“人工智能”技术如何影响着人类的生活

今年跨年最热闹互联网的新闻就是区块链技术，我们前几天也讲了一些与区块链有关的微课，但是我们的学员还是想多问一下这方面的知识。

如果我们把互联网的时代发展分成三个阶段：

第一个阶段，就是在PC阶段互联网早期的时代，比如说：电子商务、官方主页、搜狐、新浪、网易的那个时代。那个时代的特点，很多官方主页在发布着信息，很多人都在他们那了解和观看，他们掌控话语权；

第二阶段，移动手机上网的时候，自媒体发展起来了，每个人似乎都是一个“广播电视台“，一个”新闻发布中心“，于是不少人利用新媒体的时代，快速的获得网络的话语权，这也相当于“网红”的时代；

第三阶段，就是人工智能和区块链的时代，只不过第三个时代来临的时候，我估计我们很多人，就像我们前两个时代经历的一样，我们大多时候，仍然对这个时代正在发生着变化和深刻对自己的影响，对自己孩子的影响，实际上是茫然不知觉的，我们很快的就会被裹挟进入其中，但是并不知道这些东西对我们意味着什么。

如果说人工智能和区块链技术，在现在这个阶段，在顺利发展之后，会给我们带来什么影响？

首先社会的分层将会比过去来的更加猛烈，但是这种猛烈是安静的，你悄然不觉的过程中，你就被社会分层。

我们说传统时代社会的分层，就像是一种典型的直线分布，一个人比另外一个人富裕一些，在你之上还有比你跟富裕的人，很像一个等腰三角形，或者等边三角形的三角形形状，这就构成了人类的传统社会中大多数的社会阶级的类型，但是人工智能和区块链技术，它们对社会分层的影响，就不再是一个典型的三角形，它们会变成什么样？那就是你和你的上一个阶层的财富差距会成指数分布，你会你下一个社会阶级的财富分布也是成指数的差异的，换句话说，人和人的差异就会变得更大。

社会财富以及技术的革新，比如说像人工智能这样的技术，一般人是无法参与进去的。还有像，区块链技术，它是一个信用社会的一个特点，它比较鼓励个人拥有知识产权，也就是说，一个人既不掌握先进的互联网技术，比如像人工智能，你又没有真正自己拥有的知识产权，或者可以变现的知识产权，你的人生更多的时候都是在复制别人的知识、传播别人的知识，在吸收别人的知识。

这个时候，社会就会快速的将人类，发展成两个大的阵营，一个阵营就是无用的，没有知识产权的一部分人，另外一部分人就是，获得高科技技术的，像人工智能的，他们是有用的人；另外一个阵营，就是他们拥有知识产权，并且可以将知识产权变现的一些人。这样社会就分层了两大阵营，就不在是过去的三角形。

这样的社会分成就会将人们分成顶层和底层，只有两层，更可怕的就是，这种社会分层跟以往人类的社会革命不一样，以往的社会革命一般会伴随着战争，或者社会变革，而这种分层并没有过去那种传统的激烈的冲突，社会实在安静的悄然不觉的过程中，就突然有一天自己被分了层。

在座的每一个人，既要自己深刻的理解，互联网到底对于你来说是什么？还要认知到对你的下一代，对你的孩子来说互联网是什么?

就是说我们普通人必须要善于，不断更新自己的知识，更新自己的经验，想靠传统的经验混入互联网社会是不可能的，如果你不善于更新知识，更新经验，你只会陷入到无用的阶层，而且不仅要更新知识，更新经验，你还要时刻的把握住，互联网最新的脉络变化，比如说人工智能和区块链技术到底来说对你意味着什么？而且要不断的拥有自己的创造力，用自己的想象力，生产出自己的知识产权，然后等待有天可以变现。

这就意味着，很多人在互联网时代要不断学习，的确如此。大家看到这几年互联网时代最热门的就是，知识的很多分享经济，像逻辑思维，还有各种各样的网络微课，似乎大家都意识到这一点，大家都在拼命学习。但是学习这里一个更大的“坑”就出现了，这是什么“坑”？在互联网时代的知识，我在弟子班的人讲课时候，我说：“互联网时代的知识，特别是你在给你的孩子，包括你自己，在学习的时候，更新知识的时候，更新经验的时候，你特别要注意，你和你的孩子学到的知识，是可以直接通过网络获取的知识，还是需要一定的思路转换之后，不可以在网络上直接获取的知识”，这是两种不同的知识。

这两种不同的知识区别是什么？

一种知识就是，长江有多长？黄河有多黄？类似这样我可以在百度上查到的知识，所有可以通过网络快速直接便捷查到的知识，都叫做可以直接获取的知识，在互联网时代可以直接获取的知识，是无价值的知识。

