的，而是你自己想象的，科学家和科学家之间的差距全在想象力上。
当我们讲制度的时候，管理制度都是自上而下的，核心内容是如何供应勉励机制，也便是赏罚。
爱因斯坦认为像他这样做研究的人，如果只由于畏惧惩罚和梦想褒奖才能努力事情，那就成了一群无可救药的人了。
② 勉励机制
当我们讲创新的时候，制度的核心问题是勉励机制。
由于创新碰到的第一个问题是：在一个社会中，你怎么知道谁是可以进行创新的人？第二个问题是：什么东西在驱动他的创新？
实在，这种革命性的、打破性的发明创造的原始动力是好奇，而不是为了有用。为了有用，是想不出革命性的东西的。
历史上的那些科学家，与电干系的法拉第、赫兹，与打算机干系的图灵，与人工智能干系的麦卡锡等，包括创造量子力学、固体物理、半导体、DNA、RNA以及测定人类基因图谱的这些科学家，他们的驱动力都是好奇心，都是来自于探索这个天下的渴望。
紧接着，就须要跟随性的研究和运用性的研究，这些研究须要外来勉励机制的支撑。
在原始打破阶段，好奇心本身是最强的勉励机制，但到了跟随性、运用性阶段，内心的满意度会弱一些，而外来的名利刺激就非常主要。比如，各种褒奖包括论文、奖金等。
再到实用目的阶段，就必须有巨大的外来刺激，也便是在市场上直接得到商业利益的勉励。
当我们讲产权时，便是在讲市场机制。个人的产权决定了如何分配资源。
制度指的便是在这个社会经济里，谁拥有资源，谁决定资源配置，这个问题直接就决定了这个集体中有没有创新的自由，有没有创新的动力。
大略总结一下，科学技能的重大打破基本上都不来自于操持，而是来自于无数的自由探索。这里非常主要的是两个关键词，第一是自由，第二是无数，二者缺一不可。
而无数的自由磋商是须要制度担保的，由于非常不愿定性，没人知道谁能做成，以是须要大量的探索，末了的结果一定是良好劣汰出来的，大多数探索会失落败，个别会胜出。
2.家当革命是创造性的毁坏过程
“创造性的毁坏过程”这个观点是熊彼得40年代提出的。
首先，产生的革命性变革背后，最主要的是对发明家、企业家供应勉励机制。
在市场制度下，核心是知识产权，产权里面包括了两个大部分，一部分是有形资产的产权；一部分是知识产权，这是无形资产。
创新越主要，对知识产权的保护就越主要，你可以想象当盗窃、陵犯知识产权的行为在一个社会优势行，就严重摧毁了创新的勉励机制。
以是在一个社会里，是不是有很多人、很多机构乐意从事重大的、困难的、冒风险的创新事情，直接和有没有对知识产权的保护有关。
在知识产权的保护中，离不开一个非常基本的观点，便是垄断。
什么是专利？专利便是在一个规定的韶光段里拥有垄断权，这是合法的，也是必须的。
第二个基本要素便是市场的良好劣汰。
只有在良好劣汰的过程中，才有可能进行大规模的筛选，把不知足市场须要的东西筛下去，把精良的东西凸显出来。
这也是为什么创新是高度不愿定的，你发明的东西能不能在市场上成功，这是事先无法预见的。
第三个基本要素便是保护民间投资。
为什么民间投资如此主要？
民间投资是在市场上操作的，它的灵巧性与对市场的判断干系。没有民间投资的话，大量的个人发明是很难得到帮助的。
保护民间的投资，本身也便是在保护个人发明。
以是，家当革命为什么叫做“创造性的毁坏过程”，指的便是这个良好劣汰的过程。良好劣汰的劣在历史上曾经是特殊好的，只是由于新的东西来了，把它取代了，把它淘汰了。
当我们看到新东西涌现的时候，很多人想的是怎么能够后来居上，实在你随着别人走，永久不可能超过别人，只有你发明一个别人没有的东西，你才有可能做到超越。
3.深而广的人工智能运用革命
我们连续进行人工智能的谈论。从下图可以看出，人工智能是个大观点，机器学习是人工智能里的一个观点，深度学习是机器学习里的一个观点。
举个自动驾驶的例子。
人工智能必须依赖支配在车上的大量传感器来感知外部情形，在感知过程中会制造出大量数据，这些数据被深度神经网络里（人造的神经网络）读取，然后通过打算来决定以什么速率、往哪个方向走，所谓自动驾驶指的便是这个。
全自动的无人驾驶的最大困难在于，处理繁芜状态下的车和车之间的折衷问题。
传感器要网络所有的干系信息，而且这些信息须要立即处理，这时候问题就来了，现在的传输系统无法做到立即处理。
为什么5G主要？5G办理的便是这个问题。
如果所有车都在5G环境中行驶，传感器上的信息可以实时互传，接下来才须要人工智能的处理、打算等等。
