我從1983年開始一直在使用計算機，高中上了第一次“商業(yè)機器”課，1994年參加第一個計算機科學(xué)課程，1997年進(jìn)入硅谷加入思科，在IT部門工作了好幾年。
在過去30年，技術(shù)上發(fā)生的令人難以置信的創(chuàng)新。 我很幸運在硅谷見證了這一切。我看到了各種各樣的技術(shù)浪潮來來去去，我已經(jīng)對大多數(shù)新技術(shù)持懷疑態(tài)度。雖然我認(rèn)為人造智能在許多方面吹捧過度的，但我非?？春盟臐摿Α?有一個獨特的因素組合，將使AI成為我們一生中最有影響力的技術(shù)。 是的，我已經(jīng)中了AI的“毒”，但我認(rèn)為這是有理由的。
在AI“流行”之前賣AI
隨著人工智能在2011年開始興起，我對此持謹(jǐn)慎樂觀態(tài)度。 在AI之前，我在2010年創(chuàng)立了縮寫為AI（Automated Insights）的公司。
在2012年，試圖將AI作為一種能力進(jìn)行銷售是很難的。我的公司建立了自動化定量分析和報告流程的解決方案。 也就是說，我們自動化從前全靠手寫的數(shù)據(jù)分析報告。我們服務(wù)的對象包括雅虎、美聯(lián)社、bodybuilding.com。試圖在2011年以“自動化寫作”作為賣點，這就像亨利·福特試圖向馬車主出售汽車的感覺：懷疑、不相信、甚至覺得毫無必要。
短短四年后，事情發(fā)生了巨大變化。 Gartner的技術(shù)成熟度曲線（1995年發(fā)布）一直是圍繞新興技術(shù)的炒作、成熟周期。 看看2016年報告：
幾個AI相關(guān)技術(shù)的出現(xiàn)，包括智能機器人，自動駕駛汽車，對話用戶界面，自然語言問答，以及在曲線最高點的機器學(xué)習(xí)。
我們經(jīng)歷了對AI普遍懷疑到，每個創(chuàng)業(yè)公司都把AI放到他們的融資幻燈片的過程。在之前，人工智能聽上去很嚇人，但現(xiàn)在如果你的解決方案和人工智能沒關(guān)系，客戶就會失望。 以前，在晚宴上結(jié)束對話的最快捷方法是提及AI，現(xiàn)在我的保險代理人告訴我有一個很酷很新的“AI助手”，他用來安排他的所有會議。
無論我們是否達(dá)到“AI頂峰”，絕大多數(shù)人，包括我退休媽媽，都已經(jīng)聽說過AI了。一個很大問題仍然存在：它能否達(dá)到人們的期望？ AI與以前的技術(shù)相比有何潛力？ 這個問題的答案讓我對未來感到興奮。
八次技術(shù)浪潮
在過去30年中，有八種廣泛的技術(shù)，我覺得對比較有用。 我分析了每種技術(shù)發(fā)展的速度以及幫助或阻礙創(chuàng)新速度的因素。 并不只有這8個技術(shù)，但每個技術(shù)在高峰期對整體科技格局有重大影響。我的目的不是完整地經(jīng)歷每一次發(fā)生的技術(shù)浪潮，而是提供一個可以用來比較和對比的框架。
本文涵蓋的八種技術(shù)包括桌面操作系統(tǒng)，Web瀏覽器，網(wǎng)絡(luò)，社交網(wǎng)絡(luò)，移動應(yīng)用，物聯(lián)網(wǎng)，云計算和人工智能。
決定技術(shù)潛力的兩個因素
有兩個因素是決定技術(shù)隨著時間的推移能走有多遠(yuǎn)和多快的重要決定因素。
第一個因素是單一開發(fā)人員創(chuàng)造有用的東西的障礙。 如果開發(fā)人員有能力創(chuàng)建或調(diào)整自己實現(xiàn)開發(fā)，通過開發(fā)人員的貢獻(xiàn)，可以快速、分散地進(jìn)行大大小小的技術(shù)改進(jìn)。
