1. 程式人生 > >例子:12個趨勢

例子:12個趨勢

未來12個趨勢

  今天,我非常高興能夠來到中國,尤其是來到深圳!深圳正在發生著翻天覆地的變化,我來這裡不僅僅是給大家分享未來將會發生什麼事情,更多的是要向大家學習,與大家共同探討深圳將會發生什麼。這裡代表著未來,今天要重點談談我所認為的未來將發生的十二個趨勢。

  我所看到的十二個趨勢,其實並不是什麼新鮮的想法,因為過去20年中,這些都正在悄然發生,只是未來這些趨勢將會更加明顯,更加劇烈。這十二個趨勢在未來將會滲透到我們的文化以及商業的各個方面中。如果要發現新的商機,就必須要關注這十二個趨勢。

  所有的產業都在向分散式結構靠攏,如Uber

  第一個趨勢:形成/成為(Becoming

  大家可能會關注蘋果、百度、騰訊這些大公司,但我今天關心的並不是這些一個個具體的大公司,而是一個大的潮流和趨勢。

  為什麼我不關心具體的大公司,而關心趨勢?

  比如40年前,我們並不知道電腦將會發生翻天覆地的變化,價格會變得越來越便宜。如果有這樣的一種意識,你就會創造出很多新的產品,這就是為什麼我不關心具體的大公司,而要考慮巨集觀的發展趨勢。

  世界正在發生著翻天覆地的變化,未來是未知的,也就是沒有所謂的專家,我們都不知道未來會發生什麼。正是在變動和未知的情況下,現場的每一個人都有可能變成專家,並做出一些變革和創新。

  從層級化結構到網路化結構,這是一個變化趨勢。正因為網路的存在,我們在溝通方面創造了更多的可能。這個結構非常有效,執行會非常迅捷。在交流的時代,最有效的結構就是一個網路化結構。從三、四十年前發展至今,網路溝通的前進並沒有結束,我們會繼續發展下去,並創造更多的機遇,這種分散型的網路結構會刺激出更多的想象。那麼我們如何做事情呢?可以通過這種分散式的結構實現創新,這將是一個長期的趨勢。

  在未來十到二十年,這將改變公司的角色,如果公司還保留之前的層級結構,就無法適應時代的要求,不能在市場中存活。新的企業文化會給公司企業帶來影響,也會產生新的空間。公司可能感覺沒有以前那麼安全,沒有以前那麼確定,所有的事情都變得可以被質疑。

  如果你想要快速實現一些事情,可以通過網路的手段實現。集中式的結構是一個層級結構,分散式的結構是一個開放性結構,這就是網路式結構的活力所在,大家可以在裡面自由地創造。

  在分散式的網路結構中,我們已經做了很多的事情,但仍有很長的路要走。未來會有更多新的事物,比如政府職能在分散式結構中會有所變,教育如何通過分散式結構推動自身發展等等。變成分散式的網路結構是一個長期的趨勢。

Ebay使用的是分散式結構,Uber也是如此。眾籌也是一種分散式結構,你可以通過眾籌來得到資金,會有不同的客戶來支援你的創業。

  你在使用谷歌的時候,通過搜尋得到答案。另一方面,每當你輸入一個查詢詞,點選一個搜尋引擎生成的連結或是在網上建立一個連結,實際上是在訓練谷歌的人工智慧,你在給這個公司增加價值。谷歌每天處理億次查詢,就是在一遍又一遍地訓練深度學習型人工智慧。所有的產業都在向分散式結構靠攏,未來這個趨勢會持續發展。

  人工智慧是新的商業機會

  第二個趨勢:認知(COGNITIVE

  未來,人工智慧的時代即將來臨,這個趨勢也可以說是認知的趨勢。這個詞聽起來很炫,但實際上的意思就是我們應該如何變得更聰明。外界對人工智慧可能有一些固有的思維,認為它們會變得和人類一樣聰明。

  我的想法是:它們不是和人類一樣的智慧,但它們能夠幫助人類。

  像是iPhone裡面的Siri,就是人工智慧的一種。在安卓、微軟,我們也有類似的系統,你提問它,就能得到答案。現在醫院每天都使用人工智慧,醫院拍片使用的也是人工智慧,它們不會累,能一直工作,並能準確的診斷疾病。

  在法律方面,人工智慧實際上可以整合各方面的資訊,然後製作一份份檔案,專業性不輸於律師;在飛行過程中,人類通過人工智慧進行飛機的操作,飛行員只需駕駛飛機七到八分鐘,剩下的操作都交給人工智慧;現在購買新車,車裡面會安裝個晶片幫助你剎車,它的剎車技術比任何人類都要強;未來人工智慧甚至可以幫助人類診斷疾病,它的醫學診斷技術和人類醫生一樣強。

  三種關鍵的技術元素

  現在所發生的科技變化,能幫助人工智慧更快速的學習進步。在這當中,三種技術元素的發展加快了人工智慧數量和質量的提升。

  第一,神經元網路(通過模擬大腦神經元網路處理、記憶資訊的方式,完成人腦那樣的資訊處理功能);

  這是在20世紀50年代被髮明出來,過去我們可能只是在幾千個神經元當中實驗,並不能得到理想的效果,但當我們把它擴大到幾百萬,甚至數億量級的神經元時,就會有更大量的資料、更深層次的演算法、更好的效果。

  第二,GPU晶片(圖形處理器晶片);

GPU晶片通常是遊戲晶片,也可以用在AI(人工智慧)領域,它有很大的價值。因為你可以通過這樣一個小小的晶片,讓人工智同時處理很多事情,而且這些晶片現在變得越來越便宜。過去,它的發展可能很慢,但隨著科學不斷進步,它的發展速度越來越快,蘊含巨大的商業價值。

  第三,大量的資料。

  每種智慧都需要訓練,有大量資料才能進行預測或者是進行處理,大規模資料可以幫助人工智慧變得更聰明。

1、未來人工智慧可以做成服務進行售賣;

