久久99国产精品尤物-国产高清色播视频免费看-男生肌肌往女人桶爽视频-精品国产-91PORNY九色|www.jqdstudio.net

第四次工業革命：自主經濟的崛起

點擊：  作者：譯/boxi    來源：36氪  發布時間:2019-01-04 11:44:24

 

        譯/boxi

編者按：隨著大數據、云計算、物聯網、人工智能、區塊鏈等技術的崛起，很多人都說第四次工業革命即將到來。第四次工業革命到底指的是什么？應該如何預測它的發展趨勢？我們又應該作何準備？The Crypto Oracle在Medium發表了一篇題為《The Fourth Industrial Revolution: The Rise Of The Autonomous Economy》的文章，36氪進行了編譯，供各位參考。解讀工業革命，識別關鍵資源與資源利用的技術突破是關鍵。

 

要想理解現在，必須以史為鑒。要想洞見未來，必須感受現在積蓄的勢頭。

回顧過去，顯然技術的進展無疑是人類文明進步的主要推動力。就像車輪和指南針變革了先人一樣，智能手機和互聯網的發展也徹底改變了當今的社會，現在的人已經很難想象一個沒有它們的世界。現在來回顧歷史認出其中關鍵突破當然很容易，但在它們完全嵌入到日常生活之前大多數人是很難預見到未來的技術創新的。實際上，大多數新技術在開始階段都是被嘲笑的，“專家”會宣稱這些東西無法實現或者沒有必要。

然而，盡管疑云密布，很多人仍然相信當前的技術趨勢已經瀕臨引發第四次工業革命的邊緣；而這一次的點火者將是大規模自動化。盡管人類主導的經濟可能永遠也不會消失，但一個完全由機器運營的平行經濟正在開始形成。跟過去的工業革命類似，當今的這場正在對若干技術突破進行整合，其中包括物聯網（IoT）、人工智能（AI）以及分布式賬本技術（DLT）。

 

“互聯網的發展將大幅放緩，梅特卡夫定律的瑕疵將變得很明顯：大多數人對彼此將無話可說。到2005年，互聯網對經濟的影響將不會超過傳真機。”諾貝爾經濟獎得主保羅·克魯格曼對互聯網將對社會產生的影響的看法顯然錯了。

盡管普通人對將發生的事情一無所知或者知之甚少，但是現代技術對眾人絕非無跡可尋。以提出收益遞增現代理論著稱的經濟學家布賴恩·阿瑟（Brian Arthur）曾提出了一個論點來描述這種現象，并稱之為“自主經濟（the autonomy economy）”。這一點引起了世界經濟論壇創始人兼執行主席克勞斯·施瓦布的共鳴，甚至還為此寫了一本書，名字叫做《第四次工業革命》。

在深入考察當前的技術趨勢之前，研究一下前3次工業革命對社會的影響是很有好處的。以史為鑒對我們設想第四次工業革命對未來的影響大有裨益。

過去的工業革命

前3次工業革命都受到了一系列獨立但互有聯系的技術創新的推動，從而極大地提高了人類生產產出的能力，同時又大大減少了為了獲得它所需的輸入，無論是人力、時間還是材料。這些進步不僅在經濟意義上再造了社會，而且重塑了人類如何感知日常生活的整個概念。

第一次工業革命：

大概在1750到1850這段時間里，發生了第一次工業革命，這主要是人類利用兩種關鍵能源——蒸汽和煤炭的能力的結果。第一次工業革命的主要推動力是蒸汽機的一系列工程突破，加上更廉價更豐富的能源——煤的發現。二者結合最終導致了燃煤外燃機的崛起，從而能夠以比之前便宜得多的價格生產多得多的能源。這一新輸入導致了制造的重大變革，并被用來促進了若干行業的徹底改變，包括紡織金屬廠（尤其是鋼廠）以及交通。

 

第一次工業革命的一些重要發明，這都是因為蒸汽機的創新才成為可能。

歷史上一些最著名的發明都是在這段時間內形成的，比如用來分離棉纖維的軋棉機，還有用來織衣服的力織機。其他一些知名的突破包括機床的發展，水泥的重新發現，玻璃片的引入，燃煤生產煤氣燈等。

