这个商店整合了亚马逊最新的智能技术，可以自动感知顾客有没有从货架上拿走商品，或者是把商品放回货架，用户不需要排除结账，拿着商品就可以直接回家，亚马逊会从你的账户里自动扣款，并生成账单。
很神奇。但亚马逊真的已经实现了。
事实上，很多以前我们想像得到，甚至想象不到的“黑科技”，都正在走入现实。
比如猿题库，只需要拿出手机拍照，就可以自动识别手写的英语作文，将其转化为单词，显示作文评分，并对语法、单词等错误和亮点进行批注，有的地方甚至比老师批改更详细。
比如讯飞，不但可以智能识别语音、将文字合成为语音，甚至可以模拟真人的语音，让听者难辩真假。
比如百度，“百度号”的写作已经可以实现体育新闻、热点新闻等多领域的全机器创作。
诸如此类，不胜枚举。
这些已经成为现实黑科技背后，都指向已依稀可见的同一个未来：人工智能（Artificial Intelligence，AI）。
在对于未来的预测中，不论积极还是悲观，绝大多数科技界领袖都相信，人工智能已经近在咫尺，并将为人类社会带来前所未有的巨大改变。
比如《连线》杂志创始主编凯文·凯利（KevinKelly）认为，人工智能是下一个20年里颠覆人类社会的技术，其力量堪比电与互联网；英特尔CEO科再奇（Brian Krzanich）也认为，人工智能将成为人类历史新的转折点。
在2016年12月6日，36氪主办的WISE大会上，创新工场董事长兼CEO李开复更断言，“十年后，全世界50%的工作，都会被人工智能所取代。”
但现在的问题是，面对人工智能的突飞猛进，从经济到产业，从政策到法律，从社会到伦理，我们真的已经做好准备了吗？
1
人工智能的发展，与人类社会对它的预期，其实已经偏离。
到底什么是人工智能？
关于这个问题，有太多的定义、阐述与理解，很难找到通行的准确定义。
从广义来讲，能够执行自动程序的计算机、手机等所有机械与设备，都应该纳入人工智能的范围，从手机、电脑、银行、汽车到我们生活中的几乎每一个环节，都已经有或多或少的人工智能发挥作用。
但在普通人眼中，或许"终结者"那样拥有自己思想甚至情感的机器人，才是人工智能的典型代表。
而业界更普遍的观点，是把人工智能分为三种：弱人工智能、强人工智能，以及超人工智能。
其中，弱人工智能是所有不能真正地自主推理和解决问题的智能，它的智能更多体现在"智能的行动"，这也是当前所有--至少是几乎所有人工智能的现实水平。
而强人工智能，将具有智能思考能力，在某些领域的智能表现，接近甚至达到人类水平；超人工智能则将有可能形成对人类的智能碾压。
这两者，也正是人工智能产业努力的方向。
过去，即使每天花10个小时在自己的手机上，使用着各种信息时代的便利，我们依然认为，"真正的人工智能"还停留在科幻与遥远的未来。
但现在，各种黑科技的井喷，正在告诉我们，从弱人工智能到强人工智能之间，或许并没有一道森严的壁垒。在一些领域，人工智能将达到，甚至已经悄然越过那条看不见的分界线。
更重要的是，要对我们的产业、经济乃至社会组织形成颠覆式的影响，其实远远不需要真正的强人工智能。
即使，我们离想象中的人工智能仍有距离，但它对人类社会产生的冲击，已经全面开始。
2
2015年3月，谷歌人工智能AlphaGo以4比1战绩，击败韩国围棋选手李世石，是刺激全球进入人工智能竞速狂潮的标志事件。
人工智能概念由来已久，但最近几年，这个产业才迎来井喷式的大繁荣。这段时间的发展速度与成就取得，远超过去几十年的累积。
这一轮的人工智能大发展，始于2006年，Hinton等人提出的深度学习概念。
在此之前，开发者们更希望直接编写出一套足够智能的程序，但无论如何天才的开发者，编写出的程度都与外界的期望天差地别。
而深度学习则放弃了这个不切实际的想法，不再是程序员直接完成所有的代码，而是放手让人工智能自己演化成长。
通俗来讲，它通过对人和动物大脑的仿生，将计算代码模拟为简单的、相互连接的神经元，并通过修改单元之间的连接，来不断进行经验积累，让它形成自己的逻辑推理，自我完善发展。
这就像人的成长，刚出生时只有最基础的本能，只有经过慢慢长大，不断学习，才能在不同的领域绽放光彩。成长环境的不同，学习方向的不同，都会影响未来的前进方向与成就高度。
这个概念的另一个通俗叫法，是"机器学习"。这个词显然更直接，它的目的就是要让机器学习，自己进化。
比如，科学家们有过这样的实验：他们制造了一个机械海星，只为它输入了控制自身部件的简短代码，以及让它"学会自己走路"的目标，但它通过深度学习，只用了很短时间，就从只能在原地蠕动，到学会了流畅地行走，甚至当科学家截去一部分"肢体"，它依然能顽强地继续前进。
这并非科学幻想，而是2015年初就已完成的真实实验。