由于軟件的復(fù)雜性，操作系統(tǒng)進(jìn)入門檻較高。 一般來說，你不會看到大量的開發(fā)人員花費時間在周末嘗試修改操作系統(tǒng)。 另一方面，只需要有限技術(shù)，移動應(yīng)用程序很容易進(jìn)行創(chuàng)建和發(fā)布（這有好有壞，后面我將解釋）。
第二個因素是核心平臺的開發(fā)是集中還是分散化。 一個公司或組織是否擔(dān)任新版核心平臺的守門人，還是任何人都可以做出貢獻(xiàn)？ 在社交網(wǎng)絡(luò)領(lǐng)域，與網(wǎng)絡(luò)相比，平臺（Twitter，F(xiàn)acebook等）的所有者完全集中開發(fā)， RFC（請求注解）過程導(dǎo)致了一個廣泛分布的貢獻(xiàn)者群組。
具有低進(jìn)入門檻和分散式平臺開發(fā)的技術(shù)對未來的影響具有最大的潛力。 八種技術(shù)中除了人工智能以外，都不具備這兩種特性，但是越往后的技術(shù)具備更多。
為了符合本文的目的，我主要關(guān)注創(chuàng)新的潛力，而不是創(chuàng)新是否或?qū)⒁l(fā)生。 我所提到的兩個因素并不是技術(shù)產(chǎn)生巨大影響所必須的。 云計算也有巨大的影響，雖然這一領(lǐng)域只有少數(shù)玩家。 但云計算的未來幾乎完全依賴于擁有這些平臺的公司。 如果市場統(tǒng)一或者對于主要參與者來說不那么具有吸引力，那么創(chuàng)新就會大大地停止或減少，這就是Web瀏覽器在二十世紀(jì)初所經(jīng)歷的故事。
以下是我對這兩個因素對這8種技術(shù)的排名。 就像Gartner的技術(shù)成熟度曲線一樣，在四個象限中的位置大部分是主觀的。 我將詳細(xì)介紹每種技術(shù)，但首先我將介紹每個象限代表什么。
低門檻+集中開發(fā)=有限創(chuàng)新
這種情況非常少見，因為開發(fā)人員可以輕松創(chuàng)建，但是平臺開發(fā)是集中的。 創(chuàng)新僅限于平臺所有者的想法。 開發(fā)人員必須在平臺的范圍內(nèi)進(jìn)行工作，影響整體方向的能力有限，因為它由單一的權(quán)威機構(gòu)所擁有。 應(yīng)用商店模型屬于這個象限。
高門檻+集中開發(fā) =專有創(chuàng)新
在這種情況下，開發(fā)只能由平臺所有者完成。 開發(fā)者有很大的門檻，不能為平臺做出貢獻(xiàn)。 這是經(jīng)典的專有模式，在產(chǎn)品開發(fā)中占主導(dǎo)地位。
高門檻+去中心化開發(fā) =不兼容的創(chuàng)新
這個象限通常表示基于開源或已經(jīng)開放（并且在許多情況下是可選的）標(biāo)準(zhǔn)的技術(shù)，但由于基于硬件或非常復(fù)雜的軟件，開發(fā)人員創(chuàng)建的門檻是很高的。 結(jié)果可能是產(chǎn)生重大的創(chuàng)新，但解決方案不兼容，因為開發(fā)人員可以自由地納入他們選擇的“標(biāo)準(zhǔn)”。
低門檻+去中心化開發(fā) =完全分布式創(chuàng)新
這在促進(jìn)創(chuàng)新的環(huán)境方面是最佳的。 因為門檻很低個人開發(fā)商不僅可以無障礙入門，還可以建立自己的平臺。 AI是在這個象限中唯一的技術(shù)，我將在下一節(jié)討論原因。
八種技術(shù)概述
接下來，我將簡要描述我將每種技術(shù)放在特定象限中的原因。
桌面操作系統(tǒng)
桌面操作系統(tǒng)已經(jīng)被少數(shù)玩家所主宰。 從1981年IBM發(fā)布最早的PC開始，微軟（和Sun的數(shù)量較少）在20世紀(jì)90年代，二十世紀(jì)二十年代是蘋果。 Linux也參與其中，但在桌面/筆記本電腦上絕對不會成為主流。
