內容來源：2019年4月12日，在北京東升科學院舉辦智酷沙龍第79期上，硅谷風險投資公司CEG Ventures創(chuàng)始人王維嘉進行了《暗知識：機器認知如果顛覆商業(yè)和社會》新書分享會的主題演講。筆記俠作為獨家筆記合作伙伴，經主辦方審閱授權發(fā)布。

今日筆記達人 | 行走

封面設計 & 責編 | 小花

第  3491  篇深度好文：5224 字 | 13 分鐘閱讀

市場上有很多關于人工智能的書。各種觀點包括2040年奇點降臨，機器人要終結人類的演化歷史等等。包括馬斯克、霍金這樣的大咖也在發(fā)出很擔心的聲音。

大家為什么會對人工智能有這么多不同的理解呢？就因為它很神秘。

不像互聯(lián)網(wǎng)來臨時大家都能懂，互聯(lián)網(wǎng)企業(yè)就是不同的商業(yè)模式，技術也比較簡單。但人工智能就好像是個黑科技。

我就想寫一本書，把黑科技給它祛魅。從我自己的研究看，人工智能背后的東西都是很簡單的。

人工智能對我的刺激，是從AlphaGo下圍棋這件事開始的。

這件事給我們人類帶來兩個震撼：

第一個震撼是我們完全無法理解為什么AlphaGo能這么厲害。

柯潔下完后流著眼淚說：“我根本看不到希望。”聶衛(wèi)平說：“AlphaGo是上帝派來教人類下圍棋的，它的水平至少是20段。”

不僅柯潔和聶衛(wèi)平不懂，連谷歌的工程師都搞不明白為什么AlphaGo每一步會這么走。要知道圍棋在人類世界里被認為是最高智商的游戲。但我們卻被人工智能打得沒有還手之力。

但最震撼的是AlphaGo要先學人類的殘局、學棋譜，然后超過人類。但AlphaZero不學人類的棋譜，完全靠機器的自我對弈、自我學習，結果7天就打敗了AlphaGo，40天以后就天下無敵。

這說明人類2000年積累的圍棋知識，對AlphaZero不僅一錢不值，反而是累贅和包袱，反而束縛了它的水平。

這件事對我們自尊心的打擊太大了。人類覺得圍棋殘局多么牛的東西，居然對機器來說是垃圾。人類積累了2000年的東西，對于機器來說是垃圾。

這件事對我自己也是非常大的沖擊。整本書研究的起點就從這里開始。

2018年年底，AlphaGo團隊做出了阿法蝶（疊）。我把它翻譯成蝶，正好是阿法狗的妹妹。

阿法蝶可以把蛋白質基因序列的蛋白質三維結構給算出來。這個研究結果被發(fā)表在《科學》雜志上。

人類的生命，都是由細胞組成的。細胞的基本單位就是蛋白質。蛋白質的三維結構非常復雜，而蛋白質的所有功能就取決于三維結構。

以制藥舉例。

比如找到了一種造成肝癌的蛋白質，要能發(fā)現(xiàn)小分子卡在這個蛋白質的三維結構里，讓它動彈不了，肝癌就能治好。

所以蛋白質結構是人類理解基本的生命和生命過程最重要的東西。

過去人們觀測蛋白質的三維結構要用X光衍射的方法，非常非常的難。做好幾年的試驗，都可能看不到一個（完整的結構）而且蛋白質特別容易脆。

這兩年出了新儀器叫冷凍電鏡，但需要1000萬美金一臺。

在冷凍電鏡下，比較容易看到三維結構，但冷凍電鏡要做出一張蛋白質三維結構圖，要照幾十萬張照片，再拼湊出來。但現(xiàn)在阿法蝶（疊）很輕松就算出來了。

借助人工智能，我們人類在基礎科學上，有了巨大的突破。

▲ 長按圖片保存可分享至朋友圈

于是我給出一組定義：

信息：可觀察的事物表征

數(shù)據(jù)：被描述出來的信息

知識：數(shù)據(jù)之間的關系

我認為這三個定義是自洽的，簡單的。用這個定義來解釋人工智能是非常嚴謹，后面我會詳細介紹。

做人工智能研究，我有一個線索是回到人類認識世界的最初。哲學上有一個分支叫認識論。

認識論討論的是世界的本源是什么，人是否能可靠的認識世界？

理性主義認為：

人是有能力認知概念的，比如時間、空間；

知識是來自于推理；

萬事皆有因果。

而經驗主義的代表人物洛克認為：

人天生就是白紙一張，所有的知識都來自于經驗，萬事沒有因果關系，因果關系只是假象，其實就是相關性。就是說經驗主義更相信眼見為實。

但實際上世界上不存在所謂客觀的東西。

我們之所以對世界不理解，是因為我們硬性的把世界分成客觀和主觀，唯物主義與唯心主義，而這種兩分法，實際上是錯的。

任何認識世界離不開主體。

英國數(shù)學家羅素有一個著名的火雞悖論。

火雞就是經驗主義者，每天早上它的主人敲盆來喂食，第二天、第三天也是這樣，那么火雞就得出一個結論：以后每天早上主人都會敲盆來喂食。這個結論的有效性一直持續(xù)到圣誕節(jié)的前一晚。