  為什谷歌的AlphaGo能打敗圍棋世界冠軍,這是我們之前沒有想到的。這個晶片不僅能讓我們玩遊戲,還能讓我們實現很多人工智慧的效應,做一些我們做不到或者不願意做的事情。谷歌現在訓練人工智慧,並不只是訓練人工智慧玩遊戲,而是教它怎麼玩遊戲,教它如何自己玩遊戲,培養它能夠像人類一樣玩好遊戲。

  生活中已經有很多東西比我們更機智了。比如說計算機、手機導航系統。像谷歌、百度這樣的搜尋引擎,它們甚至猜測你想要問什麼問題,即使你還沒輸入完你的問題,你只要問它兩個字母,它就可以猜出你的問題是什麼,它是可以預測和參與到你的體驗當中的。這就是AI(人工智慧),它的作用非常大,這些都是在後臺運作的事情,對你來說是無形的。

  今天我們看到很多事物電力化了,而未來我們會把許多事物都智慧化。

  未來十到二十年,我們所創造的人工智慧將與人類不同。所謂的人工智慧是像谷歌自動駕駛汽車,用AI(人工智慧)來駕駛汽車。這種駕駛與人類完全不同,它們不會像人類一樣會分心,它們在開車時專心駕駛,它並不會想到金融相關的問題,這也是我們要求它們做的事。

  人工智慧可以有很多種工作形式,我們可以和人工智慧合作,或是創造出各種不同的思維形式。以前我們只有一種思維方式,那就是人類的思維方式,但我們現在想要它們和人類有完全不同的思維形式,這也是AI(人工智慧)之所以能夠幫我們的方式。不是說它們比我們更強大,而是它們和我們的思維角度完全不一樣。

  未來人工智慧可以做成服務進行售賣,它可以通過電線把智慧傳到你家裡,像一個商品一樣。150年前的美國,許多人通過把原有的事物電力化,創造了財富。比如,水泵加上電力服務,把它變成了一個電子水泵或者是電動的水泵,或者把洗衣桶變成了自動洗衣桶、電動洗衣桶,那就是洗衣機。他們把原有的產品加上電力,創造了電力化這項服務。

  未來,人工智慧可以作為一個商品來售賣,就像過去的電力一樣傳輸,我覺得將會有數以萬計的創業公司從事把人工智慧運用在某一個領域的工作。接下來可能會有上萬家企業都是用這種方式創業,這裡有很大的潛力,你可以把某些東西加上人工智慧,把零售業加上人工智慧等等。

  比如:照相機,我們把它人工智慧化,間接的就好像有很多人在照相機裡面為你工作一樣,好像每天24小時都有數百個大腦在跟你一起工作。我認為這有非常巨大的潛力,並不意味著你一定要自己創造AI,而是你可以像購買電力一樣購買智慧系統,這與大家以往所想的不一樣,AI會成為一種商品,大家都可以購買它。但我們得在這個基礎上做一些改變,需要創造新的功能,比如在生態系統上,用不同的方式來使用這個商品,這也可以帶來更多的創造性。

  對人工智慧來說,使用的人越多,它就越聰明。隨著它越來越聰明,使用它的人就會越來越多,這是一個迴圈。

  一家公司進入這個良性迴圈後,規模會變得越來越大,未來人工智慧領域將出現兩到三家巨型的寡頭公司,大家都能從那兒得到服務。當然,我們會有很多型別的人工智慧,我們也可以用人工智慧幫助人類創造更好的人工智慧,那麼人工智慧範疇就可以發展得越來越快。

2、人工智慧將給人類創造新的工作機會。

  我們之前對於機器人的設想是它看起來像人類,但這一點比較難實現。現在我們所看到的機器人手臂,雖然不像人類,但能夠幫助我們裝東西,這就很有用。我們把人工智慧加入到這樣的機器手裡面,它會找出問題,然後解決它。它們可以進行試錯練習,它犯錯誤之後會記住,下次不會再犯。

  另外一種機器人,它有一個眼睛可以觀察,你給它示範是怎麼做的,通過觀察你的做法和過程,它就能進行模仿。它有一個眼睛可以看,可以觀察。這種機器人是有特殊程式的,它可以和人類一起工作,不會傷害人類,不像汽車工廠見到的機器人,它們裝置汽車,身邊不可以有人類,因為會傷害到人類。新的機器人,人類是可以跟它們一起工作的,未來我們將會和人工智慧一起工作。舊的工作會遭到更新換代,但機器人也會給人類創造新的工作。

  兩百年前,70%的美國勞動力以農場為主,後來自動化實現後,機器代替農民,被替代的農民轉向其它工作。那麼農民去哪裡找新的工作?他們可以成為健身房的教練,也可以做設計師,他們主要是用機械化來代替他們進行工作,他們可以從事別的行業。人工智慧取代了我們的工作,但也可以為我們創造新的工作機會。對於任何需要生產力的工作,都會進行人工智慧化。人工智慧發揮作用非常大,因為機器人的工作效率非常高,它們被設計來就是做高效率的工作。

  對效率要求並不太高,需要有經驗,需要創造力的工作適合人類做。比如科學家做實驗,這並不是效率要求特別高的工作,因為你的成果並不是特別多。藝術方面的工作也並不是效率要求特別高的,大家不是特別在乎你畫這幅畫花了多少時間,這些都和效率都無關,但效率要求高的工作就適合機器人來做。

  我們去到現場聽演出,好的演出價格越來越高,越來越有價值,這和效率無關。對效率要求不高的工作,我們會花費越來越多的錢,比如保姆工作,帶小孩的工作,這些都需要經驗,這是非常適合人類的。未來,你的工資高低將取決於你能否和機器人默契配合。配合得越好,你的工資就會越高。

  總而言之,人工智慧可以購買,可以使用,可以做任何事情,可以讓我們有不同的想法。

  虛擬現實,智慧手機之後的下一個平臺

  第三個趨勢:互動(INTERACTING

  我們創造的物質將會和我們進行互動,這就是第三個趨勢。

1VR技術(虛擬現實)