以是全自动的无人驾驶什么时候能推广，5G是个先决条件。没有5G，就无法担保数据的实时投递，也无法用人工智能去实时打算。
另一个例子是阿里，阿里每年王老五骗子节的交易是环球最大的，这是阿里创造的天下记录。它是怎么做到的？靠的是人工智能。
阿里从美国请来一流的人工智能教授，领导着500人团队设计的人工智能，用来担保高速处理这么多单的交易，才使得每年的王老五骗子节可以搞这么大。
再者，蚂蚁金服能够迅速利用网络办法供应贷款，靠的也是人工智能。
二、中美人工智能指数
下面跟大家分享《中国人工智能指数报告》的数据。
《中国人工智能指数报告》由我和武汉大学大数据与云打算实验室主任崔晓晖教授团队共同研究制作。希望帮助大家更好理解中美人工智能发展现状。
1.学术领域，中国学术论文激增，但千级期刊论文引用逊于美国。
在学术会议参与方面，中美两国学者参加学术会议呈不断增长趋势，而美国每年都要赶过中国。
▲图1:中美人工智能期刊论文年度揭橥量比拟
从1995年至今，虽然美国在人工智能领域揭橥的论文数量整体超过中国，但是中国的增长速率较快。
▲图2：中美学者参加所有人工智能学术会议的总数
人工智能领域的迅速发展，使得大量学者常常会把自己的短期研究成果首先会揭橥在学术会议上（乃至只揭橥在学术会议上），之后便投入到实践事情中。
而学术会议的常规是，申请者的论文得到会议学术委员会或组织者接管，才得到参会资格。因此，参会人数常日可以视为会议论文揭橥的数量。
▲图3：中美人工智能期刊论文被引用总数
为了进一步将两国学者揭橥的论文质量进行比拟，报告将论文的引用数量划分为了6个等级进行剖析，分别是千级(引用量 1000 及以上)，百千级(引用量 500-999)，百级(引用量 100-499)，十级(引用量 10-99)，个级(引用量 1-9)以及零 级(引用量 0)引用量文章。
统计的次数是每篇论文截止 2018 年 10 月的总引用次数。
以千级和零级两个极度的级别为例：
▲图4：中美千级期刊论文引用总数量比拟剖析
对有高档级影响力的千级论文（是指每一篇论文被引用的数字超过了1000次），中国与美国差距巨大，中国只有个别的产生大影响力的论文，而在美国则比较多一些。
▲图5：中美零级期刊论文揭橥总数量比拟剖析
这一部分是揭橥的这些论文是从来没有被任何人引用过的。
从2011年之后，中国大幅度的超过美国，而且超过了很多，这个很有趣。
为什么中国很多论文从来不被引用？缘故原由可能有两点：
第一，这些论文谈论的问题是在比较狭窄范围里的运用问题，有兴趣的人少。
第二，中国的勉励机制所致。中国的科研系统编制是打算研究职员在国际期刊上发了多少篇文章，为了职称评定，学者被迫冒死发文章，却不看重文章的影响力和代价贡献。
2.人才分布，AI人才中国是精英模式，美国则量大面广。
决定一国人工智能长期竞争力的是人才要素，美国的人工智能工程师远比中国多。
▲图6：根据从业韶光分为五个不同种别进行的中美AI人才分布比拟
据领英（LinkedIn）人才数据库显示，中国的AI人才总数为5万人，而美国的AI人才总数为83万人。美国AI人才总数是中国的16.5倍之多。
如果把中国人工智能领域所有的从业职员（领英里面搜集到的），按照他们已经事情多少年划分的话，可以看到，中国人工智能领域事情10年以上的不到39%，比较之下，美国超过71%的人工智能领域的人，事情了10年以上。
在中国，人工智能是更年轻的行业，而在美国虽然领域是年轻的，但是里面的多数人并不年轻，是有充分履历的。
▲图7：根据子领域划分比拟的两国AI人才分布比例
人才分布方面，中国在智能交通/自动驾驶，智能/精准营销, 硬件/GPU/智能芯片需求比例要多于美国，但在算法、机器学习的方面，美国不但人才的比例比中国大，人才总数也是中国的20多倍。
3．家当领域，AI创业公司数量少于美国。
从家当领域的角度看，中国生动的人工智能创业公司在2012年之前要多于美国，但是在2012年往后美国超过中国，且增长速率大幅度提升，而中国在2015年往后开始低落。
▲图8：中美人工智能领域创业公司数量比拟
据理解，美国私营部门正在开足马力发展AI技能。美国与人工智能有关的企业数量远超中国。
