第1章 重新認識人工智慧
作為本書的開篇章節，先結合人工智慧應用的角度，解答一些很多人心中的「疑惑」：為什麼人工智慧會成為未來科技發展的主流，科技公司投入建設了很多？人工智慧能做什麼，不能做什麼？我們應該如何正確看待人工智慧？在這一章中，我將結合身邊熟悉的場景來詳細回答這些問題，讓你能夠對人工智慧有正確的認知，同時知道它怎麼和我們身邊的場景結合，以產生價值。
1.1 為什麼說人工智慧「特殊」
1.1.1人工智慧為什麼重要
人工智慧已經成為驅動經濟成長和產品升級的引擎。
在政策層面，政府積極透過投資引導、產業基地支援、國際開拓等切實方式，援助人工智慧企業大力發展，助力人工智慧企業「走出去」，成為世界一流的企業。放眼海外，美國科學和技術政策辦公室在2019年春季釋出了由美國總統簽署的《美國人工智慧倡議》（American AI initiative），也是希望人工智慧能夠推動美國的經濟發展，改善人民的生活品質；2017年5月，新加坡國家研究基金會（NRF）也宣布推出「AISG」國家人工智慧計畫，並在未來五年，投入高達1.5億新加坡元（約1.1億美元）的資金，以提升新加坡的人工智慧實力；加拿大、法國、韓國、日本等國，也在近年推出自己的人工智慧策略發展計畫。
在人才培養上，有越來越多大學設立人工智慧科系，為人工智慧行業培養技術、產品人才，以補充目前行業的人才缺口。
人工智慧作為未來核心發展的技術之一，當前處於機會多、人才缺、場景缺的狀態，各行各業都在推動人工智慧應用、尋找場景和機會。雖然目前在很多場景下，人工智慧的價值難以被準確衡量，很多領域的數據資產管理能力欠缺、複合型人才匱乏，但無論是從政策、市場需求，還是從產業發展的角度來看，人工智慧都是現在的「風口」。
對個人來說，為什麼需要人工智慧？
一來，誰都想要更輕鬆的生活，人們喜歡「茶來伸手，飯來張口」的生活。人工智慧能透過你的行為數據，了解你、幫助你，在你需要的地方提供服務，也能自動化幫助你做很多事情，比如推薦消磨時間的活動、編輯整理數據等。
二來，工作、生活中存在很多乏味的重複性「工作」，這些工作每天在消耗我們的耐心，但又不得不去做。比如我們可以將有無掃地機器人或洗衣機的生活進行對比，就可以感受到，這些非創造性的工作，既阻擋了我們發揮人腦的創造性，又占用我們陪伴家人的時間。如果由機器「替代」我們做這些乏味、耗時的重複性工作，豈不是可以大大提高生活滿意度？
對企業來說，為什麼需要人工智慧？核心原因是「降低成本」和「提高效能」。
網路高速發展的背景下，衣、食、住、行等各個方面都在經歷資訊化、數位化建設，產生大量難以人為處理的數據，這些數據蘊藏了人們的行為、喜好、信用等非常有商業價值的資訊，對這些數據的處理和分析，需要人工智慧。人工智慧讓機器可以從經驗中學習，適應新的輸入，並執行相應的任務，大大提高企業內的生產效率，更能為企業的使用者服務。無論是為使用者推薦喜歡的商品、活動，還是使用人工智慧視覺技術自動輸入文字資訊，提高員工工作的自動化程度，都是在提升企業執行的效率，降低人力投入和時間消耗的成本。
效率提升，才能帶來企業服務能力的提升。何況，如果自己的企業不用新技術，但競爭對手用了，則新技術帶來的「比較優勢」，可以形成降維打擊，比如對企業內的重複性工作，如監控設備安全、巡邏等任務，機器可以做到24小時無差別工作，而依靠人工，是難以實現的。
對資訊的處理和利用來說，人腦接受資訊的能力是巨大的。人腦透過視覺輸入、解讀一張圖片的速度是13毫秒左右，假設人眼輸入的畫素有10億個，那麼核算下來，一張圖片的輸入就是953.67MB，這樣大概每秒可以輸入的資訊量為70多GB[1]。
輸入的資訊包含以下三個部分：
第一部分是常識類資訊，這些資訊是高度抽象化的、多元資訊的連接，比如提到「一隻貓」，頭腦中就會出現多元資訊（圖像、文字、聲音，甚至撫摸貓的毛茸茸的手感）的描述。常識類資訊的特性，使這部分資訊易於傳播。
第二部分是經過人腦處理得到的感知資訊。由常識類資訊為基礎組成單位，比如「一隻在爬樹的小貓」，就是人腦將歷史提煉並固化的常識類資訊組在一起，形成了對資訊的認知。
第三部分是潛藏在圖像中的關聯式資訊。這些資訊無法用語言描述，也難以經由人的知識和認知進行總結，因此很難成為人們可以重複使用的知識。關聯式資訊表達了物體和物體間、物體和時空間的一定關聯，機器善於學習和挖掘這些資訊。
在語言表達上，就算是說話最快的人，每秒最多輸出5個字；打字最快的人，每秒最多輸出20個英文字母。顯然，我們輸出資訊量的能力，限制了資訊的傳播，因此，只有高度抽象的資訊，才會被我們日常傳播，這些資訊只占日常輸入很小的一部分。剩下的大部分潛藏的關聯式資訊，就是需要我們藉助機器提取和辨識的。人工智慧從數據中學到的規律和「知識」，其中有很多難以被人腦理解，但這些資訊是可以輕易被大規模複製和使用的經驗。因此從資訊的傳播和利用的角度來看，我們需要人工智慧，尤其是對數據中隱含的相關關係，我們既難以準確認知，又無法清楚描述，更需要人工智慧。
