过去二十年互联网的飞速发展，最大的变化始终是物理层面网络条件的变迁，从最早的ADSL，到3G时代，再到如今的全网覆盖，CPU从早年的586，到如今的酷睿i7，我们是通过愈发便利的网络硬件条件，来不断在其之上搭建各种服务和应用。

由此，站在商业的角度来看，由于信息光速传递，迸发出了全民购物、全民社交、全民游戏、全民娱乐等等场景，互联网作为一个巨大的效率工具，极大地节约了许多业务运营的成本，特别是边际成本的降低，演进出各种新型的商业模式，许多商业经营第一次真正意义上实现了全球化扩张，人们的经济和生活水平，也因为网络的便利所带来的信息传递而变得更加美好。

可是本质里，互联网仍然是一个用来承载信息的载体，作为产品经理的我们，做产品时的思考方式始终是围绕着“社会自有的现象+网络世界的交互”，信息仍然置身于我们人类社会之中。

AI“学会”了信息背后的知识

可是，AI带来了在纵深层面上的不同。

当我们稍稍深入了解一点AI时，我们知道它背后站着的是各种高深的计算机科学算法，以及大数据背后所隐藏的各种莫测的秘密。

计算机在做的，首先是“记忆”知识。

早期的计算机科学是通过规则逻辑来让计算机记忆知识的。

比如，一条知识信息是“如果C罗出现，那么就尖叫10秒”，通过最简单的“if-else”语句就可以告诉计算机这条知识信息，然后计算机在执行时，每当C罗出现时，就会尖叫10秒。

这种方法便是workflow（工作流）的基本单元ifttt（if this than that），计算机依靠这个基本知识就可以按照规则执行了。但是怎么看都觉得很死板，是吧？

所以，这时候机器学习和神经网络进来了，它可以依靠无数个ifttt整理出一套复杂的网络结构，也就是大名鼎鼎的“知识图谱”。其实类比我们人类，我们在最早学习知识的时候，学到的都是一大堆的ifttt，直到能够举一反三融会贯通的时候，才产生了更多的知识单元，从而建立起一套自己的知识网络。

现在AI可以做类似的事情了，它可以把更复杂的ifttt，或者干脆就直接是数据层面的知识，“学习”起来形成一套知识网络。往大了说，AlphaGo所实现的第一步，就是学习了几千万份棋谱之后，实现了最基本的知识图谱，然后通过蒙特卡洛算法在每一步寻找相对最优解。

知识积累得越多，新知识产出的速率就会越快。在社会学中，有一个理论是，历史上积累的所有知识，后人学习的速度变得越来越快，这是科技指数级增长的秘密所在。牛顿总结出三大定律花了十来年，而今天中学生只要一年就可以全部学会。可以肯定的是，今天的人类所拥有的知识前所未有得多，以后也会越来越多。人类的知识被AI“学会”，那么AI的知识图谱就会越来越丰富，越来越复杂。

AI提升的已不是效率这么简单 那么问题来了，AI学会了这些知识又能怎么样呢？

AI要做的，是赋能人类，节约人类进步的成本。

在这里，我必须插播一个概念——效率。效率这个词的核心含义是，在单位时间里能够产出更多的价值，无论是单位时间里赚更多的钱，还是单位时间里写更多的字，或者单位时间里传递更多的信息。本质上来说，效率的提升与否，是使得人们可以腾出更多时间去做其他的事情，但是在价值本身上并不是叠加关系。

比如说，由于视频电话的存在，医生和患者可以远程完成会诊，患者不必千里迢迢来寻医，节约了医生和患者的时间。多出来的时间，患者可以在本地开药做手术，医生可以治疗更多的患者。

然而，这种效率的提升，并没有在单件事情上产生质的飞跃，医生没有因为远程会诊的存在而变得医术更加高明，也没有因为省出更多时间而能够攻克疑难杂症。

所以，效率是在一系列事情叠加上来看价值的，单一价值点上的价值叠加效果有限。

AI做了些什么？

我的核心观点是——AI不仅提升了效率，还可能帮助人类极大地进步。

2015年，《Nature》发表了一篇来自Google的论文，在文中，Google邀请了美国资深的皮肤科专家，对150张皮肤病变切片进行诊断，找寻其中有皮肤癌的切片。专家花费近30小时，最终得出约75%的准确率。而AI花费了数十分钟，得出的准确率大约87%。多出来的12%准确率，就是多出来的多少条鲜活的生命！