操作系統(tǒng)有大量的軟件，所以單個開發(fā)人員不會有太多的改進(jìn)和重新分配核心平臺。代碼的復(fù)雜性和廣度是進(jìn)入門檻的重要原因。
除了Linux，其他流行的桌面操作系統(tǒng)是專有的。 這意味著，在大多數(shù)情況下，操作系統(tǒng)的創(chuàng)新已經(jīng)集中在大公司內(nèi)部。 即使是Linux，擁有一個仁慈的獨裁者意味著所有的大決策都集中管理。 諸如操作系統(tǒng)之類的大而全的軟件需要在某種程度上進(jìn)行集中協(xié)調(diào)，以確保最終產(chǎn)品是一個完全集成和穩(wěn)定的解決方案。
網(wǎng)絡(luò)
思科1990年的IPO開啟了十年網(wǎng)絡(luò)公司的開始。各種公司出現(xiàn)，然后被收購或并購。 思科、朗訊和北電在互聯(lián)網(wǎng)泡沫破裂之前將雙腿擺脫了這個行業(yè)，成為最大的玩家。
自從第一個RFC于1969年發(fā)布以來，互聯(lián)網(wǎng)協(xié)議已經(jīng)進(jìn)行了分散化開發(fā)過程，其中包含請求注釋（RFC）。標(biāo)準(zhǔn)機構(gòu)，如IETF，可以批準(zhǔn)RFC作為官方標(biāo)準(zhǔn)。 雖然定義協(xié)議是去中心化的，但是使用這些協(xié)議（例如Cisco路由器）的核心平臺仍然是專有和封閉的。
而且由于主要的網(wǎng)絡(luò)供應(yīng)商都有自己的硬件，因此個體開發(fā)者做出貢獻(xiàn)的障礙很大。 雖然局外人有可能為協(xié)議規(guī)范做出貢獻(xiàn)，但只有網(wǎng)絡(luò)公司的開發(fā)人員才能將這些協(xié)議添加到其平臺。
我在這個列表中涵蓋的網(wǎng)絡(luò)不是太多，不是因為它是一個主要的技術(shù)浪潮，而是因為它們獨特的標(biāo)準(zhǔn)化過程。
網(wǎng)頁瀏覽器
當(dāng)操作系統(tǒng)的戰(zhàn)爭肆虐時，桌面上最重要的應(yīng)用程序也經(jīng)歷了類似的戰(zhàn)斗。 無論是20世紀(jì)90年代的Netscape和IE還是Chrome，IE和Firefox，瀏覽器一直是一個令人垂涎的應(yīng)用程序，因為它是網(wǎng)絡(luò)的前端。
雖然IE主流瀏覽器中唯一不開放源碼或基于開放源碼的，但入門的門檻仍然很高。 和操作系統(tǒng)一樣，現(xiàn)代網(wǎng)絡(luò)瀏覽器已經(jīng)變得非常復(fù)雜的軟件。 普通開發(fā)人員通常不會將瀏覽器分配給自己的公司來進(jìn)行定制。 每個瀏覽器為擴展或插件提供不同的支持，但是這些擴展或插件在功能方面往往是非常有限的，并且往往是脆弱的。
鑒于一些瀏覽器的開放源碼性質(zhì)，核心平臺上的開發(fā)是分散的，但在實踐中，變化被密切監(jiān)測。 鑒于瀏覽器的廣泛用戶群，瀏覽器所有者必須仔細(xì)檢查每一個改變，以避免向數(shù)百萬用戶發(fā)送有缺陷的產(chǎn)品。
移動應(yīng)用
我可以列出“移動”或“智能手機”，而不是移動應(yīng)用程序，但我在桌面操作系統(tǒng)下描述的許多相同的問題將能夠適用。移動應(yīng)用程序?qū)τ谖覀兊哪康膩碚f更有趣，因為它進(jìn)入門檻較低。 當(dāng)蘋果公司推出在App Store時，它在移動計算中改變了一切。 移動應(yīng)用程序類似于網(wǎng)頁，但功能更豐富，迎來了消費者能力的新時代。