美国的投资力度彷佛也很大，例如，谷歌公司、苹果公司、脸书网站、国际商用机器公司（IBM）、微软公司和亚马逊公司等总部设在美国的企业，其研发支出总计高达540亿美元，个中大部分开支进入人工智能科研领域。
最近二十几年里，中国生动的人工智能初创公司整体上呈快速发展趋势，2016年超过400家，达到顶峰。
中国生动的人工智能初创公司数字在2012年之前多于美国，但是在2012年往后被美国超越。
尤其是在2016年之后，美国的人工智能初创公司数量快速上升， 2018年超过600家，而中国则在2016年之后低落，在2018年降至不到200家。
4.开源软件包的利用和开拓，93%的中国研究者利用的开源软件包是美国开拓的。
中国在最近三年里，关注人工智能开源软件包的总数迅速上升，并在2017年秋超过了美国。
▲图9：中美 AI 研究者的 AI 软件包关注总数比拟
但是，险些93%的中国研究者利用的人工智能开源软件包，是美国的机构开拓供应的。中美两国人工智能研究者利用最多的软件包是Google开拓的TensorFlow。
在2018年初，中美研究职员对此的关注人数，分别达到将近9000人和约7000人。
整体上中、美AI研究者关注美国机构开拓的开源AI软件包的数字，相称于他们关注中国机构开放的软件包数字的20几倍。
这表明中国研究者在基本算法方面，对美国开源软件包的依赖。
5."大众年夜众认知及媒体宣布，中国对AI的"大众认知正面情绪高于美国。
从公共认知及媒体宣布的角度看，中美两国对付人工智能的宣布正面情绪要高于负面情绪，而中国的正面情绪比例相对更高一些。
▲图10：中国、环球(英语国家)人工智能文章正负比例
《中国人工智能指数报告》网络的媒体大数据显示，在2014年之前，中国媒体对人工智能的正面宣布略多于负面，差距不大。此后，负面宣布持续低落，正面宣布逐年增加，全面压倒负面宣布。
比较之下，环球英语天下的宣布，多数属于没有正负之分的中性。
在2013年到2015年之间，正负宣布之间的差距曾经大幅度缩小。在2016之后，正面宣布大幅度提高，而负面宣布则没有显著变革。
这个趋势与2016年之后美国人工智能投资初创企业的快速增长高度干系。
总之，在深度学习的运用方面，如果我们只看规模，中国和美国已经非常靠近有一些地方乃至是超过。
但是，在人工智能的基本算法、芯片、传感器等等许多的方面，中首都掉队于天下上多数的发达国家，除了美国外，还有比如，英国、德国、日本、以色列等国家。
美国的AI家当布局非常完善，根本层、技能层和运用层都有涉及，尤其是在算法、芯片和数据等家当核心领域，积累了强大的技能创新上风，各层级企业数量全面领先中国。比较较而言，中国在根本元器件、根本工艺等方面差距较大。
三、人工智能：巨大的机遇和寻衅
人工智能的发展，无论是速率、广度，还是深度已经是革命性的。
比如金融监管、司帐、网上客服等等很多做事都不是真人供应的。电商的快速交易，以及网上金融的干系领域，背后基本上都是人工智能在支撑。
我这里紧张提及高技能领域、金融领域和零售领域，由于在这三个领域里，背后支撑运营的都是人工智能。
很多领域都会深刻地被它改变。
从技能角度来概要一下这方面的发展，我想要强调的要点是：目前人工智能或深度学习的运用方面，核心在于能不能运用在于你所在的那个场景，你要有能力识别它，有能力去实行它，深度学习里的核心部分便是，你走得快，形成规模，你的边际本钱就险些是零。
而你能不能走得早，全在于你有没有能力识别你的场景。如何识别能否运用深度学习的场景？靠你和人工智能专家的联手。
末了，当我们做比拟时，我们看到人工智能的整体状态，这里我们该当重视三个方面：
1.新算法
新算法中一定会有重大打破，会冲破我们熟习的机器学习、深度学习，打开广泛的运用大门。
这里非常主要的部分是，算法跟物联网怎么连接，自己办理数据搜集问题，这是个中的主要部分。
2.量子打算
这是一个全新的领域，跟人们已经知道的打算机没有太大关系，这就取决于全体物理科学、量子力学方面的根本研究。
3.传感器
物联网顾名思义便是每一个东西上都有传感器，传感器的研究依赖于物理学、化学、生命科学等根本学科。这不是你想发明就能发明出来的，那是无数人的想象力积累出来的。
这便是本日禀享的紧张内容，感激大家。
文章为作者独立不雅观点，不代表条记侠态度。
加入条记侠官方圈子，与牛人一起互换进步！