在第一次工業革命之前，大多數商品都是在本地由個體手工業者制造的，但是在燃煤蒸汽機的商品化帶動下，出現了能夠為廣泛消費者群體生產產品的大型工業。社會出現了從農耕文化到以大型制造業工廠為核心的工業化城市發展的根本性轉變。占主導的不再是個體勞動力，而是慢慢被資本家把持的、雇傭勞動階層的行業所取代。城市開始成為整個國家的經濟動力。這股趨勢不會放緩，而且距離第二次工業革命的發生也不會太久，后者所產生的影響甚至比上一次還要大。

第二次工業革命：

第二次工業革命又叫技術革命，大概從1870持續到1914年（一戰前），最恰當的描述是這是掌握了第一次工業革命所引入技術，以及自身兩大突破——也就是利用了電與石油這兩種新能源的結果。

得益于鋼鐵制造的進步，機器部件開始批量化生產并在不同行業間實現了標準化，比如螺絲和金屬桿的標準尺寸。復雜的鐵路基礎設施以及變革了艦艇的汽輪機開始在若干先進國家出現。基本上社會已經形成了非常出色的交通路網來運輸大規模制造出來的工廠產品。因為運輸速度提高以及機器驅動生產帶來的價格下降，這個時期市場開始真正開放。

 

（1860年的鐵鐵路基礎設施要比僅僅30年前先進得多，當時美國還幾乎沒有鐵路）

第二次工業革命的最高成必須是電力和石油。甚至直到今天現代世界也仍然完全要依賴電力和石油。電氣化通常被視為20世紀的最大進步，因為它給了社會一種廉價而豐富的能源，可隨時為工廠和家庭提供電力，但是也為后來的所有設備打下了基礎。電雖然至關重要，但石油卻是上世紀商品化后的最大追求。石油成為大多數交通車輛的主導性能源，無論是汽車、飛機還是農機設備。它還導致了大量消費者產品（塑料）、肥料/化工品以及醫藥的崛起。

這一時期還有其他一些重大進展，比如通信方面發明了電報、電話以及無線電。造紙機也在20世紀初呈現出良好的發展勢頭，帶來了新的跨大陸傳播知識、新聞和通識的能力。最后，橡膠生產的發展導致了輪胎的大規模生產從而促進了自行車、汽車與飛機的發明。

 

（第一次和第二次工業革命關鍵差別的分解，按生產方式、規模生產的東西、動力源、新引擎、發明、工人生活水

第一次工業革命是開啟現代工業經濟的技術爆炸，第二次工業革命是精通了技術從而讓摩天大樓林立的現代城市崛起，知道這些很重要。隨著國家得以用前所未有的方式進行貿易和溝通，全球進入到全球化的開始階段。這股始于20世紀下半葉的趨勢只會繼續，最終會達到空前的程度。社會將經歷一場全新的技術大爆炸：數字化革命。

第三次工業革命：

從1950年代末開始直到今天，第三次工業革命，也就是所謂的數字化革命，已經在社會生根發芽，是從機械和模擬電子技術向數字化電子轉變的頂點。這次革命的兩大結果是數字化計算和通信技術。高速計算機，在互聯網與衛星廣播的互聯下，創建了一個數字化的架構令信息可通過處理速度遠高于人類的設備在全球即時共享。所以大家將這一時期稱為信息時代并不奇怪。

 

（2000年以來從模擬到數字的轉換相當快）

數字信息的充裕是掌握了電力與精密工藝的結果，兩者結合導致了不斷改進的微處理器，也即是計算機芯片的誕生。從智能手機、高清電視到高端相機設備與無人機，計算機芯片是所有先進電子的骨干。有趣的是，所有這些技術在很短時間內都不斷地被更好的版本取代。手機就是一個很好的例子，從付費電話，到固網電話，再到智能手機，接下來可能還會出現生物技術。

就像第1和第2次工業革命的制造創新引領了使用一切生產的材料來建設工業化城市一樣。第3、4次工業革命的電子創新正在引領利用了一切產生的數據的智能應用的構建。

第四次工業革命

要想弄清楚第四次工業革命，很重要的一點是要理解智能的概念。領會智能的最好辦法是思考智能是如何得到的，這通常要經過4個步驟。

1）收集數據

2）利用前面的數據作為參考來處理數據

3）基于提煉的數據采取行動

4）接收反饋數據，從結果中學習，然后全部保存進記憶中。

 

