1704608680
1704608681
通过先进的人工智能技术，我们可以以前所未有的规模和自动化的方式进行学习。美国技术哲学家凯文·凯利称之为“认知”[3]，即将智能附加到任何事物上。之所以能做到这一点，主要是因为微型计算机芯片和优良的算法，但是实际的智能需要依赖于数据。并且由于数据是命脉所在，所以各种工具不仅仅使用数据，也会源源不断地收集新数据。
1704608682
1704608683
我们已经可以看到这些前兆，在诸如温控器（谷歌有个名为Nest的产品）、可以计算步数和跟踪心跳的健身追踪器，以及可以用声音激活的个人助理（谷歌的Home以及亚马逊的Echo）上，这些都已经没有什么稀奇了。到2050年，这些都将和半个世纪前的手表或者无线电一样普通。
1704608684
1704608685
将数据应用于日常生活，也就是说我们有了世界如何工作的经验数据。当然，很长时间以来，我们都有这方面的经验，但是当数据量很小时，我们可以知道的只是那些很大的、不可忽视的模式。现在，随着有更多的数据可用，我们可以监测到更加细微的模式。如果在未来35年我们能够像过去35年在计算机方面那样提高效率，那我们可以看看2050的生活将会是什么样的。
1704608686
1704608687
主要有三个趋势：第一，今天很难的事情将会变得更加容易；第二，昂贵的东西将会更加便宜；第三，稀缺的事物将更加丰富。简而言之，就是容易、便宜、丰富。让我们来看看这三种趋势在社会上最主要的一些领域的反映：医疗保健、教育和法律。
1704608688
1704608689
自我治愈
1704608690
1704608691
目前的医疗方法与19世纪的更像，而不是21世纪的。医生需要依靠教科书和多年积累的经验来做出决定。这听起来很合理，但是实际上有点荒谬：任何一位从业者都不可能熟悉所有可能的情况和最好的治疗方案，特别是新的治疗方法不断出现。
1704608692
1704608693
如果谷歌可以在数十亿的网页中把最相关的网页搜索出来，亚马逊可以为你推荐需要购买的商品，那医生为什么不能依赖计算机来进行诊断呢？到2050年，这可能会成为标准的做法。医疗记录将是电子化的，算法将对所有的数据进行梳理，找出最佳方案与副作用之间的相关性。
1704608694
1704608695
数据库将是世界上最聪明的医生：它能记住所有的病例，通过分析治疗方案和结果之间的关系，找到在给定情况下最有效的方法。但是如果医生试图在不利用大数据系统的情况下进行诊断，那他们就被认为是玩忽职守，就像现在航空公司的飞行员如果关闭自动驾驶仪，按照以前的方法仅仅戴着头盔和护目镜来降落飞机，他们就会丢掉工作。
1704608696
1704608697
IBM的认知计算平台Watson已经整合了医疗信息，希望能够在医生进行疾病诊断时提供支持。大数据系统甚至已经被用于设计新药。机器人手术系统正在利用以前的操作数据进行“训练”，就像自动驾驶汽车依靠以前的驾驶经验一样。
1704608698
1704608699
在医疗保健领域大数据一定能大显身手的是计算机病理学。2011年，哈佛大学的安德鲁·贝克领导的一个研究小组利用计算机视觉和机器学习算法分析乳腺癌细胞组织切片以及病人的存活率，检测系统在预测癌症方面能否达到人的水平。令人惊讶的是，系统不仅做到了，而且还高于人类的水平：算法用于预测高度癌变的11个特征中，只有8个是癌细胞本身的，其他3个特征与癌细胞周边“基质”组织相关，而医生不会对这些组织进行检查。虽然人眼没有发现这些特征，但是算法通过分析大量的数据把它们找出来了。
1704608700
1704608701
这种技术还处在实验阶段，相关的法规也需要进行修订以便允许使用计算机病理学。但是到2050年，它将成为医疗诊断的主要方法。关键是数据将彻底改变医疗保健的提供方式。更广泛地说，任何在条件不确定的情况下，需要进行高度专业化的培训、判断和决策的时候，算法都将比人做得更好，它将更准确、更快速、更便宜。
1704608702
1704608703
数据与教育
1704608704
1704608705
数据将带来转变的第二个领域是教育。19世纪，公共教育在西方世界变得很普及，是为了取代一个私人导师的世界。私人导师只为上层阶级服务，教学是针对每个人的能力量身定制的。教育系统也刚好反映了当时的工业组织形式——工厂，教学就像大规模生产，学生在同一条流水线上进行组装，都是一刀切，很难再有其他的教育形式。
1704608706
1704608707
就像现在一样，数据在那个时候偶尔会被使用：可能是某次测试的分数，或者是某次作业的评分。那时，没有人不断地收集和分析这些数据，以便知道哪些方法最好，或者需要如何根据学生的需要来改变教学方法。以前，这样做的成本很高并且很麻烦。现在，这些限制正在消失。因此，我们可以重新想象2050年的教育将会如何：数据将用于不断地跟踪学生和老师的表现，以了解哪些是最适合教学的。这些数据可以被重新引入个性化定制教学，这是大规模流水线公共教育时代所缺失的。
