上周，我小白帶您來了個穿越，認識了AI這個既熟悉又陌生的朋友。
我們見證了AI的誕生，也看見過AI流離失所的模樣。艱難困苦，玉汝于成。在世界機器翻譯系統評測的賽場上，在韓國首爾的棋盤前，我們為重回聚光燈下的AI歡呼。
今年，AI六十有三，年逾花甲，卻依然展現著青春的朝氣。走下賽場，走進生活，“越老越妖”的AI正推動著一波波的發展浪潮。
根據融入程度和利用數據種類的不同，一些知名專家將AI的發展歸納為四波浪潮：互聯網智能化、商業智能化、實體世界智能化和自主智能化。其中，互聯網智能化以及商業智能化已出現在我們身邊，且影響愈加廣泛。現在，我就帶您一起了解奔涌而來的前兩波浪潮。
互聯網智能化
互聯網智能化興起于15年前，在2012年前后成為主流。仔細看，這個時間節點正和“深度學習”的發展歷程相吻合。不錯，目前的AI均是架構在“深度學習”基礎之上的。《麻省科技評論》曾撰文稱：“今天的AI 就是‘深度學習’……”
就像電動機離不開電力，“深度學習”需要大數據的“喂養”。如今二者兼備，那我們就一起看看它倆能擦出什么樣的火花。
去年的“雙11”你“買買買”了嗎？不知道在你全神貫注搶單時，有沒有注意到天貓APP的首頁焦點圖與幾年前相比有什么變化嗎？圖中有你心儀的商品嗎？讓你感覺更貼心了嗎？如果有，那么恭喜你中“招”了。
在2018年“雙11”期間，阿里巴巴為每個用戶量身打造了焦點圖，共有5億張之多。這些圖的設計師是一個叫作“鹿班”的AI系統，每秒鐘，鹿班可以設計8000張。如果換作一個人類設計師，假定5分鐘設計一張，需要連軸轉工作4700多年才能完成。
天貓之所以能知道你的需求，是因為你的每一次瀏覽、下單、評價，都成了你的“標簽”，這些讓天貓更加懂你。“雙11”不只是一場消費狂歡，更重要的是產生了海量的消費數據。
在智能時代，哪個領域先積攢下足夠多的數據，它的研究進展就顯得快人一步。在現實生活中，我們對這樣的鏡頭肯定并不陌生：2019年2月28日11時20分，在北京市西城區工作的小袁摸了摸咕咕叫的肚子，拿出手機點開美團外賣APP，盤算著自己的午餐。12時整接到了外賣小哥打來的取餐電話。
在這期間，我到美團總部的“超腦”AI管理系統里轉了一圈。發現美團單日外賣交易數超過2100萬單，要靠50多萬個外賣小哥完成配送，高峰期一小時要進行29億次路徑規劃。美團之所以能高效地處理如此龐大的數據，在用戶下單后能準確地計算出預送時間，靠的就是“超腦”。據說“超腦”是由10000名工程師開發的，而管理這些工程師又要靠另一套AI系統。
看看我們周圍的世界，隨叫隨到的網約車、愛不釋手的短視頻……無不是AI系統在管理，這些數據均來源于互聯網用戶。這，無疑是互聯網智能化給我們帶來的結果。
商業智能化
提起商業智能化，大家還記得1997年擊敗國際象棋世界冠軍卡斯帕羅夫的“深藍”嗎？它的后繼者IBM的“超腦”——“沃森”，已在向商業中的金融服務業進軍。通過大量金融知識和案例訓練的“沃森”，開始具備提供金融建議的能力。
AI+銀行業，會產生怎樣的效果呢？我們不妨以銀行核發貸款為例說明問題。過去，信貸員考察借貸人時一般只關注收入情況、征信記錄、資產、犯罪記錄等少數幾個維度。而AI可從銀行積累的大量數據中挖掘人們往往會忽視的隱形聯系。
實際上，它可考察上千個維度。如辦理貸款的時間、輸入出生日期的速度、手機內安裝的應用軟件等。甚至手機剩余多少電量都會被納入考察范圍。雖然手機剩余電量和還款能力之間不是因果關系，但大量數據表明這兩者之間存在著某種關聯。這些不尋常的指標被稱為“新審美標準”。
其實，“審美標準”更新的背后是思維方式的改變，我們可以將其稱之為大數據思維。
隨著認識的深入，我們發現世界上充滿著不確定的問題。例如借貸人還不還錢是不確定的，而數據中所包含的信息可以幫助我們消除不確定性，通過數據統計找到影響借貸人信用的因素。
另外，我們一直強調因果關系，給出原因后通過邏輯推理找到結果。但在統計結果得出之前，又有誰能想到手機剩余電量與還款能力有關呢？大數據思維不是對因果邏輯的背叛，而是對后者的補充。很多時候先知道結果再反推原因會容易得多。
由此，大數據思維的核心就是利用數據消除不確定性，找到事物之間不易被發現的關聯，進而解決問題。
除了在銀行業等金融領域，AI在實體行業也大有作為。比如風力發電公司通過收集分析每臺風能發電機的運行數據，可有針對性地維護發電機；服裝行業在每件衣服的標簽里嵌入RFID芯片，就能跟蹤記錄試穿衣服的情況，進而分析顧客喜好，在服裝設計制作上進行調整；家電行業將家電聯網，提醒客戶及時維護保養、更換配件。
有了AI的參與，現有產業+大數據改變著現有的商業模式。
摘自《解放軍報》
