其他
avatar of this article's author EarlGrey
编译
计算的未来是什么?

本文首发于微信公众号“编程派”。这期挺郁闷,选题和别的号重了,还被人家抢在了前面...不过毕竟是自己原创编译的,不发就心血都白费了啊。还好我有Github的提交历史。为了避免争议,我将截图附在最后,对方如有异议可与我联系解决。另外,关注微信号回复“python", 就送你十本电子书。

计算行业(computing industry)的发展呈周期性,存在金融与产品两个周期,二者很大程度上是相互独立的。近来,很多人对金融周期当前所处的阶段感到绝望。金融市场为众人所瞩目,总是发生出乎意料的、有时甚至是剧烈的波动。相比之下,产品周期获得的关注较少,尽管它才是驱动计算行业发展的动力。通过研究历史并推测未来,我们可以更好地理解和预测产品周期。

每隔10-15年出现新的计算时代

技术产品周期产生于平台与应用之间相辅相成(mutually reinforcing)的互动。新平台催生新应用,后者反过来提升新平台的价值,形成正反馈循环。小规模、分枝型技术周期无时不刻不在发生,但是每隔一段时间——从历史上来看大约每10到15年——就会出现颠覆计算行业格局的重大周期。

金融周期和产品周期很大程度上是相互独立的

个人计算机(PC)刺激创业者开发出了文本处理程序、表格处理程序以及许多其他桌面应用。互联网催生了搜索引擎、电子商务、电子邮件、社交网络、SaaS商业应用以及许多其他网络服务。智能手机使得移动通讯、移动社交网络以及拼车等服务成为可能。如今,我们已经进入移动时代。未来很可能还会出现更多的移动创新。

每个产品时代都可以划分为两个阶段:1)酝酿期(gestation phase),即新平台首次推出,但是价格昂贵,功能不全面,而且/或者使用困难;2)成长期(growth phase),即出现了一个解决这些问题的新产品,开启了几何式增长时期。

Apple II早在1977年就已推出(MITS Altair 8800更是早两年面世),但是却是由1981年发布的IBM PC开启了个人电脑时代的成长期。

每年的PC销量(单位:千)

互联网的酝酿期是上世纪80年代及90年代早期,当时互联网很大程度上还只是学术界和政府使用的一个基于文本的工具。1993年,Mosaic网络浏览器的出现开启了它的成长期,一直持续至今。

全球互联网用户的增长情况

上世纪90年代就出现了功能机(feature phones),本世纪初出现了Sidekick和Blackberry等早期智能手机,但是智能手机的成长期真正开始于2007至2008年之间,这期间iPhone和Android先后发布。此后,智能手机的拥有率暴涨:目前约有20亿人拥有智能手机。到2020年时,全球每十个人中,就会有8个人使用智能手机

全球每年的智能手机销售数据(单位:百万)

假如10到15年的间隔是规律性的,下一个计算时代应该会在接下来几年中进入成长期。如果真是这样的话,我们现在应该已经处于其酝酿期了。目前,硬件业和软件业中呈现出了一些重要趋势,可以让我们一窥下一个计算时代。在本文中,我将逐一介绍这些趋势,并预测未来将会如何发展。

硬件:更小,更廉价,无处不在

在主机时代(mainframe era),只有大型机构才用得起计算机。后来,小型机构用上了小型机,普通家庭配备了个人电脑(PC),个人用起了智能手机。

电脑变得越来越小

当前这个时代,处理器和传感器越变越小,越来越便宜,未来电脑的数量肯定会超过人类总人口。

原因有二。一是过去50年来半导体行业的稳步发展(摩尔定律)。二是克里斯·安德森(Chris Anderson)所说的“智能手机战争的和平红利”(the peace dividend of the smartphone wars):智能手机的巨大成功导致对处理器和传感器的大量投资。如果你拆开一架现代无人机、虚拟头盔或者物联网设备,你会发现其中大部分是智能手机组件。

在现代半导体时代,人们的焦点已经从独立CPU,转变到被称为系统芯片(systems-on-a-chip)的特殊芯片上。

电脑的价格在不断降低

系统芯片一般会将能耗低的ARM CPU,与专门用于图像处理、通信、电源管理及视频处理等功能的芯片捆绑一起。

Raspberry Pi Zero: 1 GHz Linux computer for $5

这种新架构使得基本计算系统的价格,从大概100美元降低到了约10美元。Raspberry Pi Zero是一台功率1 GHz的Linux电脑,花5美元就可以买到。你还可以用类似的价格,买到一个支持wifi、能运行Python的微控制器(microcontroller)。很快,这些芯片的价格会低至不到1美元。那时,我们可以在任何东西里嵌入一台电脑,而且不用担心成本控制问题。

与此同时,高端处理器的性能也得到了极大的提升。尤其重要的是GPU(图形处理器),其中最好的处理器是由Nvidia公司生产的。GPU不仅对传统的图像处理有用,还可以用于机器学习算法和虚拟现实设备(或增强现实设备)。Nvidia的产品路线图昭示了未来几年GPU的性能还将大大提升。