而现在，这种人工智能的深度学习，正在无数个不同的领域展开实验，不断累积通往下一次进化的经验与数据。
就像本文开始列举的那些黑科技，都是有人工智能和深度学习参与的实例。
3
深度学习的原理并不复杂，但为何直到近年方才盛行？
关键原因在于，海量数据的模型训练，是深度学习的核心过程，人工智能赖以提升智能水平。
因此，它的发展需要三个核心推动力，缺一不可。
一、海量的数据。
如果以网络游戏来比喻，数据就是人工智能赖以升级的经验包。如果没有足够多的数据，深度学习将无从谈起。
因此，人工智能进展最快的领域，比如棋牌比赛、金融、语言与图像识别等，都是拥有海量数据样本的业务。
过去20年来，正是信息通信技术（尤其是互联网）的发展，积累了庞大的数据，并产生了大量的数据处理需求，从而为人工智能爆发奠定基础。
一个第三方的估测数据是，过去三十年来，全世界的数据量，一直以大约每两年10倍的速度激增。
而随着我们进入大数据时代，每个人、每件设备的每个行为，都将纳入大数据的信息图谱，我们产生的数据量还将持续增长。
在这方面，英特尔全球副总裁兼中国区总裁杨旭有一组数字，可以作为参考：
二、强大的计算力。
只有超强的计算力，才能处理无比庞大的海量学习数据。
得益于摩尔定律的驱动，硬件的计算能力一直在持续增长。如今，一部智能手机的计算性能，都已经远超几十年前的超级电脑。
此外，专门针对深度学习的集成电路产品，近年来更发展迅猛。
比如英伟达（Nvidia）业绩的突飞猛进，就是因为人们发现，曾经用于增强电脑显示能力的图形处理器（GPU），比传统的中央处理器（CPU）更适合用于深度学习，这让GPU巨头英伟达成功转型，从一家并不引人注目的显卡制造商，摇身变为人工智能行业的领潮者。
而高通、英特尔等在PC和移动互联网时代的芯片领袖，在过去10多个月中，也已经在这个方向上发起全力冲刺。
比如英特尔，已经连续收购了Indisys、Saffron、Itseez、Movidius、Nervana等公司，从自然语言处理、认知计算、计算机视觉模式识别等不同领域，提升自家的人工智能实力。
12月2日，英特尔更首次对外公布其人工智能的整体战略和路线图，未来将通过机器学习和推理系统两条路径，搭建从硬件平台、到软件与数据库（开发工具、开放框架、数据库、开发者培训）在内的一整套解决方案，最终"重新定义AI"。
英特尔称，将打造一系列适应深度神经网络的特殊处理器，并全面提升自身产品在深度学习领域的性能。比如至强Xeon处理器的最新版本Skylake，性能将提高18倍；最新版本的至强融核处理器KnightsMill的深度学习性能，将是上一代产品的四倍，培训时间可以减少31倍；其LakeCrest的深度学习性能，也将在2020年达到目前市面GPU芯片的100倍。
三、先进的算法。
对人工智能来说，算法程序就像是生物体内的DNA，它决定了深度学习的能力与效率。
一般来说，执行具有特定功能的程序段被称为原语（primitives），而直到现在，深度学习包含的原语（primitives）依然很少，大概只有20个左右。其中，矩阵乘积和卷积计算是最主流的两个。
虽然数学和计算机技术的发展，是深度学习算法发展的基础，但如何针对不同的领域，找到"合适"的知识模型，开发出效率更强，准确度更高的算法，也是人工智能演进发展的关键。
伴随人工智能的热度急剧升温，越来越多的公司正在投身这一领域，而它们绝大多数，都着眼于进入门槛更低，更适合初创企业发展的算法与应用环节。
一个来自乌镇智库的相关数据是，目前全球平均每10.9个小时，就有一家人工智能企业诞生。
4
总的来说，正是数据量的增长，催生了人工智能。
放眼历史，每一次生产力的变革，都引发了社会、经济和产业结构的深刻转型。与工业革命和电气革命相比，信息革命最大的变革，就是带来了人类社会信息数据的爆炸式增长。
如果说，流水线消灭了大部分的作坊式工业生产，那么，数据的洪流，就将消灭大部分的传统生产和服务组织方式。
信息化打破了物理的限制，让全球变平，从而让每一个产品、每一种业务的规模，都能从微量变成海量。
一个例子是，现在，仅仅腾讯一家公司，每天就要处理超过300亿条即时通讯消息。通过它的服务器，用户发送文字消息、、语音、，甚至玩游戏、听音乐、约车、在线付款乃至使用各种服务。
而据滴滴公布的数据，滴滴每天规划的路径超过90亿次，处理的数据超过30TB的数据--相当于30万部电影。依托这些数据和人工智能，它对15分钟后的需求预测，准确率已经超过85%。
这样的产品和服务，不是任何单纯的人力工作能直接搞定，它必须通过智能化的程序来协助处理，甚至主导完成。
