成为2%

经济学中有条二八定律，即80%的财富掌握在20%的人手中，不管是在任何一个企业、任何一个组织、任何一个国家甚至是全世界，这一定律常常奏效。而到了智能时代，二八定律将被打破，成为2%才能保证不会被这个时代抛弃。

这一切发生的原因，正是因为人工智能的发展，从第一次工业革命到第二次工业革命再到如今的信息技术革命，我们见证了数次技术革命给一个人、一家企业、一个国家所带来了巨大变化。正应了孙先生的名言：“天下大势,浩浩汤汤,顺之者昌,逆之者亡”。

而由人工智能所主导的即将爆发的第四次工业革命，将会比以往的技术革命来势更汹。人工智能所带来的不仅是技术的革命，更是对人类思维的革命。

从牛顿发现万有引力让科学真正造福人类以来，人类的思维方式一直遵循着“机械思维”，即世界变化的规律是确定的，这些规律是放之四海而皆准的。机械思维直接促成了第一次工业革命的诞生，蒸汽机的改良就是应用机械思维的成果，瓦特将之前虽已被发明但效率极其低下的纽卡门蒸汽机改造成万用蒸汽机。

即便后来牛顿的万有引力定律被爱因斯坦的引力场理论所取代，但后世科学家的思维方式其实依然遵循着机械思维，即大胆假设，小心求证,努力寻找更适用整个宇宙的规律。现代医学其实也是机械思维的成果，青霉素的发现即应用正是遵循了这种因果逻辑。

早期的人工智能最开始也是遵循了机械思维，为了让计算机能像人类一样思考。但是这种研究方式很快被发现根本行不通。比如人工智能最普遍的应用语音识别，如果应用因果定律想让计算机拥有人类的理解能力，无非就是先提取人类发声的特征，再基于语法规则和语义规则输出识别结果，基于上述研究方式的语音识别系统最多只能识别数百个单词，识别率只有70%。

人工智能的水平也因此一直停滞不前，直到数据思维的出现。

和机械思维不同，数据思维不再寻求确定的因果关系转而强调强相关关系。以语音识别应用为例，20世纪70年代IBM通过数据驱动的方法将语音识别系统的识别成功率从70%提升到90%，识别量也从数百个单词上升到两万多单词。让语音识别从实验室真正走向实际应用。如今各家手机厂商的语音助手、智能音箱的普及都要感谢数据思维。

IBM成功的数据驱动方法并不复杂，它把语音识别由计算问题转化为通讯问题，即从人类发出声音道经过媒介传播到听众耳朵，这是个信息传播问题；最后听话人把话听懂，这是个解码问题。于是IBM用两个数学模型分别描述了信源和信道，但是模型的参数如何确定？当时IBM通过统计的方法“训练”出模型的参数，搁在今天模型训练已经不在是什么新颖的名词，但是在当时这样的思维方式还是相当先进的。

综上，数据思维和机械思维最大的区别就在于不再预先设定因果关系，而是通过大数据+模型训练让计算机自己去找规律并不断完善。

互联网的出现让人类拥有了海量的数据，深度学习算法的研究让模型训练更加精确完善，人工智能也因此在近些年飞速发展，成为媲美甚至超越前三次工业革命的技术。

和前三次工业革命一样，人工智能对传统产业带来的冲击将会有过之而无不及。大企业会因为获取的数据更多，分析出的结果更准确，能给消费者提供更优质更便宜的服务；而消费者越多，也就意味着数据越多，这样的良性发展使得原先占据80%业务的20%大企业转变成占据了98%业务的2%企业。

但是我们能抱怨什么呢？历史已经一遍又一遍告诉我们，除了努力成为2%我们别无选择。