馬云有句名言：未來30年的核心在于創造力。這句話的背后是他看到了人工智能對人類的步步緊逼，他也在不斷踐行這一言論：無人售貨、無人酒店、無人駕駛。在過去的五到十年里，人工智能威脅論廣為人接受的原因是，人類真的能夠感受到它對自己的替代。

低創造力崗位的危機

2016年3月9日，阿爾法圍棋4比1戰勝李世石；2017年5月23日，阿爾法圍棋以3比0的碾壓之勢戰勝世界排名第一的柯潔。人類猛然發現：被譽為最高智力游戲之一的圍棋，也被人工智能攻下，放眼四望：無人零售逐漸取代售貨員、無人駕駛雖還未發展成熟但已箭在弦上、無人酒店、無人配送......一時間人人自危。

仔細一看，人工智能取代的只是這些具有機械性、重復性、沒有創造力的職業崗位。這部分的改變了某些家長的教育觀，讓孩子去學習藝術創作、教師等，但從長遠看，這類工作是必然被取代的，沒有一對父母愿意讓自己的孩子去富士康流水線上工作，但其實富士康在2019年已經有8萬臺機器人，而這只是他“百萬機器人計劃”的一小部分。

威脅論已有數年，好似福特汽車出現之前，倫敦城里那十萬車夫的憂嘆、游行，但世界末日并沒有來。

70年發展

1950年，一個大四學生馬文.明斯基與他的同學鄧恩，合力建造了世界上第一臺神經計算機，這被當作人工智能的起源，馬文也被稱為人工智能之父。神經計算機也被稱為第六代計算機，指的是通過生物芯片魔方人類大腦，判斷能力與適應能力是最主要的變化，這與同年“計算機之父”阿蘭.圖靈提出的設想：一臺機器如果可以與人類進行對話等動作而不被人辨別出機器的身份，那么這臺機器就有智能可謂是交相互相。

1956年，麥卡錫、明斯基等人在討論“如何用機器模擬人”時，首次提出“人工智能（Artificial Intelligence，簡稱AI）”這一概念，也標志著人工智能這一學科的誕生。

在這之后的20年里，數學和自然語言的優勢使得人工智能成為當時的研究熱門，但局限于科技的發展，計算機算力、芯片技術不夠成熟、數據量也沒有如今這么飽和。70年代，人工智能由于客觀因素，發展放緩。

80年代，芯片、個人計算機的發展，人工智能再次迎來了發展機遇，尤其是出現的專家系統模擬人類專家解決問題使得這一技術從紙面走向實際，尤其醫療、化學、生物等科目，是輔助研究人員進行研究的利器。

2000年后，互聯網、云計算、大數據、物聯網等等新概念層出不窮，尤其以深度學習為代表的人工智能技術，更是有了爆發式發展，標志之一就是2017年5月23日的圍棋人機大戰，Alphago以3比0戰勝排名世界第一的柯潔。

飽和數據喂出的“怪物”

不知道大家有沒有看過某個記者對華為董事長任正非的采訪，采訪中任正非對統計專業表達了擔憂。

原話是：“現在越來越沒有人學習統計專業了，人們往往喜歡把一個詞描繪的高大上，但其實人工智能就是統計學”。其實這句話很好的解釋了人工智能的原理，在自然進化過程中，我們處于一定的環境，在環境中學習、遇到問題進行解決、取得經驗，在自然進化中不同的物種遇到不同的問題但本質是一樣的。以圖形方面舉例：貓頭鷹用超聲波獲得周圍環境反饋，人類用視覺、觸覺獲得環境反饋，而人工智能是通過輸入無標簽但有一定相似度的數據，通過數據處理得到最后的結果。

所以前面說80年代由于數據量不足導致人工智能發展放緩，就可以理解了，2020年全球數據量將達到十萬億GB，只有這樣龐大的數據，才可能產生出高級人工智能。那句“未來社會的核心財富將不再是產品，而是數據和信息”也算是切中時代要點了。

2019年618，京東啟用了亞洲最大的智能物流倉，智能機器人在一分鐘之內，可以拍照三萬兩千次、抓取兩千次商品、打包五千一百二十件包裹。在需要工資、繳納“五險一金”的人類面前，可謂是完勝。

2017年谷歌研究出的自動編程機器人——AI Programmer，水準已經擊敗初級程序員

......

在這些“怪物”背后，是日復一日，24小時不間斷學習的人工智能。程序員不斷“喂投”大量數據，歸納、計算、不斷學習，人類可能20年學習才能成為一個領域的專家，但這些程序一小時學習的可能就是一個人一生的數據量。為自行車為例，想讓一個機器認出各個場景里的自行車，那可能會給他數萬、十萬百萬的有關自行車的數據，數據越多質量越高，機器的學習效果、產出的模型就越準確。