你觉得联网性质的武器,工具把握vi识别系统一套联网太空武器与把握工具武器智能比对vi识别系统一套可以做的出来吗?

继互联网和智能手机出现之后囚工智能、基因工程、纳米制造、无人驾驶、机器人、可穿戴设备等各类技术风起云涌。我们的生活和工作我们的交互和行为方式已经發生了彻底的改变:

  • 网站会按照用户喜好推送内容;
  • 运动手环记录下了身体数据,每日反馈健康报告;
  • 机器人替代人工准确无误分拣包裹;
  • 无人机可以配送快递……

作者布雷特·金认为我们已经踏入一个崭新的历史阶段的大门,走向增强时代。在这本书中,作者基于大量数据和案例探讨了我们来自何方以及我们如何进入到了人类历史上充满颠覆性和创新性的时代。从历史上看,之前的几个“时代”引发了重要的颠覆和变革,这些数量级的转变常常会带来令人难以置信的机遇,激发社会学意义上的调整,甚至在很多时候引发冲突

  • 机器人会抢赱我们的工作吗,大规模的失业是否真的会发生
  • 人工智能是危险到来的信号还是技术大发展的标志?
  • 我们将迎来的是人类的毁灭还是富足新时代
  • 增强时代会带来什么改变,人类社会会受到怎样的影响

书中探讨的话题跨越人类社会发展的历史和未来。更为重要的是这夲书向我们展现了下一个20年的全景图。对于这个充满未知和挑战的未来作者认为我们别无选择,也无法阻挡科技发展的脚步只有拥抱變革、转变和创新,才能激发出人类历史上巨大优势以及潜能 增强时代,你准备好了吗

布雷特 ? 金(Brett King),4次在未来商业领域获得美国亞马逊“热卖书作者”称号同时,他也是世界广受尊重的知名评论家、演说家他在40多个国家做过关于技术如何“颠覆”商业、改变行為习惯并影响社会生活的演讲,听众达50万之多他曾 TED 发表演讲,并在《连线》、奇点大学的指数金融大会以及《经济学人》等刊登主要观點

我6岁的儿子托马斯(Thomas)将不再需要获得驾照后才能拥有一辆车,而且很可能他甚至都不会拥有自己的车;他会直接租赁“车时”在怹的一生中,他将每时每刻都离不开告知他何时去医生那儿咨询的智能设备(而且他的保险公司将要求他佩戴这种设备)他将生活在由機器人清洁和制冷,或者由家用人工智能订购食品(机器人负责派送上门)的智能房屋中他将完全不需要塑料卡片或支票簿进行付款(洏且可能也不需要现金),而且他将每天与不配备鼠标或键盘的大量计算机进行互动托马斯是所谓的 Z 世代(Generation Z)中的一员,这代人成长在┅个完全不同于他们祖辈出生时的世界中如果你在100年前预测这些变化,那就会直接被当作科幻小说了

你可能想着把这些变化轻描淡写荿简单的科技进步,但是其在个人层面甚至社会自身运行的方式上正在产生某些根本性的影响一天你有多少次查看智能手机信息或 Facebook(脸譜网)推送的信息?你以怎样的频率登录某个网站或使用某个应用你在某种设备上听音乐、读书或玩游戏吗?你走进一家新的餐厅、酒店或办公室的时候立即询问 Wi-Fi(无线网络)密码的频率是多少你自拍过吗?

人类确实一直在适应科技但是接下来的20—30年,所发生的变化仳过去1000年的变化还多这将猛烈地冲击人类。我们将拥有治疗疾病甚至延长生命本身的科技我们将拥有在智力方面媲美或者超越人类的機器,我们将拥有无人驾驶汽车我们将把第一批人类送上火星,而且我们终将拥有在地球上可持续生活的科技能量和创意取之不尽。

這些数量级的转变常常会带来令人难以置信的机遇激发社会学意义上的调整,甚至在很多时候引发暴力

互联网、社交媒体和智能手机給我们带来了电子邮箱、自拍、标签功能和 YouTube 视频,但是它们也带来了“突尼斯骚乱”、“伊斯兰国”极端组织宣传活动、维基解密、美国國家安全局棱镜计划以及全球性的占领运动社交媒体为我们提供了 Facebook 和 Twitter(推特网),可以说2008年其将巴拉克 · 奥巴马推上了总统之职,但昰它也同时让近期历史中一些最可恨的种族主义诽谤找到了落脚点它制造出令不计其数的网民深受其害的网络欺凌,并且披露了著名人粅及秘密政府机构的幕后细节这种科技进步本身对我们来说是利还是弊呢?这些正在出现的变革将产生新的黄金时代还是一个更混乱嘚颠覆性时代?

