Facebook加入
LINE加入
2021/12/25
內容來源：《方軍的互聯網讀書會》，筆記俠經授權發布。
責編 | Even
第1685篇深度好文：9247字 |12分鐘閱讀
全網首發·人工智慧
筆記君說——
李彥宏等百度高管撰寫的心力之作《智能革命》推出幾個月來，一直佔據科技類圖書的潮流榜單，成為許多讀者認知了解人工智慧的必讀書籍，最近還剛剛入選上海書展「解放書單」十大推薦書籍。當然，也因為這本書縱貫歷史、科技與人文的龐大格局，以及技術脈絡的專業厚重，一般讀者要在短時間內消化吸收其中的精華，並不容易。
總有些知識大牛，急讀者所急。最近，互聯網專家方軍，就如庖丁解牛般對《智能革命》進行了細緻專業的研讀，並且撰寫了近萬字的讀書筆記，可謂一篇讀盡全書乾貨。這還不夠，方軍也許覺得對很多文字閱讀困難的人，一萬字的筆記還是很長，還專門製作了上下兩期的音頻節目，親身講解《智能革命》。有這樣認真的「讀者」，李彥宏知道了估計會很感動。
據悉，8月21日、24日，方軍講解《智能革命》的欄目，將會在喜馬拉雅FM專欄「方軍的互聯網讀書會」上線。
讓方軍老師來讀《智能革命》，我們去聽方軍。
「理解人工智慧的過程中，我們也講述了一些人工智慧技術的基本原理，因為我們的目標不只是理解人工智慧，更重要的是跟著人工智慧浪潮，了解原理和內部，有助於我們做出正確的選擇。」
讀《智能革命》，我們主要試圖了解五大問題：
從互聯網、到移動互聯網、再到人工智慧，產業和技術如何演變？
為什麼說，搜索是最大的人工智慧項目？
以無人車為例，我們正面向怎樣的人工智慧未來？
如果人工智慧是未來的電，對每個企業意味著什麼？
無論個人、企業，還是國家，應該怎樣抓住這一變革機遇？
一、從互聯網，到移動，到人工智慧
《智能革命》開宗明義的第一句話是：你能看見多久的歷史，就能看見多遠的未來。
談人工智慧的歷史，人們會從先驅圖靈提出的「圖靈測試」說起，或從1956年的達特茅斯會議談起。在這次會議上，原來叫「計算機模擬」的學科被命名為「人工智慧」（Artificial Intelligence，也就是AI）。六十多年來，人工智慧經歷起步、反思、應用、低迷、穩步、蓬勃，成為一股正在迅速崛起的變革力量，也給了我們太多遐想空間。
▲點擊查看大圖
當我們把人工智慧放在互聯網的發展脈絡里看，或許可以更清楚。現在所謂的第三波人工智慧浪潮，其實也是互聯網的延續，簡單概括就是：我們從互聯網，到移動互聯網，然後來到人工智慧的時代。
「互聯網」
互聯網，從1995年左右開始商業化，它最早影響的是可以數字化的領域。
在，我們經歷了：
1999年左右，新浪、搜狐、網易三大門戶興起；百度搜索引擎興起；
2003年之後，電子商務高速發展；
2006年左右，所謂Web 2.0的發展，出現了很多社交網站，以新浪微博在2009年的出現為頂點。
當然，這中間還有兩個特色的領域，一個是網路遊戲，它出過首富、盛大陳天橋，現在遊戲也是互聯網的主要收入來源；一個是依靠QQ起家的騰訊，它成為的社交巨頭。
通常來說，最能代表互聯網的是BAT，也就是百度、阿里巴巴和騰訊。
「移動互聯網」
在移動互聯網時代，BAT繼續長大，比如百度有百度地圖，阿里的淘寶、天貓和支付寶都已經轉移到了移動互聯網，騰訊有了所謂的移動互聯網的第一張門票——微信。在，也出現了模仿蘋果的手機硬體公司，其中最成功的，毫無疑問是以互聯網的方式做互聯網手機的小米。
除了BAT，最能代表移動互聯網的，可能是另外三個字母的縮寫——TMD，T代表今日頭條，M代表美團點評，D代表滴滴出行。
過去幾年，雲計算和大數據也是互聯網產業的熱門詞。不過，相對而言，它們只是幕後的概念，也就是說，它們代表的是一種純粹的技術或思路，而不是產業。
「人工智慧」的時代
人工智慧，它既是一種「技術」，又是一種「思路」，更是一種「產業」。
