5-10年后，你觉得哪些科技会让我们“遗忘”现在的生活？

记得20年前曾经有个特别火热的“72小时网络生存测试”，要求受试者只借助互联网在72小时内生存下去。当时的互联网不发达，大部分日常吃喝都很难只通过互联网得到保障，有些选手无法保证基本的温饱而退出了比赛。仅仅20年的时间，互联网等技术的出现，使得我们的生活发生了天翻地覆的变化，已经不少人仅仅依靠互联网就可以解决衣食住行几乎所有的生活问题。我们几乎已经忘记了不能在网上购物的时代。

放眼未来，什么样的技术会给未来继续带来这样翻天地覆的变化呢？作为机器学习的从业者，我对于AI能够改变我们的生活深信不疑。正如我在答案中提到的，我们现在正处于机器学习的黄金时代，因为无论是学术模型还是工程实施都没有明显的壁垒，我们已经几乎到达了模型的表达能力无限强，计算速度无限快，数据无限多的时代。拥有这么一个强大的锤子，只要找到合适的钉子，都能够带来巨大的改变。技术的进步使得出租车公司客服能帮我们安排约车，避免了要走到马路边现场打车的冗长等待；AI则可以帮助打车平台调度车辆，规划行车路线，甚至实现自动驾驶。因此AI有别于一般的技术，它已经不再是简单机械地执行人类指定的任务，而是具有和人类大脑类似的处理信息方式，做出和人类类似的行为模式，能自主学习，甚至由于它具有处理大量复杂数据的能力，可以迅速提出最优化的解决方案，比依靠历史经验积累的人类做出更快更好的判断。

谈到AI，大家第一反应都是现在生活中常见的应用，比如百度背后的搜索算法，头条背后的推荐系统，而这只是AI应用的冰山一角，**复杂社会体系背后的工业、医疗、能源等领域，**其实蕴藏着AI尚未被挖掘的巨大潜力和价值。

举个例子，堵车和晚点是现代社会中越来越常见的现象。不少科技公司都推出了各种算法和应用来预测堵车的时间和晚点的概率。然而，正所谓“上医医无病，中医医欲病，下医医已病”，能从根本上解决堵车和晚点，才是我们对AI真正的期待。看过一个建设数字化城市的案例，卡车司机李师傅算起一年的账，意外地发现一年下来燃油费的支出比去年少了两千多元。这背后，就是靠着算法来调整信号灯，尤其需要对每一个交叉路口的交通量和进口道做出准确的预测和设置，准确分析每个区域行车平均速度、停车速度和等待时间，因而当车辆即将通行时，交通信号灯会自动为其调整通行时间，达到最优效果。这样既避免了重载车辆启停时带来的能源消耗，也减少了环境污染。“治乱缓堵”对于个体而言，便利了出行和物资输送，对于社会整体来说，还推进了文化交流和经济建设。据统计，我国一线大城市平均有近两千个路口红绿灯，如果每一个城市的红绿灯都能够通过算法来调度，必将为整个国家的发展效率带来提升，真正的利国利民。在我们没有意识到问题出现的时候就解决了问题，正是AI能够真正改善我们生活的地方。

AI在各个行业的应用千变万化，可能性多种多样。总结起来有几类是比较常见的：预测、诊断和优化。预测和诊断的例子就是金融领域中银行使用机器学习参考用户的消费历史、个人偏好等多个维度来计算信用评分，预测违约的概率。然而，这样的应用在工业界中并不容易，需要数据专家在收集原始数据时对其进行准确的描述和质量检验，剔除无代表性的数据后再构建数据模型，做出有意义和有价值的预测。**工业数据的收集和整理难度非常大。**工厂的每一个业务线都很复杂，每个设备的运行都不仅仅是单个设备，有大量的上下游联动。因此，每一次的故障也都必须要有上下游工艺的所有数据整合，甚至整个工厂的运转负荷等等。更进一步，不仅每个设备要有统一的数据格式，更需要有统一的平台来管理和运营这些数据。设备运转的复杂性、数量的庞大性以及对预警要求的迫切性都为预测和诊断应用提出很大的挑战。尤其是当数据信息量大、内容多，列项详细的时候，对数据的加工和处理变得更加复杂。因此，必须依靠着有经验、有能力的厂商，提供一体化的解决方案，才有办法从不可能变成可能。哪一个公司能够提出系统性的数据解决方案，哪一个公司就有机会真正的解决问题。

**机器学习在工业中的优化领域也有不少有趣的应用。**看过一个刀具加工的例子，精加工工艺涉及十余种不同刀具。如何设置刀具寿命是精加工领域平衡成本与质量的关键问题：刀具成本高昂，寿命设置过低会导致生产成本上升，而设置过高则容易影响产品质量或阻碍进度。在复杂多变的生产环境中，凭借人为经验做出判断的随机性大，误判率高。工程师的判断能力往往基于过去工作中处理故障问题的经验积累，随着技术的进步和设备的更新，在新的环境下，很多判断力并不能与时俱进。而这恰恰是人工智能算法所擅长的地方。AI可以把实践经验和数据分析成果有效地结合在一起，模拟各种解决方案的情景，做出比工程师更迅速准确有效的判断。像西门子的专家团队通过部署生成式对抗神经网络（GAN），帮助锡柴获取实际生产状态下的刀具寿命最优值，让其发挥最大价值。

**虽然应用前景广泛，AI在各个不同的行业应用落地并不简单。**机器学习大量依赖历史数据，既需要从业者有领域知识，又需要大量数据的积累，同时又要精通机器学习等算法，缺一不可。工业应用中数据的积累往往需要厂家有能力提供统一的解决方案来收集和管理上下游的所有数据，领域知识的积累也需要厂家持续不断地迭代和交付各种应用来不断提升，同时配合多年技术积累深厚和丰富的行业资源，才能确保真正落地带来效益。

专注人工领域近30年的西门子成立了AI Lab，拥有数百名AI专家，充分利用数据分析优势和丰富的技术经验的结合而大力推进AI在工业领域的应用：比如AI、边缘计算等推进智能制造改变产品的生产方式，个性化大批量生产产品；比如可负担的个性化高端汽车，让人人都能享受出行的乐趣。再比如在医疗领域的应用，帮助医生更快地给出诊断结果。这些改变让我们的出行更加便利，生活更加健康，社会更加节能、环保，同时也为人们就业提供了新的领域和机会。

我们在认同AI巨大影响的时候往往会担心发生“人机对抗”的情况，正如博乐仁在《AI并非就业杀手，而是有力助手》一文中所说，“只有人类才能将数字化的世界洞察运用到现实世界中。”我们教会机器学习的能力，机器才会执行我们的决策为我们带来福利。AI工业正如春雨，“随风潜入夜，润物细无声”地带来创新和变革，让我们遗忘现在的生活，AI工业则期待着得到公众的更多关注。在人工智能、物联网与工业4.0融会贯通的时代，AI工业将如何打造我们的生活和重新定义我们的就业，我们可以拭目以待。