  以虛擬現實為例子(Virtual Reality,簡稱VR,是利用電腦模擬產生一個三維空間的虛擬世界,提供使用者關於視覺、聽覺、觸覺等感官的模擬,讓使用者如同身臨其境一般,可以及時、沒有限制地觀察三度空間內的事物)。過去的五個月,我試用了很多虛擬現實方面的裝置,它在矽谷發展非常快,IBM也投入了做虛擬現實的產品,一些西裝或者是手套,都可以和虛擬現實相關聯。你可以虛擬現實裡面觀看,和周邊的朋友交流,不管你在哪裡,VR都能幫你實現這個需求。

2AR技術(增強現實)

  通過AR技術(AugmentedReality,簡稱AR,通過電腦技術,將虛擬的資訊應用到真實世界,真實的環境和虛擬的物體實時地疊加到了同一個畫面或空間同時存在)。你能在一個空間裡面見到虛擬的物品,甚至能見到一個虛擬的人,這些東西都能在你眼前切切實實見到。

  這是一種是進入式的體驗,你感受到那些東西在你身邊是確確實實發生的,可能只是一個卡通,或者是一個虛造的東西,你感覺自己切切實實地處在另外一個環境。比如說你在看米奇老鼠這個電影,它丟了一個球,你可以看到那個球好像是從螢幕那邊滾過來的,但實際上這並沒有發生,你的大腦來擬造了球滾過來的現實。對於電影來說,它只是一幀一幀的畫面,但你的大腦把它虛擬成了現實,整個身體透過大腦有了身臨其境的感覺。

  再比方說我站在臺上,我身邊並沒有什麼懸崖但透過虛擬技術,可以讓你的大腦感受到這有一個懸崖存在,以為有很多人掉下去了,這種真實感是推動我們研究虛擬現實產品的動力。

1989年,我當時試用一個剛出來的虛擬現實產品,戴著手套,感受真的太真實了。我當時認為這肯定會改變世界的,但這個產品當時是要花100萬美元購買的,還沒有人負擔得起。但現在這個虛擬產品得以實行,因為智慧手機的出現,我們有了很多可以承載虛擬現實的裝置,而且我們現在有很多螢幕的產品,你把它放在眼前就能感受到虛擬現實。手機裡面的定位系統,過去也非常昂貴的,現在只需要幾美元就能購買到了,手機價格也在下降。

  我們現在已經能在手機上看電影了,這也是過去沒辦法實現的一個服務。虛擬現實,以前是需要幾百萬美元購買,現在則不需要了。智慧手機之後,下一個平臺是什麼?那就是VR,就是虛擬現實,虛擬現實的各個型別。

  你可能會看到有一幫人,他們一起用虛擬現實的產品。當你把眼罩戴上,你就身臨其境,處在完全不同的地方,這是你在現實中完全不可能處於的環境,你可能覺得害怕或是興奮,我試過很多不同的虛擬現實產品。

3MR技術(混合現實)

  所謂的混合現實(Mix reality,簡稱MR,既包括增強現實和增強虛擬,指的是合併現實和虛擬世界而產生的新的視覺化環境。在新的視覺化環境裡物理和數字物件共存,並實時互動),你戴上眼罩之後,你看看身邊的環境,好像出現了新的虛擬物品或是人物,你感覺它真實存在那裡一樣,但其實只是虛擬現實,這個技術發展得非常非常快,它會像智慧手機一樣迅速發展,得到普及。這就意味著在未來,在家裡你可能根本不需要有任何螢幕,你只要戴上一個眼罩,就有一個虛擬螢幕供你使用。

  比如說,你可以在床上看電影,但可能並沒有螢幕的存在。你在家可以辦公,不管想要多少螢幕來工作或者生活,這都不成問題,因為虛擬現實都可以為你締造。

  你可以通過虛擬現實產品進行互動,進行娛樂。你戴的這個眼罩在未來會有很大的改進,它可能會變得更輕,更方便。未來,你可以戴著眼罩可能在周圍360度都能看到不同的東西。未來,你可能會在整個房間都裝上探測器,這個房間不用放置太多的傢俱,你可以在裡面漫遊,看到想看到的東西,玩想玩的遊戲。同時,可以使用一些小技巧,讓這個房間看起來更大。在房間裡都裝探測器,目前還沒有辦法方便地實現。

  現在我們擁有一個大的網際網路,裡面非常多的資訊,你們需要任何資訊,都可以從網際網路中得到。你可以在裡面進行資訊的互動,可以發信息給朋友。通過虛擬現實,我們將改造這個網際網路。那些戴上虛擬現實產品的朋友們,他們不只是看到了這個體驗,還能感受到體驗,這就是這個服務真正的強大之處。在虛擬現實的遊戲中,你會有你的視角,你就覺得你就是你在遊戲裡扮演的那個人。在微軟,他們做過一個實驗,讓你感受你不是在操控一個人,你就是那個人。當這些遊戲變成了你的視角,從而變得更加刺激。從看見你自己在玩遊戲,到你真正的以第一視角在玩遊戲。

  我想跟你們分享一個例子,虛擬現實有多強大?你可以怎麼用它?通過虛擬現實,我把我的身體轉向90度,我體會到我其實是在走直線的,但實際上我可能只是在這個房間裡面轉來轉去。通過虛擬現實產品,可以欺騙我的大腦,讓我覺得一直走直線的。這意味著通過虛擬產品,可以模擬在爬山,或者說在戶外做運動,但你實際可能只是在房間裡原地走路。雖然你只是在房間裡,但通過戴上虛擬產品的裝備,你就可以體會到在大自然裡面探索。

  你還可以通過虛擬產品創造一個虛擬的人,你可以聽到他們的聲音,跟他們交流,你能真切地感受他們就在那裡。他們可以跟你對視,跟你有視線交流,讓你覺得他們是真實存在。幾個月前,微軟創造了一個虛擬的人,就是一個在月球上行走的宇航員,你戴上虛擬產品之後,你就覺得他們是真實存在的。