（智能的一個簡單的循環）

這個過程是一個持續收集數據、處理數據、采取行動然后接收反饋的循環。某人經歷這一過程越多就會變得越智能——假設他們能夠從行動中學習的話。兩個關鍵的基礎要素是盡可能多地接觸到數據，以及形成無懈可擊的模式識別技能。

模式不僅指出了哪些有效哪些無效，哪些是優勢哪些是劣勢，哪些是趨勢哪些是異常，而且還幫助大家對信息進行分類以方便將來使用時記得。出色的模式識別可到了心理和身體能力上的改善，而這正是利用智能的關鍵。正如愛因斯坦所說那樣：“衡量智力的標準是改變的能力。”某人會做出改變的唯一辦法接觸到一個負面的模式讓其退縮，或者看到一個更好的模式引導其前進。最后一步是通過意志力和行動實現的。

如果技術要復制智能并將其開發成數字化商品賣給開放市場的話，那就得采用相同的模式。盡管大多數人并未意識到最近的發展，當前技術正在這一方面打開新的可能性，尤其是鑒于物聯網業、AI、DLT以及其他若干宏觀趨勢的進展。利用硬件、軟件以及數據的發展，技術正瀕臨制造智能的邊緣。自主經濟離我們比大多數人所想的都要更接近。

物聯網（IoT）：

數據的大規模制造是數字時代的主要衍生品。這已經成為一種普遍認知以至于大家開始談“數據是新的石油”。數據其實分為兩類：公共數據與私有數據。互聯網是最大的公共數據油田，而且是獨一無二的，因為它是一個不斷增長的資源。私有數據大部分集中在私有服務器上，尤其是在云端，里面包含有大家不想免費分享或者不希望被看到的敏感信息。許多全球最大型公司，如Google、Facebook、Amazon和百度等擁有最多的數據，這一點應該不會令任何人感到驚奇。

 

（有趣的是需注意大部分全球最大型公司均以教育與數據為中心，這跟10年前以資源為中心極為不同）

今天收集到的大部分數據都是通過應用獲取的，如Google通過搜索結果收集數據，Facebook通過你的社交檔案收集數據，甚至Amazon也基于大家的消費習慣來收集數據。公司基本上的套路是做應用出來給消費者使用然后基于他們的活動收集數據指標。也有一些開源應用任何人都可以用來從市場、體育或者開放病例中獲取指標。

然而，要想掌握可與人類媲美的迅速決策能力，必須能接觸到實時數據。直到最近，實時數據仍然很難獲取，但現在，得益于傳感器和致動器技術的一些重大創新，這已經成為了一個現實。所有類型的傳感器活動已經成為可能，比如測量溫度、位置、速度、加速、深度、壓力、血液成分、空氣質量、顏色、照片掃描、語音掃描、生物計量、電子以及磁場的傳感器等。一般情況下，得由人去進行此類測量，但由于廉價但仍精確的傳感器和致動器的大規模生產，這個正在迅速改變。它們不僅被放置到環境里，而且還在機器內，比如工業機械和機器人等，甚至在人體內/上也有，如Fit或者高科技計步器。

 

（現有的各種類型的傳感器和致動器）

如果自主經濟出現的話，就必須有持續的實時信息不斷流入。自動動作有效的唯一辦法是可以迅速做出可信的判斷。有能力實時監控設施、設備及其操作環境，甚至其工人（人或者機器人）的復雜細節，這在很多層面上都是變革性的，目前尚待大規模實現。基本上，隨著數據進入到互聯的web，無論是實體還是虛擬的一切都正在被搬到網上（物聯網正因此而得名）。物聯網其實是人類感官的數字形式。

然而，裸數據的價值要取決于分析它的過濾機制。沒有合適的分析，應用就會像動物一樣靠直覺行動，這正是人工智能是自動化的重要組成部分的原因所在。

人工智能（AI）：

數據是智能的燃料，大腦則是吸收數據的引擎，將其與之前數據進行交叉引用，按照分類整理，做出判斷，在現實世界觸發行動，然后再放回存儲。人類大腦強大得令人不可思議，至今對科學家仍然神秘。人之所以有別于地球的其他物種正因為這個器官，因為它的認知能力。因此，復制人類大腦作為一項技術會非常復雜，需要很長時間才能掌握。然而，人工智能領域的突破正在開始出現，讓公司有能力運行軟件以某種形式模仿人類智能。

