在上一篇文章中我们谈到了此次智能革命对几乎各个行业的影响，那么为什么这一次的技术革命会有如此巨大的影响呢？
如果让各行各业的精英和人工智能站在华山之巅一决雌雄，人工智能取胜的杀手锏应该是“如来神掌”，“一阳指”和"北冥神功"。
“如来神掌”之大数据
电影《功夫》中，周星驰所饰的阿星最终顿悟如来神掌，如佛祖一般从天而降，掌劲从四面八方袭来，让火云邪神无所遁形。大数据技术就如同随掌而来的音波一般，深入到我们生活和工作的方方面面。
大数据来源主要有，从19世纪80年代到今天的互联网的发展过程中积累的大量的数据，移动互联网中的数据，各种监控设施的日志，各种信息采集，记录，分析，以及备份的数据等等。
对大数据的分析可以发现事物之间的强相关性。打个比方，数据告诉我们A和B往往同时发生，我们就可以说A和B有强相关性，但A和B实际上并不互为因果。美国纽约州教育部门做过一个调查，结果显示家里藏书多的孩子往往学习成绩好。逻辑分析告诉我们不能简单的说藏书多是成绩好的原因，不然的话我们买很多书放在家里就能提高孩子的学习成绩，那岂不是太简单了。更有可能的原因是藏书多的家庭父母教育程度一般比较高，家庭条件较好，也就重视孩子的教育，所以孩子的成绩好。这里藏书多和孩子成绩好就表现出了强相关性。而大数据分析恰恰善于发现这种强相关性，从而在某种程度上取代因果关系，帮助我们解决问题。
“一阳指”之高性能计算
天下武功，唯快不破。“一阳指”在金庸小说中是大理段氏的武功绝学，其特点是疾如闪电，又准又狠。计算机的性能也是以日新月异的速度不断地迭代发展。
大家可能听说过阿凡提和巴依老爷打赌的故事，巴依老爷输了要赔给阿凡提粮食。赔偿的方法是在棋盘上的每一个格子里放上前一个两倍的麦粒，结果地主的粮仓都被阿凡提搬空了还不够铺满整个棋盘。计算机的性能就是按照每十八个月性能就翻一番的“摩尔定律”从1946年至今一直高速发展着。
但是即便处理器的速度已经如此快了，只靠单个计算机完成一些计算量大，复杂度高的任务还是远远不够。为了完成大规模的计算，计算机工程师使用云计算将成千上万的计算机连接在一起。一些大型任务又被分配给这些云计算平台上的计算机，这样就大大提升了运算的速度，缩短了运算所需要的时间。AlphaGO的训练工作就是通过连接几十万台计算机的云计算平台完成的。
“北冥神功”之智能算法
“如来神掌”和“一阳指”是克敌制胜的招式，但是没有强大的内功做基础恐怕还是要半途而废。《射雕英雄传》中的黄蓉就是一例，她虽然功夫多样且招式奇妙，但因为乏于内功修炼，从而在一些战斗力中会后劲不足。北冥神功是《天龙八部》中“逍遥派”的顶级武功之一，能够专吸内力并为我所用。智能算法就是用来吸收强劲的硬件平台和齐备的数据资源而为我所用的内功心法。
这里的智能算法对大多数理工科背景的人来说应该不陌生，其本质就是基于人工神经网络的。人工神经网络是通过模拟生物神经元的结构和工作方式进行近似计算的一种模型。其起源于二十世纪四十年代，但由于计算能力和数据量的限制一度陷入沉寂。直到2005年被大幅改进之后才重新大放异彩，新的改进也被更形象的称为“深度学习”。
深度学习由于建立了更多，更深层次的神经元模型，能够准确识别对象的特征，从而做出区分。这就好比给一个没见过小鸭子的小朋友一定数量的小鸭子的照片，小朋友就能够学会小鸭子的特征，从而在下一次见到小鸭子的时候一眼就认出小鸭子。即使小鸭子穿了一件小鸡的衣服，但小朋友还是能从嘴巴，脚掌之类的特征分辨出这还是只鸭子。