同样的情况，正在我们的各个行业、各个领域、各个环节反复出现。每一家公司从原料采购、员工管理、产品生产、物流配送、售后服务，都越来越多地通过智能化、网络化的手段来进行组织，并将这一切流程，通过大数据的行为分析，来加以归纳、总结和优化。
5
人工智能发展变化的另一个标志，是吃瓜群众思考的问题。
过去，大多都人更担心，未来会不会有邪恶的机器人毁灭人类。而现在，越来越多的人开始担心，人工智能会不会消灭掉自己的工作。
最重要的是，这个问题的答案，越来越悲观。
就像李开复在WISE大会上的结论，当AlphaGo每天自我对弈100万盘棋；Tesla每天从100万辆车的实际？驶中吸收经验，普通人将如何与它们竞争？
在越来越多的领域，人工智能正在快速超越人类。
比如，人工智能已经可以在？秒钟内，对比全世界所有机场摄像头，以及所有通缉犯的？脸，保安能做到吗？
显然不可能。
这也意味着，大批的翻译、记者、收银员、助理、保安、司机、交易员、客服……都可能在不远的未来，失去自己原来的工作。
当然，这个替代不会剧烈地出现。我们会看到的现实情况，将是某些行业和某些工作，用人的需求越来越少，在组织或产业链中的地位越来越轻，产品的销售越来越难，工资越来越低……
这个周期，可能是10年，可能是5年，也可能更短。
你或许会把自己的遭遇，归结为全球的经济危机，归结为人民币贬值和通货膨胀，归咎于公司老板经营不善跟小姨子跑路，或是其他的原因，但在你看不到的地方，你处身的行业，会正如大地坍塌，最终只剩下熔岩中的廖廖孤岛。
正如许多传统的手艺，至今仍然在少数地方硕果仅存一样，由于经济的差异与行业密集度的差异，这种变化也会是一个逐渐扩散的过程，越是经济与信息化落后的地区、越是需要在复杂环境下完成的工作，这种扩散越慢，越晚。
甚至绝大多数被替代的行业，仍会长期存续，只不过，原来这个行业能容纳100万人，未来只能容纳100人，留下来的，要么是难以被取代的头部精英，要么是在最落后的区域与环节。
中间阶层将成为最早感受到变革阵痛的人群。
6
2016年6月，《经济学人》曾花了巨大的篇幅，来讨论人工智能未来对包括工作在内的，社会的各种冲击。
其中一个观点是，从历史来看，每一次科技进步最终创造的就业，都超过所消灭的就业，即使我们需要经历短时间内的动荡与阵痛，长期创造的新就业也将弥补这一且，甚至绰绰有余。
但这个观点或许过于乐观。
人工智能对人类工作的冲击，与过去的每一次技术变革都不同。
一、无论是取代的领域范围、规模，还是取代的速度，人工智能引发的变革都将更加迅猛。它将深入渗透社会生活中的几乎所有领域。
二、人工智能的发展，将成为驱动其他各种技术变革加速发展的催化剂，并相互协同形成连锁反应，最终如同彼得·戴曼迪斯在《富足》一书中所说，人类即将有望达到满足地球上所有人生存基本需求的生产能力。
三、过去的变革无论带来怎样的生产力提升，都需要大量的人来操作管理。而人工智能只需要极少量的人，甚至可以在无人管理的情况下自已完成工作。
替代你工作的，不再是机器+其他的人，而是只有机器人。
所以，这一次变革，将成为一个拐点。
在此之前，大部分人类的工作，都是服务于生产和提高生产力；而以此之后，这些工作将更多地由少数人与人工智能来共同完成。
大部分人类的工作，将转向为他人提供服务--还得去掉一些被人工智能取代的简单服务，转向创造性的工作，以及那些短时间内人工智能难以取代的领域。
从这个意义上来讲，中国将成为其受益者。因为如果没有这场变革，全世界的经济与产业都将如同30年前从西方向中国的大迁移一样，跟随着人力成本的变化，从中国向印度、印尼等更新兴市场转移。
而现在，形势将发生微妙的转移。
在此过程中，很多的上一代人将成为牺牲者，因为他们多年累积的经验与技能，都将丧失根基。而社会化分工与流水线的改造，已经让他们的知识与能力，长期聚焦于一个极小的范围，一旦跳出圈子，他们将很难具有竞争力。
而对年轻一代人来说，最值得担心的问题是，你学习的知识与工作技能，人工智能比可以你学得快100倍、1000倍，你的创新创造也很有可能被人工智能快速模仿。
在新的时代，我们可能不用担心温饱，因为人工智能带来的生产力极大提高，可以让更多国家快速向福利型社会转型。
但正如马斯洛的需求层次理论，每个人除了生存的需求，还需要寻托归属感，获得尊重，并实现自我价值的成长。如何为规模越来越大的失业群体找到新的就业方向，重新为他们创建自我价值实现的通道，而不是转变为社会的不安定因素，这将是所有政府必须深入考虑的重要问题。
而这，还仅仅是开始。
可以预见，当人工智能与机器人、与脑机互联、与基因科学等领域的科技突破结合到一起，我们将面对的，将会是一个全新的时代。