在《智能革命》中，李彥宏有個十分形象的比喻：
從2006年，辛頓發表「深度學習」的關鍵論文，到2016年，谷歌的AlphaGo打敗韓國棋手李世石，在2017年的現在，我們看到，以深度學習為代表的人工智慧的幽靈，走出了互聯網的身體。
李彥宏在《智能革命》中回憶說：2012年，我注意到深度學習在學術界和應用方面都有了突破。比如，用深度學習的方法來識別圖像，突然就比以前的任何演算法都有明顯提升。這時我馬上意識到，新的時代來臨了，搜索將被革新。過去我們用文字搜索，現在可以用語音和圖像進行搜索。
過去幾年，在互聯網產業中，人工智慧大受關注。
一般來說，人工智慧的經典核心應用有三個：
李彥宏講，觸動他的是圖像識別。現在有兩家人工智慧獨角獸公司，也就是估值超過十億美元但還沒上市的公司，曠視科技和商湯科技。它們的核心技術優勢就是「圖像識別」，特別是人臉識別。其中曠視科技的核心產品叫Face++，商湯科技的核心產品是人臉識別在安防領域的應用。
在語音識別和語音合成領域，也有也有一家世界級的公司，它就是科大訊飛。
而在機器翻譯領域，全球領先的公司是谷歌和百度。2016年，百度曾在谷歌之前發表採用神經網路翻譯論文。現在，谷歌、百度、網易有道翻譯所採用的都是所謂「神經網路翻譯」。基於深度學習技術的人工智慧翻譯，已經成為常用的產品。
現在，百度是唯一高調提出「AI優先」的互聯網巨頭，也就是將人工智慧作為最核心的戰略。從互聯網，到移動互聯，再到人工智慧，這個線索，或許可以幫我們理解百度的戰略，理解它為什麼這麼重視人工智慧。百度比其他公司更重視和全力投入人工智慧，試圖在新一波浪潮的開端，重新建立自己的優勢。
二、搜索，是最大的人工智慧項目
互聯網思想家、《失控》作者凱文•凱利（也就是KK），與谷歌創始人拉里•佩奇曾有這樣一段對話。
那是在2002年，KK遇到佩奇，他問：「已經有這麼多家搜索公司，幹嘛還要做免費網路搜索？」佩奇的回答讓KK一直難忘，「哦，我們其實在做人工智慧。」
到2016年，KK回憶這次問答並預測說：到2026年，谷歌的主營產品將不再是搜索，而是人工智慧。
「搜索引擎：人工智慧的命運細線」
李彥宏在《智能革命》中將搜索引擎和人工智慧的關係，解釋得更加清晰。最關鍵的一條是：搜索引擎的工作邏輯，跟深度學習的邏輯，是相似的。
人工智慧浪潮中，很多老詞、新詞又出現在人們面前，老詞比如「專家系統」「人工神經網路」，新詞比如「機器學習」「深度學習」。以實用主義的角度看，現在這第三波人工智慧浪潮，可以簡單看成是基於人工神經網路的深度學習，也就是：人工智慧=深度學習。
什麼是深度學習？
嘗試解讀一下。深度學習，其實是對「深層人工神經網路」的重新命名。就像「人工智慧」實際上是1956年學者們對「計算機模擬」的重命名。在深度學習中，其中的所謂「深度」是指，採用多層的神經網路來進行模式識別。所謂「學習」是指，通過提供大量數據，訓練神經網路的參數，這也叫「訓練」，通過這個過程，最終機器掌握了某種知識。
▲圖為CNN網路示例，是深度學習模型中的卷積神經網路
比如那個著名的「讓計算機認識貓」的案例：輸入大量的Youtube圖像，讓神經網路學會，以後看到類似這樣的圖像，就是貓。它學會之後，當我們輸入想讓它理解的數據時，比如輸入一張圖片，它就能告訴我們，這是不是貓。
深度學習可以分為三大類：監督學習，無監督學習，和強化學習。
監督學習，相當於有老師判斷作業做對了還是做錯了，而我們就是幫機器這個學生做判斷的老師；
無監督學習，相當於沒有老師判斷，我們要自己摸索學會。機器識別貓，為什麼說它是突破性的，就是因為它是無監督學習，沒有人告訴機器「你學會了」；
強化學習，則是讓機器自己去路上走，要面對各種突發情況，根據環境的反饋作出調整。戰勝人類圍棋選手的AlphaGo，就是強化學習的代表，它可以自己跟自己下棋，讓自己對外部環境作出反應，反覆訓練，從而掌握新的知識。