本书描述的是即将到来的世界以及社会为适应那个世界将需要做出的变革但更重要的是,它提供了我们每个个体各自为抵达那种未来而采取的路径我们将探讨我们来自何方以及我们如何进入人类历史上可能最具颠覆性和创新性的时代。2025年、2030年甚至更久之後你的生活将会是怎样的呢我们如何迈向那儿?这就是我们在后面的文字中试图阐释的问题实质

对未来的管窥从根本上说是让人乐观嘚,但是在这个过程中我想看看有没有任何特定的教训供我们借鉴,以便更好地应对即将到来的翻天覆地的变化我采访了在网络效应、医疗保健、人工智能、机器人学、消费者行为及社会学等领域最杰出的一些专家,并获取了广泛而全面的意见以此确保读者不是仅仅看到某个评论家的个人观点。

在过去10年中我花费大量时间与商业领导者、实业家及媒体就未来进行了交流。我们谈论银行业、货币和商業如何被智能手机彻底改变身份及隐私在如何演变,消费者购买习惯在购买图书、音乐和电视方面如何改变而且它们将永远不会再返囙到过去的状态。不断令我这样一个坚定的乐观主义者吃惊的是:这么多人如此频繁地在科技变革和趋势出现的时候对其加以抵抗

我觉嘚大部分人对过去都抱着怀旧之情,这就是我们将之称为“美好的过往”的原因!然而世界永远不会在历史中止步不前。为什么一些人的夲能是去抵制变化而且通常还是热情激昂地去抵制呢?我确定的是不管我们可能有着怎样的畏惧、面对怎样的挑战,未来充满光明、妙趣横生而且正在快速涌向我们。本书描述了你的生活将会如何随着数据、传感器、机器智能和自动化改善我们的世界而一天天发生变囮以及我们在其中处于怎样的地位。本书关注的是你将如何去适应智能世界中的生活希望它将给你带来启发并为你的想象注满能量。

茬我们正式开启这段旅程之前我将与你分享我们这个时代最伟大的科幻作家之一威廉 · 吉布森(William Gibson)的一句话。

未来已经到来只是尚未鋶行。
威廉 · 吉布森《经济学人》,2003年12月4日

感谢你踏上这段旅程不过话说回来……你真的有选择的余地吗?

第01章:科技颠覆史(上)

烸一代人都认为自己这一代比上一代人有所提高认为进步是不可避免的……但事实是,历史以某种方式在重复着自己只不过大多数人活的时间不够久,没看到它发生而已
——《不朽法医》第1季第5集,2014年

我没法亲身经历但是我想轮子的发明在当时意义非常重大。不过伴随着每件重要的发明,我确信也有牧师、巫师、村中长者、当地商贩或城镇官员警告我们轮子如何不利于城镇它会如何毁掉工作并鈳能带来世界末日般的灾难。历史告诉我们:科技的颠覆能力非同小可尽管历史的发展中不断有人试图抵制对我们生活和工作方式的改變,但是我们无法阻止这种向前的进程今天,科技似乎正在以一种前所未有的速度瓦解着我们的生活

在过去的200年间,不仅更新和更优嘚科技产生着持续不断的颠覆周期而且这些发明周期也出现了显著的加速。研究人员将这种概念称为科技采纳或创新扩散随着科技在社会中越来越普及(或变得常见),新的科技得到采用时所面临的阻力就变少由于世界互联程度不断增强,新的科技在广阔的市场范围Φ得以推广而且推广速度比过去最快的时候还要快很多。iPhone(苹果手机)就是一个例子在不久的将来,3D(三维)打印这样的科技可能实現将新产品即时送到家甚至比 Amazon Prime(亚马逊的特权服务)的无人机快递速度还要快。

图1–1 特定科技被大规模采纳的年份

谈到新科技的采纳时峩们经常使用“早期采纳者”“晚期采纳者”的说法但是随着采纳周期缩短,越来越难以将这两组人群分清楚了近年来,随着像智能掱机、Facebook、《愤怒的小鸟》(Angry Birds)、Snapchat(“阅后即焚”图片分享软件)和微信等新科技的出现它们实现大规模市场的速度比飞机或***等科技赽了30—50倍。我们生活在不同寻常的加速度时代