谷歌的量子计算机

另一项普适性技术是量子计算。这项技术目前仍主要存在于实验室中,但是如果成功商业化后,可以极大地提高生物学和人工智能等领域中许多算法的性能。

软件:人工智能的黄金时代

软件业如今正在发生许多令人兴奋的事情。分布式系统就是一个很好的例子。随着设备数量几何级增长,这两点变得越来越重要:1)多台机器并行执行任务;2)设备之间进行通信和配合。有趣的分布式系统技术包括:用于并行处理大数据问题的Hadoop和Spark,以及保障数据和资产安全性的Bitcoin/blockchain。

但是,或许软件领域最振奋人心的突破来自人工智能(AI)。对AI的热捧及失望由来已久。阿兰·图灵曾预言到2000年时,机器能够成功模仿人类。但是,我们有充分的理由相信,现在AI或许将终于进入一个黄金时代。

“机器学习是我们反思人类生活一切的一种核心、革命性方式。” —— Google CEO,桑达尔·皮查伊(Sundar Pichai)

人工智能领域的很多好消息,都来自深度学习。这是一种机器学习技术,因2012年一项著名的谷歌项目而流行起来:谷歌使用一个大规模计算机集群学习如何在YouTube视频中识别猫。深度学习源自可以追溯至20世纪40年代的神经网络技术。由于多种因素,包括新的算法、廉价并行计算和大规模数据集的普遍,神经网络技术才得以起死回生。

ImageNet挑战的错误率(红线为人类水平)

你或许很想把深度学习看作是硅谷的又一个时髦词汇。但是,深度学习流行的背后,有着坚实的理论和现实依据。举个例子,在使用深度学习技术之前,ImageNet挑战——一个知名机器视觉竞赛——优胜算法的错误率在20%-30%之间。使用深度学习技术之后,优胜算法的准确度稳步提升,2015年时已经超越了人类水平。

许多关于深度学习的论文、数据集合软件工具都已经开源。这在社会上产生了重大影响,使得个人和小公司能够开发出强大的应用。WhatsApp仅靠50名工程师,就开发出了能够服务9亿用户的全球通讯系统;而之前的通讯系统则需要成千上万名工程师。这种“WhatsApp效应”现在也出现在人工智能领域。Theono和TensorFlow等软件工具的出现,加上可用于AI训练的云数据中心以及可廉价部署的GPU,让小型工程师团队也能开发出顶尖的AI系统。

例如,一位独立开发者在自己的业余项目中,使用TensorFlow给黑白照片上色:

左:黑白照。中:自动上色后。右:真实颜色

还有一家小型创业企业推出了实时物体分类工具:

Teradeep的实时物体分类工具

这很容易让人想起某部科幻电影中的一个知名场景。

终结者(1984)

科技巨头发布的首批深度学习应用中,有一个就是Google Photos中的搜索功能,智能到令人发指。

用户搜索“大本钟”的照片

很快,我们就会看到各种产品的智能度都将大幅提升,包括语音助手、搜索引擎、聊天机器人、3D扫描仪、翻译工具、汽车、无人机、医学成像系统,等等。

“接下来一万家创业公司的商业计划很容易预测:AI + X。兹事体大,近在眼前” —— 凯文·凯利

开发AI产品的创业公司需要精确聚焦特定的应用领域,才能与那些已把AI作为首要任务的科技巨头竞争。随着搜集的数据增加,AI系统会逐步改善,这意味着可能出现数据网络效应的良性循环(更多的用户 → 更大的数据 → 更好的产品 → 更多的用户)。因为数据网络效应,制图创业公司Waze生产的地图,远胜过资本丰厚的竞争对手的产品。成功的AI创业公司将会采用类似的策略。

软件 + 硬件:新型电脑

当前有许多不同类别的新兴计算平台正处于酝酿期,随着这些平台逐步融合硬件与软件领域的技术进步,它们很快就会变得更加完善——而且很可能进入成长期。尽管各自的设计与架构迥异,它们都有着一个共同的主题:通过在现实世界之上增添一个智能化虚拟层,为我们带来了新的、更强的能力。下面我简要介绍其中一些新兴平台:

汽车。谷歌、苹果、优步和特斯拉等科技巨头不断将大量资源投向自动驾驶汽车研究。类似Tesla Model S这样的半自动驾驶汽车已经公开发售,很快就会得到改进。全自动驾驶汽车的到来还需要些时日,但是可能不会超过5年。目前已经有几乎可与人类驾驶员媲美的全自动驾驶汽车。不过,出于文化和监管原因,全自动汽车需要做到大幅度超越人类驾驶员,才能得以大范围使用。

自动汽车正在映射周围环境

我预计自动驾驶汽车领域将获得更大的投资。除了科技巨头之外,大型汽车厂商也开始重视自动驾驶。你甚至会发现一些创业公司生产的有趣产品。深度学习软件工具着实优秀,甚至可以让个人开发者制造出半自动驾驶汽车。