  在幾年前,虛擬現實還不能作為商業使用,但現在可以。你可以讓機器人進到你不能進的地方,戴上虛擬產品,你可以確切感受到你是存在於那個環境裡的。比如說你想體會在無人機裡面的感覺,你肯定不能在那裡,但你可以通過虛擬產品來達到這個效果。

  蘋果公司最近買了一個產品,它可以模仿你的表情創造一個假人來跟你交流。我覺得虛擬現實最重要的是它可以成為社交媒體的一個載體。當有其他人使用虛擬現實的時候,越來越多的人使用,將會把這個服務打造得更加完美,我們可以和其他人一起分享服務。不只是使用虛擬產品進入虛擬景觀,我們還可以使用虛擬產品來分享物品。

  使用權比所有權更加重要

  第四個趨勢:使用(ACCESSING

  “使用”這個趨勢過去就已經存在了,但未來會變得越來越重要。擁有物品的性質將轉變為:你不是擁有,而是使用這個物品。比如Uber優步,讓你覺得不用車也可以使用車的服務,Facebook臉書網站也沒有實體,阿里巴巴也沒有實體,沒有庫存。這些公司自己售賣產品,它們並不擁有自己售賣的產品。產品從客戶來,消費者扮演生產者,這造成一個結果就是:使用權比所有權更加重要。比如我可以從亞馬遜買Kindle無限量禮包,隨時可以下載我想要讀的書。

  我們根據需求來創造經濟,這就是未來的趨勢。我們可以通過網際網路來實現,像優步這樣的服務會滲透到各行各業。試想一下,一個行業原本是需要擁有它,才能享受它,變成現在不需要擁有,就可以享受了,你可以通過取得服務的這種方式來取代擁有這個實物的事情。

  除了優步之外,你可以用App租一輛車,通過輸入一個密碼,就把車開走。你可以在上網說:我願意花12美元去城市另外一頭,誰願意搭我,有人就會接單,可以通過不同的新方式滿足你交通上的需求;在醫療方面的服務,你不用去買裝置,不用去醫院檢查,可以租用這些裝置,達成檢查的需求。當然我們在這個領域當中還處於最開始的狀態,未來還是有很多新的東西,新的型別會冒出來。

  任何可以被分享的東西一定會被分享

  第五個趨勢:分享(SHARING

  分享在過去20年已經有所發展了,但我仍然認為在這個領域,我們還有很大的進步空間。分享的趨勢是硬體軟體化。通過人工智慧的加入,它可以與你交流,知道你的日程表,知道你什麼時候會到家,然後它會提前開啟空調。當你到家的時候,氣溫就非常適宜。在做不同事情的時候,它也能幫我們做預測,進而給我們提供幫助。

  人工智慧不是實物,它是通過軟體來幫助我們的。

  最開始,是從一個非常個性化的“我”,變成了“我們”,“我們”開始分享,從“我想要什麼”到“我們想要什麼”。

  任何可以被分享的東西一定會被分享。你試想一下,有什麼東西是還沒有被分享的?你可以通過分享讓它變得更有價值。

  我們有很多東西暫時可能不會分享,但以後我們可能會分享它們。

  未來在金融領域,如何進行分享?在中國,我們有很多平臺,你可以分享融資,可以讓你的顧客幫你,為你下一個產品融資(產品眾籌)。你不用去銀行,只要去這些平臺就可以了,如果顧客對於你將要製造的東西非常感興趣的,他們會對你進行投資。分享經濟將會不斷地產生新的東西來分享。

  現在全球眾籌市場的交易資金達到180億美元。在眾籌領域,還有股權眾籌,通過股權眾籌來給你整個公司融資,美國現在就有這樣的股權眾籌例子。現在你要進行公眾的眾籌,可能要走很多程式,但是隻要使用這種服務,不管是多大的公司,你都可以得到資助。

  談到比特幣(比特幣是一種P2P形式的數字貨幣)。人們對此有很多不同的評論,這個和區塊鏈技術是相關的。你是在分享結算的過程中,它不由任何一個人所擁有的,你可以把它打造成一個由人工智慧來參與的事情,你可以把它放在平臺上讓大家一起來做這個事。

  在房地產方面,你可以使用這樣的方法。如果大家都同意這種分散式的做法,那麼你就可以得到更快速、更方便的服務,這也是分享趨勢發展的方向。所謂的分享是任務的分享,我們之前沒辦法完成的事情,現在通過分享來做成。

  螢幕和我們之間的互動是強有力的趨勢

  第六個趨勢:屏讀(Screening

  過去的螢幕朝著更加流動的形勢變化,未來會有一種更加權威和開放的介質出現。

  第六個趨勢是屏讀,即不用再看螢幕。在過去,我們通常通過螢幕來讀取資訊。但螢幕的問題在於,它們是一個固化的、精確的形式,不會變化。從過去固化、精確、權威的螢幕,朝著一種更加流動的形勢變化。螢幕總是在不斷地變動,看起來有點雜亂,你可以看到它的各種不同的角度,比如它的背面、側面等。

  另一個變化是,會有一種更加權威和開放的介質出現。當然,在這樣的情況下,會有各種資訊充斥進來,因此,我們更需要資訊的篩選能力。我們可以看到,不管是在車上、房子的表面,很多地方都會有螢幕。將來我們會有一個無屏顯示的技術。

  現在我們有電子書,在未來電子書可能每一頁都有它自己的螢幕顯示。當你開啟書,就像你開啟原始的書籍一樣,但是它每一頁都會有不同的特徵。

  未來螢幕和我們之間的互動是強有力的趨勢。

  我們可能同時會操作很多不同的螢幕,比如手機、iPad、電視等等。當我們跟電腦相交流的時候,我們使用整個身體進行交流,我們可以通過身體去控制這個資料,電影《鋼鐵俠》就是這麼做的,我跟這個電影合作過,也幫助了他們。

《鋼鐵俠》劇照

  用身體與AI(人工智慧)交流是一個趨勢。比如你做個手勢,就可以和手錶進行交流,如果我要做一個關於未來的電影,要怎麼樣使用電腦呢?我們不會使用螢幕來使用電腦了,而是用整個身體(如語言、手勢)來使用電腦,未來將會如此,螢幕將會與我們互動。它會看我們的眼睛是往哪邊動的,觀測我們的情緒與注意力。

