大数据和AI的未来畅想

《今日简史》

1.   10大趋势决定了未来10年的生存发展。

库兹韦尔提出“吓尿指数”,是说一个人渠道未来的多久之后会被吓尿?随着科技飞速发展,吓尿指数越来越小。以前需要经历1000年发生的翻天覆地的变化,现在可能需要几百年,甚至几十年就可以完成。未来学家雷·库兹韦尔认为,人类在21世纪的进步讲师20世纪的1000倍,下一个吓尿指数可能是几十年甚至更短。


观点1


数据是21世纪最价值连城的资产

  1. 数据巨头(百度、腾讯、谷歌、facebook脸书)评估APP和产品已经不是能赚多少钱,而是能搜集到多少数据  b. 未来几乎所有决定都必须依赖网络,人们还没有数据意识,目前非常乐于放弃自己的宝贵资产(个人信息)来获取廉价珠宝饰品

观点2


我们已成为数据巨头的商品,而不是用户    (利用大数据为我们做选择、操纵我们)


观点3


数据所有权——将成为“政治议题”    (政府是否应该对信息、数据征税?)


观点4


人类寿命显著延长,你可能每10年就得换个职业

  1. 随着基因工程、再生医学和纳米科技不断进步,养老产业很可能是发展最快的产业
  2. 寿命延长后,人类社会的家庭结构、婚姻、亲子关系、职业生涯、以及整个社会的保险、退休金和财政制度将会发生翻天覆地的变化。

想象一下,如果能活到150岁,就算40岁结婚,后面仍有110年能活,多次结婚的情形可能会日益普遍。     个人职业生涯会长的多,今天50岁你可能已经不想在改变,追求稳定的下半生了,但在未来,可能到90岁仍然必须每天学习新知识,升甚至每10年就的换个行业。

未来,别说一辈子做同一份工作,一辈子做同一个专业也不大可能了


观点5


重点在于人类与AI合作共赢 (AI运维工程师,维护、远程控制、数据分析、网络安全)


观点6


幸福社会更多关注人类精神文化的需求,而非物质需求


观点7


货币体系面临大变革,未来政府可能会征收信息税,推出全新的收税方式

区块链网络:信息共享透明化、比特币??


观点8


我们正在进入一个“后真相”时代,你知道的远比你想想的少

人类习惯是以群体为单位进行思考,以为别人脑中的知识也是自己的。生活被社交媒体所塑造,现实和虚拟,真相已不存在,需要保持科学精神,增强独立思考能力


观点9


家庭教育、学校教育要交给孩子拥抱未知的能力,而不是具体的信息技能

“4C”教育:即批判性思考(critical thinking)、沟通(communication)、合作(collaboration)和创意(creativity)


观点10


“倾听内心的声音”会越来越危险

生物技术、机器学习的进步,操控人类最深层次的情绪和欲望变的越来越简单。你很难分清是自己内心的声音,还是营销专家的销售话术

2.   AI对未来最大的威胁,是逐渐被“驯养”的人类

当我们过度依赖很多数据系统后,我们就会变成懒于思考、不会学习、无法专注的“机械劳动者”,让自己的智慧退化,增强我们的“自然愚蠢”。

(1)对AI感兴趣的人非常多,而去读关于机器学习或基因文章的人寥寥无几,大多数人会看《黑客帝国》《她》之类的电影,以及《西部世界》《黑镜》之类的电视剧。事实上,至少在未来的几十年立,我们不用担心科幻小说里那种AI能产生意识、杀光或奴役人类的噩梦。真正该担心的是,有一小群超人类精英凭借算法带来的力量,与大量底层退化智人之间发生冲突

(2)“智能”与“意识”:提高智能的方法有很多,意识只是其中之一。就像飞机不用发展处羽毛,但飞行速度却快于鸟类,计算机也不用发展出人类所需要的感受,就能比人类更善于解决问题。

(3)智慧退化的人类滥用进化的机器。机器越来越能识别人类深层的情绪状态,恐惧和渴望。

(4)上司希望我们回复Email的速度越快越好,但对于我对美食的鉴赏力毫无兴趣,结果就是我连吃饭的时候都在发Email,也就慢慢失去了重视自己感官感受的能力,沦为一名机械劳动者。

想避免这种结果,每投入1美元、1分钟提升AI,就应该同样投入1美元、1分钟来提升人类意识

原文地址:https://www.cnblogs.com/lj-attitudes0303/p/10352618.html

时间: 2024-11-07 14:07:15

大数据和AI的未来畅想的相关文章

大数据、AI“武装”企业服务:风控、检索、安全

大数据.AI"武装"企业服务:风控.检索.安全 小饭桌创业课堂2017-05-06 15:26:42阅读(127)评论(0) + - 文|吴杨可月 - - 小饭桌创业研究院出品 - 两件秘闻,将美国大数据公司Palantir从幕后推向前台-- 一是,Palantir的旗下产品在整合40年的记录及海量数据并充分挖掘之后,找到了前纳斯达克主席麦道夫"庞氏骗局"的大量确凿证据: 二是,通过其大数据挖掘能力,Palantir帮美国政府找到本拉登的老巢. 人们这才惊叹的发现,

