札记2.未来变数·瓶颈

文 | 王 兵

继续昨天思考的话题,未来会有那些变数,我想到了四个可能限制文明往前发展的瓶颈。

1. 摩尔定律

摩尔定律有效了半个世纪:CPU 的性能从上个世纪 60 年代开始,几乎每18个月性能翻番。这是目前互联网行业,人工智能行业能高速发展的最根本原因。

不过摩尔定律似乎已经走到头了。一直以来,CPU 性能提升靠的是两个手段,主频越来越快,以及芯片越做越密。不过着两个手段现在都遇到了难以逾越的物理瓶颈:一个是 CPU 主频难以超过4GHz,另一个则是芯片的si channel 没法微缩到 5nm 以下。

这两条路都很难走下去了,英特尔在十年前就开始多核 CPU 的开发,于是现在就有了双核、四核、八核的 CPU,可惜的是多核 CPU 也是有瓶颈的,瓶颈在散热。所以 CPU 的性能走到这算是到头了,接下来只能买更多的机柜了。

要想再提高性能,制作工艺上已经遭遇瓶颈,那么只能改 CPU 的架构,于是有了专注图形计算的 GPU,甚至专注张量计算的 TPU。它们把 CPU 中的复杂的控制电路去掉了,于是能用同样的晶体管数做更简单但更广泛并行计算。

但,归根结底,还是在工艺上遇到了物理的瓶颈。

卓克有篇文章讲为什么手机屏幕越做越大?有些人说这是审美的趋势。其实是因为手机 CPU 到了现在这个水平,它的能耗和发热都要求它有一个很大的散热面积。于是手机就越做越大,5寸、6寸、甚至7寸。但手机做大了,总得有个理由吧,不然用户对着一个7寸的手机,结果只有5寸的屏幕那多不协调,于是就把屏幕也做大了。所以为什么手机屏幕越做越大,其实是因为用现在的主流手机 CPU 已经没法做出小屏幕的手机了。

2. 知识爆炸

历史上的哲人经常是博学的,亚里士多德除了是哲学家之外,他的著作还包含了物理学、诗歌、音乐、生物学、经济学、政治学、逻辑学等各个领域。而且真的是精通级别的,亚里士多德的物理学统治了近两千年,直到牛顿出现。他的「工具论」甚至从无到有创造了逻辑学,而且这种创造还不是萌芽级别的,而是一出来就是几乎完美的状态,直到19世纪末罗素和弗雷格提出数理逻辑才真正遇到挑战,或者说才真正有了扩展。

然而今天的科学家很难在跨度如此之大的领域都有所成就,事实上,即便在一个领域内的很小的子领域做出贡献都是非常困难的。而其中最难的可能还不是做出贡献本身,而是做好能做出贡献的准备,也就是对当下这个领域最前沿的问题和这些问题的相关的背景知识有所理解。这个准备时间可能就需要数十年,在中国,一个人从小学开始读完整个大学本科到博士毕业通常需要 22~24 年,而博士毕业可能只是也只是接触到了领域门槛,知道了领域的大部分基础知识和所在研究方向精深的知识。要说对整个领域有普遍的精深的理解却是不可能的。照此发展,也许未来的科研会遇到一个很尴尬的瓶颈,也就是一个人也许终其一生都难以掌握他所在的细分领域的知识。科学的发展可能会卡在这个边界。

另一方面,如果考虑不止知识,而是包含所有信息的话,那爆炸的速度会更快。根据 IDC 2017年的报告:数据时代2025,目前全球的信息总量差不多有 30ZB,ZB 这个单位我们日常接触不多,平时有概念的也就是 1TB 的硬盘样子,而 30ZB 是 300亿 TB 的规模。而且根据 IDC 的预测,到2025年,全球数据圈将达到 163ZB,是 2016 年的 16.1ZB 的十倍。也就是说,一个人即便知晓了现在世界上所有的信息,过不了十年,他所面对的世界将会有 90% 的信息是他不知道的。

吾生也有涯,而知也无涯。以有涯随无涯,殆已!