  有一個網站,就應用了大家使用自己的眼睛看螢幕的過程,以後我們會使用技術來更加適應大家看螢幕的習慣,這就是技術。用軟體來跟蹤人的情緒,看你是迷惑、興奮、憤怒、還是沮喪,你的情緒都能被軟體檢測到。螢幕會觀察你,也會適應你,它會根據你的情緒做出相對應的改變。比如說我們倆對話時,我會根據你的情緒和反應改變,未來螢幕將會讓我們之間有這樣的互動。這是一個非常強有力的趨勢,對我們來說會越來越重要。

  通過流動的資料分析,讓商業做得更好

  第七個趨勢:流動(Flowing

  第七個趨勢就是流動,它概括了以上所有的趨勢。物體會從本身固有的狀態變成流動的狀態,甚至變成流動的資料。不管你處於什麼行業,都和資料相關。客戶的資訊是非常寶貴的,現在的商業就是要通過資料分析,讓商業做得更好。

  資料需要關聯起來,需要流動起來,否則它就是無效的。資料需要實時不停地與其它資料進行關聯與分析。我們所說的並不僅僅是一個固態的資料,而是怎麼樣把資料關聯起來。第一層資料是固化的,比如檔案、目錄、桌面等;第二層則有了介面,經過連線,上傳到網路;我們即將進化到第三層,在未來將會有各種資料流、不同的標籤、雲端和雲資料等。

  未來的資料是流動的,比如微信資料流、臉書資料流、電影資料流、音樂資料流等。從介面到資料流,從桌上型電腦到資料雲,從我到我們,從實物到資料的過程,我們關注的並不僅僅是實物個體,而且更關注資料,這是我們談到的第七個趨勢流動。

  拆解、跨界、重組,是創造產品、資訊和服務的新能力

  第八個趨勢:重混(Remixing

  第八個趨勢是重混:我們把這些東西重新解開,再混合起來。我們可以看到,在過去創造的大部分財富,有一部分得益於將有價值的東西重組,把不同的新想法混合重組起來。

  現在我們要做的是拆解,並且重組。重組就是將不同價值的東西進行拆解,重新組合,成為新的有價值的組合。我們讀到的新聞、報紙媒介,就可能將這些資訊拆分,然後進行新的重組,獲取我們所需要的更加有價值的資訊組合。比如這個網頁,我們可以將它拆分後重組,產生新的東西,這就是我們現在所談的重組資訊的創新理念。

  再比如拆解銀行,銀行提供不同的服務,你可以貸款、存錢。銀行也可以進行拆解,並與其它有價值的東西組合起來,成為一個新興的個體。車能夠給我們提供一些功能和服務,比如將車的一些部件拆出來,和其它東西組合,產生新的產品。任何的事物都可以被拆解,然後進行重組,我們可以盡情地發揮我們的創造力,來思考如何拆解創造新的產品。它們可以是體育隊、餐廳,或者其它,在重組的過程中,我們要看到最核心的部分,然後重組產生新的價值。

  所有能被跟蹤的事物一定會被跟蹤。

  第九個趨勢:跟蹤(Tracking

  第九個趨勢是跟蹤:跟蹤一個關鍵要素形成的資料。跟蹤我們自己的各種行為,記錄每天的事情和思想,這些技術變得越來越便宜。現在有更多的科學天才,他們想要創造這樣的技術,做出這樣的跟蹤功能,有很多量化的裝置可以實現這個功能。

  市面上有記錄血壓和睡眠的產品,它可以記錄我們的腦電波和血壓等。在這個量化的過程中我們發現,任何可以被測量的事物都可以被測量,而且(這樣的)服務價格越來越被大眾接受。我們能夠輕而易舉的拿到這些量化的裝置,來記錄我們所需要的一些資料。

  在這個圖上,顯示的是我們生活中所遇到的一系列資料流,如果我們從出生開始到老都可以記錄的話,我們就能得到一個很大的資料庫。從巨集觀來看,可能每個人的資料都是很平常的,但是對於個人來說,這個資料卻很重要,它記錄我們與別人的不同。

  我們的心跳和睡眠規律,都是獨一無二的,我們能通過這些裝置實時地監控資料。我們可以從谷歌上面下載各種資料,現在也可以從量化裝置上來下載自己身體各方面的資料。就醫學角度而言,如果我們能追蹤到一系列身體資料,我們能夠得到更好的醫療建議,就能得到量身定製的醫療建議或醫藥處方,每天的身體變化情況也能監控。到了新的一天,就能得到一個新的反饋。

  另外一個理念就是:任何可以被跟蹤的事物都一定會被跟蹤,“雙向監督”會優化“跟蹤”這項科技。

  我們發現,被跟蹤的事物是有價值的。通過手機來跟蹤朋友,通過臉書來識別世界上任何一個人。實際上我們正在用各種裝置跟蹤別人。

  我們可以用手機來定位對方在哪裡,當一個名人進入大廳時,我們就能發現他,這也是跟蹤的一種體現。當然,這個實時跟蹤的資料確實挺可怕的。所以我的建議是,如果我們不能停止這個科技的發展,那麼我們應該思考:如何更好地發展這項科技呢?答案是:雙向監督。當你的公司在跟蹤我,我也在跟蹤你,如果資訊不對,可以及時更正。

  在一個小城鎮,鄰居知道你什麼時候睡覺,什麼時候去雜貨店,他知道你各方面的資訊,你可能很不舒服,當然你也知道他所做的一切,你知道他的生活是什麼樣的。如果某些人說了一些他不對的事情的時候,你就能知道他說的事情是不對的,這也是跟蹤的一個好處。如果某天他碰到了一個陌生人,你也可以及時叫警察。所以在這個層面上說,相互監督是有好處的。但是當我們發生資訊不對稱的時候,比如他知道我的資訊,我卻並不知道他的資訊時,我們就會覺得很不舒服。