作為本書的開篇章節，先結合人工智慧應用的角度，解答一些很多人心中的「疑惑」：為什麼人工智慧會成為未來科技發展的主流，科技公司投入建設了很多？人工智慧能做什麼，不能做什麼？我們應該如何正確看待人工智慧？在這一章中，我將結合身邊熟悉的場景來詳細回答這些問題，讓你能夠對人工智慧有正確的認知，同時知道它怎麼和我們身邊的場景結合，以產生價值。
1.1 為什麼說人工智慧「特殊」
1.1.1人工智慧為什麼重要
人工智慧已經成為驅動經濟成長和產品升級的引擎。
在政策層面，政府積極透過投資引導、產業基地支援、國際開拓等切實方式，援助人工智慧企業大力發展，助力人工智慧企業「走出去」，成為世界一流的企業。放眼海外，美國科學和技術政策辦公室在2019年春季釋出了由美國總統簽署的《美國人工智慧倡議》（American AI initiative），也是希望人工智慧能夠推動美國的經濟發展，改善人民的生活品質；2017年5月，新加坡國家研究基金會（NRF）也宣布推出「AISG」國家人工智慧計畫，並在未來五年，投入高達1.5億新加坡元（約1.1億美元）的資金，以提升新加坡的人工智慧實力；加拿大、法國、韓國、日本等國，也在近年推出自己的人工智慧策略發展計畫。
在人才培養上，有越來越多大學設立人工智慧科系，為人工智慧行業培養技術、產品人才，以補充目前行業的人才缺口。
人工智慧作為未來核心發展的技術之一，當前處於機會多、人才缺、場景缺的狀態，各行各業都在推動人工智慧應用、尋找場景和機會。雖然目前在很多場景下，人工智慧的價值難以被準確衡量，很多領域的數據資產管理能力欠缺、複合型人才匱乏，但無論是從政策、市場需求，還是從產業發展的角度來看，人工智慧都是現在的「風口」。
對個人來說，為什麼需要人工智慧？
一來，誰都想要更輕鬆的生活，人們喜歡「茶來伸手，飯來張口」的生活。人工智慧能透過你的行為數據，了解你、幫助你，在你需要的地方提供服務，也能自動化幫助你做很多事情，比如推薦消磨時間的活動、編輯整理數據等。
二來，工作、生活中存在很多乏味的重複性「工作」，這些工作每天在消耗我們的耐心，但又不得不去做。比如我們可以將有無掃地機器人或洗衣機的生活進行對比，就可以感受到，這些非創造性的工作，既阻擋了我們發揮人腦的創造性，又占用我們陪伴家人的時間。如果由機器「替代」我們做這些乏味、耗時的重複性工作，豈不是可以大大提高生活滿意度？
對企業來說，為什麼需要人工智慧？核心原因是「降低成本」和「提高效能」。
網路高速發展的背景下，衣、食、住、行等各個方面都在經歷資訊化、數位化建設，產生大量難以人為處理的數據，這些數據蘊藏了人們的行為、喜好、信用等非常有商業價值的資訊，對這些數據的處理和分析，需要人工智慧。人工智慧讓機器可以從經驗中學習，適應新的輸入，並執行相應的任務，大大提高企業內的生產效率，更能為企業的使用者服務。無論是為使用者推薦喜歡的商品、活動，還是使用人工智慧視覺技術自動輸入文字資訊，提高員工工作的自動化程度，都是在提升企業執行的效率，降低人力投入和時間消耗的成本。
效率提升，才能帶來企業服務能力的提升。何況，如果自己的企業不用新技術，但競爭對手用了，則新技術帶來的「比較優勢」，可以形成降維打擊，比如對企業內的重複性工作，如監控設備安全、巡邏等任務，機器可以做到24小時無差別工作，而依靠人工，是難以實現的。
對資訊的處理和利用來說，人腦接受資訊的能力是巨大的。人腦透過視覺輸入、解讀一張圖片的速度是13毫秒左右，假設人眼輸入的畫素有10億個，那麼核算下來，一張圖片的輸入就是953.67MB，這樣大概每秒可以輸入的資訊量為70多GB[1]。
輸入的資訊包含以下三個部分：
第一部分是常識類資訊，這些資訊是高度抽象化的、多元資訊的連接，比如提到「一隻貓」，頭腦中就會出現多元資訊（圖像、文字、聲音，甚至撫摸貓的毛茸茸的手感）的描述。常識類資訊的特性，使這部分資訊易於傳播。
第二部分是經過人腦處理得到的感知資訊。由常識類資訊為基礎組成單位，比如「一隻在爬樹的小貓」，就是人腦將歷史提煉並固化的常識類資訊組在一起，形成了對資訊的認知。
第三部分是潛藏在圖像中的關聯式資訊。這些資訊無法用語言描述，也難以經由人的知識和認知進行總結，因此很難成為人們可以重複使用的知識。關聯式資訊表達了物體和物體間、物體和時空間的一定關聯，機器善於學習和挖掘這些資訊。
在語言表達上，就算是說話最快的人，每秒最多輸出5個字；打字最快的人，每秒最多輸出20個英文字母。顯然，我們輸出資訊量的能力，限制了資訊的傳播，因此，只有高度抽象的資訊，才會被我們日常傳播，這些資訊只占日常輸入很小的一部分。剩下的大部分潛藏的關聯式資訊，就是需要我們藉助機器提取和辨識的。人工智慧從數據中學到的規律和「知識」，其中有很多難以被人腦理解，但這些資訊是可以輕易被大規模複製和使用的經驗。因此從資訊的傳播和利用的角度來看，我們需要人工智慧，尤其是對數據中隱含的相關關係，我們既難以準確認知，又無法清楚描述，更需要人工智慧。
