编者按：本文转自微信公众号，内容来自《人类2.0》书籍，作者：皮埃罗·斯加鲁菲，硅谷精神布道师、人工智能认知科学家，同时著有《硅谷百年史》。

• 大数据时代商业合作的大趋势是什么？

• 未来工作的核心能力是什么？

• 人工智能真正的危险之处是？

• 你看好3D打印的未来吗？

几乎每一种科技都会带来一场经济革命，乃至社会和生活大变革，但真正的革命却会从这些科技的相互融合、彼此互动和增强中产生。

比如，纳米技术创造的新材料可使多种颜色和材料的3D打印成为可能，从而降低了太空旅行的费用；能帮助制造纳米机器人，用于生物科技中定位癌症或监测身体内部状况；还可能为穿戴设备或物联网创造出新型电池……

多种技术的交融和互动孕育的这场科技革命最终把人类带入“2.0”阶段：这个阶段的关键不同是，科技对几千年不变的生老病死的“人类规律”发起了冲击，并由此带来系列生存和伦理命题。

1、寻找大数据领域“杀手级”应用

1.1“杀手级”应用还未出现

全球范围内都在掀起一股大数据应用的热潮，如今的硅谷应该被重新命名为“数据谷”。权威机构预测，到2020年将存在200亿-300亿个网络连接装置，这意味着我们每年都会产生比之前20万年还多的数据。

然而，令人失望的是，我们并不知道该拿这些正在“大爆炸”的数据怎么办。大多数情况下我们会做“数据分析”，但数据分析至少从20世纪60年代就开始了，不过是通过对数据的分析，试图发现事物之间隐藏的规律性或潜在的问题，优化整个流程，最终赚更多的钱而已。但这些商家用数据分析也只是为了销售更多的产品，大数据真正的“杀手级”应用还没有被发明出来。

未来，数据的主要读者将是机器人。

大数据世界的真实图景是：

机器产生数据，机器阅读数据，并构造一个以机器为中心的数据世界。这也是为什么迄今为止大数据唯一有用的应用是数据分析，因为机器最擅长数学和统计，却不擅长理解人类世界。我们还没有大数据领域真正伟大的“杀手级”应用，正是因为机器，而非人类在“阅读”这些数据。

1.2 大数据时代需要的不仅是“数据分析”

机器与机器的连接产生并搜集了大量的数据，但到底能用这些数据做些什么？到底如何挖掘数据的价值还让很多人困惑。

大数据时代必然要求数据分析能力不断提高，比如计算和统计方法、可视化分析方法等都在不断改善和提升。但这不过让快速计算变得更廉价，因为大数据分析通常费用昂贵。比如，斯坦福大学最受计算机系本科生欢迎的教材《大规模数据挖掘》，任何人都可以使用书中的方法来分析大数据。

但是，一种新的数学方法并不能给我们带来更有用的大数据应用，最多只能带来更便宜的数据分析。原因很简单：数学家们并不了解世界上的重大问题。要解决大的问题，仍然需要一种跨学科的方法，需要一种不仅仅只有“数据分析”的应用。

“假设-形成”这个方法有一个弱点：在大量数据中发现相关性并不难，难的是理解其中的因果关系。大量数据中的数据偶然相关性也是巨大的。

1.3 大数据下商业合作大趋势

大数据解决“大问题”确实需要广泛的合作，这意味着大数据领域的“杀手级”应用也会在合作中诞生，而不仅仅是几个大公司之间的游戏。

虽然还没有大数据领域的“iPhone”或“Facebook”之类的杀手级应用，但相关的软件已经有了，而且是免费的。大数据的最大使用者谷歌和Facebook已经将他们的大数据基础设施做成了面向公众的开源软件，包括Facebook开发的Cassandra（数据库）以及谷歌的诸多大数据技术服务。此外，其它不少由美国高校或政府研发的大数据分析软件也都是开源的。