理性主義和經驗主義爭論的焦點有兩件事：一是知識的來源到底是推理還是經驗？二是什么樣的知識更可靠？

回過頭我們再看人類歷史上所謂的知識是什么。

人類有文字以來，所有的知識，不管是現(xiàn)在的文字還是甲骨文，但凡可以用語言文字或公式表達的，就是我們認為的知識。

因為它可以傳播，可以被別人所理解。

直到70年前，奧匈科學家邁克爾·波拉尼寫了《個人知識》，他認為還存在一種非常個人化的知識，是不可傳播的。后來定位為默會知識（tacit knowledge）。

生活中有大量的知識或技能屬于默會知識，比如騎自行車、拉提琴、打乒乓球、游泳，都是需要反復去訓練，卻不可表達。

默知識有個特點，不可記錄，不可集中。而計劃經濟的前提就是要把全國的所有信息都放到一臺計算機里，全算出來，再告訴每個鄉(xiāng)村該生產多少東西。

Iphone沒出來之前，沒有一個人知道智能手機應該是什么樣。這個事只能靠企業(yè)家和發(fā)明家的想象力。

按這個思路想下去，很自然就會想到，會不會存在著一種既不可感受，也不可表達的知識？就是暗知識。

我畫了一張圖，橫軸是否可表達，縱軸是是否可感受。

明知識是既可感受又可表達，比如浮力定律。還有一類人沒法感受到，比如我們感受不到量子力學的微觀世界。但它在數(shù)學上是完美的，

還有一類呢，像量子力學、廣義相對論，我們人沒法感受到有這個，量子力學微觀世界，我們也感覺不出來，所以但是它在數(shù)學上是完美的，一定存在且實驗可證明。這就是不可感知可以被證明的知識。

很顯然四個象限就空了一個，就是暗知識。當我完成對暗知識的發(fā)現(xiàn)時，感覺又回到了30年前做博士論文。

在斯坦福做博士論文有一個要求，contribute to human knowledge，就是要對人類的知識有貢獻性。

暗知識就是原來從來沒有任何人提到過的。除非還能發(fā)現(xiàn)一個獨立的軸，否則人類所有的知識全能放在圖里。

這三種知識之間量的關系可以用冰山圖表示：

人類有文字以來積累的所有的知識，是冰山在水平面之上的部分；默知識是海平面以下人們看不見的冰山，而暗知識就是整片海洋。

人類的基本局限，是接收的信息遠遠大于輸出的信息。

▲ 長按圖片保存可分享至朋友圈

暗知識作為一個哲學概念，與我們的生活息息相關。

比如機器學習加人臉識別技術，該不該篩選出那些長著一張壞人臉，概率上犯罪幾率更高的人，比如自動駕駛面對突然跳出來的小孩，不撞自己會死，撞孩子會死，該如何選擇。

這都是機器學習或暗知識擺在我們人類面前非常嚴峻的問題。

由于暗知識的不可理解性，會給人類造成一系列的問題。

美國國防部有一篇白皮書提到：

未來人工智能的不可解釋性，是做公共政策決策上最大的障礙。

當機器告訴你要做什么，也無法跟大眾溝通，這就會對多數(shù)決策和制度產生很大的沖突。

我在公募做投資，每年大概會看幾百上千家公司。我總結整個人工智能的產業(yè)生態(tài)，就是金字塔的形狀。最上頭皇冠上的鉆石是算法。

大家說人工智能就是三件事：

算力、算法和數(shù)據(jù)。我覺得算力和數(shù)據(jù)都是胡扯。搭順風車數(shù)據(jù)自動就變大了，算力就變強了，和人工智能行業(yè)沒關系。實際上數(shù)據(jù)的發(fā)展是要算法上有突破。

但算法在今天很難做生意。真正做算法的非常少，主要在大公司和大學里。

算法里比較重要的核心技術就是芯片。

簡單來說，所有的芯片公司里最重要的兩家公司，一個是英偉達，做GPU圖形芯片處理器。

一個是賽恩斯，做FPGA現(xiàn)場可編程門陣列。這兩家公司占統(tǒng)治地位，現(xiàn)在中國一大堆芯片公司還無法挑戰(zhàn)這兩家公司。

人工智能產業(yè)生態(tài)中另外一個重要的環(huán)節(jié)是frame編程框架。編程框架大致可以看成操作系統(tǒng)層面的東西，但它不是一個操作系統(tǒng)，而是程序庫。

今天最大的程序庫，是谷歌的TensorFlow。今天所有的人工智能公司，特別是中國的人工智能的公司，全是用的谷歌的開源軟件。它已經形成了生態(tài)系統(tǒng)。

在應用層面，我要強調一點，以目前發(fā)展的線性預測，還看不到很多的應用。就像汽車剛出來時大家會覺得，汽車就是比馬車快的代步工具。

但汽車出現(xiàn)后讓我們有了高速公路，時間更節(jié)省了，就可以不住在城里了，等等。就造成了一系列的變化。這些變化是在汽車剛剛被發(fā)明時想不到的。

我投資過一家做金融醫(yī)療的公司。對慢性病患病的原因可能有很多，包括飲食、基因、臟腑器官等等?？赡艿脑蛉苛谐龃蟾藕脦装賯€。

而且直接的原因背后還有間接的原因，第二層、第三層、第四層，一個病就可以畫成一個非常復雜的網(wǎng)絡。

但人類醫(yī)生看病可能只有五分鐘時間，因為一天要看五、六十個病人，根本沒時間。所以只能抓住最最主要的兩三個因素，基本上是根據(jù)經驗做判斷。

但機器不一樣。機器學習是把所有歷史數(shù)據(jù)全部輸進去，這樣可以建立起非常復雜的系統(tǒng)。

機器看500萬個這樣的系統(tǒng)，就相當于看了500萬個病人。全世界沒有一個醫(yī)生一生中看那么多病人。這樣AI就可以成為最有經驗的醫(yī)生。這家公司通過了美國的醫(yī)生資格考試。

神經網(wǎng)絡的本質是讓機器在海量的變量里頭，發(fā)現(xiàn)人類發(fā)現(xiàn)不了的復雜的相關性。