美國約翰·霍普金斯大學博士、騰訊前副總裁、Google科學家、著名自然語言處理和搜索專家吳軍，日前在復旦大學管理學院的一次公開演講中，對當下大熱的人工智能和大數據的發(fā)展，做出了自己的分析和展望。

怎樣的大數據才意味著突破

在過去幾年，我們這個世界上的數據的增長速度，相當于之前5年、10年的50倍。

大數據為什么在這個點上爆發(fā)？主要原因是，摩爾定律使得存儲的數據量空前擴張。與此同時，類似RFID那樣的傳感器技術也得到了質的提升。于是，就出現了這樣的例子——

當某著名服飾品牌把RFID的芯片放在衣服上，如果你覺得一件衣服挺好看，拿到試衣間試，試完了卻沒買，芯片依然能記錄下你試穿了多長時間。由此，他們就會去研究，到底是什么問題，讓你沒有選擇他們的產品。至于你試都不試，他們則認為這很可能是店鋪陳列擺放的問題。基于由上述這些數據收集而產生的質量管理和服務改進，這家店的銷售額在過去10年里漲了5倍，非常可觀。

另外一個例子，如今也非常有名了。美國第二大連鎖百貨TARGET將大數據運用于營銷。某天有一位父親特別生氣，到店里來投訴。他說我的女兒只有14歲，可是你們給她推送母嬰廣告。結果過了一個星期，經理打電話回訪這個父親，這位父親表達了歉意：上次是我態(tài)度不好，我的女兒是懷孕了。事實就是這樣：如果你總是在淘寶上買生活用品，你們家什么時候需要買手紙了，馬云可能比你的家人知道得還早。

隨著上面的例子越來越多，有人開始認為，我們現在正處在人類歷史上的又一個節(jié)點：機器的智能有可能在我們這個時代超過人的智能。

這種推理是怎么來的呢？

持上述觀點的人認為：由于計算機的速度會不斷增加，而人的能力發(fā)展基本上是平行的，所以未來某個時間點上，機器智能極有可能超過人的智能。這時，如果我們善于利用大數據的特征，可以達成兩件事。其一，可以換一種思維方式來看待世界。其二，可以制造更先進的機器智能。

換言之，大數據就像在一堆沙子里面淘金。當你利用到相較于今日一萬倍的數據時，量變到質變的躍升就很可能產生。從這個意義上來講，未來所有的公司，都可能是要使用大數據的公司。

真正的受益者不會超過2%

未來世界的機器是不會控制人的，但制造智能機器的人，能通過機器控制其他人。比方說，經常去京東、淘寶買東西，實際上就是被他們控制；　天天用微信，某種程度上就被騰訊控制。

在大數據時代，很多商業(yè)模式也會變。比如，過去有一個“吉利模式”，買一個刀架送一個刀片。然后吉利靠消費者后期的耗材消費掙錢。可如今，一個冰箱品牌做了這么一件事。它內置于冰箱的芯片可以獲知你家有多少牛奶、多少雞蛋。當這些東西沒了，它就會通知給你送來。換言之，這個冰箱除了冷凍功能，還被賦予了“貨架”功能。

未來世界里的大數據思維，將細到每一個人、每一個商品、每一筆交易，逐漸影響我們的生活，改變整個生態(tài)鏈。與此同時，技術的發(fā)展也不可能人為地停止下來。

但很遺憾的是，在任何一次重大的技術革命中，一開始受益的都是2%的人。正如蒸汽機的發(fā)明，第一波受益的，是發(fā)明家、工廠主，這是18世紀晚期的事。但連英國維多利亞女王迎來她特別榮耀的時代，都是19世紀中期的事了。美國工業(yè)革命，受益的是愛迪生。如今特斯拉也掙了很多錢，受益的是支持他們的GP摩根以及各種關聯制造商。老百姓什么時候開始受益呢？是不是過兩年，其余98%的人就能受益了呢？不是，可能要經過兩代人，半個世紀后，才能有98%的人受益。

美國IT革命，從摩爾定律的發(fā)明到今年正好是51年，很多人還沒有受益。美國和中國很幸運，踏準了信息革命的節(jié)奏。但在我們的周圍，南美洲、整個阿拉伯地區(qū)、東歐地區(qū)，甚至南歐，對IT革命的貢獻幾乎為零。我希望大家能看到站在你們后面的這98%的人。你們要關注這些，更要堅守住這2%的位置。

學習是一輩子的事

前一陣谷歌的AlphaGo非常火，于是有人問，AlphaGo的學習速度太驚人了，和以前的學習方法相比，未來年輕人的學習，是否只剩下思維模式上的突破？

后來我一個同事，他的孩子在學下棋，他就說那我們去把AlphaGo這個程序打開，看看它到底怎么下的，讓孩子學學。結果打開一看，發(fā)現根本沒法模仿，里面就是一個很簡單的數學模型，然后一堆亂七八糟的數字。所以，機器產生智能和人產生智慧完全是兩回事。但我想講兩點——

第一，機器最擅長的工作還是重復性。AlphaGo 差不多有50個左右的版本，有時候一天就下好幾千盤棋。但人類最重要的一個能力是創(chuàng)造力。在我們祖先活下來的地方，比如走出非洲那會兒，除了生存，還有樂器、創(chuàng)造性和想象力。

第二，比學習方法、思維模式更重要的，其實是終身學習。學習是一輩子的事，這點最重要。我原來周圍有一些人比我的學業(yè)能力要強一些，但他們一旦拿到博士，就把書本一扔，從此不再學習，慢慢他們的知識就老化了。而我雖然不是一個有很好學習方法的人，卻是一個能夠不斷學習的人。

正如你和你的父輩要掌握的技能早已不同，如今，說任何一個專業(yè)如何好、如何壞都失之簡單。現在來講，已經很難有專業(yè)比人的壽命要短，因此，你要做好在不遠的未來換專業(yè)的準備。也許你的專業(yè)會過時，但你利用最先進的技術，比如計算機，來學習和提升自己這件事，永遠不會過時。