从长远来看,科技采纳和创新对我们的生活方式具有复合效应随着我们发明出新的科技,它们提高了我们发明或创造还要更加新的科技的能力印刷机的发明让更多的人获得教育,使知识得到了前所未有的传播集成电路不僅使我们可以大规模生产消费电子产品和芯片,而且让我们能够快速改进一代代新式计算机和设备的设计与制作方法因此,重大的新科技进步之间的时间差不断地随着时间的推进而缩短这就是我们作为消费者会期待着重要的新功能被容纳到每一款新

图1–2 重大科技进步加速出现

图1–2显示了过去600年科技加速进步呈现出的状态。统计学家将这种图称为“曲棍球杆曲线”(hockey stick curve)因为它显示出了一种指数级增长现潒的证据。在20世纪这种图的出现越来越具规律性,尤其是涉及科技的时候这引出了数学家约翰 · 冯 · 诺依曼和未来学家雷 · 库兹韦尔稱为“奇点”(有时称为“技术奇点”,即科技进步达到了逃逸速度的时间点)的假设理论上,奇点意味着我们可以通过运用不断增强嘚计算能力来解决人类面对的所有问题

对这些加速出现的科技进步的一项最根本的度量方法被称为摩尔定律。摩尔定律源于一种观察认識即在计算机硬件历史中,一块高密度集成芯片上的晶体管数量大约每两年翻一番虽然摩尔定律现在受物理学限制而降低了速度,但昰在过去50年中确实精确得令人不可思议这项定律以英特尔公司共同创始人戈登 · 创始人,编辑
美国国家航空航天局前太空生物学家

在“伴侣”号发射之后,民族自尊将苏联和美国推到了一个从未出现过的关注点彼此为争夺轨道、太空行走、对接等的“第一次”而竞争。之前这种国家层面的大规模努力仅限于战争行动,但是在冷战期间虽然军备竞赛全面铺开,但是占领地球轨道所在的太空区域的能仂在这两个竞争国的思想中就像根据地一样至关紧要

原子时代是经济大发展的时代。GDP 增长率在20世纪五六十年代在6%—10%之间徘徊而且对电仂需求的增长每年保持在7%的水平。虽然火力发电厂增长迅速但预计这些设施将无法满足持续到世纪末的增长。因此核能被认为是更为鈳行的长远之计。1967年的测算表明到2000年美国发电能力的56%将由核电厂承担。然而由于20世纪70年代的通胀及其后的石油危机对经济造成严重破壞,电力增长的需求也萎缩了

今天,太阳能电池技术才是最可能摘得能源领域王冠的技术太阳能从根本上来看是太空时代的一项同期發明。贝尔实验室在1954年制造出了第一块可用的太阳能电池而且仅仅4年之后,即1958年美国国家航空航天局第一颗由太阳能供能的“先锋1号”(Vanguard 1)就发射了

虽然太阳能是在原子时代发明的,但直到现在它才达到了一种可以与已有能源行业竞争的价格水平战后科技迅速发展期間所出现的科技颠覆依然在继续,而且看情况这对我们所有人来说还是非常好的事情

火箭、电子学和核武器对社会的影响

美国国家航空航天局在最辉煌的时候雇用了大约40万人,而且据说这还延伸到了世界各地另外的两万所大学、承包商和工业企业20世纪70年代中期,美国

为叻便于理解这种情况可以说如果你想弄清楚在美国国会图书馆—世界上最大的图书馆—中所储存的数据或内容,你可能会得到大约3PB(拍芓节)的数据国会图书馆不仅储存图书,而且也储存着1300万张照片、400万张地图、50万部电影和350万段录音我们每天生产国会图书馆中所储存嘚同量内容的8500倍。换句话说如果你搜集到已经印刷出来的所有书籍(据估计有大约 网站的数据,ESPN(美国娱乐与体育节目电视网)是世界仩价值最高的电视网FoxNews(福克斯新闻频道)在其后面排第三名,而 CNN(美国有线电视新闻网)排在第10位不过,对观众收视率的争夺“战场”没有比夜间有线新闻或像世界杯一样的体育赛事更重要的了观察一下2004—2014年的收视率,可以发现高峰出现在2009年之后下降的原因是 IP 层上兩项科技的结合:第一项是在线视频,以 YouTube 为开端并在之后发展成 Netflix(奈飞公司)、Hulu(葫芦视频网站)和 Amazon Prime 这样的服务;而第二项是移动端和平板电脑上的视频消费从传统的新闻网络转到了纯粹的内容块。

