世界一直处于变革之中。早在20万年前，人类从事狩猎和采集活动。大约在1万年前，人类开始了农业革命，农场和小型社区逐渐发展起来。18世纪，我们开始了工业革命，通过一些设备来运输材料等，这场革命对社会、工作和生活方式产生了深远影响。但是今天，我们正在经历一场信息革命，这会对我们的生活带来质的改变。这些变革正在加速进行，每一次革命的速度都是前者的10倍以上，如果按照这一速度，下一场革命会在40年之后发生，然后再过4年又发生吗？

 

　　过去的300年我们一直致力于提升工业化水平，制造业也不断发展。在工业革命中我们将制造业以及一些基础体力工作自动化，如今，一场与信息和自动化有关的新革命正在发生，我们会将一些智力任务也进行自动化，很多工种会因此消失，并且永不再出现。50年前，电梯还不能自主操作前往指定的楼层，因此需要一个电梯管理员。当自动化技术发展后，我们有了电梯按钮，就不再需要电梯管理员了，而这些工作也不会再回来。就像今天，我们很有可能会拥有无人驾驶汽车，在美国将会有350万卡车司机以及550万装载工一起失业，他们的工作就像电梯操作员一样被淘汰。新的工种将会被创造出来，但可能只需要25%的劳动力就可以生产我们所需的所有产品和服务。劳动力规模的缩小会使周工作时间从40小时缩减到20小时，退休年龄提前至45岁。工作可能要求员工接受大学教育，这将会使劳动力规模再减少10%。

 

　　我们需要重视几个核心问题，这些问题都是针对中国提出的：这场变革发生的速度有多快？工作人口的比重是多少？找到一份好工作的条件有哪些？社会如何确保每个人都有继续生存的资源？依靠全民基本收入吗？德国等一些国家已经开始讨论全民基本收入，也就是不用上班也会有薪水。所以对中国来说，如何安排那些闲置劳动力是至关重要的。如果人们在45岁退休，退休后做什么呢？政府应该不希望有一半的人口终日无所事事吧？那可能会成为不稳定因素。如果社会上的退休人口占一半以上，我们如何为他们找到有意义的角色和定位？不同的国家有不同的影响，有学者表示也许只有中国和美国拥有从信息革命中获益的基础设施。当发展中国家进行工业化发展时，起步的难度是比较低的，但如今信息化时代的门槛之高让很多国家望而却步。中国和美国需要将其他国家的生活水平提高，毕竟中国和美国只占世界总人口的1/5，这两个国家应该也不希望剩下的4/5的人生活在贫困中。那么中国和美国将如何带领其他国家进入信息时代？

 

　　信息革命的驱动力是人工智能（AI）。机械式学习已经持续了相当长一段时间，过去10～15年的学习方式为“监督型学习”，我们通过给计算机指令让他完成任务，但是现在我们通过开发一些程序可以让计算机进行“无监督学习”。例如，面部识别技术可以让商店相机通过面部识别知道你在店里买了什么，给你推荐适合的产品；语音识别技术使我们打电话给某家公司时不再需要与人打交道；在自然语言处理中，当我们看到一些饭店的评价，我们很难甄别这是真实的客户餐后评价还是假的，通过对评价的分析，我们可以了解到哪些评价是来自“托儿”的，可能是身处印度的评论者被雇佣来写评价，事实上从未去过这家餐厅；在很多诊所，电脑分析X光图像的技术甚至比医生还要好；个人助理也会取代很多行政职业；至于无人驾驶技术和无人超市等，如果以后不再需要店员和售货员，可以想象这些对就业的影响。

 

　　2012年发生了一个较大的变革事件，即图像识别大赛。参赛者接受一系列培训后编写相应的程序，对1?000种类别中的120万张图像进行识别，最终的竞赛结果是计算机程序在图像识别测试中的表现更好。2011年的错误率是25%，2012年错误率降低到15%。这让大家非常惊讶该项技术已经可以成功应用，我们称之为“深度学习”。未来的几年里，深度学习不断发展，2015年错误率已经降低到3.6%，但是人类（经过培训）的错误率还是有5%。所以，其实计算机可以比人类做得更好。

 

　　人们通常会创建一个网络然后通过图像输入和分类来对计算机进行训练。但是有人会问，如果我们输入图像并训练这个计算网络去再生图像会怎么样？最终大家会发现计算机做得越来越好。一张图像中有一只猫，没有人为计算机输入任何有关一只猫的图片信息，但是计算机却能将图片中的这只猫识别出来，这让人类意识到无监督学习的可能性。这个的重要性就像你无须培训无人驾驶汽车应对路面情况，而是在驾驶过程中它能自动提升性能。