因为我们想要越来越多的创业者在大数据领域探索和试验，甚至连大公司也希望更多的小公司能够参与进来。我们想要看一下是否有人能发明大数据领域的“杀手级应用”。

大公司将他们的大数据服务作为开源平台，面向公众释放的信号是：即便竞争最激烈的商业领域也更看重合作而非竞争，这也是未来商业的大势所趋。

1.4 中国有潜力创造全新的大数据思维

大数据时代需要一种全新的思维方式，因为数据有着多种多样的来源，任何一个专家（无论是人类还是机器）都不可能吸收所有的数据，这就要求跨学科的方法。

哈佛大学量化社会科学研究所主任盖瑞金就召集和组建了一个由社会学家、经济学家、物理学家、律师、心理学家等组成的研究团队。

加州大学伯克利分校也建立了数据科学研究所（BIDS），成员中同样有神经系统科学家、社会学家、经济学家、物理学家、生物学家以及心理学家，甚至还包括一位地震学家。

中国人几百年前就已经发明并使用了这种思维。唐宋时期，理想的“君子”一定是一位跨学科的学者，他必须同时是政治家、历史家、作家、画家、诗人……他需要学习所有的经典书籍，可以说，中国早就创造了一种“多任务处理思维”。

这种唐宋时期的思维方法毫不过时，如今中国在“大数据时代”寻求一种全新的“大数据思维”时不妨回溯历史，重新发现自己独有的处理复杂社会问题的方法。

2、大数据时代，到底谁拥有未来

2.1 普通民众更多是大数据的客体

普通民众用诸如智能手机类的数字化工具来增进自己的“假性知识”，但很少有人知道该拿环绕我们身边的海量数据怎么办，该如何从中获取更多、更有用的真正的知识。

很多情况下，我们甚至都无法完整看到自己生产的数据（如电商、银行等），因为这些数据多被大公司所控制，这些大公司只管按照自己的意愿收集和整理这些数据，普通民众更多的只是客体，而非主体。

2.2 “量化自我”作为全新的心理治疗方法

凯文·凯利曾提出了“量化自我”运动，即通过可穿戴设备或内置传感器实现对人体数据的自我追踪和监测，这可以称为未来大数据能让普通民众受益的一个例子。

可以肯定的是，未来产生大量数据的物体将是我们的身体，很快将会有很多可穿戴设备以及纳米机器人植入在我们身体之内，植入的芯片会一直产生和播报实时数据。

但是，你的数据仍然需要跟别人的数据结合才能得到一个真正改变生活的应用，否则，这些数据到底有什么用处还不确定。因为任何事物的意义都是相对的，我更倾向于把“量化自我”看成一个种全新的、更科学的心理治疗方法。

通过记录自身的行为数据，你可能会发现一些自己之前从未意识到的东西。

这些数据也有助于提升自我，可以将自己的活动数据分类整理成爱好、创造性的思考、读书、运动等，到每月月底的时候可以通过图表分析自己的时间到底都去哪儿了，并重新调整各项活动，确定自己在朝真正的目标前进。

2.3 未来我们是否还能将数字理解成人？

当我们自身遍布传感器和可穿戴设备，是否意味着我们将成为机器的一部分。

一个机器产生并读取数据，然后告诉其它机器应该做什么的世界听起来可能确实有些可怕。更可怕的是，我们的身体是这一过程的最终对象，所有这些机器确实会使我们变得更不像人类。当我们过于频繁地认为数据只是一些数字时，我们可能真的会忘记，这些数字背后代表着真实的人。

1、人工智能赶超人类为何是个伪命题？

1.1 人工智能目前的局限

目前的人工智能其实都是围绕“识别”做文章，也大都发生在神经网络领域。神经网络的局限性是，它背后是“模式匹配”的运作原理，真正的含义还是“识别”。这意味着要很好地利用基于神经网络的深度学习技术，你需要把你所有的问题转换成一个“识别”问题，这不是不可能，只是让人感觉有些怪。比如，你需要把谁将是下一任美国总统的问题转换成一个模式识别问题。