除了这种无价值的知识以外，还有一些，就是已经落伍的知识，人类未来时代不需要的知识，需要更新迭代的知识。如果你现在学的是旧时代的知识，就像前面讲的，如果你在学心理学，还是在学很多的个体的心理学知识经验，如：个体情商等，这些知识已经将要被淘汰，成为无用的知识，而互联网需要的知识是群体心理学，是互联网情商，所以在这里，我把可以通过网络直接获取的知识，以及被互联网淘汰的知识，叫做基本无用的知识。

你和你的孩子，现在学的知识里面有多少属于这类知识里面？

你可以心里面盘数一下，这个比例很可能很高。比如说现在很多的家长仍然把学习英语当作一给很重要的东西，事实上最多不过三五年，先进的翻译机器，可能会在你的眼睛上，或者在随声携带的一个手表上，或者任何一个东西，就可以方便的让你和世界上任何人非常直接便利的，语言的直接互动和沟通。像类似这样的，有多少正在被淘汰的知识是你现在仍然花着大力气，你自己包括你的孩子正在学习的。

前几天我准备给我们的微课上的学员们讲，关于儿童心理学的知识，然后我就查询了关于儿童心理层面的书，包括我以前上大学，上研究生学习过的很多心理学东西，我才发现那些知识里面很多，对现代儿童的培育，性格培育，儿童的性格塑造已经不太适用了。那些知识必须要经过新的转换，这就是我所说的，互联网时代需要一个转换之后的，不可以直接获取的知识，可以直接获取的知识，大多都是无用的，需要经过转换升级之后，不可以直接获取的知识，才是你该学习的知识。

接下来，我准备在我们2018年，过完年之后，要传播一些经过转换的儿童心理学知识，经过迭代升级的符合下一代儿童的心理学的知识。

我们用一些什么样的评判标准来，我教给大家你怎么知道你正在悄悄的被社会分层，包括你的孩子现在正在学的是一些无用的知识？

你注意一下，你现在是不是每天，包括你的孩子，大多数的时间都在被互联网的垃圾信息充溢着你的时光，杀死你的时光，充溢着你的大脑，你的大脑每天是不是，更多的是无用的、廉价的知识，喂饱你的大脑，喂饱你的精神，然后你又在你的一天的时间里面绝大多数，用在了社交媒体，来花费你的生命的状态中，比如说，不停的刷微博、不停的刷微信、不停的刷朋友圈、不停的看各种各样的媒体上传播的大量的信息。你具不具备分辨这些信息里面有多少是可以直接获取的知识，也就是我们所谓的无用的知识，有多少信息是已经将要被淘汰的知识，也属于我们基本无用的知识，有多少知识是需要转换之后，通过迭代升级面对互联网时代的知识？

这基本是最好的评判的标准和方法,所以检查一下，你现在每天的时光，你是把时光花在自我提升、技能培训、学习面向未来时代的知识，还是每天被互联网的垃圾信息喂饱你的大脑，还是被互联网的廉价的社交媒体，花去你每天最多的时间。还有就是你学的所有的这些知识，是面向未来的，不可直接获取的，要通过迭代升级，已经转换的知识？还是已经将要被淘汰，过去时代的知识。还有就是你仍然处于一个在不停的传播别人的知识产权学习别人的知识产权，还是你已经能够具有创造自己知识产权的能力的人？这些都将决定你接下来的社会的分层，你将分为社会的那一层？包括你对孩子的培训，你的孩子在面向未来的时候，她可能被社会分为那一层？

我们经常说，不要让孩子输在起跑线上，其实这句话，我们在儿童教育学里面是反对的，但是在互联网时代，也许这句话有部分是正确的。关注小明的两个原创头条号。《赵小明心理团队》与《心伙伴》~被头条网评为2017年度最火的心理类专栏。赵小明丨央视财经频道特约心理专家

计算神经科学能否成为未来人工智能的发展方向

基本概念

人工智能：AI(ArtificialIntelligence)是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能是计算机科学、心理学、哲学和语言学等多学科的交叉，其范围已远远超出了计算机科学的范畴，从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展。

神经科学：神经科学指寻求解释精神活动的生物学机制，神经科学寻求在个体生长发育过程中的神经回路感知世界、反应生成、行为实现，以及从记忆中寻找曾经感知过的知觉、探寻的知觉对个体的影响等机理，其复杂程度远超过任何人们在其他生物学领域中曾经面对的问题。

AI与神经科学的研究核心

人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究对象是智能操控，现阶段研究方法上是侧重于对复杂现象进行模拟仿真的“计算科学”。

