新的5年问题

当今，科技于诸多领域中产生了令人兴奋的变化，也使我们很容易就天马行空地做梦。在本书的结尾，我们建议商业领导者不断地对自己提问：5年之后的情形可能是怎样的？我们经常对自己和身边的人提出这个问题，主要的原因是这个问题的答案会经常发生变化。这强迫我们意识到当下发生的改变，然后想象如果这股改变潮流在未来持续下去或加速发展，将会带来怎样的结果。

那么，当今又出现了什么变化？最近一个让我们瞠目结舌的现象，便是机器学习领域的快速发展。众所周知，计算机是一种非常擅长做计算的机器，但是，在解决人类每天都会遇到的复杂感情问题（比如“我们该去哪里吃晚饭”），以及相对简单的问题（比如“那是什么品种的狗”）时，计算机却要逊色很多。这也就是机器学习派上用场的地方。所谓机器学习，就是指机器具有学习的能力，而且能在学习的过程中变得越来越聪明。人类不必在计算机中编入初始答案（或者编入可以计算出答案的公式），计算机能够根据自己在计算过程中积累的数据得出答案。

机器学习的概念从1955年左右就一直存在，当时，在达特茅斯大学教书的计算机科学家约翰·麦卡锡提出了一个暑假研究项目，想要一探计算机有没有可能发展出他所称的“人工智能”。事实证明，这个问题要比刚开始设想的更复杂一些，但到了20世纪80年代计算机科学家开始研发“深层神经网络”时，这个研究的进程得到了巨大的推动。这些网络是一层层的计算机算法，可以运用在一起来辨识数据中的规律，并从中学习经验。那时计算机的功能远不够强大，只能用最为基础的方法来实践理论，而现在的计算机已经具备了足够的功能。作为深层神经网络先驱之一的杰夫·辛顿于2013年来到谷歌，并立即加入了杰夫·迪安（本书企业文化一章中敢于提出“这些广告糟透了”的主人公之一）以及其他几位创意精英的团队，致力于机器学习平台的研发。他们将这支团队取名为“谷歌大脑”，而他们创造出的平台则衍生出了数项令人称奇的成果。

假设谷歌相册是你首选的照片应用程序（大家都该像这样厚着脸皮进行自我推广），你可以通过设定来自动为你所拍的照片进行备份，还能轻松上传家庭电脑中所有的图像。所有这些照片和视频都被安全保密地储存在谷歌云端，供你搜索、整理、编辑以及共享。在搜索方面，出现了一些非常有趣的变化。以前，搜索照片的方法很有限：你可以通过日期来进行搜索，就像你（或者你的父母）在鞋盒里搜索底片和照片一样。但是现在，你可以在谷歌相册中通过地点（“伦敦”“旧金山”）、对象（“狗”“汽车”）、人物（“妈妈”“宝宝”），或者人们在照片中做的事情（“拥抱”“舞蹈”）进行搜索。谷歌相册会自动将照片按照人物、地点以及事物归类。这种进步并非通过训练得来，而是谷歌相册通过一个几十层深的神经网络将所有信息学习起来的结果。这样一来，你就能从所有照片之中找到那张你和家人在日落时的毛伊岛海滩扔球的照片了。

如今，上百项谷歌服务都在通过机器学习变得更加智能。机器学习帮助我们在许多领域取得了长足的进步，比如语音识别（与我们第一次开展这个功能时相比，取得了令人惊叹的25%的进步）、语言翻译、图像搜索、运行数据中心（在散热上所用的能源减少了差不多40%）、使用谷歌地图在交通堵塞时找路、侦测谷歌邮箱的垃圾邮件，以及其他几项功能。

这些进步让我们大受鼓舞，我们决定，将这项技术对外共享。因此在2015年11月，我们发布了机器学习平台的开源版本，现名为TensorFlow。机器学习仍然处于初期阶段，像理解自然语言或叫出恐龙名称这种4岁的孩子能够轻松解决的问题，仍然能把计算机难住。我们希望，通过将这神奇的平台向大众开放，我们能够推动机器学习技术相关研究的进步，并将其益处拓展到各种类型的用途中去。

这些用途会是什么呢？随着机器学习的不断发展，接下来的5年里会发生些什么呢？发明出好用的方法来搜索照片，这诚然非常可圈可点，却不足以让人为之惊叹。但是，如果你放眼四周，就会很容易发现，使用笨体系解决复杂问题的例子比比皆是。在超大型城市中，交通堵塞让人谈虎色变，浪费了无数的时间和能源。我们能否通过更智能的交通流计量系统和更合理的城市规划减少这些浪费呢？语言的障碍为贸易、外交以及商务设下了障碍，我们能否先于《星际迷航》的实时宇宙语言翻译器200年、利用准确率达99%的实时翻译系统消除这些障碍呢？低效率的能源系统以及无法准确按需供电的电网浪费了大量能源，我们能否通过一个更为智能的电网以及能够相互对话的能源体系，将其中大部分节省下来呢？每年都有数以10万计的人因车祸死亡，我们能否通过自动与其他车辆进行沟通的无人驾驶汽车来减少这一悲剧呢？医生们每天都要对医疗状况进行诊断，而计算机成像系统以及大量数据的帮助，是否能让这些诊断变得更快、更准确呢？孩子的耳朵受了感染，还需要通过医生来告知我们吗？抑或，这种事是否靠智能手机就能搞定呢？

想象任何一个大量数据和亟待解决的复杂问题并存的情形。有了机器学习平台，计算机便能通过培训来解决这一问题。在本书的结尾，我们预测了下一位创意精英在车库、实验室或会议室为一项新的事业埋头苦干、努力将谷歌赶下潮流的情景。今天的我们意识到，这位创意精英的目的或许不在于此。没错，她的确在为有潜力成就伟业的事业辛苦耕耘，但其目标不是将谷歌赶下潮流，而是努力打造下一个谷歌，一家利用机器学习以及其他日渐发展的技术来解决巨大、复杂且棘手的人类难题的公司。这些难题涉及公共交通、医疗健康、基因组学、气候科学、网络安全甚至安排会议日程这样让人措手不及的“重任”，机遇可谓比比皆是。现在的你尚没有听过她的名字，但再过10年左右，她的公司大名将会家喻户晓，她的产品则无处不在、强大无比，让人们不禁感叹在这款产品出现之前我们是怎么活过来的。这听起来是不是有点耳熟？