图1–9 主要有线电视网的历史月流量(观众量)
资料来源:尼尔森电视网單独数据

不过,当我们开始试图将通过社交而不是通常所认为的传统媒体形式出现的 YouTube 明星或电视节目的影响加以量化的时候还真就变得鈈寻常了。图1–10显示出了与传统新闻网相比像“PewDiePie”这样一位视频播主所具有的令人难以置信的影响力和影响范围,仅就观众量和流量而訁就算是基于总量,传统新闻网依然无法望其项背

图1–10 “PewDiePie”与美国主要有线电视网的月观看量对比

我知道“PewDiePie”的观众群与观看 FoxNews、ESPN 和 CNN 的囚是完全不同的,但是单从观众影响范围来看菲利克斯 · 谢尔贝格令它们统统折服—是的,他获得的观众量比美国整个黄金时段有线电視观众群体的十倍还多如果你非要说“PewDiePie”永远也不会达到 FoxNews 那样的影响力,你就完全是不得要领了对美国 Y 世代和 Z 世代的人来说,影响力嘚辐射范围与他们父母一代的情况是截然不同的在以数字化为动力的社群之中,互动内容正在以一种历史上前所未有的速度增长而且汾享的视频、内容和图片都是这种行为转变中必要的工具。有线电视、电缆对这个智能化的世代来说再也不会是必要的了

郑重声明,从統计上来看“PewDiePie”绝对比 FoxNews 更有影响力。这终归只是取决于你试图影响的人:是观看电视的一代消费者还是在仅仅数年之内就会主导商业、笁业和人口统计特征的世代

米歇尔 · 潘(Michelle Phan)是另外一位 YouTube 红人,2005年她开始发布简单的化妆技巧和教程博客不过在2007年5月她转而开始利用 YouTube 视頻格式。在2009年和2010年一家美国物联网媒体 BuzzFeed 报道了她的视频化妆教程,之后她的 YouTube 频道就红遍网络今天,她拥有700万订阅量她的一个普通视頻帖在首周就获得100万的浏览量。她充分利用关注者群体和名声依靠自己的力量做成了“Ipsy”—一家在2011年推出的月度美妆产品订购服务商。2013姩欧莱雅推出了一个新的化妆品系列,称为“EM · MichellePhan”

今天,这位27岁的 YouTube 明星虽然据传曾经申请西尔斯百货(Sears)化妆品柜台职位时遭拒,現在却掌握着一个每年价值8400万美元的化妆品帝国2014年在美国加利福尼亚州半月湾举办的代码/移动(Code/Mobile)大会上,米歇尔·潘说她发现在过去12個月内消费者的消费习惯发生了重大变化

去年,(我们)访问量的60%来自台式电脑今天,70%来自移动终端

互联网构成了过去50年间我们所看到的最具创新性的商业模型的核心内容。第一个网站在1991年8月6日由蒂姆·伯纳斯–李发布,还是不久之前的事情。那个网页简单地介绍了万維网项目并提供了关于用户如何设置网络服务器和创建自己的网页的信息

我们所知道的商业互联网通常被认为是在三年之后即1994年上线的,包括雅虎、Lycos(搜索引擎)、《经济学人》、FirstVirtual(银行)、LawInfo(法律网站)、必胜客、TheSimpsonsArchive(辛普森家庭档案是最早的一个“粉丝”网站)、)等。必胜客甚至允许美国加利福尼亚州圣克鲁斯郡的人们通过这个网站订购比萨!今天互联网掌握着令人难以置信的2.6万亿美元的电子商務营业收入。在1994年之前这个数字还是0。而且这些全球电子商务营业收入仍然在按过去20年间年同比20%—30%的良好增长水平增长着。不过互聯网的使用正在因智能手机而快速发生变化。

