絕對不會！

這兩者缺一都不叫人工智慧，現在所有商家所說的“人工智慧”需要打引號。現在的所謂的“人工智慧”是有多少智慧就有多少人工......

第一次工業革命：蒸汽時代的來臨。

時間：18世紀60年代

標誌產物：珍妮紡紗機

第二次工業革命：電氣時代的來臨

時間：19世紀60年代

標誌產物：電力的發明

第三次工業革命：資訊時代的來臨。

時間：20世紀50年代

標誌產物：計算機的發明

這三者有一個最重要的共同點，就是使全社會的生產力都有大幅提升。

因為前面的工業革命都是提升生產力，人工智慧是解決生產力問題。

這是本質的不同，人工智慧無時不刻都在學習，而且還能自主解決問題，運算能力更是遠超人類，人工智慧終將解決生產力問題。

舉幾個例子：

比如以前去外地不認路，需要記路問路，地圖（工業革命）提高了記路問路的效率。而導航（人工智慧）的出現就解決了不認路的這個問題。

人工智慧和歷史上的工業革命絕對不同，人工智慧的對人類的改變會翻天覆地。

人工智慧至今沒有提升人類生產率。大多數現行技術革命，依然是自動化，這個自動化上世紀70年代就已經在德日這些國家完全推開。從工業機器人的保有量看，德日工業機器人是中國3倍的密度。中國工業機器人100臺每萬人，德日早已超過300臺。如南韓工業企業，工業機器人的保有量甚至更高到600臺。

而人工智慧，我們說的2000年以後，主要是谷歌透過阿爾法狗就是那個下圍棋的人工智慧推開的技術。深度學習神經網路技術。本質這種技術是大資料的延伸。實話實說“人工智慧並不智慧”，而和工業革命最大的區別在於，本輪人工智慧技術改革至今沒有提升生產率的走向。

現如今人工智慧重點應用方面，包括：

語音，主要是智慧音箱。當然不只是音箱，你對話siri，對話小愛同學等等。其實就是人工智慧在語言上的進步。這其實源自於語言對話資料，至今，很多對話依然十分笨拙。深度機器學習，到底是有限的學習。人類的思維卻是可以跳躍性的。比如我對小愛同學：“開啟電燈。”他就會問你，要走廊燈，還是客廳燈。你只有明確告訴他是開啟哪一個照明，他才會去開啟。而如果你抱怨，太黑了，或者在起始的時候沒有叫一聲：“小愛同學。”他也不會有反應。人工智慧語音對話，解決了一個同聲傳譯的粗略問題，不精確，也解決了一個聲控裝置的問題。但是這，基本就是語音人工智慧的極限了。我們接下來將同一個系統，從電冰箱轉移到電視機，從電視機轉移到垃圾桶，未來還會到汽車。其實，這依然是一個相同的東西。或者叫siri，或者叫小愛同學。或者叫微軟小冰。

影片，人臉識別技術。人工智慧在圖片上面，主要就是人臉識別。這個人臉識別有時候依然可能被3D照片破解。但是對於監控系統，很多人路過的時候，自動能夠顯示出身份資訊，從而在安防上會獲得較大的進步。那麼，僅此而已。我們原來認為影片會延伸到無人駕駛階段。現階段無人駕駛技術十分尷尬。因為即使谷歌WAYMO，依然需要駕駛員盯著開。而且還需要兩名駕駛員，一名工程師從旁協助。商業運營根本賺不到錢。而一些園區內部，人流稀少開的無人駕駛車輛，其實只有40碼的最高速度，平時20碼的執行，可能速度還不如共享單車。更加低成本現實的城市公共交通，還不如用軌道交通。

綜上。現如今的AI說白了就是大資料的延伸。早年接觸大資料真的很神奇。比如透過搜尋頻率，你可以提前瞭解感冒流感爆發情況。透過大資料，你可以瞭解一些悖論。比如我們可以透過統計發現我們人類天然自信。因為有70%的人說自己長相高於平均值。

人工智慧，是谷歌推動的。深度學習演算法的創作者都在谷歌就職，如果按照科學的自然演進。谷歌是有風險的。有可能我們人工智慧不是利用這套演算法，我們用了其他不同的演算法，也有可能人工智慧一直沒人去開發。和安卓一樣，不成熟的時候，先讓演算法成為主流，佔據市場。谷歌就開始了人工智慧的開源和實踐。比如無人駕駛WAYMO，比如機器人的波士頓動力，甚至谷歌還在基因資料庫上面進行投資，想要透過人工智慧方式來學習基因和人類疾病的關聯性。

科學曾遵循因果，就是大雙盲實驗，對照組出成果。到了人工智慧，人類重新體驗了模糊化。實際上人工智慧達到的效果是一種機器達到的曲線模式。能不能達到還兩說呢。

結果完全不可想象。

我們說的工業革命有4次，第一次工業革命，是蒸汽革命，第二次工業革命電力革命，第三次工業革命是資訊革命，目前我們處於的時代是第四次工業革命是智慧時代。

蒸汽革命釋放了鋼鐵的價值，電力革命釋放了能源的價值，資訊革命釋放了資料的價值。智慧革命是釋放了萬物生命的價值。

未來完全不可想象是一個什麼社會。