二进制和计算机的发明

1703年，那位发明了微积分、与牛顿一起载入史册的莱布尼茨，发表了一篇影响至今的文章《论只使用符号0和1的二进制算术，兼论其用途及它赋予伏羲所使用的古老图形的意义》。

这是现代二进制记数系统第一次公开出现在科学文献中。

二进制是现代计算机的基础。计算机处理器的运行原理——0和1代表的逻辑电路的“开”和“关”，可以说重塑了我们今天的世界：飞机、导弹远程调整姿态，电网的运行，万里之外的股票交易，远程诊断，远程视频会议...如今，一国的经济、军事、生命，都与运行在二进制基础上的一行行代码息息相关。

值得一提的是，二进制数相关的系统，古埃及、古代中国和古印度虽然也有出现。但是公元前9世纪出现的中国的《易经》尤其激发了莱布尼茨的灵感。

深度神经网络的发明和深度学习概念的提出

计算机提供了硬件载体，就像人类大脑作为智能存在的基础一样，如今我们竭力发展的AI，就在模仿真实大脑的信息处理过程。

这一探究过程越是深入，就越接近智能爆炸所谓的“奇点”。

1981年诺贝尔医学奖获得者 David Hubel 和 Torsten Wiesel 发现人的视觉系统的信息处理是分级的：从视网膜（Retina）出发，经过低级的V1区提取边缘特征，到V2区的基本形状或目标的局部，再到高层的整个目标（如判定为一张人脸），以及到更高层的PFC（前额叶皮层）进行分类判断等。高层的特征是低层特征的组合，从低层到高层的特征表达越来越抽象和概念化，也即越来越能表现语义或者意图。

现在的深度神经网络，最早就受此启发。

神经网络最早的雏形——“感知机”早在上世纪50年代末就出现，感知机作为只有一个中间层的单层神经网络，因为无法拟合非线性函数而一度发展停滞。随着多层神经网络的提出和80年代 Hinton 等人开始使用BP算法，深度神经网络的前身—多层神经网络真正出现了。

到了2006年，Hinton在《Science》和相关期刊上发表了论文，首次提出了“深度置信网络”的概念。与传统的训练方式不同，深度置信网络有一个“预训练”（pre-training）的过程，它的作用是让神经网络权值找到一个接近最优解的值，之后再使用“微调”(fine-tuning)技术，来对整个网络进行优化训练。这两个技术的运用大幅度提升了模型的性能，而且减少了训练多层神经网络的时间。他给多层神经网络相关的学习方法赋予了一个新名词——“深度学习”。

2012年著名的ImageNet图像识别竞赛上，Hinton教授的团队，使用以卷积神经网络为基础的深度学习方案，他们训练的模型面对15万张测试图像时，预测的头五个类别的错误率只有 15.3%，而排名第二的日本团队，使用的SVM方法构建的模型，相应的错误率则高达 26.2%。

2017年5月27日，堪称复杂度最高的人类智力游戏——古老的围棋被攻破，面对无懈可击的AlphaGo，世界排名第一的柯洁0：3完败，并且在比赛中一度哽咽落泪，“它太完美了，我看不到希望”。击败柯洁的AlphaGo，就集合了深度神经网络最新演进的诸多新技术。

AlphaGo击败柯洁后，有人评论道，“也许几百年后回看历史，上个世纪的量子力学和随后的核武器，本世纪深度神经网络和人工智能，会是人类发展的标志性事件。”

从人工智能到增强智能

人工智能可以写书、作曲、识别图像，也可以预测股票、诊断疾病甚至看护陪聊，所有之前人类独有的创造活动、复杂决策、沟通交流，都有相应的AI可以实现，而且许多领域比人类做得更好。

所以，很多像 Elon Musk 这样的硅谷大佬就开始认为，人工智能的发展将危及人类的生存。

但是在2017年乌镇大会上，杨元庆提出了一个新概念，“增强智能”。杨元庆也正是一个坚定的人工智能无威胁论者。

很多人不了解，神经网络的认知难点在于，科学家无法完整追溯输入的数据经过了怎样的传递和处理，最后如何变成了人们想要的结果，AI目前还是一个“算法黑箱”。强人工智能的门槛，公认是很难发展出人类那种自我意识，目前AI在工程和商业运用上的成功，缺乏坚实的理论基础。

“人们其实并不知道神经网络的效果为何如此之好。”

作为人工智能在工程和商业应用上的先行者，联想集团董事长兼CEO杨元庆在今年乌镇大会上接受采访时强调，“机器的智慧是基于人的智慧，算法都是人类定的，它只是在增强人的智慧。”

杨元庆并不认同“人工智能”的命名。在他看来，人工智能（Artificial Intelligence）的说法容易带来误解，会让人担心AI将取代人类；他认为更准确的说法是：增强智能（Augmented Intelligence）。

在增强智能这个真正的基础上，才能得以往下谈智能医疗、智能制造等等。

“由于IoT带来数据的膨胀，加上计算力的加强，和算法的优化，会带来行业智能，或者产业智能。”

以智能制造为例，元庆认为智能将体现在整个制造的设计研发、供应、生产、销售、服务五大链条中。智能制造更加准确的定义是从自动化和信息化基础上进入智能化，是对全价值链的推进，是基于越来越多的智能设备所产生的数据，基于边缘计算和云计算的数据，基于深度学习的算法所带来的制造行业的智能。

“比如说设计研发，我们的产品要一代代往下走，怎么设计？怎么研发？要基于前几代客户的使用数据，供应链上下游的技术变化等等，来进行设计，再用智能的方式进行模拟测试，看是否符合设计的要求。”

到了供应端，智能将有可能解决以往遇到的最大问题：供需不平衡，“对于制造型企业，最大的问题是供需不平衡，供过于求，供不应求，都是企业的损失。但现在随着增强智能，或者人工智能的发展，就会大大改善这个问题。我们现在实际上在用大数据进行需求的预测。大数据不仅仅包括我们过去销售的历史记录，每年波峰波谷清清楚楚，机器最终预测就会比人的预测准确度高很多。”

生产和销售同样如此，就连服务，目前也已经广泛智能化。loT 带来的数据爆发是人工智能的基础，数据爆发、算法演进可以实现“增强智能”。

一句话概括，杨元庆对AI的发展，提出的看法是：它未来无法真正取代人，而是跟人融合，各取所长，才能达到最强！