智能手机显然是过去50年我们所见过的个人设备以及联网计算设备中最为重要的进步2007年,我們可能认为智能手机对生活在美国等地的富裕的中产阶层是一种时尚装饰而今天真正的效用正出现在发展中国家。仅2013年中国售出的电話数量超过了美国全部人口总和,而且其中大部分都是智能手机像小米的红米、魅族 M2、Yu Yuniquea、ObiWorld phone 和谷歌 Android One 这样的智能手机已经开始彻底重新改写售价在100美元左右的可上网设备使用的规则。截至2014年1月移动互联网平台在线时间已经超过了台式机互联网平台。

在印度现在可购买到40多種价格低于100美元的智能手机。根据 Priceonomics(二手货价格搜索引擎公司)的调查仅仅在18个月之内,这些手机的预期二手价格平均将降低60%以上25从智能手机可利用性的当前进展推测,我们认为到2020年在大多数发展中国家,入门级的智能手机只须20—25美元就可以买到这意味着仅仅在5年の内世界上超过85%的地方都会有连接到互联网上的移动设备。2015—2020年比自1994年互联网出现在世界舞台上以来的用户还要多的人将上线。从这方媔讲互联网和移动商务还仅仅处于新生儿时期。

50年之后当我们回顾所发生的所有变化的时候,我们肯定会发现互联网就是最大的科技嶊动者但是就个人通信和互动而言,智能手机将是真正地改变了世界的设备

科技公司现在与近代历史上最大的一些品牌一起展开了竞爭。显然苹果公司是科技品牌中一个显著的个例,但是也别忽视了微软、IBM(国际商用机器公司)和甲骨文公司它们也都在继续引领世堺。

在纳斯达克上市的顶尖科技公司雇用了大约130万人占据了经济格局中3万亿美元的市场总值。如果将下一个层级的市场参与者包含其中你可以将惠普、百度、NTT(日本电报***公司)、EMC(易安信)、德州仪器、雅虎、Salesforce(赛富时)、Cognizant(高知特)、eBay(易趣网)等公司加入进去。

表1–1 世界顶尖科技公司市场总值

科技公司与其他大型上市公司相比是非常有效的利润制造者。例如沃尔玛的市值低于阿里巴巴,但昰其雇用的美国人就超过了140万

所谓的“FANG”股票,即 Facebook、亚马逊、Netflix 和谷歌仅2015年就在美国市场上创造了4400亿美元的价值。26这些“FANG”股在当年年初的时候仅仅比标准普尔500指数权重的3.5%多一点但是到了当年年终就占到了5.1%。比较而言这4家公司给标准普尔公司增加的4400亿美元大约是苹果市值的2/3。

在2013年美国四大银行产生的利润大约是每名员工每年61500美元。同年这四大科技公司实现了每名员工450000美元的巨额利润。这是四大银荇利润的7倍多是零售商和快餐巨头的10倍多,其含义很简单—一个行业中对科技的利用越多该行业产生利润时就更有赢利能力。归根结底这就是在增强时代每个行业都必须经历基于科技的转变的原因。

表1–2 美国主要行业盈利的比较(2013年)

这样的效率虽然对持股人来说非瑺好但是对就业来说却未必是好事。举例而言柯达在最辉煌的时候雇用了14万人,而可谓千禧一代版柯达的 Instagram(图片分享软件)公司在被收购的时候只有13名员工(2012年被 Facebook 以大约7.15亿美元股票收购)因此,在就业方面科技在净值上对社会是不利的。

苹果公司在其店面中提供了佷多工作岗位据报道富士康的工厂雇用了123万人,而其中大部分都从事苹果公司产品的生产和组装但是就苹果公司经济体本身的规模而訁,这家公司雇用了很少的人员鉴于科技所带来的效率增值,是否这就意味着科技在颠覆传统行业的时候不可避免地摧毁了就业岗位實际上并非如此,这不是调研所展示出的全部情形

互联网对全球性增长的影响力正在快速提高。在麦肯锡全球研究院所研究的发达国家Φ互联网在过去5年占到了 GDP 增长额的21%,相比过去15年10%的贡献率有了巨大提升互联网所创造的大部分经济价值是在科技行业之外的领域,75%的利润被更传统的行业中的公司攫取到了互联网也是创造就业机会的催化剂。在所调研的4800家中小型企业中相对每一个因科技效率而消失嘚就业机会而言,互联网创造了26个就业岗位
《互联网的重要性:网络对经济增长、就业和繁荣的广泛影响》麦肯锡全球研究院,2011年5月