就開發(fā)者創(chuàng)造有用的東西而言，開發(fā)移動應(yīng)用程序并沒有容易得多。 有些人可能會認(rèn)為入門的門檻太低，所以現(xiàn)在應(yīng)用商店里全是垃圾。 如果創(chuàng)建起來有點困難，也許業(yè)余編程玩家和全世界的抄襲者都不會有貢獻(xiàn)，但這是對所有人開放的權(quán)衡。 一小部分人將創(chuàng)造出優(yōu)秀的應(yīng)用程序，絕大多數(shù)都不會。
社交網(wǎng)絡(luò)
無論是Facebook、Twitter還是Foursquare和LinkedIn，社交網(wǎng)絡(luò)都是專有的，有限的標(biāo)準(zhǔn)化。 社交網(wǎng)絡(luò)已經(jīng)有一些開源的嘗試，但沒有一個獲得足夠的支持者。 這意味著幾乎社交網(wǎng)絡(luò)領(lǐng)域的的所有發(fā)展都來自少數(shù)公司。
關(guān)于開發(fā)人員創(chuàng)造有用的功能的能力，你可以通過以下兩種方式之一來看待社交網(wǎng)絡(luò)，這就是為什么在進(jìn)入門檻上把社交網(wǎng)絡(luò)放在中間水平。 的確，除非你是社交網(wǎng)絡(luò)公司的員工，否則你無法為自己的平臺做出貢獻(xiàn)。 另一方面，社交網(wǎng)絡(luò)并不像操作系統(tǒng)或網(wǎng)絡(luò)瀏覽器那么復(fù)雜。 復(fù)雜性來自于試圖將社交網(wǎng)絡(luò)擴展到數(shù)百萬（或數(shù)十億）用戶。 一個開發(fā)人員可以在一個周末里拼湊一個類似于Facebook或Twitter的網(wǎng)絡(luò)應(yīng)用程序。但能夠為數(shù)百萬用戶提供服務(wù)是另一回事。
另一個社交網(wǎng)絡(luò)進(jìn)入障礙的問題是網(wǎng)絡(luò)效應(yīng)，如果你沒有獲得批量的用戶，則網(wǎng)絡(luò)的價值有限。不僅僅是制作移動應(yīng)用程序，獲取網(wǎng)絡(luò)效應(yīng)非常困難，這不是開發(fā)人員可以輕松地自己構(gòu)建的東西。
云計算
亞馬遜在采用AWS的云計算功能和新時代的定價方面做得非常出色，Google和微軟緊隨其后， 然而，由于硬件要求很高，云計算是一個非常資本密集型的企業(yè)，要在規(guī)模上取得成功。 這通常導(dǎo)致集中發(fā)展的核心平臺。
云計算已被優(yōu)化，以允許開發(fā)人員創(chuàng)造有趣的事情，所以創(chuàng)造的門檻是低的。 云計算已經(jīng)實現(xiàn)了大量創(chuàng)新，但只有亞馬遜，谷歌和微軟認(rèn)為值得投資，云計算才會持續(xù)下去。
物聯(lián)網(wǎng)
在過去十年中，物聯(lián)網(wǎng)（IoT）已經(jīng)有所收獲，并且?guī)锥仁チ藙蓊^。 關(guān)于兩個因素，IoT是一個混合的包。 就進(jìn)入門檻而言，建立IoT設(shè)備的大多數(shù)軟件（甚至硬件）構(gòu)建塊通常都是可用的，但是將商用IoT設(shè)備推向市場是一項重大任務(wù) ，只需看看眾籌項目的情況就知道了。
IoT已經(jīng)受益于一些標(biāo)準(zhǔn)化，但它也是一個非常分散的空間。 它類似于我之前描述的網(wǎng)絡(luò)環(huán)境。 只因為有“標(biāo)準(zhǔn)”并不意味著公司必須使用它們。 因此，你可能會在家庭或辦公室中使用各種不同標(biāo)準(zhǔn)的IoT設(shè)備，或者設(shè)備間無法兼容。
人工智能