翻译软件，它会自动翻译不是因为它真的掌握了这门语言，而是每当有人给出新句子，它就从翻译好的数据库里“学习”，根据已有的翻译 “猜”这一句的意思，意思就是“识别”出最有可能的已有翻译。正确地将英文翻译成中文，但它仍然不懂英文，也不懂中文。

统计的方法能产生一个合理的结果，但它永远不知道为什么。这也是为什么机器由此学习到的技巧不能应用到其它领域。

1.2 技术到底进步了多少？

我甚至不确定今天的大部分技术进步相比之前有什么特别。当然，我们的生活因为技术发生了很多改变，但改变不等于进步。有时候一些看似重大的改变只是市场需求创造出的一些新时尚，或只是商业模式的改变而已，这些改变也许是“进步”，然而，它们主要只让少数几个大公司受益。到底是谁的进步？真的是人类社会的技术进步吗？

我们今天的大部分进步其实都源自过去的创意，今天能够实现无非是因为强大而便宜的计算能力。

我们一直在研发和改进能让机器人更好“识别”，而不是“思考”的能力，这也是为什么机器人一直缺乏常识。如今机器人的灵活性确实有了极大的进步，那是因为传感器和电子产品的价格一直在下降，人们可以将大量的传感器内置到机器人的“手臂”里，直到它们的机械“手臂”跟人类一样灵巧。

1.3 人类智能的退化才值得忧虑

不是我们在创造过于聪明的机器，而是我们在创造更加愚蠢的人类。人们不断制造着让自己变得退化、多余乃至愚蠢的工具。事实上，很多高科技的项目不是依赖更聪明的技术，而是依赖更傻的用户。这些项目不断要求我们变得跟机器一样，说这一门“机器语言”，表现出机器才有的行为，以便跟我们周围越来越多的机器互动。

机器能够执行任务不是因为它们使用了人类的语言，而是因为人类使用了机器的语言。

1.4 人工智能的未来是“增智”

人工智能不会生产出像人类一样的“智能”，而是会不断提供非常有用的技术和新东西。吴恩达是对的，技术对人类来说一直都是合作伙伴，而不是替代品。每一种技术都会给人类创造更好的工作。

半机器人时代已经到来，这不是什么坏事，就好像我们现在戴眼镜和使用助听器一样，我甚至觉得，神经植入可能会在人工智能之前改变很多人的生活。

2、人工智能将创造更多工作

人们害怕人工智能的一个重要原因是：机器人在抢走我们的工作。然而，重申一次，人工智能只是一种技术。

产生“机器人会让自己失业”的忧虑还有一个原因：想象哪些工作未来会被技术淘汰比较简单，而想象技术将创造哪些新工作总是比较困难。人们很容易夸大前者而低估后者。

如果人们赚的钱更多了，同时好的商品和服务的价格下降了，人们就会在新的“奢侈品”上花更多的钱，这会创造更多的工作。由于更高的收入和更低的物价，因自动化失去的工作可以在其它领域找回来。

我为什么认为人工智能的时代不会很快到来？这是因为，我们有一些很快就需要整个社会却还没有准备好的工作。比如，照顾老人就是首先要担心的。

未来工作的核心能力是：

未来的工作更多是人和机器一起完成的，机器擅长储存大量数据和信息，但它们不擅长将信息转换成知识。知识显然不等于信息，“知识”是关于罗斯福总统解决大萧条问题的经历，以及这意味着什么。而“信息”只是机器所记录的美国总统的名字。

仅有知识也不够，未来的工作不仅要求你是知识的理解者和应用者，还要求你同时是知识的整合者和创造者。未来的创新能力和解决问题的能力将更多需要跨学科的方法，需要理解、融合多种知识的能力。