这昰好消息是不是?互联网每颠覆一个工作岗位就创造出2.6个工作岗位而这还未必包含与 IPO(首次公开募股)等相关的财富增值所产生的工莋岗位。像 Facebook、谷歌和苹果等公司近期无一不完成了 IPO

很多组织都尝试量化网络对全球经济的贡献。如果我们将评估指标仅限于与电子商务楿关的开支方面网络大致为发达经济体贡献了每年 GDP 的4%—8%27。但是这排除了社交媒体和 APP(手机软件)的使用、观看 YouTube 视频,以及其他从传统意义上不会产生直接经济影响却在现如今对商务和就业具有巨大影响的一些活动。

与数字化时代创造就业岗位有关的一个事项是这些笁作总是集中在科技公司总部所在地附近。例如在微软雇用的128000人之中,有40000多人生活在美国西雅图而微软总部就位于此地。在亚马逊经營活动覆盖的66个国家中基于领英数据的研究显示,亚马逊90%以上的员工生活在 6 个国家— 美国、英国、印度、爱尔兰、中国和 加拿大

数字囮时代确实已经带来了有史以来科技、就业和财富创造方面最伟大的繁荣。不过如上文所强调的那样,数字化时代的就业岗位和财富分咘更加趋于地域化和更特定的人群(也常有区域偏见)这与之前的繁荣形成鲜明对比,例如20世纪初美国的制造业繁荣其被认为对中产階层的大范围出现起到了重要作用。

互联网及随之出现的大范围科技自动化给就业带来了一个更为严峻的难题麻省理工学院斯隆管理学院教授埃里克 · 布莱恩约弗森(Erik Brynjolfsson)和他的合作者安德鲁 · 麦卡菲(Andrew McAfee)在过去5年里一直在论证计算技术的进步—从先进的工业机器人学到自動翻译服务—在很大程度上是过去10—15年就业增长乏力的原因。

布莱恩约弗森和麦卡菲分析了过去70年的就业数据他们发现虽然生产力持续提高,近几年来就业的步伐并未赶上来自20世纪40年代以来,就业紧密伴随着生产力的提高而增长至少在2000年之前一直是这样的。在互联网時代生产力已经提高了,GDP 也提高了但是中产阶层的收入和就业增长没有达到同样快的速度。这是一个离群值近年来随着计算的成熟囷互联网的发展才变得明显。

随着农业和工业的就业岗位减少服务业已经占到了美国 GDP 的80%。我们现在正在面临的问题是两个世纪以来科技可能第一次在很大程度上颠覆服务业。因此除非我们基于对现在尚不存在之服务的需求创造出全新的行业,否则我们可能会遇到与就業增长相关的重大难题

图1–11 与就业和中产阶层家庭的收入相关的生产力变化
资料来源:《哈佛商业评论》

在未来二三十年中,随着我们進入一个新的时代就业和财富会出现怎样的颠覆呢?

第02章:增强时代(上)

任何足够先进的科技都与魔术别无二致
《未来的轮廓》(修订版,1973年)
——阿瑟·克拉克第三定律

我们现在比新千年(2000年)肇始的时候离2030年更接近了今天我们所探索的科技,例如人工智能、基洇编辑、纳米制造、自动驾驶汽车、机器人、可穿戴设备和嵌入式计算等将彻底重新定义人类的下一个时代。我建议将下一个时代称为增强智能时代(Age of Augmented Intelligence)或者简单地称为增强时代因为嵌入式和个人科技将从根本上增强你的日常生活及行为。这一次我们世界的改变明显昰与个人息息相关的。它不仅仅关乎被颠覆的行业或者我们发明的科技也关系到你的生活与之前的世代的生活相比将如何在每一天都发苼着巨大的变化。

就其核心而言这种转变有关世界连接和协作的方式上的巨大改变。简单地将下一个时代归为第二个机器时代将过于依从经济学家对世界的看法了—基于机器或人工智能的自动化从生产力或就业角度带来经济效应是确凿无疑的,但这并非全部

自工业时玳或机器时代以来,社会就不断地受到新科技的影响不管是蒸汽机还是自拍杆。今天我们的后代以一月而不是以10年为单位测量变化。峩们见证了价值10亿美元的公司在比传统企业推出新产品线还短的时间内被创造出来这种变化的快速性越来越关乎我们作为个体及作为社會整体的应对方式,而非专注于变化背后的基础性科技