神经科学更多地侧重于生物学意义上的神经活动的规律，解析包括思维、情感、智能等在内的高级神经活动的发生机制，而意识起源问题，则是神经科学的终极目标，研究方法上神经科学是以自然现象归纳为主的“实验科学”。

AI与神经科学的联系

对于神经科学与人工智能的关系，我们可以以一个闭环的水源和水流的概念去理解。人工智能的兴起，一方面源于科学技术的发展，另一方面则受神经科学领域成果的影响，在两者的关系之中，人工智能兴起于神经科学，并且人工智能的发展促进了神经科学领域的研究，而神经科学领域的进步又促进了人工智能的发展，在目前的技术层面下，两者形成一个闭环的发展关系，相互滋养、相互发展进步。

伴随着脑与神经科学、认知科学的进展使得人们在脑区、神经微环路、神经元等不同尺度观测的各种认知任务中，获取脑组织的部分活动数据已经实现，获知人脑信息处理过程也有了数据依据，并且多学科交叉的实验研究得出的人脑工作机制更具可靠性。因此，脑科学的发展，海量实验数据的有力支撑，有望为机器学习、类脑计算的突破提供现实依据以参考借鉴。

在神经科学基础研究阶段，人工智能可以辅助研究人员解析复杂的脑神经信号、脑神经图谱实验数据，构建和模拟大脑模型系统等。在转化应用阶段，人工智能还能加速脑科学成果的应用，例如大脑疾病诊断与新疗法成果的临床转化等。人工智能对神经科学发展的反哺或反馈作用也是客观存在的。

元学习——AI与神经科学的紧密结合

机器学习的主要优势在于能够识别复杂数据中的模式，尤其在涉及到分析人类的思想时。大脑发出的信号真的很复杂。随着机器学习的推进，神经科学家正在破解数十亿个大脑神经元协同工作的秘密。例如：功能性磁共振成像通过检测血液流动的变化来测量大脑的活动，它每秒都能生成大脑活动的高维快照。使用机器学习来分析数据有助于发现大脑活动的方式，从而加快研究工作。

在机器学习里，我们会使用某个场景的大量数据来训练模型，比如：训练一个可以识别锦鲤图像的模型，我们需要大量的关于锦鲤的数据集，通过特定的算法程序实现对锦鲤图像的识别，然而一旦当场景发生改变，比如拿着一个可以识别锦鲤模型想要去识别海豹，模型就需要根据新的数据集重新训练。因此，元学习的概念应运而生。

元学习(MetaLearning)，具体指的是learntolearn，MetaLearning希望使模型获取一种“学会学习”的能力。使其可以在获取已有“知识”的基础上快速学习新的任务。如：

让Alphago(下围棋的)迅速学会下象棋让一个向日葵图片分类器，迅速具有分类其他物体的能力

在机器学习中，训练单位是一条条数据，通过数据来对模型进行优化；

在元学习中，训练单位分两个层级，第一层训练单位是一种学习方法，元学习中要准备许多学习方法来进行学习，第二层的训练单位才是对应的一条数据。

现在AI的发展在数据层面的训练模型已经发展到了一定的高度，而学习方法层面训练模型构造——元学习技术突破的难点，就和人类的神经科学发展密切相关，人类同一类型下的事物就会比较容易上手，比如：你会JAVA编程，掌握了编程的基本思想，熟悉了面向对象的基本概念，那么上手Python将会比纯新手入门Python要容易得多，但现在的深度学习模型在遇到类似问题的时候，即使是很类似的情况也需要从0开始重新学习！这一人类智能和AI的差异就导致了meta-learning的产生。

现在的元学习大致可以分为以下4类：

基于优化的：其中最火的就是MAML，还有之前的Meta-LSTM等等。基于度量的：包括原型网络，孪生网络，匹配网络，关系网络。基于模型的：利用RNN网络和外部存储来实现“记忆”基于GNN

即便元学习现在还处于发展初期，但机器学习对于神经科学领域的发展却已经逐步进入我们的生活。机器学习的主要优势在于能够识别复杂数据中的模式，尤其在涉及到分析人类的思想时，大脑发出的信号十分抽象，所需要采集的数据数量十分庞大，并且之间的关系十分复杂。随着机器学习的推进，神经科学家正在破解数十亿个大脑神经元协同工作的秘密。例如：功能性磁共振成像通过检测血液流动的变化来测量大脑的活动，它每秒都能生成大脑活动的高维快照。使用机器学习来分析数据有助于发现大脑活动的方式，从而加快研究工作。