按照Chainlink營銷總監，AI界的主要發聲者Adelyn Zhou的說法，人工智能有7種類型：

1）行動型—基于規則執行動作的系統，如煙霧報警器或者巡航控制

2）預測型—能分析數據并且基于該數據生成概率預測的系統，如定向廣告或推薦內容。

3）學習型—基于預測做出判斷的系統，如可根據進入的傳感器數據采取行動的無人車。

4）創造型—可基于數據進行創造的系統，如設計藝術作品，建筑設計，或者作曲。

5）關聯型—根據面部表情、文字、聲音及身體語言分析解讀情緒的系統，如語音轉文字應用，面部掃描技術。

6）掌握型—轉化跨領域智能的系統，如識別出4幅不同的圖片表示的都是同一個思想/單詞。

 

（人類識別出所有表示老虎的圖片很容易，但機器用AI軟件來識別就比較困難。這需要接觸到大量數據之后方能

7）演進型—可以在軟件或者硬件層面自我升級的系統，比如未來的人類可以像軟件一樣下載智能到大腦。

其基本想法是新軟件能夠接受新想法，然后利用龐大的存儲信息數據庫對其進行處理，做出判斷指導現實世界的行動，再接收反饋用于從中學習。整個過程不過是一個可隨著與數據互動增加而演進的軟件算法。所以不奇怪AI會成為Google的主要關注點，考慮到他們擁有地球上最多的數據。

盡管大多數人未必認為從Pandora播放歌曲或者推薦YouTube視頻是人工智能，但其實它們就是。YouTube服務器在平臺上提供了各種各樣的視頻，用戶點擊自己想看的視頻，然后提供對這些視頻的反饋，比如點贊/踩或者以觀看視頻時長的形式留下元數據，然后反饋就被用于更新軟件算法。AI軟件還可以拿某人的活動與其他喜歡類似視頻的用戶的數據進行對照，然后推薦更好的選擇。這基本上就是基于輸入數據而自我演進的算法。這類AI被稱為機器學習。

不過最近的進展來自用于深度學習的神經網絡。神經網絡是模仿人類大腦（尤其是通過比較已知信息進行模式識別及信息分類）的算法為核心的機器學習子集。深度學習是一種基于相關概念或者決策樹分層的神經網絡，某個問題的答案會導致更深層次的相關問題，直到數據被正確地識別出來。

其主要想法是設計能基于數據而不是人類干預做決策的軟件。今天的軟件基于輸入執行簡單的功能，但AI軟件會跨行業采取行動，并且根據消化大得多的一組輸入的能力對所采取的動作進行演進。AI軟件是以數字形式提供給更廣泛公眾的一種智能技術。大多數人只認為機器人是AI，雖然那個領域也有一些有趣的突破，但軟件才是關鍵，因為沒有大腦的話軀殼有何用呢？

 

（企業日益認識到采用AI技術的重要性）

已經有很多行業在利用AI來增加利潤。SAP HANA就是例子之一，這個智能數據庫可以接收各種類型的信息，對其進行處理并識別出異常。比如沃爾瑪就用了SAP HANA，因為它可以在數秒鐘之內在一個地方處理海量的交易記錄。

政府也在利用AI技術來改善城市。比如匹茲堡的交通系統不是靠預編程來控制交通的，而是給紅綠燈安裝了傳感器，這種傳感器可以監控交通流量并實時做出響應以實現流量最大化。這個地方正好也是很多無人車的測試場，那些車也嵌入了很多的傳感器來監控周邊環境，并且接收交通傳感器的數據流來自動駕駛。

得益于豐富的數據和智能算法，智能的商品化已具備可能性，最后一步是建設好基礎設施，讓各方可以無礙地實時通信。這種新的基礎設施似乎就是分布賬本技術。

分布式賬本技術（DLT）：

人類智能太不尋常了，因為它協作性很強，意味著社會性的知識庫是智能與其他智能互動的結果。兩個智能系統之間的障礙阻礙了發展速度，因為它抑制了連接的建立。連接越多，某個東西就會變得越智能。為了讓社會的連接最大化，所有系統都需要能夠方便地彼此交互，從而讓數據和價值在社會自由流動。