這番解釋，其實是想說，現在熱門的「深度學習」，它的工作原理是：我們輸入大量數據給計算機，把我們要的結果也給計算機，然後機器通過大量數據進行訓練，自己找到「從輸入到輸出」的公式，也就是機器學會了某種知識。
這也是為了理解，為什麼搜索引擎和深度學習是一種邏輯？
先想一想，我們平時是怎麼用百度的：在搜索框里輸入一個關鍵詞，點擊查詢，很快，就能得到一系列相關結果網頁。現在換個角度想想，搜索引擎的工作方式是什麼：
首先，它要「傾聽」用戶的需求，也就是思考搜索框里的關鍵詞，了解我們究竟是想要什麼；
其次，它要在海量的內容中進行「檢索」，然後挑選出最符合要求的那些結果提供給用戶。
關鍵在於，它給我們挑選出的結果到底是好是壞？此刻，我們的對結果的點擊就是一種「回答」。如果我們沒有點擊排在前面的結果，而去點擊第二頁的結果，這就表示，我們對它給的結果不滿意，也就是對系統的推薦做出了降權舉動。次數多了之後，它就懂了，就會將點擊次數最多的結果排在最前面。
在這個過程中，搜索引擎不僅提高了推薦的準確性，還越來越懂得判斷所收錄網頁的「好」與「壞」，漸漸學會了像人類一樣去分辨網頁。
在《智能革命》這本書中，李彥宏提到：搜索是最大的人工智慧項目。搜索引擎是播種機、實驗場和數字對撞機，結合語音識別、圖像識別和機器翻譯，通過大量用戶的實際使用又採集回來更多有價值的數據，反過來幫助神經網路優化訓練效果，形成一個良性的發展閉環。
我們還可以從軟體工程師的角度看，搜索引擎開發流程的核心原理，也和人工智慧一脈相承。用專業的話說就是，兩者有一樣的基因，都是「以數據為主，通過抽取其中的特徵、模式，然後用這個模式給用戶帶來價值。」
比如，對百度這樣的搜索引擎，它的開發流程有四步：
現在，很多公司都在考慮進行人工智慧系統的開發，但是，除了機器翻譯、語音識別、圖像識別等少數領域，我們可找到的參照物有限。而如果具體地把人工智慧系統和搜索引擎對照起來看，有了一個已經存在的、大家都比較熟悉的參照物，我們就可以更形象、更清晰地思考。
我們也可以看到，網路地圖服務等等，其實也都有相似的邏輯 。
《智能革命》這本書甚至認為，這種模式可能是一直以來人類進步的方式。書中說，人類進步的方式包括三個關鍵步驟：
第一，人類捕捉宇宙中的各種現象，特別是通過有意識的觀察，獲得經驗；
第二，通過計算，將信息有效地組織、處理、提煉，使人類對某個現象進行更深入和抽象的理解，形成知識；
第三，人類利用產生的知識認知來採取行動，與現象交互，最終實現我們預期的結果。
簡單說，這三步就是：觀察現象，發現規律，應用知識。
我們要設想人工智慧的未來，設想它的應用場景。而現在最大的人工智慧項目就是搜索引擎，它的工作機理、開發方式，都是人工智慧的方式。我們對它的原理研究越深入，越可能找到怎麼應用人工智慧的方式。
三、以無人車為例，我們將迎來怎樣的人工智慧未來？
我們要關注無人車，有一個重要原因：從無人車的發展歷程中，我們可能看到人工智慧的未來——越來越智能的「雲端」。所有的智能機器人、智能設備，都是在這個核心邏輯下發展出來的。
可以說，無人車或自動駕駛，是人工智慧集大成的應用場景。谷歌和百度都全力投入無人車。知名投資人李開復也稱，自動駕駛，是AI最大的應用場景。當然，現在大家普遍認為，這個領域應該還需要十年以上才會成熟。
「歷史」
我們簡單看看無人車的歷史，看看無人駕駛汽車，怎麼從遙控，到軌道，到導航，再到雲端的。
1925年8月，人類第一輛無人駕駛汽車正式亮相，車名叫「美國奇迹」（American Wonder）。這輛車駕駛座上沒有人，它在紐約大街上，從百老匯一直開到第五大道。不過，這其實是一輛遙控汽車，在後面一輛車上，工程師弗朗西斯· P.霍迪尼（Francis P. Houdina）靠發射無線電波操控前面這輛車。