前景

人工智能与神经科学的发展可能会经过以下三个阶段：

第一个阶段是在人工智能初期发展的影响下，解决一些神经科学基础实验数据的处理，进而加快神经科学领域发展进程，在这一阶段人工智能和大数据技术是神经科学发展的“加速器”年，等到神经科学将迎来第一轮重大突破，在神经感知和神经认知理解方面出现突破性成果时，必然反哺、革新原有人工智能的算法基础和元器件基础，进而人类社会进入实质性类脑智能研究阶段。第二个阶段等待神经科学迎来第二轮重大突破之时在情感、意识理解方面出现颠覆性成果，开发出一个多尺度、整合、可验证的大脑模型理论，类脑智能进入全新阶段，并将推动人脑的超生物进化，神经科学和类脑智能学科融为一体，人类社会全面进入强人工智能时代。第三个阶段，随着技术的不断成熟，围绕神经科学和人工智能，特别是强人工智能，开始会衍生出许多科学理论和社会与伦理方面的问题。

人工智能目前存在的问题源于对神经科学的了解程度有限，限制了设计中并无法充分考虑真实的大脑情况。但如果通过对人脑的逆向工程来揭示大脑的秘密，或许就能更好地设计出能同时处理多重信息流的计算设备，在高新技术计算模型的更新迭代之下，在神经科学领域的数据采集、数据处理下，在极大程度上能很好地帮助研究人员快速、有效、全面地掌握人脑神经的规律，进而颠覆性加速神经科学领域的发展，并且这个发展速度，是随着底层技术的不断提升而提升的。

人工智能研究的机器感知包括

1视觉感知

视觉系统由于获取的信息量更多更丰富，采样周期短，受磁场和传感器相互干扰影响小，质量轻，能耗小，使用方便经济等原因，在很多移动机器人系统中受到青睐。

视觉传感器将景物的光信号转换成电信号。目前，用于获取图像的视觉传感器主要是数码摄像机。

在视觉传感器中主要有单目、双目与全景摄像机3种。

单目摄像机对环境信息的感知能力较弱，获取的只是摄像头正前方小范围内的二维环境信息；

双目摄像机对环境信息的感知能力强于单目摄像机，可以在一定程度上感知三维环境信息，但对距离信息的感知不够准确；

全景摄像机对环境信息感知的能力强，能在360度范围内感知二维环境信息，获取的信息量大，更容易表示外部环境状况。

但视觉传感器的缺点是感知距离信息差、很难克服光线变化及阴影带来的干扰并且视觉图像处理需要较长的计算时间，图像处理过程比较复杂，动态性能差，因而很难适应实时性要求高的作业。

2听觉感知

听觉是人类和机器人识别周围环境很重要的感知能力，尽管听觉定位精度比是决定为精度低很多，但是听觉有很多其它感官无可比拟的疼醒。听觉定位是全向性的，传感器阵列可以接受空间中的任何方向的声音。机器人依靠听觉可以工作在黑暗环境中或者光线很暗的环境中进行声源定位和语音识别，这是依靠视觉不能实现的。

目前听觉感知还被广泛用于感受和解释在气体（非接触感受）、液体或固体（接触感受）中的声波。声波传感器复杂程度可以从简单的声波存在检测到复杂的声波频率分析，直到对连续自然语言中单独语音和词汇的辨别，无论是在家用机器人还是在工业机器人中，听觉感知都有这广泛的应用。

3触觉感知

触觉是机器人获取环境信息的一种仅次于视觉的重要知觉形式,是机器人实现与环境直接作用的必需媒介。与视觉不同,触觉本身有很强的敏感能力可直接测量对象和环境的多种性质特征。因此触觉不仅仅只是视觉的一种补充。触觉的主要任务是为获取对象与环境信息和为完成某种作业任务而对机器人与对象、环境相互作用时的一系列物理特征量进行检测或感知。机器人触觉与视觉一样基本上是模拟人的感觉,广义的说它包括接触觉、压觉、力觉、滑觉、冷热觉等与接触有关的感觉,狭义的说它是机械手与对象接触面上的力感觉。

机器人触觉能达到的某些功能,虽然其它感觉如视觉也能完成,但具有其它感觉难以替代的特点。与机器人视觉相比,许多功能为触觉独有。即便是识别功能两者具有互补性，触觉融合视觉可为机器人提供可靠而坚固的知觉系统。

推荐阅读
美国担心人工智能领域(美国人工智能出问题)
创业人工智能领域，创业人工智能领域包括
mit 人工智能领域(mit首次提出人工智能)
小米人工智能领域加盟，小米人工智能家居加盟
人工智能领域工程 人工智能领域工程有哪些
医疗人工智能领域 医疗人工智能领域包括
医疗领域人工智能融资(医疗领域人工智能融资现状)
人工智能领域规范，人工智能领域规范文件