大数据与 AI 生态中的开源技术总结

本文由云+社区发表 作者:堵俊平 在数据爆炸与智能革命的新时代,新的平台与应用层出不穷,开源项目推动了前沿技术和业界生态快速发展.本次分享将以技术和生态两大视角来看大数据和人工智能技术的发展,通过分析当下热门的开源产品和技术,来梳理未来的行业生态以及技术趋势. 我们今天的主题分为三块,第一是从开源的角度看技术.产品和生态,第二,我们从腾讯云大数据的角度梳理开源的实践,并跟大家分享一下我们最近一段时间或者最近一年以来我们的贡献和成果.最后会跟大家一起探讨一下开源的大数据以及AI这个生态当中的一些热

服务端、实时、大数据、AI计算

服务端.实时.大数据.AI计算,各种各样的计算,计算机本质是什么,计算机的本质是 利用compute的计算速度为人提供更优的计算结果. 所以实时也好,准实时.离线.AI本质上是两个维度,实时准实时强调计算的速度,大数据 AI强调数据量以及速度. 1.实时计算,扩量的两个方式多线程多核计算,以及多个机器.每个机器多线程多核计算. 2.大数据.AI强调数据量更多多机器进行计算,来处理多个机器计算.

读“图”智慧:大数据“画像”的应用未来

互联网的内容主流,已经出现从文字转向图片的趋势,这标志着互联网已经进入“读图时代”.在“读图时代”的大背景下,图像中的海量非结构化数据的挖掘成为价值潜力的集聚地,如何挖掘其中隐藏的用户“密码”,成为大数据“落地”遇到的一大挑战. 图片大数据挖掘,主要目标是从中提取出图片的自身特征,包括语义.质量.关联度.实体义项等.由于在互联网的推动下,信息载体和用户交流媒介已经从文字转变到了图片,图片的便捷性,使得网站与用户之间的互动更加频繁,而图片的交互输入与展现,也让数据的展现更加直观. 随着图片数据规模

大数据与AI时代,企业爆发之道?Tesra超算网络保驾护航!

现如今,人人都在谈论大数据,大数据究竟能够为企业带来什么呢?大数据又怎么才能够为企业带来最大的效益呢? 随着大数据时代的到来,根据数据分析的需求也由此诞生了数据工程师.数据分析师等相关的职位.如今,AI 技术又与其纠缠在一起. 对于两种能力的结合,滴滴数据科学部首席科学家谢梁就提到,"凡是有大量数据,并能根据数据找出某种规律并实施操作的业务都能运用机器学习的方法来自动化和优化." 但现今的数据分析师已经不止于用一张 Excel 表就能达到"走天下"的地步了,他们更需

一篇文章为你解读大数据的现在和未来

大数据的发展前提 关于大数据的概念其实在1998年已经就有人提出了,但是到了现在才开始有所发展,这些其实都是和当下移动互联网的快速发展分不开的,移动互联网的高速发展,为大数据的产生提供了更多的产生大数据的硬件前提,比如说智能手机,智能硬件,车联网,pda等数据的产生终端.这些智能通过移动通信技术和人们的生活紧密的结合在一起,在人流.车流的背后产生了信息流,也就产生了大量的数据. 其次就是移动通信技术的快速发展,在2G时代,无线网速慢,数据产生也非常慢,数据体量也不够,所以还是无法形成大数据,而到

一篇文章为你解读大数据的如今和未来

大数据的发展前提 关于大数据的概念事实上在1998年已经就有人提出了,可是到了如今才開始有所发展,这些事实上都是和当下移动互联网的快速发展分不开的,移动互联网的快速发展,为大数据的产生提供了很多其它的产生大数据的硬件前提,比方说智能手机.智能硬件.车联网,pda等数据的产生终端.这些智能通过移动通信技术和人们的生活紧密的结合在一起.在人流.车流的背后产生了信息流,也就产生了大量的数据. 其次就是移动通信技术的高速发展,在2G时代,无线网速慢.数据产生也很慢.数据体量也不够.所以还是无法形成大数据

区块链与大数据的整合,未来必然趋势

大数据与区块链是当今最热门的两个话题,带动了一系列的投资热潮.不论是风投领域,还是传统的金融领域,只要有这两个关键词出现,往往能让企业获得特别的关注.这也说明了这两个词在当今社会的火爆程度. 各个维度对 区块链 进行了详细阐述,那么大数据又是什么呢?现在很多人都认为,大数据的本质是「大」.也就是说,它的数据量必须非常的广泛和巨大,可能是海量级的.其实这并不准确. 大数据所指的「大」其实更偏向于全,也就是尽可能地接近某个统计范畴内最全面的数据,甚至达到全数据的统计结果.只有这样才能真正实现大数据的

GIS-"地理空间大数据与AI的碰撞"学习笔记

1.关系 人工智能>机器学习>神经网络>深度学习 2.机器学习-两个过程 训练/学习过程:样本数据.学习器.模型参数 测试/预测过程:预测强.预测值 3.神经网络 机器学习模拟人脑神经元构成神经网络学习算法 数百亿的神经元,链接构成神经网络,受制于数据量和计算能力 得益于大数据.云计算的发展和普及 4.深度学习 极其复杂的模型.自动提取特征.海量/全样本.GPU加速 传统机器学习依赖数据特征工程.人工规则 5.人工智能应用领域 语音识别:Siri.小啦.小冰.智能音响........ 图