  從相互監督來說,我們要延伸到另外一個點:我們所面臨的“透明和個性化”跟“私有和通用”是相關聯的。我希望被認為是獨一無二的,不只是大資料中的一個。我希望我的家人和朋友都待我很好,我希望我的朋友家人,甚至到警察,都認為我是一個獨特的個體,我希望他們能看到我,這是透明化的一端。

  同時我也希望大家看不到我,我有我自己的私人空間,我希望我們是有選擇權的。當給他機會選擇的時候,通常大多數人選擇的是分享這一端,他們會上各種社交網路,希望大家都知道他的資訊,這是人的天性。另一方面他希望大家瞭解他所做的,希望大家待他如一個特別的個體。如果他從這個社交網路上獲得了一些好處,滿足了心理需求,他就會開心,但是同時他又不希望在這個社交上面失去他自己的隱私,那麼其實他們是隱私讓位於炫耀的。

  注意力經濟的時代,金錢跟隨注意力

  第十個趨勢:過濾(Filtering

  第十個趨勢是過濾,這可能有點抽象。它的意思是說,我們生活在歷史上最好的時代:不管是對於看電影、讀書、成為顧客等等不同場景與角色當中,這都是最好的時代。我們有很多的選擇,有很多非常有趣、非常棒的事情可以去嘗試。現在有很多好的電影正在製作當中,好的書正在寫的過程當中,這個速率是前所未有的快。因為大家有很好的資源,很好的工具,幫助我們有很多不一樣的選擇,我們可以從中選擇我們喜歡和好的。這會影響到我們經濟執行的方式,因為擁有豐富資源的世界,會極大地影響經濟領域。

  金錢與人的注意力相伴相隨。

  在這個時候,當我們擁有很多資源的時候,什麼比較罕見的呢?那就是人,人是一個稀缺資源,人只有24個小時,同時我們的注意力是有限的,我們要怎麼分配我們的注意力呢?當我看到新的經濟誕生、新的零售業正在發展的時候,我發現不管注意力如何改變,金錢都會相伴跟隨。當商務經濟開始發展的時候,人們可能會說這個網路商務能賺多少錢呢,賺不到錢的。那時候大家對網路經濟的注意力其實不是很多。當時我關注到了這個領域,做了一些相應的調查。注意力可能對於一個新領域需要四五年來養成,但一旦注意力放在了這個領域,金錢就會相伴跟隨。

  拿小孩舉例,小孩們所注意的地方,可能在未來會成為一個熱點領域。他們喜歡電腦遊戲,那麼在未來電腦遊戲就會成為熱點區域,會商品化。人們花很多時間看視訊而非讀書,那就意味著做視訊會比書方面要賺更多錢。這不管是對於網路世界,還是現實世界來說都是這樣。在最開始,可能烹飪這些技能都是不怎麼賺錢的,如果人們的注意力是放在這塊,那它就能形成一個領域,金錢就會相伴而來。如果你計算一下,人們的注意力有多少是放在電視上的,那麼電視能賺多少錢,是可以從廣告的投入程度來決定的。在美國,人們看電視每小時是20美分,這是個很便宜的價格。我們就通過注意力,來讓廣告商賺錢。

  為關注而付費,這是一個新的趨勢。

  想象一下,在讀郵件的過程中,你實際上是在為關注而付費的。這就是一個新的趨勢,你需要付費讓別人來關注你新的App,向看廣告的人付費,這也是一個新的方式。那些擁有更多粉絲的人,他們要關注一個軟體,別人為他付費會付得更多。在KLOUT這個網站上(備註:KLOUT是一家衡量使用者在TwitterFacebookGoogle+LinkedInFoursquareWikipedia等社交網路上影響力指數的創業公司。來源:百度百科),每個人有不同的粉絲數量,通過他們擁有的粉絲數就可以分析出影響力有多大。可能對於一些年輕的高中女孩,她們有非常大的網路社交影響力,你要取得這些女孩的注意力就要付更多的錢。

  零售商和公司,它們會去計算這個顧客在一生當中可能為他們的產品花多少錢。一個人會產生波紋式的影響力,他可能會影響別人。這樣的影響可能會帶來更多的收益。要得到他們的關注力,也是要付費的。

  可能通過這種分散性的方式,做市場的人可以直接付費給那些名人,讓他們產生影響。那些廣告商就會受到影響。你可以創造一個系統,在網路上的一個共享式的系統,你可以付費讓大眾來創作廣告。把這個軟體建立在顧客基礎上的,如果大家去點選這個顧客所製作的東西時,那麼他就能獲得收入。而那些忠實的顧客,某公司忠實的顧客,他們就會去做這樣的事情。他們也會有所收穫,大家去點選他們所製作的視訊或者其它產品,他們也能通過這個來賺錢。

  在過濾的過程中,我們需要管理好自己的注意力。

  這是問題經濟的時代,問題比答案更有價值,問題可以通向未來

  第十一個趨勢:提問(Questioning

  在未來,“答案”是免費的,而“問題”更有價值。

  第十一個趨勢是提問。我們現在的世界使“回答”變成一種商品,像谷歌每天給出10億條回答,但是未來會發生很大的變化。比方說現在有兩個公司,其中一個公司在中國,它用人工智慧等技術,能夠給到我們非常準確的回答。在這種情況下,答案其實是會變成免費的,而有價值的是我們的提問。

  機器人會給我們答案,但是它卻不會提問,通常一個好的問題,會拋磚引玉出更加多有價值的問題。我們並不僅僅是侷限於提問,而是要對我們所面臨的事情,提出更加有價值的問題。

  像英國人討厭美國人的一點是,他們總是喜歡抄襲,而不去創造。當然在中國也有這個現象,雖然這個文化有待於改進。我們現在需要做的是更多地提出問題、去創新。在未來,答案是免費的,而問題是更有價值的。

  有趣的是,當你提出一個問題的時候,你得到一個答案,這是科學。在科學當中你有一個問題,但是從這個問題,我們又會引發出很多新的問題。隨著未知領域的擴張,我們會發現,我們會面臨越來越多的問題。