1940年，設計師諾曼·貝爾·格迪斯（Norman Bel Geddes）提出了無人駕駛的概念。在他的《神奇的高速公路》一書中，他提到：高速公路應該配有類似火車軌的東西，為汽車提供自動駕駛系統。汽車開上高速后就會按照一定的軌跡和程序行進，駛出高速后再恢復到人類駕駛。
▲通用汽車第二代Firebird概念車
1956年，通用汽車造出了無人車火鳥二代概念車（Firebird II）。它的思路跟過去是相似的，根據埋在路下面的電纜發出的信號來行使。不管是最初遙控，還是地面鋪設軌道，都是讓人來要操縱汽車，只不過人不是坐在駕駛座上而已。
1977年，日本的筑波實驗室，開發出了新一代自動駕駛汽車，它的特點是，汽車有了「視覺」，它用攝像頭來檢測前方標記。
1973年，GPS全球導航系統開始發展，視覺和導航一起，開始取代過去地面鋪設導航軌道的思路。
1995年，美國卡內基梅隆大學的無人駕駛汽車，完成從匹茲堡到洛杉磯的無人車跨越美國東西部的旅程。
真正革命的變化發生在互聯網公司介入，最知名的就是谷歌和百度。
人們可以從很多角度理解百度和谷歌的無人車，它跟智能的關係有三個關鍵詞：感知（perception），認知(cognition)，和雲端(cloud)。
無人駕駛汽車，需要能夠看到、聽懂外部的環境，這就是需要感知，能夠了解外部的情況。此外它還需要能夠自己做出判斷，安全地行使，這就需要認知。更重要的是，這些車輛對外部環境的感知，它們掌握的認知，能進一步計算，能為眾多車輛所共享、共用。
我們都知道，過去幾年，人工智慧的進步，正是發生在這三個部分上。《智能革命》中說：無人汽車絕不是以個體形態出現，而是一個龐大的自主系統，像血管和神經一樣連接著其他所有城市系統。
無人車本身就是人工智慧技術的集大成者，視覺識別、語音識別、自主決策、機械控制等集於一身，是一台運動的數據收集和處理器。在這個基礎上，無人車網路把人、車、環境聯繫在一起，把個人目的和整體管理聯繫在一起。一旦無人車成規模運行，又會反過來帶動技術發展和物聯網的發展。
如果要簡單地理解無人駕駛汽車的話，與其認為它是「帶著電腦的汽車」，有四個輪子的電腦，不如把它看成是「聯網到雲端的汽車」。智慧不在車上，智慧在雲上。
四、智能作為電力，會如何發展？
過去幾年，在互聯網、移動互聯網產業之外，互聯網和實體經濟開始融合，互聯網公司除了關注它們自己的業務本身，開始試圖把自己技術與能力提供給所有人。一方面，互聯網背後的技術開始被關注，它通常被總結為兩個詞——雲計算與大數據。另一方面，互聯網公司開始把自身類比為公用事業，稱自己要提供水、煤氣、電。
從互聯網、到移動互聯網、再到現在的人工智慧，我們發現一個絕妙的比喻是：人工智慧是未來的電。並且，人工智慧是電，還可以把雲計算和大數據都融合進來，形成一種通用的能源，提供給各行各業。
我們還可以類比說，「數據是石油，人工智慧是電」。沿著這個類比，由人工智慧演算法和伺服器組成的就是發動機，數據能力進去，就變成了通用的電能。
而類似於百度大腦這樣的人工智慧技術平台，它所想做的是，其實是超大型發電廠。《智能革命》這本書詳細介紹了百度大腦，它包括三層：
最底層是硬體，是伺服器，用技術術語說就是IaaS（基礎設施服務）。百度叫這一層為物料層；
中間一層是平台，人工智慧的演算法、數據在這一層，用術語說是PaaS，平台服務。百度叫這一層為人工智慧基礎技術層。
最上層是軟體，將人工智慧變成適合各行各業的解決方案，用術語說是SaaS，軟體服務。
我們可以看到，在這裡面，最核心的是：硬體，數據，演算法。
在百度大腦開放平台（ai.baidu.com）的頁面上，我們可以看到，它現在提供的能力有：圖像、語音、視頻、自然語言、數據智能等。