写到这里,我突然想起知乎上有人问「程序员的高薪会不会继续维持下去?」本质上薪水只受供求关系决定的,因此只要好的程序员供给不足,他们就会保持高薪。在这里好的程序员的定义是,要跟得上技术的发展。事实上,都在说人工智能取代人工,哪一行都会面临被取代的危险。但程序员则是一个例外,这个例外并不是说它不会被取代,相反,这一行其实是时时刻刻都在被取代的。因为程序员每天在做的事情就是写程序简化自己每天在做的事情。如果一个程序员不会「偷懒」,老老实实做重复的劳作,那么他注定会被快速淘汰。甚至当一个程序员把自己嵌到一个非常细分的领域,比如精通某个模块某个非常细分的领域,在一个大公司做非常资深的螺丝钉。他很可能能短时间拿到一个很高的薪水,但长期来看,如果他没法跟上技术发展,也可能很快被时代洪流抛下。因此我相信程序员的高薪一定会保持下去,但能拿到这个高薪的程序员未必能保持他的高薪,这一点某个程度上跟明星还真有点像。

3. 协作瓶颈

尤瓦尔·赫拉利在「人类简史」一书中提到说人与猿没有很大的生物学上的差别,最大的差别是,人有想象力,我们能构建一个个想象的概念。通过这个想象世界里,我们获得了更广泛的协作。比如宗教、比如公司,其实都是一个个想象的共同体,而其中最大的想象,就是金钱制度,金钱制度有两大特点:万物可换和万众相信。而且万物可换归根结底还是万众相信。

只是,这样的协作目前遇到了瓶颈,这个瓶颈和上面的知识爆炸不无关系。比如物理学领域,以前牛顿精通数学和物理,于是他要推公式,自己信手拈来就顺手发明了微积分。爱因斯坦推理广义相对论的时候也遇到了数学问题,不过好在他知道自己有朋友会这个,于是找到研究黎曼几何的格罗斯曼一起推公式。而今天,也许物理学家的很多的数学问题,都不知道上哪里去找会这个的数学家,因为他们难以描述自己的数学需求到底是什么,而数学家,更是不知道物理学家在捣鼓些什么。

最近读到一本书,卢昌海的「黎曼猜想漫谈」,里面就记载了一段很有意思的趣闻,1972年,研究黎曼猜想的数学家蒙哥马利本来是去圣路易斯参加一个解析数论的学术会议的。中间顺道去普林斯顿高等研究院坐了一坐,和朋友喝茶的时候,偶遇了物理学家戴森,就是那个著名的「戴森球」的戴森。他朋友比较喜欢交际,于是引荐了一下后他们开始聊,蒙哥马利就把自己对黎曼 ​ 函数非平凡零点的分布研究说了一下,结果说到他猜测的密度函数时,戴森猛地惊到了,因为这个密度函数正好就是随机厄密矩阵本征值的对关联函数。而物理学家对这个东西研究已经有二十年了,戴森本人也在十年前就系统地研究过随机矩阵理论,是这方面的专家。就这样物理和数学又一次有了奇妙的联系,但不得不说这样的相遇是一个可遇不可求的奇迹。要知道蒙哥马利原本来普林斯顿拜访的对象是同样研究黎曼猜想领域的大家赛尔伯格,而他们的相遇都没有擦出智慧的火花。

物理是距离数学最近的一门科学,因此很多大物理学家本身就有非常非常好的数学功底,即便如此,他们之间也是渐行渐远,互相不知道对方在做什么,做到了什么程度,而一个人要同时精通两个领域却已经是不可能的了,我相信黎曼猜想和物理学背后的联系不是个例,也许数学当中还有很多有意思的思想背后是有物理学对应的,但是这中间也许需要大运气,才能让两个可能碰出火花的专家相遇。