  好的問題不僅帶來一個答案,還會引出更多有價值的問題。這些問題和答案之間的差距,就是我們的未知領域。

  隨著科學的發展,我們發現我們有更多的未知,因為當我們有一些答案的時候,我們會發現更多新的問題,那麼這些問題和答案之間的差距,就是我們的未知領域。我們會發現,這個未知領域的擴張,比我們所知道的知識的擴張速度更加快。而要提出好的問題是很困難的,像愛因斯坦最著名的一個提問:如果我坐在像光速一樣的機器裡,我看到的是什麼呢?這樣一個簡單的問題,是他所有偉大發明的一個基礎。

  所以一個好的問題,不僅能帶來一個答案,更加有價值的是,它能引發出更多更好的問題。這就是我們想要創新的時候所需要營造的文化。

  我們需要去相信那些不可能的事情,未來20年最偉大的產品還未問世。

  第十二個趨勢:開始(Beginning

  接下來一個趨勢就是"開始",它是一個過程。我們現在所創造新的東西,實質上只是處於開始的階段。

20世紀70年代的人們難以想象電腦可以變得如此之小。

  對於現在我們在討論新技術,就像在以前大家甚至很難以相信,電腦是會變得更小的。在20世紀70年代,電腦之大可能塞滿整個房間,那時候我們說有一天可能我們電腦會非常小,你會把它們放在一個很小的地方,那麼大家就會覺得你可能瘋掉了。一個電腦,有一個門這麼小的電腦,對於當時來說是一個很奢侈的想法。現在大家住在酒店房間的時候用房卡進門,這實際上也是一個和電腦有關的操作,我們可以把它放在走廊裡、放在椅子裡,這對當時來說是難以想象的。

  很多在過去看來不可能發生的事情,在未來或許可行。我們需要去相信那些不可能的事情。

  維基百科這個事情在它創始之前,也是被大家認為是不可能的事,在維基百科裡面你可以購買新的資訊。而現在,我們確實擁有百科這樣的東西。所以它雖然在理論上不可行,但是在實踐上是可行的。在很多網上的事情,我們之前也認為不可能,你可以通過手機知道世界上任何一個地方的天氣情況,在20年前,得知這樣的資訊是非常昂貴的。

  而現在你可以得到這些資訊的速度之快之方便之免費,都是前所未有的。我們在這個清單上還可以發現很多東西,都是我們以前無法相信的。如果在兩千年我跟你說,我們在2006年會生活在一個什麼樣的世界裡,那麼你肯定會覺得不可能。所以我們更需要去相信那些不可能的事情。

  人工智慧會激發創造更多不可能的事情。未來20年最偉大的產品還未問世。

  人工智慧變得越來越聰明,我們通過這個會得到激發創造更多不可能的事。誰能想象呢?一個公司可以有幾十億的客戶,而且他們得到這些服務很開心。你可能無法理解,但是這就是可能性,我們要開啟我們的眼界。

  在未來的20年,我們現在所擁有的事情規模可能會變得更加大,發展得更加快,可能有更多人的參與。而我們現在只處在最開始的開始,我們在第一天,也就是說我們已經發生的事情,其實並不算什麼,我們所創造的平臺以後將會見證更多、更加有趣的事情。

  在2036年,我們可以做什麼樣的預測呢?那時候虛擬現實和人工智慧可能變得不重要了。未來20年最偉大的產品現在還沒有,我們大家都還沒有見過它,它可能在未來20年才會得到創造,它可能是一個現在仍然從未存在過的東西。

  在1991年,也在討論未來的時候,可能不會把網際網路算進去,而現在我們會創造一個比網際網路更加厲害的東西。可能我們會在這上面分享經驗,然後也會囊入人工智慧的部分,追蹤所有我們可以追蹤的東西,屏讀我們所有能屏讀的東西。也就是說未來20年最大的產品還沒有問世,你可能會成為其中的一員,就是創造這個產品的一員。

  我們現在還處在最開端,大家沒有來晚,我希望你們可以接受這個挑戰,塑造未來20年的未來。就算你剛才聽了我所有內容,但是我們最好的事情還沒有發生。

相關推薦

例子12趨勢

未來12個趨勢   今天,我非常高興能夠來到中國,尤其是來到深圳!深圳正在發生著翻天覆地的變化,我來這裡不僅僅是給大家分享未來將會發生什麼事情,更多的是要向大家學習,與大家共同探討深圳將會發生什麼。這裡代表著未來,今天要重點談談我所認為的未來將發生的十二個趨勢。   我所

前端知識12非常實用的JavaScript小技巧

布爾 基本上 瀏覽器 表達 variable 希望 [] fine 實用 在這篇文章中將給大家分享12個有關於JavaScript的小技巧。這些小技巧可能在你的實際工作中或許能幫助你解決一些問題。 使用!!操作符轉換布爾值 有時候我們需要對一個變量查檢其是否存在或者檢查值是

第213天12HTML和CSS必須知道的重點難點問題

ie7 html 技術 article 就會 cap 簡述 同時存在 空間 12個HTML和CSS必須知道的重點難點問題 這12個問題,基本上就是HTML和CSS基礎中的重點個難點了,也是必須要弄清楚的基本問題,其中定位的絕對定位和相對定位到底相對什麽定位?這個還是容易被

演算法12 高矮不同的人,排成兩排,每排必須是從矮到高排列,而且第二排比對應的第一排的人高,問排列方式有多少種?