大型公司要做的是，不斷提高硬體能力，提高人工智慧演算法的能力。百度沒有具體透露它自己的人工智慧伺服器情況，我們可以從谷歌的進步中看到這方面的驚人變化。最早的AlphaGo需要幾千個GPU晶元。
2016年，與李世石比賽的版本需要50個谷歌自己的人工智慧專用晶元，也就是所謂TPU。到2017年，與棋手比賽的AlphaGo，計算速度比上一年要快十倍，但只要4個專用人工智慧晶元。同時高速進步的還有演算法，這一次，與柯潔比賽的阿爾法狗，它的計算量只有與李世石比賽的1/10 。
我們看到，人工智慧現在不僅僅突破了真正變得有用，而且還在高速發展，因此，我們可以樂觀地預期，它很快會變成普遍的電。
五、企業需要一位「首席人工智慧官」
《智能革命》建議：傳統企業更需要人工智慧領域的專業人士來引導變革。它還建議，企業應設立「首席人工智慧官」（Chief AI Office，簡寫為CAO），稱他是「引領企業變革升級的人」。
「首席電力官」
回顧歷史，在「電」剛出現的時代，許多公司曾經設立電力副總裁，也就是「首席電力官」。
一百年前，用好當時的新技術——電，通過使用電來實現升級，需要處理很多問題，《智能革命》裡面分析說：一百多年前的電力系統十分複雜。需要在直流電、交流電，不同的電壓、不同水平的可靠性、不同的電力介面以及價格之間做出合理的選擇。
和不同電力公司打交道也是個技術活兒，否則很可能吃虧，正如今天企業找互聯網技術外包公司時，自己如果不專業，就會落入陷阱。
因此，很多公司設立電力副總裁，他的職責是：幫助組織改革工作，以保證公司內的每個職能部門在自己的工作目標或產品上考慮電的存在。用現在的話說，就是讓所有人都有「電力思維」。他的任務包括布置電線、購買電力設備、改造原有設備，甚至改造公司業務流程，比如，電燈使得夜班成為標準。
隨著技術和互聯網的發展，很多公司也設立新的負責人來負責使用新的技術，比如首席信息官（CIO），負責公司的信息系統；比如採用互聯網技術的公司，會設立負責技術和產品的首席技術官（CTO）等職位。在大數據盛行的時候，也有人提出，企業應當設立首席數據官（CDO）。這些職位名字，實質反映的是技術的進步。
《智能革命》提出「首席人工智慧官的修養」，要有兩層能力：第一層是數據能力；第二層是場景能力。當然，它這裡假設的是，首席人工智慧官是一位專業人士，有著人工智慧的基本能力，這也可以說是第0層。我們來分別看看，這三層能力：
首席人工智慧官修養的第0層：人工智慧能力。
首席人工智慧官不一定是計算機科學家，對演算法和代碼了如指掌。但他需要對人工智慧的基本原理有深入了解，了解行業的最新進展。在快速變化的行業，只有了解最新的技術進展，才能進行正確的戰略選擇。
他需要深入理解人工智慧的應用原理。一個重要挑戰是，是否能找到落地的用戶體驗、實現用戶價值的場景、適合的商業模式，建立一個「人工智慧創新飛輪」。這個飛輪包括四個部分：數據—知識—用戶體驗—新的數據。（用人工智慧技術將數據變成知識，然後變成服務用戶的產品，產品在運轉中，又產生新的數據，循環往複，滾雪球式前進）
因此，一個首席人工智慧官做的就是：引入成熟的機器學習方法，把數據變成訓練材料，塑造自動化機制，或者合理引入第三方人工智慧流，找到一個合適的創新循環，在這個過程中創造商業價值。
首席人工智慧官修養的第1層：數據能力。
首席人工智慧官也應該是一位數據專家，他能夠利用公司已經收集的海量數據，找到從數據挖掘價值的方法。其中最關鍵的是，有能力從紛繁的數據中嗅到可能有的關聯。
首席人工智慧官修養的第2層：場景能力。
首席人工智慧官要能從用戶場景出發，設計能滿足用戶需求的產品，這個產品又要能讓公司的人工智慧創新飛輪更加強大。
MIT的教授、《第二次機器革命》的兩位作者（埃里克•布萊恩約弗森、安德魯•麥卡菲）最近在哈佛商業評論刊登文章指出，人工智慧和機器學習會在三個層次上驅動企業的變化：工作任務和職位、業務流程和業務模型。
