“我们现在已经获得了史无前例的机会，为什么是史无前例的呢？因为现在人类在接下来20年的改变会比以前历史上的改变都要大。”未来学家托马斯•弗雷在为他的《您好 2029》演讲收尾时如是说。
在他演讲的二十分钟里，“殖民火星”、“跨越白令海峡的大桥”、“全球免费的Wi-Fi”等“荒诞不经”的名词从他的口中一一蹦出。2029年不过是十年之后，却在未来学家口中成为了“完美世界”。
曾几何时，我们活在了被三层未来包裹的现实世界中。
第一层未来是学者孩童般的大胆畅想。他们不断描述一些颠覆当下的生活状态会出现在我们可以触及的时间点，诸如星际旅行、火星殖民。我们当然已经有能力把人类送上太空，但无疑技术的成熟度和商业化在未来必须呈指数型增长，才能在时间点上满足畅想。
第二层则是企业家们的“狂想曲”。一些能改变人类生活方式的商品似乎近在咫尺，就像马斯克“年底就能实现完全无人驾驶”的宣言时常萦绕在耳。大众目睹了无人驾驶技术惊人的成熟速度，于是一边期待这些技术带来的消费级产品，一边担心其对人类已有运行规则的冲击。
第三层则是那些已然存在，普及率在爬坡的新科技产品。家用扫地机器人的订单很有可能在顾客看到一条 “扫不干净”的评论后夭折，兜来转去，这些产品“食之无肉，弃之有味”。
三种未来都是科技落地的结果，却在效果上呈现出了巨大落差。
人们一边目睹着技术不断对人类社会的改造，另一边又迷失在复杂的科学概念和解释中。
于是，我们以一种“纠结”的心态看待人工智能——憧憬于智能将解放我们的双手，焦虑于机器会取代我们的岗位。
人工智能所带来的新概念、新变化，早就该脱下神秘性和魅惑力的面纱。相比那些艰深的技术，人们应该更注重的，是人类自身的需求。
目之所见的“未来”
“目之所见的未来，是近十年AI的爆发，算力正在不断提升，但类人不是最终的目标，不计投入的落地也不是长久发展之际，拥有合适的投入产出比，能够真正落地产业并实现降本增效，目之所见的未来，才能凸显价值”
目之所见，人工智能在近十年内迎来了爆发，一些科技成果在学界和产界得到应用。深度学习和图像识别等技术的成熟，让AI有了实际的价值。从输入规则到自我学习，人工智能在判断力上能够模仿甚至超越人类。
人们无法去学界和产业界内一窥人工智能的究竟，只能看到新技术对人类社会的潜在冲击，“人工智能将替代人类”的言论成为媒体乐于贩卖的焦虑。实际上，社会并不是技术的被动承受者，而需求才是推动技术发展的核心动力。
能否满足生产活动的实际需求，决定了AI能否从实验室走向产业界。
人工智能在围棋领域所展现出的能力，已经实现了人类输入规则，人工智能运用强大的算力，并在规则内自我博弈的过程。但是，因为没有实际的产业价值，在公布部分棋谱之后，AlphaGo被宣布“退役”。
与之相反，那些能满足人类实际需求的人工智能技术，得以在产业中继续发展。
例如，克里斯托夫•梅内尔所带领的团队，尝试在医疗健康领域运用卷积神经网络，训练人工智能去理解医学影像，使之可以识别病灶。这种技术不但能够把医生从判断病症中解放出来，还能减少培养医护人员的时间成本，更能帮助那些没有医疗知识的普通人，可谓一石三鸟。
在华为Cloud & AI产品与服务CTO张顺茂看来，AI已经超越了传统的信息化工具和支撑系统。“信息化很大程度上只是作为工具或支撑系统，而没有进入到生产系统。AI技术真正成为了我们的生产力，进入到了工业装备领域，成为了基本的生产力，改变了各行各业的生产方式。”
以“类人”的程度来衡量人工智能在产业端的落地，AI的确呈现出逐渐超越人类能力、取代人类岗位的趋势。但是，AI技术的成熟并不是其落地的唯一标准，企业主更在乎投入和产出的结果。
因此，AI落地的主要推手，实际是劳动力替代需求的日益增长。线下业务逐渐减少的银行网点若想避免关张的命运，会选择裁减柜员，更多接待和应答的服务则交由服务机器人来处理。
没有产业价值的AlphaGo被封存在了实验室，有压缩成本和提升效率的产业需求则支持着AI的落地。
触手可及的“未来”
“智能产品其实不智能，并未真正解决人们的需求。但可以预见的是，时间和技术的累积会使得产品的智能化程度越来越高。现阶段那些“触手可及的未来”可能不够好，却是过去20年内人们无法想象的。”
普通人很难去分辨人工智能在产业中起到了何种作用。直观地看，触手可及的“未来”藏在一个个名字里带着“智能”的电子商品里。