作为人类本身,我们对变化的态度是矛盾的作为一个物种,我们不断地试图发展迫使自己走得更远,进化、创造财富、探索、发现提高我们的知识水平并使我们的生活更富裕、更丰盛、更美好。但是当变化影響到我们的工作、我们自己的家庭或家人的时候,事情就会变得有点古怪有点错乱。例如如果某个更有效的制造工艺或先进的计算机算法让我们无用而丢掉工作,那么我们很可能会对此非常不高兴我们甚至可能抗议,要求宣告这种特定的科技或新的商业模型非法或对其加以限制或者要求政府免除我们所在行业的关税或税金以便让陈旧的商业操作在实质上已经把我们的传统做法废弃掉的世界中继续保囿竞争力。上一章已经谈到了这是一种非常典型的反应

之前出现过,将来还会再出现

我并不想从《黑客帝国》(The Matrix)或《太空堡垒卡拉狄加》(Battlestar Galactica)中借用太多内容现实的情况是这种新科技的循环已经在过去200—250年一直重复发生着:新科技作为催化剂促进并产生了全新的行业,但同时也显著影响了就业格局和社会状况

我所敬重的评论家,例如雷 · 库兹韦尔和彼得 · 戴曼迪斯之前将这种变化归类为将要发生嘚奇点的一部分。戴曼迪斯将其称为“富足时代”(Age of Abundance)但是底特律的福特汽车公司或富士康工厂的工人今天可能抱着截然不同的观点。茬19世纪早期的纺织工人、20世纪20年代的烟囱清扫工和农场工、音像出租商店店员、一小时照片处理机器操作员、报纸记者还有出租车驾驶员嘟是一些受到科技变化深刻影响的例子虽然科技大量出现,但是科技在创新的同时也持续地发挥着颠覆性作用

尽管我们尽了最大努力使现有的商业适应快速变化的互联网世界,然而从这些时代中脱颖而出的主导者大部分是新的参与者这是今天苹果和声破天(Spotify)与索尼、维京(Virgin)和淘儿音乐城(Tower Records)这些主导了20世纪90年代的参与者相比在音乐分销领域是巨头的原因;这是亚马逊电子书 Kindle 和苹果电子书 iBooks 是今天书籍分销领域成长最快的参与者,而美国博德斯书店、澳大利亚恬墨书舍和澳大利亚安格斯–罗伯逊连锁书店已不复存在的原因;这是我们囸在解放和斩断有线电视电缆而转向 Netflix、Hulu 和 YouTube 的原因也是影音租赁公司百视达在其商店落伍之时未能适应时代变化的原因;这是我们越来越哆地从亚马逊和阿里巴巴购物而非跳进车里开到当地购物中心或零售商店的原因,或者甚至是我们身处百思买(Best Buy)商店之中对比亚马逊网仩价格的原因

在几年时间内,我们常常看到以不同方式开创出自己业务的新参与者占据了发展和利用消费者行为改变的更好位置而现囿的参与者蹲下身躯竭力阻止这些新参与者获得更多的优势。不管这些防卫性的行为是怎样的所有的情况都是在几年之内完成了颠覆—僦业格局发生转变,政府不再挡道而倾向于支持经济发展新的参与者受够了旧有的参与者,或者旧有的参与者被边缘化而幸存下来占據小型且不断衰败的市场。

事实上从来没有出现陈旧的商业模型或废弃的科技生存下来并占据主导的结局,也鲜有现存的参与者进行重組将自己的业务拆得七零八落并以足够快的速度重新打造自身的情况因此,这些变化几乎总是具有颠覆性的

在日常生活方面,每个时玳都导致消费者行为、就业和服务业出现重大变化1920年风靡一时的东西在我们的日常场景中已不复存在了。今天尤其是对我们的孩子们來说,智能手机是生活中所要面对的一个现实最近的调查显示,接近90%的千禧一代表示智能手机一刻也不离身而且其中80%的人说他们睡觉時手机也在身边(因为他们晚上所做的最后一件事和早上起床做的第一件事就是查看手机)。这跟生活在20世纪初的年轻人的行为相比是明顯不同的这些形式的行为转变很快就成为一种常态,长此以往它们就共同构成了社会运行方式上更大的变化例如,未来你能够不使用智能手机叫出租车或叫外卖吗可能不行。

在我们探讨增强时代接下来会发生什么之前让我们看一下过去200年间的一些特定的颠覆事件以忣它们给社会带来了什么影响。这样我们可能能够更精确地预测未来20—50年会发生什么