除了科研领域越来越精深细分的领域之外,还有一个协作瓶颈是人与人之间天然的语言模糊性造成的。自然语言有个很大的局限性,它没法精确表达哲学家称为「感质」的东西。比如一个人看到红色,他脑袋中有个红色的感觉,这个感觉就叫感质,但无论他如何努力地去用语言表达「红色」,他也无法在一个天生盲人的大脑里产生出红色的感觉。同样的一种体验,一种需求,一种认知,本质上都很难用语言真正精确地表达出来这些东西在大脑中的印象。事实上,本质上我们是无法知道我感知到的「红色」和你感知到的「红色」的感质是相同的。

语言的模糊性就导致了人与人之间的交流一定会有信息损耗,也会带上很多主观的假设。这个模糊性会在信息传递链条上一层层地增加。这个链条的纵深越深,最后的信息接收方对最开始的信息发送方的理解就越可能产生偏差。当然也未必是坏事,也可能出现虽然最后信息接收方误解了信息发送方的需求,但反而给了对方一个连他自己都没想到的更好的东西。

比如最简单的两个人的交流的场景,病人对医生的病情描述,医生不知道病人的病因是什么因此需要病人提供信息,可病人并不知道医生需要什么信息才能诊断病因,而这中间就是提问的艺术了。

接下来三个人,比如从用户到产品经理,再从产品经理到程序员。如果程序员最终没有通过产品经理理解用户的需求,那么很可能等待他的就是返工。

但是回到小标题中的协作瓶颈,问题可能就出在现代的分工太细了,从用户到最终的生产者,中间隔着太多太多层信息的损耗。一个好的协作者能够通过不完全的信息还原出部分前面损耗的信息,但大概率来说,并不是还原而是瞎猜。

4. 部落主义

部落主义这个词这几年在西方社会很火,原来这个词指的是部落时代里,人们对自己的部落有很强的归属感和自豪感,人们会觉得自己的部落岂止是最好的,而且是只有自己的部落是最好的。部落里大家多少都有血缘关系,也有共同战斗的利益,因此团结起来一起对外有着很强的竞争力。但同时部落主义也容易衍生出对其他人的不宽容,种族主义,民族主义,地域歧视,爱国主义多少都有这个意思在里面。

互联网的出现,本来专家们都预测说,现在所有人都能自由地在网上表达自己的言论了,那真正民主的时代是不是就到了呢?结果大跌眼镜,因为人们进入到互联网之后,发现自己原本很小众的爱好都能找到庞大的同类群,然后慢慢地三观相似的人会聚在一起,爱好相似的人会聚在一起,大家开始自说自话。群体内的声音在群里面被无限放大,结果远远偏离了对现实的认知。比如在我周边的小群体中,尤其是科研圈子里的朋友,几乎没有信中医的,因为对我们来说药物是否有效的判断标准是通过大样本随机双盲对照实验就是个常识。可是有次听卓老板聊到「国内有多少信中医的人」时,他提到了这个比例至少在 95% 以上的时候,我才意识到,不对,我知道的并不是常识,中医有效才是常识。

接下来还有朋友圈,我有时候经常怀疑,朋友圈里很火的东西是不是真的火呢?也许真的只是我的朋友圈里面火,而我根本看不到我朋友圈外的世界,不管我愿不愿意,我似乎已经被困在了一个小小的区域里了。

此外还有,比如今日头条,豆瓣,知乎,微博之类的推荐引擎会根据你的喜好向你推荐你可能会喜欢的东西,于是我可能一辈子就和某些也许会很喜欢的东西无缘了,因为再也没有偶遇的机会了。罗振宇就经常鼓吹,不喜欢的人就不要来了,骂我的人一律拉黑之类的。于是天然的,他身边聚集的都是认可他的人,但其他人的声音可能他永远也听不见了。科研圈也是一个非常严格排外的圈子,进入科研圈,首先需要进入某个研究机构,然后要有同行评审的论文发表,而且这还只是门槛,那些民科挤破了脑袋都没法得到科学共同体的认可,民科做出来的东西,科研工作者恐怕连看都懒得看一眼。