 

　　有人问我人工智能是真的智能吗？我的答案是“NO”。现阶段人工智能只是高维度空间中的简单识别。虽然深度学习正在广泛应用，但人工智能还无法提取对象的本质，也不理解对象的功能或其他重要方面，人们也并没有理解其背后的原理。目前的情形，如同人们刚刚制造出飞机时，并不了解其背后的空气动力学。所以，智能时代的真正到来，除了应用技术的发展，还需要在基础科学上实现革命性突破。基础研究和应用研究有所不同。基础研究是出于人类的好奇，它并不需要真正的应用；而应用研究就是为国家和企业的需求提供解决方案。在美国很多大学都需要做基础研究和应用研究，这些研究提供了不同的方向，创造了新的行业和技术。这是美国最有价值的投资之一，也是现今驱动美国经济发展的动力。在未来，随着基础科学和应用技术的持续演进，也许40年后的革命会带来真正的人工智能。人工智能正在推动一场革命，它是这场革命的驱动力，它将彻底改变我们的生活和生活方式。那些认识到这一变化的个人、公司和国家将受益匪浅。

 

　　成为第一非常重要，我职业生涯中的一个小故事就是很好的例子。1964年，我从斯坦福大学电子工程专业博士毕业，随后至普林斯顿大学任教。由于工作要求，我要教授计算机科学课程，我从物理学领域转入了计算机科学领域。由于当时计算机科学刚刚起步，我不得不一边教学一边摸索，这也让我意外成为了世界上最早的计算机科学家之一，并于1986年获得图灵奖。如果当时我坚持在物理学领域，不一定会有进入新兴计算机领域所取得的成绩。还有一个例子，我做过一项关于美国顶尖大学的研究，顶尖的大学有很强的稳定性，一个新的大学要跻身前十名十分困难。在1940年到1950年，斯坦福大学尚非名校，那么它是怎样跻身前十的？这要归功于电子工程系主任弗雷德·特曼（Frederick Terman），二战后他果断放弃了旋转机械、照明等传统学科，把注意力放到了微波电子和固态物理等新兴学科，还建立了实验室。其他的大学从10余年后才开始从事此类研究，由此斯坦福大学一举跻身美国顶尖名校行列。所以抢占先机的优势是显而易见的。

 

　　如今的人工智能发展，和当初计算机科学的兴起有一定的相似之处。如果上海想在人工智能领域成为中国乃至世界的中心，那么就业的发展就至关重要。过时的工种会被淘汰，我们需要创造新的环境和新的工作，所以我认为有5件事情需要做。

 

　　首先，要有一个上海人工智能的蓝图和品牌形象，例如举办人工智能大会等重要会议，邀请人工智能领域的先驱参与活动，让人工智能在上海进一步发展。第二，提升上海交大和复旦等高校的教育水平。这两所大学是中国排名前列的大学，提高它们的人工智能教育水平，将为产业的发展提供人才。改善教育的同时也会培育大量可能创造新产业的创业者，从而推动本土的创业活动。对我来说我更重视在校大学生而非毕业生，要提升高校教育水平首先要提升在校生的水平。但是目前最为关键的是，要建立与当下智能革命相匹配的教育体系和对教师的评价体系。现在的评价依据大多是发表的论文和研究经费，这些与新生代人才并不是那么相关。这两所高校有很不错的专业，但如果评估方式不当也无法培养出所需的人才。第三，提升整个国家和国民的教育水平，让人工智能研究遍及全国，人才遍布各地，上海可以将他们吸引过来。例如建设全国人工智能教师培训基地，为高校的老师提供培训，不断提升人工智能和计算机科学的教学水平。上海可以采取这种方式吸引全球最优秀的人才为上海甚至整个中国培训教师，这不仅会提升中国的教育水平，也会加深上海与各兄弟院校的联系。第四，促进和鼓励人工智能创业活动，朝气蓬勃的年轻人会创造更多的创业和就业机会，虽然很多人会失败，但是也有很多人获得了成功，他们会创造非常重要的发展机会。第五，促进当地产业的发展，为本地产业、本土企业创造机遇，让它们从活动中受益。政府还可以提供一些必要的支持，例如为一些企业提供必须的材料、提供财务服务、提供配套设施、建设公共服务平台等。从长远来看这些举措是成功的。

 

　　社会将经历一场变革，传统的职业会消失，人工智能会成为经济活动的驱动力。如果有清晰的、有远见的战略计划，上海会成为未来中国、甚至世界的人工智能中心。