1. 偉大變革

1.1. 搜索引擎、社交網絡、移動互聯網和移動支付等技術一次又一次改變了人們的生活，互聯網也成就了一個又一個商業傳奇

1.2. 人工智能技術的潛力大家都有目共睹，但未來人工智能可以用來做什麼，將會給人類社會帶來多大的變革，也在考驗我們的想象力

1.3. 人工智能技術還處在初級發展階段，但它現有的能力也足以改變眾多領域，尤其是那些有着大量數據卻無法有效利用的領域

1.4. 人工智能的價值維度還有很多，加速基礎科學研究、提升社會生產效率和改善人類生存空間也只是其中的幾個方面

2. 基礎科學理論突破

2.1. 每一次重大的基礎科學理論突破，都必將帶來人類社會的巨大變革

• 2.1.1. 牛頓的經典力學為第一次工業革命奠定了基礎

• 2.1.2. 法拉第的電磁感應理論和麥克斯韋方程直接引發了第二次工業革命

• 2.1.3. 愛因斯坦、馮·諾依曼等科學家無疑是第三次工業革命的“幕後推手”​

2.2. 人類一旦認識了新世界，就必然會創造工具來改造舊世界，社會就會沿着“基礎科學理論突破→新工具誕生→生產效率極大提升”的模式產生變革

• 2.2.1. 核電技術在20世紀60年代就獲得商業運營了，核聚變卻仍然遙遙無期

• 2.2.2. 登月火箭和高鐵20世紀60年代就造出來了，但相關材料科學卻沒有重大進展

• 2.2.3. 粒子物理和絃理論等物理學的理論發展幾乎停滯

• 2.2.4. 在醫學上，癌症、艾滋病和帕金森等疾病仍然難以治療

• 2.2.5. 基礎科學理論都是在“吃老本”​

2.3. 材料、化學、物理等基礎科學領域的研究過程中充滿了大數據，從設計、實驗、測試到證明等環節，科學家們都離不開數據的蒐集、選擇和分析

• 2.3.1. 物理、化學或力學規律的存在，這些領域的數據往往都是結構化的、高質量的以及可標註的

• 2.3.2. 人工智能技術（機器學習算法）擅長在海量數據中尋找“隱藏”的因果關係，能夠快速處理科研中的結構化數據，因此得到了科研工作者的廣泛關注

• 2.3.3. 在新材料研發中，人工智能技術已經在文獻數據獲取、性能預測、測試結果分析等各環節展現出巨大優勢

2.4. 《分子和材料研究用的機器學習》

• 2.4.1. 基思·巴特勒(Keith Butler)等

• 2.4.2. 《自然》(Nature)期刊

• 2.4.3. 第一代是“結構—性能”計算，主要利用局部優化算法從材料結構預測出性能

• 2.4.4. 第二代為“晶體結構預測”​，主要利用全局優化算法從元素組成預測出材料結構與性能

• 2.4.5. 第三代為“數據驅動的設計”​，主要利用機器學習算法從物理、化學數據預測出元素組成、材料結構和性能

2.5. 在物理領域，人工智能的應用給粒子物理、空間物理等研究帶來了前所未有的機遇

• 2.5.1. 大型強子對撞機(LHC)

• 2.5.2. LHC是目前世界上最大的粒子加速器，它每秒可產生100萬GB的數據，一小時內積累的數據與Facebook一年的數據量相當

2.6. 機器學習算法至少可以做出其中70%的決定，能夠大大減少人類科學家的工作量

2.7. 儘管人工智能商業化發展更容易受關注，但人工智能在基礎科研中的應用，卻更加激動人心，因為社會生產力的變革歸根結底在於基礎科研的進一步突破

• 2.7.1. 這個時代更需要的是通過大量實驗數據來獲取真理的工作

• 2.7.2. 大到宇宙起源的探索，小到蛋白質分子的摺疊，都離不開一批又一批科學家們的前赴後繼、執着探索

• 2.7.3. 人工智能技術的應用，或許能幫助藍色星球的科學家們擺脱無窮無盡實驗的痛苦，加速重大科學理論的發現，將人類文明提升到新的台階

3. 社會生產效率快速提升

3.1. 徹底將人類從重複機械勞動中解放出來，讓人們從事真正符合人類智能水平、充滿創造性的工作

3.2. 機器翻譯、圖像識別、自動駕駛語音助手和個性推薦等影響深遠的應用，人們的生活在不知不覺中已經發生了巨大變化

3.3. Landing.AI

• 3.3.1. 吳恩達於2017年成立

• 3.3.2. 目標是幫助傳統企業用算法來降低成本、提升質量管理水平、消除供應鏈瓶頸等

• 3.3.3. 兩個落地領域，分別是製造業和農業

• 3.3.3.1. 製造業的核心競爭力還在於製造業本身，比如車牀的精度、熱處理爐的温度控制能力等

• 3.3.3.2. 農業的核心競爭力也在於農業本身，比如育種技術、轉基因技術等

• 3.3.4. 最先與製造業巨頭富士康達成合作

• 3.3.4.1. 嘗試利用自動視覺檢測、監督式學習和預測等技術，幫助富士康向智能製造、人工智能和大數據邁進，提升製造過程中人工智能應用的層次

• 3.3.4.2. 適合應對目前製造業面臨的一些挑戰，如質量和產出不穩定、生產線設計彈性不夠、產能管理跟不上以及生產成本不斷上漲等

• 3.3.5. 當農業進入了大數據時代，機器作業時可以利用產量、氣候、温度、濕度和土壤等各方面的數據進行調整，進一步提升農業生產效率

3.4. 人工智能技術的主要價值在於提升決策能力、進一步提升生產效率以及減少人的重複性勞動等方面，這就是人工智能為什麼可以賦能各個行業的原因

• 3.4.1. 在智能手機生產流水線上的質檢員，往往每天要花10小時以上的時間去判斷質量，今後這種重複性勞動可由機器視覺技術代替人類完成

• 3.4.2. 芯片製造過程有成百上千道工序，各種類型的參數多達上萬個，利用機器學習技術通過這些參數預測最終產品良率，能夠極大降低生產成本

• 3.4.3. 大型製造工廠的設備管理、人力管理的任務繁重，管理者可以通過人工智能技術進行協調，降低監管成本

3.5. 利用人工智能提升生產效率、降低生產成本以及提高產業國際競爭力，無疑是眾多國家政府、眾多傳統企業的夢想

4. 改善人類的生存空間

4.1. ​“SilviaTerra”項目通過使用Microsoft Azure、高分辨衞星圖像和美國林務局的現場數據來訓練機器學習模型，實現對森林的監測

4.2. ​“WildMe”項目通過使用計算機視覺和深度學習算法，可對瀕臨滅絕的動物進行識別

4.3. ​“FarmBeats”項目在户外環境下可以通過傳感器、無人機以及其他設備改進數據採集，進而增強農業的可持續性

4.4. 在前三次工業革命中，科學技術進步在給人們帶來極大生活便利的同時，也帶來了氣候變化、生物多樣性退化、大氣與海洋污染等棘手的自然環境問題，人類的生存環境正逐漸變得惡劣

• 4.4.1. 從表面上看，發達經濟體的自然環境似乎已經得到了改善

• 4.4.2. 改善是以轉移污染、破壞發展中國家自然環境為代價的，世界整體的自然環境狀況依然不容樂觀

4.5. 一旦人工智能技術可以加速基礎科學理論的突破，實現生產效率的大幅提升，有效改善人類的生存空間，一切發展與自然環境的問題也就迎刃而解