自主經濟的理想基礎設施需要有數據庫、處理層、交易層以及連接層。這樣就能讓任何系統接收輸入并發送輸出給任何其他系統。網絡必須是安全的，實時操作的，并且在必要時提供機密選項。

首先，理解分布式賬本技術這個術語很重要，它涵括了以共享分布式賬本與去中心化數據庫為核心的一整個技術家族。

區塊鏈與其他共享賬本技術

區塊鏈是最知名的DLT，它是一種能處理自己的交易并將結果存放到一個公共賬本上面的共享存儲層。這是通過一個計算機的分布式網絡實現的，那些計算機都運行了相同的開源軟件。除了初始設置以及由個人跑一個客戶端應用來定期維護以外，區塊鏈是一個完全自動化自己運行的網絡，能夠達成完美共識，同時不會給惡意行為者留下任何集中的攻擊點。實際上，可以認為區塊鏈作為一種技術是全球最安全的數據庫。公共區塊鏈不需要集中機構，任何人都可以使用該網絡，并且在其基礎上開發應用，交易是點對點（P2P）進行的，交易方之間沒有中介。跟互聯網的無許可性質為數據傳輸提供條件類似，公共區塊鏈作為主導性數據庫以及人與經濟經濟的交換中介也會出現網絡效應爆發。

 

（網絡效應大概是公共區塊鏈在未來獲得大規模采用的最大原因。）

區塊鏈的差異通常在于網絡達成共識的方式以及誰會因為幫助達成共識而獲得獎勵。區塊鏈有各種共識機制，比如比特幣的工作量證明（PoW），EOS的委托權益證明（DPoS），NEO的委托拜占庭容錯（dBFT），Stellar的實用拜占庭容錯（PBFT），以及權益證明（POS），后者尚有待完全實現，但以太坊證明努力成為第一家。還有一些許可區塊鏈，比如只允許特定方使用網絡的IBM Hyperledger，相當于一個私有財團。不過關于許可區塊鏈有很多疑慮，認為一旦公共區塊鏈變得可伸縮并允許私有之后其好處存疑。跟互聯網與內聯網（Intranet）之爭類似，許可區塊鏈可能也有小眾的用例，但最終公共區塊鏈會成為全球價值轉移網主要的高速公路。

還有其他形式的DLT提供類似區塊鏈的特性。包括IOTA和NANO這樣的有向無環圖或者像Hashgraph 和 Holochain這樣的技術，這些采用的是流言協議而不是完全網絡共識。不過首要的共同主題是所有這些數據庫都是在一個公的分布式網絡內存儲和處理數據的。正如Digital Asset 的Blythe Masters所概況那樣，它提供了一個“金子般的真相來源。”

智能合約

第二個最知名的DLT是智能合約，這是一個模仿法律協定及法庭判決的區塊鏈內部協議。經濟需要各種類型的協定并且根據現實世界的結果對那些協定進行仲裁。智能合約可以在數字世界利用if/then語句再造這些來根據合約狀態觸發交易。其基本假設是合約就像書寫一樣被利用if/then參數進行編碼。例子之一是衍生工具合約，如果產品達到特定價格，則客戶拿到錢，否則的話，客戶就得付錢給對方。

 

（智能合約如何在一個經濟體內觸發自動動作的例子）

物聯網采集數據，AI處理數據，智能合約則是利用數據觸發實際動作（如支付、數據傳輸，或者結果的存儲）的軟件基礎設施。這相當于商業交易中的人類握手或者人點擊發送按鈕來觸發動作。既然智能合約駐留在區塊鏈內，它們就獲得了所有隨之而來的安全優勢。智能合約其實就是一個觸發自動動作的功能性交易層，它利用數據創造了一個只能描述為價值自動轉移的自運行經濟的東西。智能合約代表了現實世界的行動和交易。