个人打造的自动驾驶汽车

无人机。今天的消费级无人机使用的是现代化硬件(大部分是智能手机部件,加上机械部件),但是使用的软件却相对简单。不远的将来,我们会见证更加先进无人机的出现,它们集成了先进的电脑视觉和其他AI系统,更加安全,更容易操作,用途更广。无人机会继续广泛用于娱乐视频拍摄,不过也会逐渐用于更加重要的商业场合。现在还存在着上百万个需要攀爬建筑物、高塔和其他危险建筑的工作,如果使用无人机来完成这些工作,将大大提高工作的安全性和效率。

全自动的无人机飞行

物联网。很明显,使用物联网设备可以节能,提高安全性和便捷性。Nest和Dropcam是前两个好处的绝佳例证。最后一个好处的示例中,最有趣的一个产品就是亚马逊的Echo。

IoT设备的三大好处

大部分人觉得Echo不过就是个噱头,直到亲自使用之后,才惊讶地发现它是那么地好用。这个产品很好地证明了随时运行的语音助手也能够成为有效的用户接口(user interface)。过不了多久,或许我们就可以和具备一般智能的机器人正常对话了。但是,Echo告诉了我们:语音今天一样可以在受限制的语境下取得成功。随着深度学习领域近期的突破应用到商业设备,对语言的理解能力应该会快速提升。

物联网也会应用于商业领域。例如,具备传感器和网络连接能力的设备,对监控工业设备极其有用。

可穿戴设备。今天的可穿戴电脑受到了多个维度的限制,包括电池、通信和处理能力。那些已经取得成功的可穿戴设备,聚焦在较狭窄的领域,例如健康监测。随着硬件组件不断改进,可穿戴设备将能够像智能手机一样,支持丰富多样的应用,这将催生一系列新兴应用。和物联网设备一样,语言很可能会成为主要的用户接口。

电影《Her》中的可穿戴、超级智能的AI耳机

虚拟现实。对虚拟现实来说,2016年是令人振奋的一年:Oculus Rift和HTC/Valve Vive(或许还包括索尼的Playstation VR)等设备的发布,意味着舒适型、沉浸式虚拟现实系统最终得以商用。虚拟现实系统必须要做到特别优秀,才能够避免“恐怖谷”(uncanny valley)陷阱。真正的虚拟现实,需要特制的屏幕(高清晰、高刷新率,低余辉)、强大的图形显卡以及追踪用户精确位置的能力(之前发布的VR设备只能追踪用户头部的转动)。今年,大众将首次体验到所谓的“代入感”(presence)—— 即迷惑你的感知,让你相信自己完全进入了虚拟世界。

Oculus Rift Toybox演示

虚拟头盔将会不断改进,其价格也会逐渐降低。这方面的主要研究领域将包括:1)用于渲染或拍摄虚拟现实内容的新工具,2)用于追踪并直接从手机和头盔进行扫描的机器视觉,以及3)用于托管大型虚拟环境的分布式后端系统。

在房间大小的3D虚拟世界中进行创造

增强现实。增强现实可能会在虚拟现实之后,才会真正实现,因为增强现实所要求的技术,除了大部分也是虚拟现实也需要的之外,还包括一些新技术。例如,增强现实要求先进的、低延迟机器视觉,才能将同一个互动场景中的虚拟物体和真实物体融为一体,而不为人所察觉。

电影《Kingsmen》中真实与虚拟之间的结合

尽管这样说,增强现实到来的脚步可能会比你想象的要快一些。下面这个演示视频是直接通过Magic Leap公司的增强现实设备拍摄的:

Magic Leap演示视频:真实环境,虚拟角色

接下来是什么?

可能10-15年的计算周期已经结束,移动时代就是最后一个时代。也可能下一个时代不会这么快到来,或者上面介绍的新兴计算领域中,只有小部分才会最终颠覆世界。

我更愿意相信,我们不是只处在一个时代的风口,而是多个新时代的风口。“智能手机战争的和平红利”引发了一场新设备的寒武纪式大爆发,而软件领域,尤其是人工智能的发展,将使得这些设备更加智能、有用。上面谈到得许多未来科技,其实今天已经存在,不久的将来会为更多人所用。

观察人士已经注意到,上面许多新兴设备仍处于“尴尬的幼年期”(awkward adolescence)。那是因为它们还处在各自的酝酿期。就像上世纪70年代的个人电脑、上世纪80年代的因特网和21世纪早期的智能手机,我们现在看到的还只是未来的一部分。但是确定的是,未来将至:金融市场时涨时跌,投资热点潮起潮落,计算技术总是稳步向前。

原文链接:Chris Dixon@Medium

原作者Chris Dixon是硅谷知名的科技创业者和投资人,曾经创办的Hunch被eBay以大约8000万美元的价格收购;作为投资人,他曾投过Foursquare/Kickstarter/Pinterest/Dropbox/Skype等诸多明星公司,现就职于硅谷顶尖风投公司Andreessen Horowitz。如发现译文存在问题,欢迎指正、交流。

Github提交历史:请点这里

编程派的Github提交历史

上一篇
下一篇