總的來說，《智能革命》建議，為了迎接人工智慧時代，每個企業都需要有一個首席人工智慧官。在互聯網時代，像喬布斯這樣的產品大師，是大家的偶像。《智能革命》認為，首席人工智慧官，是新時代的企業偶像。
六、一個國家，是否也需要一位人工智慧部長？
從更宏大的視角。人工智慧是互聯網、移動互聯網之後的又一波技術浪潮。有人將它放在更長的歷史潮流中看，認為智能革命是堪比工業革命的第四次技術革命，前三次分別是：蒸汽機、電氣化、信息革命。
那麼，如果說為了迎接「智能革命」，每個企業都應該有一位首席人工智慧官，那麼一個國家是不是應該設立一個「人工智慧部長」呢？
是的，人工智慧現在正成為一些國家的國家級戰略。
2016年10月至12月，美國白宮科技政策辦公室連續發布了三份人工智慧戰略報告，分別是《為未來人工智慧做好準備》《國家人工智慧研究與發展策略規劃》和《人工智慧、自動化與經濟》。
2017年7月，國務院印發了《新一代人工智慧發展規劃》，其中指出：人工智慧是引領未來的戰略性技術，世界主要發達國家把發展人工智慧作為提升國家競爭力、維護國家安全的重大戰略，加緊出台規劃和政策，圍繞核心技術、頂尖人才、標準規範等強化部署，力圖在新一輪國際科技競爭中掌握主導權。
《新一代人工智慧發展規劃》也提出要建立5種基礎支撐平台和3種智能化基礎設施。
這些規劃，反映出國家正向「智能化」轉型，類似過去提的電氣化、數字化、互聯網+等。
在這個背景下，我們會發現，百度建立自己企業的「百度大腦」開放平台，和李彥宏呼籲建立「大腦」有著很大的意義。
在2015年全國兩會，李彥宏提交了一個提案：設立「大腦計劃」的提案。他建議：由國家投入專項資金主導，儘快搭建全球最大規模的人工智慧基礎資源和公共服務平台，比如建立一個擁有幾十萬台伺服器的大型人工智慧平台。
他認為，這將是新一輪工業革命的助推器。基礎研究的成果應該讓更多企業受益。包括語音識別、圖像識別、自然語言的理解、多語種的翻譯，甚至無人駕駛汽車、無人駕駛飛機、智能製造方面的機器人都可以在這個平台上進行各種各樣的創新和實踐。
現在人工智慧技術大發展，正因為三個條件都具備了：演算法、計算能力和大數據。
沿著人工智慧是新時代的「電」這一類比，我們或許可以說，人工智慧是「發電機」，而大數據是石油。目前人工智慧技術公司在努力建立的，是更好的發電機；試圖建立人工智慧開放平台，則更像是建立大規模的發電廠。
也有些人工智慧技術公司，正在建立電動機，並幫工廠把原來的設備改成用新時代的「電」。相應地，對所有企業來說，面對人工智慧的變革，要做的是儘快用上新時代的「電」，用它來變革自身。
以新時代的「電」這個類比，再看國家級戰略的《新一代人工智慧發展規劃》，我們可以這麼理解：
它試圖讓掌握核心技術，自主製造自己的發電設備；
它試圖建立全社會能用的發電廠和電網，建立新時代的電力系統；
它試圖推動人工智慧這種新的動力能源在經濟和社會中的實際應用。
像過去工業革命中的蒸汽機動力、電力動力、互聯網（或數字化）一樣，人工智慧是第四次工業的動力能源。過去數十年互聯網的大發展，讓在大數據、演算法研究和計算能力上有著獨特優勢。人工智慧不只是產業機會，也可能是國家的機會。
七、課程小結
從互聯網，到移動互聯網，到人工智慧，技術逐浪而行，我們正進入人工智慧的浪潮之中；
搜索引擎是現在最大的人工智慧項目。通過仔細看搜索引擎，我們可以從現在看到未來；
無人車是人工智慧最大的應用場景，它反映了智能在雲上的關鍵邏輯。
讀李彥宏的《智能革命》，以「人工智慧是未來的電」這個比喻看：現在，發電廠在快速進化，這種未來的電用途正在被創造出來，無論個人、企業、還是國家，都應當抓住這樣的變革機遇。
本周，喜馬拉雅FM專欄「方軍的互聯網讀書會」深度解讀《智能革命》，周一、周四上下兩篇，均可免費試聽。相信熱愛學習的你，一定不會錯過~
熱門推薦
留言回覆