當(dāng)我開始研究這一主題時，我首先意識到AI生態(tài)系統(tǒng)有所不同：LSTM，GAN，CNN，Seq-to-seq。 有很多新的研究出來了； 很難跟上。 至少說現(xiàn)在最新的技術(shù)和速度與最新的研究并駕齊驅(qū)是至關(guān)重要的。
看看這兩個因素，首先，開發(fā)人員進(jìn)入AI的門檻是低的。你需要的所有工具都是免費的。 這些門檻純粹是自我驅(qū)動。 要做一些有趣的事情，你需要一個重要的數(shù)據(jù)集，另一個是你需要心理帶寬來了解如何建立一個有用的模型。 這是最后一點，讓我對許多公司表示懷疑，他們聲稱正在使用AI來做有趣的事情，特別是機器學(xué)習(xí)。 構(gòu)建ML程序不像構(gòu)建移動應(yīng)用程序。 這更復(fù)雜。（盡管亞馬遜已經(jīng)大大簡化了流程）。
關(guān)于核心平臺，仍然處于早期階段，就像我所涵蓋的其他技術(shù)一樣，沒有重量級的平臺定義AI的體驗。 所有的機器學(xué)習(xí)和深度學(xué)習(xí)平臺，如Tensorflow，PyTorch，Theano和Keras都是開源的，擁有充滿活力的社區(qū)。
AI與其他大多數(shù)技術(shù)不同的關(guān)鍵是其強大的研究背景。 默認(rèn)情況下，計算機科學(xué)領(lǐng)域一直是由學(xué)術(shù)會議標(biāo)榜的開放社區(qū)，研究人員介紹了他們的最新發(fā)現(xiàn)。 AI世界的許多知名人士都是來自學(xué)術(shù)界的，他們也發(fā)表研究報告。 大多數(shù)研究都是基于幾個月的工作和有限的代碼，關(guān)鍵是要盡快將想法提交給社區(qū)，以便其他人可以進(jìn)行改善。
這種生態(tài)系統(tǒng)最近看到的是我之前提到的互聯(lián)網(wǎng)標(biāo)準(zhǔn)體系或開源運動，但AI在重要方面仍然有所不同。 在AI研究方面，沒有任何理事機構(gòu)批準(zhǔn)新的進(jìn)展。 IETF和其他組織變得臭名昭著，服務(wù)于在職者，并且在行業(yè)中擁有大量政治勢力，強迫其代表以便他們以特定的方式指導(dǎo)標(biāo)準(zhǔn)組織。與研究界最接近的是在大型學(xué)術(shù)會議上提交論文，并提供最佳論文獎。雖然這些榮譽是好的，但它們不是你的新想法被研究人群所接受的必要條件。
谷歌，F(xiàn)acebook，亞馬遜和百度都在找各種博士，重新培訓(xùn)機器學(xué)習(xí)員工，并投入數(shù)十億美元，這是過去30年來少數(shù)幾次，這其中的很多投資正在幫助推動整個行業(yè)向前，而不是只是一個特定的公司的議程。
AI的環(huán)境
我經(jīng)常告訴創(chuàng)業(yè)者，大多數(shù)創(chuàng)業(yè)公司失敗得太快。 他們必須活足夠長的時間，等待大環(huán)境的改變。這也是我創(chuàng)業(yè)中遇到的情況。公司獲得的多米諾骨牌效應(yīng)導(dǎo)致我獲得了巨大的回報。 也就是說，這對我來說是最令人不安的創(chuàng)業(yè)生活：你無法控制能讓你成功的東西。 市場力量、技術(shù)轉(zhuǎn)移、經(jīng)濟(jì)狀況等都對創(chuàng)業(yè)公司都產(chǎn)生重大影響。
同樣的事情也適用于技術(shù)。 盡管過去的嘗試失敗了，但目前的AI大潮正發(fā)生在正確的時候。 有各種因素助推其成功，包括：
我所討論的完全分布式創(chuàng)新環(huán)境在整個AI領(lǐng)域產(chǎn)生了非常新的功能。