有了深度学习就可以从语音，图片，视频等海量的数据中提取具有一定特征的对象，从而取代以研究这些数据为主要内容的具有某些固定模式的工作职位。例如，位于旧金山的初创公司Enlitic就是为了开发能够从X-ray和CT扫描中识别可能的病变的深度学习算法。初步的比较显示，Enlitic的算法比人类影像诊断师在辨别恶性肿瘤方面提高了50%的准确率，并且至今未发生假阴性的诊断，而人类的假阴性诊断率是7%。所以像影像诊断师这类职位在未来是岌岌可危的。
谷歌的无人驾驶汽车就是将大数据，云计算平台，以及智能算法三者很好结合起来的例子。谷歌的无人驾驶汽车在上路之前已经积累了大量的交通和路况的数据，并通过基于云计算的智能算法的训练能够准确识别出道路，车辆，行人，红绿灯，等各种物体，以及在各种情况下的无人驾驶汽车应该有的正确反应。然而即使这样还远远不够。为了保证行驶安全和速度，无人驾驶汽车在规划到达目的地的路径时已经根据实时路况信息和历史信息预测出未来的路况信息，然后设计最优路线，这样无人汽车才会上路。无人汽车在行驶的过程中，其所搭配的高精度激光雷达和其他传感器会将采集到的实时数据进行本地或者云平台处理。通过强大计算能力在行驶过程中作出正确决策，并能够实时调整最优路线。
谷歌无人车的例子中我们可以看出要实现无人驾驶，大数据，高性能计算，以及智能算法三者缺一不可。而一些开发无人驾驶的公司经常陷入缺乏数据的困境，所以他们的第一步往往是每天派很多汽车在街上扫街，其目的就是积累大量的数据以供后期智能算法学习。
根据以上的分析，我们可以概括出人工智能革命屹立在华山之巅的技术特点分别为，
以大数据为基础，通过学习发现强相关性来解决问题；
以云计算为平台，计算速度快；
使用深度学习算法，准确率高。
虽然这些神功绝学助力此次智能革命摧古拉朽般向各个行业进军，但还有一些不得不克服的问题可能会在未来延缓人工智能的脚步。这些问题分别是：
（1）采用强相关性来解决问题可能会带来“过度拟合”，反而会放大数据中的误差。例如，谷歌曾在2008年成功的预测到了一个地方会爆发流感，而且比美国疾病防控中心提前了两个星期。其所采用的就是上网用户对感冒信息的搜索和流感爆发的相关性。但是谷歌并没有预测到2009年全球爆发的H1N1流感，反而在2012-2013年间却误报了几次流感信息。
（2）西汉的大学者，著有《过秦论》的贾谊曾经写道“万物变化兮，固无休息。斡流而迁，或推而还。”。时间万物的变化，没有停止，万物变化运转推移，反复无定。那么如何用大数据把所有变化，尤其是一些极少发生的可能性都考虑到也是一个巨大的挑战。特斯拉的无人驾驶汽车在2016年发生了一次导致驾驶员死亡的严重车祸。由于对方卡车的白色车身反光，特斯拉自动驾驶系统误以为对方车辆是背景中的白色天空，没有停车反而直接钻到了卡车底部造成了这场悲剧。
（3）过度依赖自动化也会导致人类自身的训练不足，经验缺失，对一些极端情况的判断失误。2009年的法国航空447号班机的空难事件就是由于驾驶员过于依赖自动驾驶系统而经验欠缺导致。事故后的记录分析显示，驾驶员中间错过了很多次补救的机会，而且直至坠毁对飞机所处的状况都是一头雾水。
人工智能科学家在不断尝试解决应用上的难题，即使无法达到完美，但是只要能够改善和解决当前的一些问题，人工智能就仍然会继续扩大影响。
从此次智能革命的技术特点我们可以看出，容易被机器人取代的是那些重复性的并且有固定模式的工作，无论是以劳力为主的低端服务业，还是脑力为主的白领工作。经济学家预测，这样的情况发展下去的话，中产阶级的工作会逐渐吞噬掉，造成收入的两极化，也就是一边是需要高创造性的高收入工作，另一边是不需要什么技术的低端服务业。收入两极化的最直接结果是大量的消费会集中在富人身上，而消费又是经济发展的最大驱动力。那么人工智能如果继续发展下去会导致消费萎缩最终影响经济前进的步伐吗？人工智能会利用他的神功绝学在江湖上引起如何的血雨腥风呢？