自己去動手寫了一下,記錄下來 #include "pch.h" #include <iostream> int count = 0;//記錄共count種排列 void fun(int pai1[], int p1, int pai2[], int p2, i

Java學習12提高Java程式設計師工作效率的工具

Java開發者常常都會想辦法如何更快地編寫Java程式碼,讓開發過程變得更加輕鬆,更加高效。目前,市面上湧現出越來越多的高效程式設計工具。團長總結了幾個常用的工具,其中包含了大多數開發人員已經使用、正在使用或將來一定會用到的高效工具。 1、Eclipse Eclipse是

用 Python 做資料處理必看12 使效率倍增的 Pandas 技巧(上下)

http://datartisan.com/article/detail/81.html 導語 Python正迅速成為資料科學家偏愛的語言,這合情合理。它擁有作為一種程式語言廣闊的生態環境以及眾多優秀的科學計算庫。如果你剛開始學習Python,可以先了解一下Python的學習路線。 在眾多的科學計算庫中

用 Python 做資料處理必看12 使效率倍增的 Pandas 技巧(上)

導語 Python正迅速成為資料科學家偏愛的語言,這合情合理。它擁有作為一種程式語言廣闊的生態環境以及眾多優秀的科學計算庫。如果你剛開始學習Python,可以先了解一下Python的學習路線。在眾多的科學計算庫中,我認為Pandas對資料科學運算最有用。Pandas,

【讀書】凱文凱利,通向未來的12趨勢

【部落格導航】 【讀書導航】 背景 微信上看到孟晚舟的一個演講,提到孩子發展時,從凱文凱利的關於未來12個趨勢裡,借用了3個:未來世界的不確定性,執念,思辨和提問的重要性。很好奇,想了解這個關於未來趨勢的文章裡,到底描述的是怎樣的趨勢?搜到一篇《凱文凱利:通向未來的12個趨勢》,整理如下。 思維導圖

用 Python 做資料處理必看12 使效率倍增的 Pandas 技巧(下)

7 – 資料框合併 當我們有收集自不同來源的資料時,合併資料框就變得至關重要。假設對於不同的房產型別,我們有不同的房屋均價資料。讓我們定義這樣一個數據框: prop_rates = pd.DataFrame([1000, 5000, 12000], index

2018.06.06論文12NLP分類模型

1 概述 這個庫 的目的是探索用深度學習進行NLP文字分類的方法。它具有文字分類的各種基準模型。 雖然這12個模型都很簡單,可能不會讓你在這項文字分類任務中游刃有餘,但是這些模型中的其中一些是非常經典的,因此它們可以說是非常適合作為基準模型

一道演算法題12黑球和1白球圍成一個圓

問題: 桌上有12個黑球和1個白球圍成一個圓,按順時針方向順序數到13就拿走對應的一個球, 如果要求最後拿走的是白球,請問該從哪個球開始數數。 分析: 從最後一輪開始考慮,按輪次倒推。可以用遞迴法

在 Linux 命令列中使用和執行 PHP 程式碼(二)12 PHP 互動性 shell 的用法

Run PHP Codes in Linux Commandline 本文旨在讓你瞭解一些相當不錯的Linux終端中的PHP互動性 shell 的用法特性。 讓我們先在PHP 的互動shell中來對php.ini設定進行一些配置吧。 6. 設定PHP命令列提示符

LoRa vs NB-IoT12角度看哪個物聯網標準更具優勢?

近期全球低功耗廣域網(LPWAN)市場的激增可歸因於多個因素。機器學習和 M2M 通訊標準的快速發展發揮了重要作用,加之全球對物聯網服務的需求不斷增長、低價的 LPWAN 工具和節能機會的增多。 預計在2022 年,全球 LPWAN 市場的價值將會提升

阿裏財報雲計算年度營收133億,季度營收連續12季度翻番

阿裏巴巴摘要: 北京時間5月4日晚間,阿裏巴巴集團公布2018財年第四季度和全年財報,該季度內(2018年1月至3月底)阿裏雲營收43.85億元,同比增長103%;2018財年(2017年4月至2018年3月底)營收133.9億元,同比增長101%。北京時間5月4日晚間,阿裏巴巴集團公布2018財年第四季度和

終極指南提高Nginx服務器硬度的12技巧

val 服務器系統 rule .org quest b站 nginx配置 自己 最好 前言 本文將介紹用來提高Nginx服務器的安全性,穩定性和性能的12種操作。 1: 保持Nginx的及時升級 目前Nginx的穩定版本為1.14.0,最好升級到最新版本,看官方的relea

綜評5方面看剛剛釋出的Kubernetes 1.12

    Kubernetes專案在過去幾年中發展迅速,並且作為容器編排和管理解決方案的領導者而備受尊重。有了這個地位,Kubernetes開發者有責任提供經過充分測試,易於維護,高效能和可擴充套件的API和工具。在即將到來的每個釋出週期中,大家都希望繼續看到社群

身家280億的網易前高管12娃,現實版一夫多妻

阿里巴巴官方釋出微博稱,連續幾日,一篇名為《阿里員工透露:馬總早移走 1200 億人民幣!網友:不愧是老師》的文章被有組織的進行惡意傳播。阿里巴巴官方釋出微博稱,連續幾日,一篇名為《阿里員工透露:馬總早移走 1200 億人民幣!網友:不愧是老師》的文章被有組織的進行惡意傳播。 對此,阿里表示,該文完全捏造事

python中幾常見正則例子

匹配手機號: 1 phone_str = "hey my name is alex, and my phone number is 13651054607, please call me if you are pretty!" 2 phone_str2 = "hey my name i

長短期記憶(LSTM)系列_3.1~3.3、第一個LSTM小例子Keras中長短期記憶模型的5核心步驟(python)

  本文是演示了一個最簡單的LSTM模型的構建,以0.1~0.9序列為例,做了一個預測的小例項,文章最後我新增了一個測試集,重新使用訓練的模型進行一次預測,詳細程式碼以及註釋見文末。 後續的3.2和3.3課程是一組課程的學習目錄,以及作者自己新書的推薦,3.2章節會在後續學習中更新

純幹貨分享人工智能與大數據開發的12註意點,經驗之談

搜索 方向 並且 機器學習算法 類型 落地 氣壓 大數據應用 訓練數據 人工智能是近年來科技發展的重要方向,在大數據時代,對數據采集、挖掘、應用的技術越來越受到矚目。在人工智能和大數據的開發過程中,有哪些特別需要註意的要點? 人工智能領域的算法大師、華盛頓大學教授Pedro