是,人生如此短暂,为什么要非要和自己过不去找不痛快呢?搞科研很忙的,民科那些 99% 都不靠谱的东西就不要来浪费时间了。

只是,我害怕的是,我可能没法选择,正如我只要使用知乎,它就会根据我的兴趣向我推荐我「喜欢」的,这个功能没法关,而整个互联网可能就是这样没法关掉扎堆效果的。此外,我也不知道自己走出小部落之后是不是只是换了一个不落而已,其实依然看不到真相,我没法对整个世界有个全局性的理解。

我的世界可能正在变得越来越封闭,我有点慌。

最后,我看到的这个时代的瓶颈是:摩尔定律碰到物理天花板了,也就是说计算机的运算能力可能也就快到头了,也许接下来人工智能遇到的最大的瓶颈就是计算能力。与其说知识爆炸是瓶颈,不如说人类大脑本身是瓶颈,当人们创造新知识需要的前提知识超过他大脑学习能力的时候,人类将无法创造新的知识。而语言本身的缺陷所导致的协作瓶颈,在分工越来越细化的今天,局限性也在不断被放大。而部落主义会屏蔽我们的认知,到时候真相会成为非常奢侈的存在。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏程序员笔记

从大脑的模式识别到游戏到快乐体验

1634
来自专栏新智元

乂学栗浩洋:教育版AlphaGo打破垄断,撬动2000亿在线教育市场

新智元 AI 技术峰会 演讲人:栗浩洋(乂学教育创始人) 【新智元导读】据艾瑞咨询的报告,2018年中国在线教育市场规模达2727.1 亿元,AI+教育...

2784
来自专栏量子位

AI看脸、测肤,左可美妆新零售,右能智慧医美

李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI 如果你跟我一样不喜欢XX氏里的那些护肤导购,新年好消息,AI又要来送温暖了。 至少你皮肤好不好、怎...

4107
来自专栏ATYUN订阅号

麻省理工科技评论:AI预言的七宗罪(上)

错误的推断,有限的想象力,以及其他常见的错误使我们无法更有效地思考未来。我们对人工智能和机器人的未来充满了歇斯底里的情绪:它们将会变得多么强大、多么迅速,以及它...

3527
来自专栏钱塘大数据

【干货】未来人工智能:从AlphaGo到BeltaGo

作者:杨小康 2016年,人工智能60周年。 1956年夏,麦卡锡、明斯基等正式确立了人工智能(ArtificialIntelligence)这一术语,标志着人...

3485
来自专栏玉树芝兰

如何选研究题目?

本着一贯的开放原则,我把这篇文章同时发布到网络上。欢迎有需要的高年级本科生或低年级研究生同学一起阅读。

631
来自专栏二进制文集

学会提问 —— 批判性思维入门

很早之前就要计划读这本书 ——《学会提问》。其中一位作者是尼尔·布朗(Neil Browne),博林格林州立大学(Bowling Green State Uni...

443
来自专栏悦思悦读

入行数据分析,十个月工资翻一番

注:本公众号去年曾发表过一篇倪雪华的《三个月,从化工实验员到数据分析师》。讲述了作者通过自身努力完成行业转换的经历,并对入行数据分析所需技能和知识做了介绍。 入...

3299
来自专栏灯塔大数据

思考 | 从百度医疗竞价说起,大数据需要科学和正直的品格

最近几天,一篇“一个死在百度和部门医院之手的年轻人”的新闻刷爆网络,又一次将百度的医疗竞价排名推到了风口浪尖。 大数据是新出现的事物,作为一门深刻洞察社会规律...

3485
来自专栏钱塘大数据

从AlphaGo到BeltaGo,未来如何下好AI这局棋?

2016年,人工智能60周年。 1956年夏,麦卡锡、明斯基等正式确立了人工智能(ArtificialIntelligence)这一术语,标志着人工智能学科的诞...

40312

扫码关注云+社区