1704608708
1704608709
教育平台将被数字化，所以数据能够随时被收集。在某些情况下，这意味着一个“翻转课堂”[4]，学生可以在家里听讲座（而不是自己一个人做家庭作业），然后带着问题到学校上课（老师可以提供帮助）。
1704608710
1704608711
已经有一些这方面的案例雏形了。2012年，当时斯坦福大学的计算机科学教授吴恩达教授开设了一门在线课程，利用数据可以帮助他提高教学质量。通过分析视频的观看日志，他注意到一个奇怪的现象：学生们一般都倾向于顺序观看视频，但是在第七课附近，他们会跳回到几周之前的第三课。因为有成千上万的学生观看了在线课程，这并不是一个偶然现象。到底发生了什么事呢？他对此进行了仔细研究，发现前面的课程是数学基础课，学生在学习了几周后，在复杂的算法方面受到了打击，对自己的数学技能失去了信心，因此又返回去学习前面的数学基础课。因此，他意识到需要改变课程，在开始阶段增加更多的数学课程，以便学生们能为后面更难的课程打下基础。
1704608712
1704608713
在线课程仅仅是一个开端。当教科书也电子化装进设备里面之后，学生利用设备学习的同时，设备也将从学生身上进行学习。该设备能够知道学生是否正在阅读、阅读速度有多快。如果学生的注意力不集中了（可以通过阅读速度的变慢监测到），电子书可以自动插入一段短的解说视频或者一个小测验来让学生保持注意力。电子书将会知道星期天下午学生是否在家里，或者星期一在校车上看书，它也能分析考高分是否与在饭后学习有关。
1704608714
1704608715
因此，数据之于教育，就像其之于医疗保健，从静止到流动：从一次性、离散的事物到源源不断、连绵不绝的数据流。这将让自适应学习技术能够有用武之地。其原理就是通过分析学生的行为，选择完全适合每个人的教材和教学节奏。所以如果一个学生快速地解决了三个三角形的数学问题，软件将自动调转到一些更有挑战性的问题。如果学生对于圆周问题不太擅长，软件将额外增加这方面的训练。今天，即使是得A的学生，在他们的知识中也存在“瑞士奶酪式”的间隙[5]，而适应性学习可以保证学生在转入到下一个学习环节之前已经完全掌握了当前学习的内容。
1704608716
1704608717
到2050年，数据将使得教育能够回归初心，做到量体裁衣、因材施教，而不是今天这样的教学方法。教育将更加容易、更加便宜、更加丰富，同时能够为更多的学生服务。
1704608718
1704608719
取代律师
1704608720
1704608721
法治是十分宝贵的东西，但是大部分人更愿意生活在法律专业人士更少的世界里。莎士比亚在著名的剧作《亨利六世》的中篇第四幕第二场中，借屠夫迪克之口说“我们的首要任务就是干掉所有的律师”。直到最近，法律一直是数据最少触及的行业之一，这是一个依靠书面论据和人为判断的领域。这种情况正在发生改变，到2050年，数据将深入律师职业的核心，成为正义的化身。
1704608722
1704608723
数据已经被用来鉴别不公平的警察活动或者判决，例如，在美国，相对于白人青年，黑人青年更容易被搜身或者定罪。当律师团队挑选陪审员的时候，已经有几家公司开始为审判律师提供选择陪审团的服务，因为数据显示陪审员存在一定的倾向性，例如，亚洲女陪审员更倾向于给女性被告做出有罪判断。该系统通过将很多陪审员的个人信息及其审判结果进行关联性检测，能够让律师提高选择有利于本次审判的陪审员的概率。
1704608724
1704608725
另外一个领域是电子证据查询。复杂的公司诉讼可能需要查询数百万页的文件。过去是让刚入门的律师进行人工检索，十分昂贵并且效率很低。但是系统可以通过扫描关键字或者查看电子邮件流量来发现可疑行为，这样做的成本很小、速度很快，并且准确度比人类更高。
1704608726
1704608727
其他数据密集型的应用也正在研发中。一家名为Ravel的创业公司正在把美国成千上万的判例法，包括动议、命令、判决等都收录到一个很大的数据仓库里面，以便提取各种细节、寻找相关性，目的是为了彻底改革法律方面的研究。最终，律师不仅能够找到以前相关的案例（目前的系统也能做到这一点），还能看到哪个案例在胜诉或者败诉的判决中有更多的引用，甚至能够分析某个地区或者法官更喜欢引用该案例。他们能够找到对方律师最常使用的论据，并针对这些论据制定最有效的辩护策略。
1704608728
1704608729
到2050年，大多数的诉讼摘要以及法律合同至少都将通过算法进行数据挖掘自动生成草稿，这样可以找出最有利的证据。但这些文件还是需要一位真人律师来进行审阅和批复，以确保各条款都是客户和辩护律师所需要的。同样，虽然可以通过算法来为一些基本的争端提供可靠而且一致的判决，但是律师协会仍然需要一位真人法官，这样才能让被裁决的双方以及公众至少有一种被重视的感觉。就像法学最重要的一点是正义，而不是简单地完成判决一样，每个人也都觉得自己应该要和一个真人在法庭上待一天，而不是机器人。
[
上一页 ]
[ :1.70460868e+09 ]
[
下一页 ]