經(jīng)過多年的大規(guī)模大數(shù)據(jù)熱潮，從2000年代中期開始，到2010年和2011年，許多公司終于開始開發(fā)大數(shù)據(jù)基礎(chǔ)設(shè)施。
多年來，企業(yè)關(guān)注的都是“什么”，而不是“為什么”，企業(yè)想在大數(shù)據(jù)投資中實現(xiàn)價值。解決大數(shù)據(jù)的問題不是終點，而是解決問題的一種手段。 被壓抑的需求從大數(shù)據(jù)中獲得解放，意味著公司可以使用新的方式使用其數(shù)據(jù)（進(jìn)入AI階段）。
在很大程度需要感謝游戲界，AI（以GPU的形式）的優(yōu)化計算已經(jīng)變得容易獲得。 GPU執(zhí)行矩陣乘法必須比傳統(tǒng)CPU更快，這意味著機器學(xué)習(xí)和深度學(xué)習(xí)模型可以執(zhí)行得更快。 GPU一線大廠Nvidia很高興。
開發(fā)AI解決方案的進(jìn)入門檻很低，但需要較高水平的技術(shù)知識。 這與移動應(yīng)用程序的重要區(qū)別，移動應(yīng)用程序開發(fā)的門檻也很小。但應(yīng)用商店被許多糟糕的應(yīng)用程序損壞，除非你是一個認(rèn)真的開發(fā)人員，并且能夠訪問大量的數(shù)據(jù)，否則你將無法做機器學(xué)習(xí)。 因此，AI應(yīng)用的平均質(zhì)量將會更高。
AI是勒布朗·詹姆斯還是格雷·格奧登（被傷病毀掉的天才球員）
在這篇文章中，我已經(jīng)描述了為什么AI未來創(chuàng)新的潛力與以前的主要技術(shù)浪潮中看到的不同。 但即使擁有世界上所有的潛力，也可以不去利于它。
由于我所描述的完全分布式創(chuàng)新模式，AI生態(tài)系統(tǒng)將具有很強的適應(yīng)能力，但一些外部因素可能阻礙其發(fā)展。
過于專注于深度學(xué)習(xí)。 艾倫研究所的研究員去年在O'Reilly AI大會上發(fā)表了一個演講，并分享了他對于深度學(xué)習(xí)吸引的關(guān)注的看法，我們可能過于關(guān)注深度學(xué)習(xí)，而不去探索其他更適合實現(xiàn)通用AI的方法。
沒有足夠好的大數(shù)據(jù)。 盡管許多公司在組織數(shù)據(jù)方面取得了進(jìn)展，但仍有很長的路要走。 在自動化洞察中，我們看到成功項目的第一個障礙是缺乏足夠的高質(zhì)量數(shù)據(jù)。 大多數(shù)公司認(rèn)為他們擁有更好的數(shù)據(jù)。
人類！ 采用下一代自動化和AI技術(shù)的最大障礙將是我們自己。 作為一個社會，我們不會完全擁抱能夠拯救數(shù)百萬生命的類似自動駕駛這樣的技術(shù)。 五級自主車的技術(shù)是可以實現(xiàn)的，但是社會和政治壓力將使得全面實施需要更長的時間。
活過泡沫化的底谷期。Gartner為過去所有的新興技術(shù)使用相同的技術(shù)成熟度曲線，但實際上每一種曲線都有不同的斜率。考慮到圍繞AI已經(jīng)出現(xiàn)了大量的炒作，這可能意味著“失望之谷”也可能更深，更難以脫離谷底。尤其是當(dāng)早期的結(jié)果不如人們所希望的那樣驚人的時候。
AI平臺出現(xiàn)，使開發(fā)更集中化。 Tensorflow在ML社區(qū)獲得了很大的牽引力。 它可以成為一個更重的平臺，成為每個ML工程師必須使用的默認(rèn)框架？ 那么我們有可能必須采用更集中的創(chuàng)新模式。
最終，我相信Amara定律將適用于AI：我們傾向于高估一項新技術(shù)的短期效應(yīng)，而低估它的長期影響。