2014年11月，亚马逊推出了智能音箱Echo。这个搭载了智能语音交互技术的电子产品尽管不是第一个贴着“智能”标签的商品，却是首个点燃用户热情的电子产品。在不到一年半的时间里，这款音箱售出超过300万台。
同样的技术也被运用在手机语音助手上，使之成为“智能”语音助手。用户已经逐渐习惯并适应通过简单的语音指令发消息、实现APP功能、遥控其它智能设备。
但随着初次体验的新奇感逐步褪去，消费者逐渐意识到，类似的产品一半是“人工智能”，而另一半是“人工智障”。
“智能”的一半来源于语音交互和深度学习的加持。用户可以随着软件的迭代直观感受到语音识别准确率的提升，人工智能越来越能“听懂”用户。
“智障”则是源于算力和算法的限制，工程师们不得不采用机械的方式让服务看起来更“智能”：放权给用户更多的设置项，让手机助手能通过复制用户操作的方式实现更多定制化功能。但是，手机助手可以复制操作，却不能“举一反三”，更谈不上智能。
消费类产品无法通过智能的手段满足用户的需求，从而只能通过越来越低的价格推动销售。根据市场调研机构 Canalys发布的报告，2019年Q3全球智能音箱出货量约 2860万台，同比增长了44.9%。
畅销背后，是亚马逊“以旧换新”的优惠驱动和各家厂商“以补贴换市场”的降价战略。其实，在价格战的背后，大部分厂商都在亏本经营，以科大讯飞为代表的部分厂商更是做出了“不再跟进智能音箱赛道”的决策。
与需求满足对立的担忧
“AI的技术成熟和落地应用在提升社会运转效率的同时，也冲击着人们的认知和社会规则，给人们带来‘ 危机感’。在用AI满足我们需求之前，我们需要时间和空间去衡量AI可能造成的冲击和破坏。而法律、道德伦理甚至是用户的主观感受，都扮演着牵制者的角色。”
AI技术的不断成熟，使其能满足越来越多的人类需求，但这并不意味着AI技术对人类社会的改造无往而不利。
人类从数千年文明的经验中已经学会，对于任何能实现迅速满足需求的东西，都应保持警惕，其中也包括人工智能。于是人们发现，对AI谨慎和批判的意识，已经逐渐从消费端觉醒。
英国媒体《卫报》曾在今年夏天的一篇报道中指出，苹果公司雇佣了合同工，让他们对一小部分Siri语音指令进行聆听，其中一些指令包含了个人信息、药物交易等内容。这篇报道掀起了轩然大波，苹果不得不在多次道歉后中止项目。
直到11月份，苹果在iOS 13.2的更新中更新条款，用户拥有了删除Siri数据的权利，并且可以决定是否授权给Siri。
其实，数据是训练AI语言识别的必要步骤，这一要求在开启Siri时就需要用户的许可，真正的争议在于苹果公司聆听用户数据。该争议从侧面体现出，人和机器的判断和推理能力在用户眼中完全不同。
用户的担忧并不只在数据采集上，还在数据使用上。
公共场合的图像数据采集，一直被广泛运用于治安和交通领域。以往的城市往往依赖被动的监测，很难形成及时或主动的反应，而监控图像往往只是追查或取证的素材。
清华同方的智慧城市解决方案中，监控探头采集到的视频和图像数据成为建设智慧城市的有效数据来源。经过大量的数据学习，AI可以辨认出交通事故、占道经营等问题，整个城市的行政部门可以形成更为主动和及时的反应体系。
但旷视应用于教室场景的人脸识别技术，却引起了公众的极大反感。虽然该项技术类似能够直接从街头面部识别出路人身份证号和犯罪记录的天网系统，但在相对封闭的教室与工作单位场景使用摄像头，似乎“监控”意味远大于“安全”，引起极大的公众反感也变得“情有可原。
当公众意识到此类AI应用场景将带来自身部分权利的丧失，技术是否成熟，将不再是衡量落地与否的唯一标准。
从某种程度上说，法律、道德、伦理以及大众的主观感受，都对人工智能的落地带来了牵制作用，这种牵制所带来的一点好处，是让人类不会盲目追求人工智能对需求的满足。
尾声
我们对于人工智能的潜在威胁依然心存芥蒂，因为想理解机器和人的差别，依然是很困难。
微软中国CTO韦青则把人类反比为碳基的机器——人是功率为100瓦的发电机，摄入的碳水化合物和氧气发生化学变化产生能量，而心脏跳动也不过是放电的作用。由此，人类的感官和思考都可以理解为电信号的交换和算法的计算推理。同理，机器也能被理解为硅基生物。
转换这种理解方式的目的，是为了理解碳基和硅基间的互补关系，也是为了给天花乱坠的技术名词“去魅“。
懒和贪是人类的需求，而人工智能和其它技术一样，是为了满足这种需求而存在的。因此，并不是人工智能技术自己在发展自己，而是需求的存在催动着技术的成熟和落地。