人类对特定的情境有强大的理解能力，这也是机器所远不能及的。如果我问你：“图书馆在那里？”你可能会回答“图书馆已经关门了”，或者“图书馆这个时间段人超级多”。这些不同的答案都是根据问话人特定的情境来回答的。

如果你担心机器抢走你的工作，那就想一想你能否成为当机器搞不定时可以迅速接手处理的那个人。

3、警惕人工智能真正的危险之处

3.1 我们人类越来越喜欢“机器思维”

人工智能不会控制和杀死人类，也不会让我们失去工作。但我真正担心的是，我们制造的机器人是在模仿人类理性的“机器思维”，而不是先天的“符合思维”。

美国哲学家苏珊·朗格1942年写的一本《哲学新解》，朗格的理论是，人类是符号的动物，我们一直在创造看起来跟“适者生存”原则背道而驰的庞大的符号体系。

世界上没有两个人会看到同样一件事物（每个大脑都有轻微的不同），但所有人都可以就同一件事物形成一样的符号。

基于知识的人工智能完全是关于符号系统的，关于知识如何被呈现的就是知识本身。遗憾的是，如今流行的人工智能是关于“机器思维”的，不是关于“符合思维”的。“深度学习”擅长识别和执行任务，而不是创造复杂的符号系统。

现在很多人早已习惯和沉浸于“机器思维”，喜欢高效而简洁的行动，喜欢大量的智能设备，很多人乐于什么都不做，他们希望职能设备最好能把事情全都“想”好。

人类一向都想要无所不能，如今大家却期待机器变成无所不能的，自己则甘于平庸。如果这是一种新的人性，我不确定它是不是我们真正想要的。

3.2 人工智能的发展方向

迄今为止，人工智能最成功的应用是搜索引擎在电脑上个性化的展示广告。Facebook的前科学家杰佛里·哈默巴赫尔对此颇为感慨，他曾写道，“我这一代人最聪明的大脑思考的问题只是怎么让人们点击广告”。我担心人工智能在未来的应用，将取决于谷歌这样的大公司到底如何使用它们的技术。

3.3 人跟人之间的互动会日益减少

当我想到未来大部分内容还是人类来写，大部分读者却很快变成机器人，机器人读者的数量甚至会超过人类时，心里真的不是滋味。你在网上做的任何事情都会被机器记录下来和进行分析，机器会非常“专业”地读你写的任何内容，并不是因为它们真的喜欢你写的东西，只是因为你的个人生活对它们来说是一个商业机会。

如今，谁给你现金？自动取款机。谁递给你火车票？自动售票机……

我们倾向于从经济层面看机器取代人工后的好处：这种服务可以变成7天24小时不间断的服务，服务成本还很低。但是，这背后隐藏一个重要的、容易被忽略的信息：每一次我周围的人被一台机器取代，就意味着我跟人类的互动机会减少一次。

我们不禁思考，如果我们不再跟人类互动之后，人性到底会发生什么改变？

三、纳米技术篇：纳米时代，小即是大

未来科技的趋势就是越来越小，我们需要的就是轻便、便宜、能嵌入到任何东西中去，又不会消耗很多能量的“小东西”。纳米技术会将技术进一步推入隐形状态，让它离普通人越来越远。

“纳米”通常指的是在原子或分子尺度上进行研究的科技，研究范围在100纳米甚至更小（一纳米等于一米的十亿分之一），相比之下，一只蚂蚁有600万纳米长，一个细菌有2000纳米，一个DNA有2纳米。