宏觀趨勢

大多數宏觀趨勢都融進了一條共同的線索，那就是日益開放互聯的全球經濟朝著實時的方向發展，并且日益自動化運轉。最明顯的宏觀趨勢是全球化，從互聯網發展起來的東西已經讓即時溝通無界限，并讓普通消費者也能享受得起旅行。實際上，得益于Skype和微信這樣的app，現在基本上已經可以免費地給全世界的人打電話了，并且幾乎所有國家都可以向旅行敞開大門了。文化和數門檻正在迅速消失，尤其是隨著語音轉文字應用變得流行起來。

第二個宏觀趨勢是摩爾定律——也就是當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍。換言之，每一美元所能買到的電腦性能，將每隔18-24個月翻一倍以上。這一現象會成為可伸縮的DLT技術發展的主導因素。這也會成為智能機器人發展的主導推動力。機器人本身是一個不斷發展的行業，因為機器人有望取代大部分的體力勞動工作，但是在AI與高速計算的進展下，這有可能會打開實用機器人使用的市場。很多形式的機器人已經在用，比如掃地的家務機器人或者像Amazon倉庫搬東西旅行訂單的工業機器人。

 

（此圖展示了按照摩爾定律發展的技術）

另一個宏觀趨勢是更好形式的生物技術。基本想法是人機融合——將機器植入人體或者置于人體之上。這一塊會跟物聯網設備有大量重疊，將來可能會出現監控各種人體健康問題的應用。從設備讀數可幫助人保持健康，可能還會用來觸發健康保險折扣的智能合約。在不久的將來，生物技術可能還會帶來腦機接口，讓大腦像下載軟件那樣下載智能。生物技術是通往未來的最大趨勢之一。

最后一個大的趨勢是開源運動。全世界要求公司及/或政府對外部實體開放API的法律都已經獲得通過，比如歐洲的PSD2法律要求所有銀行開放API給金融科技公司使用，奧巴馬當政時通過的《21世紀治愈法案》要求從2018年開始所有電子病歷都要通過開放API提供出去。還有圍繞著軟件的開源運動，DLT技術就是首要例子。最后，在知識共享許可的帶動下，知識和新聞也在朝著開源發展。數據越開放，蜂巢思想發展得就越快，因為它為連接打開了更多的機會。

結論

基于上述信息，一幅圖景正在開始成形，讓我們可以展望未來50年這幅畫卷可以如何展開。世界正在開始形成的這個模型是，得益于大型數據提供商、物聯網設備以及互聯網，數據已經成為一種不斷增加供給的資源。而AI算法可以利用這些數據，對其進行優化，用來在實體世界執行智能動作。這些動作還得到了DLT技術的促進，后者將一切連接到一起，觸發了交易的調解，并將其記錄到一個共享賬本上。一旦網絡就位，它們就能自主運行并且不斷變得越來越聰明。這就是第四次工業革命。

人類經濟不會徹底消失，但可以打包票的是自主經濟將會逐年蠶食掉它的份額。機器人將取代人的體力勞動并且變成數據驅動，AI使能的智能合約將取代智力勞動，比如律師、會計、第三方中介、數據錄入員以及保險精算人。隨著大量開發者可能會涌入到AI算法和智能合約的開發當中，這還只是開始。參與的人越多，這股趨勢的勢頭就會變得越大。

盡管想到不就得將來所有的工作都會消失會令人不寒而栗，但如果實施時充分考慮倫理的話，這有可能成為一門解放的技術。人類將被迫認真去重新思考一下在一個后稀缺時代的世界里的社會和經濟體系。這個問題將不再圍繞著生產展開，因為所有人都將豐衣足食，一切都是由機器處理。相反，問題的焦點將是分配，這個議題會是高度政治性的，但卻是變革中的社會避不開的成長之痛。

應該指出的是，這種技術仍然處在萌芽階段，需要很多方面取得進展才能規模實現。不過這應該也不足為奇，因為過去的每一次工業革命都是一系列的技術突破而不是靈光一現。我們無法確定未來將如何展開，但可以確定的是，自動化在任何短期之內絕不會消失，所以最好是接受它，與之合作，而不是徒勞地與之對抗。記住，智能是一種認知模式，所以剩下的唯一問題是你是否看見了這種模式，如果是的話，你會不會根據自己對它的理解而采取相應行動？

過去無法改變，但未來等著你去征服……