纳米技术的应用非常广泛，目前研究非常活跃且已取得重大进展的领域是：

它能带来更坚固和更轻的材料；

能带来更清洁的能源和可持续的（能自我降解）的物品；

能带来新的电池，能让我们几秒钟就充好电，并且可以持续使用很长时间；

能带来更有效治疗疾病和损伤的生物医药；

能重塑计算机科学，带来更快、更强大的计算能力。

2005—2009年出现纳米泡沫，究其原因，在于投资者对纳米技术的应用以及其开发周期较长缺乏认知，资本市场热炒造成了盲目投资，并不代表纳米技术本身虚妄。

纳米技术，图片来源：百度百科

除了几种已知的纳米新材料带来的广泛应用，目前纳米技术在抗击癌症、治疗脑损伤等方面的进步振奋人心，在我们身体内部工作的纳米机器人已呼之欲出。

在信息技术方面，摩尔定律目前已经在接近物理极限，而纳米技术则有望继续这一定律，甚至能帮助制造通用量子计算机。纳米技术的研究寄托着解决我们这个时代多个主要问题的希望。

克里斯蒂娜·彼得森是纳米技术领域的知名研究者和领导者，是始于1986年的纳米研究和教育机构“先锋研究所”的主要创始人，阐述了纳米技术的发展有三个阶段：

早期应用纳米技术的产品常常出现在汽车等工业体系中，因为已经直接融入到了产品中，消费者几乎察觉不到，所以不会觉得有多么兴奋。现在我们已经听到更让人兴奋的碳纳米管、石墨烯等。

下一个5-10年里，最让人期待的就是纳米抗癌设备，它们可以精准地定位癌细胞，帮助进行靶向治疗。这种设备目前已经存在了，只不过还没有被批准使用，因为医疗器械都需要经过严格的测试和政府的审批。

也就是诸多纳米装备一起运作的阶段。比如，分子计算机、分子x光射线、分子实验室等，这些纳米设备可以协调合作，构成一个强大的纳米系统。

3D打印技术在30年前就有了，直到最近几年才被大众所知，简单来讲，主要面临以下三个问题：

第二，能打印的东西太少；

第三，技术专利的限制。

从1988年世界上第一台3D打印机SLA-1诞生，到近几年的喷墨金属纳米技术，树脂3D打印等新兴技术，3D打印技术依然不被很多人看好，因为我们仍旧处于3D打印领域的史前时期。色彩3D打印、复杂产品的3D打印依然是很大的挑战。

但我对3D打印的未来很乐观，因为3D打印领域已经有很大的进步，每年都有新的“墨水”（打印材料）和新的打印方式产生。

3D打印将实体物品变成了数字文件，或者说，将数字文件变成实体物品，这才是真正的革命。

3D打印改变了我们生产制造的方式，进而必然会影响和改变我们的经济和社会，一个普通人也能体验将一个数字文件转换成三维实体对象的魔力。可以预见，3D打印技术将促使大公司和大工厂经济更多向家庭经济转变。

很快，3D打印厂商会在网络社区上互联互通，重塑以家庭为基础的3D打印时代的新供应链：每个创客都可以在上面发布3D产品的数字模型，其他创客则可以决定哪些正好是自己需要的。或者，如果有人3D打印出一款零件，而这款零件正好是另一个商家组装产品所需要的，这种需求的匹配也将在网络上几乎是自动完成的。

3D打印也将促使目前整个工业体系的产业链发生改变。原来一款新产品推向市场经常需要数年时间，现在从有一个产品创意到做出原型，再到众筹生产，最后直接销售，整个产品诞生周期会大大加速。

也许将来某一天，3D打印技术的影响下，这种生产制造不在需要仓库了，也不再需要产品的运输了，因为遍地都是3D打印店，不论你在哪里，都可以享受下载文件和打印3D物品的服务。

目前，3D打印已经可以打印飞机、房子、巧克力、陶瓷艺术品、食物、甚至是人体组织。未来，3D扫描和打印普及后，带来的影响将不仅是制造业、医学等领域，我们社会和生活的很多方面可能都会被改变。

3D打印和其它科技一样，它更大的魅力在于，人们很有可能会将它用在我们今天完全想不到的用途上，从而给我们的生活带来全新的冲击和震动，因为今天还没有人能想到的东西，明天往往才会变成真正的革命！