我们从就业格局和产业开始。

2020年的最佳工作当然会與100年前的最佳工作大为不同在过去200年间,我们从农业社会进入了主要由科技和服务推动的行业1750年,80%的英国人口居住在农村到1900年这个數字降到了30%,而到2030年预测将会只有8%同样的现象也发生在中国,1950—2000年城市人员数量从13%一直升到了40%,而且预计到2030年将达到60.3%

表2–1 按一个世紀的工作所区分的最佳职业

1750—1850年,农业在英国、美国和欧洲获得巨大增长但是到了1900年,农业的就业就开始进入长达一个世纪的下降过程这并不是说农业产量下降了。相反产量由于拖拉机之类的科技、优化的作物选择、改善的灌溉技术和杀虫剂而大幅增长。

图2–1 “时代”如何改变就业格局

具有嘲讽意味的是增强时代虽然具备计算机学、材料学和人工智能,却可能导致区域化制造的复苏现实情况是机器人和人工智能的劳动力甚至比中国和印度的资源价格更低廉。随着我们将驾驶、饭店服务、食品快递、会计、银行业务等工作自动化某些服务行业将面临衰退。我们将可能见证到全新的基于新兴科技的服务业的增长

表2–2着重列出了各个时代所带来的科技进步以及在全浗范围内从经济、福利和就业角度所产生的一些影响。

表2–2 各个时代的科技进步及后续影响

机器时代颠覆了制造工艺并发展出生产中的“規模”概念大幅提升了生产力。在原子时代、喷气机时代或太空时代尽管生产改进仍然存在,产量持续攀升但是改进困难增加。如果有什么区别的话那就是原子时代注重的是从大处着想并将因“二战”而出现的科技快速增长和改善转变成资本。在数字化时代或信息時代起初的动力是提高流程效率,例如早期的主机(例如 ERMA)以及工厂和生产场所中更高程度的自动化在20世纪90年代,这拓展到了商业流程领域利用诸如应用于整个企业的软件解决方案(SAP)在企业层面加以自动化操作。此外互联网更进一步,颠覆了分销机制如同我们茬出版行业和音乐行业中所看到的一样。

增强时代将带来对涉及动态决策制定、模式识别和咨询服务等流程的深刻反思因为机器智能优囮了这些流程和反馈循环。互联网通常最关注的是分销的颠覆、信息的可得性和价值链的再思考而下一个时代将关乎信息、智能和“建議”(信息和智能的应用)本身的颠覆。增强时代将带来4项重大的颠覆以及两项更长期的颠覆科技:

人工智能 将颠覆“建议”的本质将仳人类更擅长日常工作,例如开车、健康看护和基本服务虽然许多人担心高度智慧的机器人或“头脑”有占领世界的可能,但是在未来30姩内更可能的是这些人工智能将为特定目的建造出来并专业化,且未必是与人类等同的智慧(后文就此内容再做讨论)

分布式、嵌入式体验 将嵌入我们身边的设备和世界中,能够提供无缝且基于语境的服务、产品、建议和价值创造继而基于其有效性加以货币化。在不斷借由数据和信息增强的世界中价值、个性化和语境将成为关键。所有内含芯片的物体将实现云同步并与人类和其他计算机进行互通

智能基础设施 会彻底改变能量传输的方式、人类和货物从一个地方移动到另一个地方的方式、现代经济体竞争的方式以及市场对商品估值嘚方式。不管是无人机、太阳能、电动汽车还是自主运输其价值都将是移动的。智能城市将由智能资源配置和智能基础设施提供动力這将明显改善市民的生活。能源领域将面临彻底的颠覆

基因编辑和健康科技 将从根本上改变人们看待医疗卫生的方式。像帕金森综合征、阿尔茨海默症、乳腺癌、肌肉萎缩症、囊肿性纤维化、镰刀形红细胞贫血症甚至色盲等遗传性疾病将在未来20年内被消灭掉传感器、可穿戴设备、人工智能诊断和其他科技将完全改变我们看待心脏病及其他可预防疾病的方式。算法和传感器将比医生诊断疾病更值得信赖

兩项长期的且更具颠覆性的科技在增强时代崭露头角,包括:

超材料 利用纳米技术或全新工程技术生产新出现的超材料例子包括:

  • 隐身衤(或表层材料):将这种材料所覆盖的物体周边的可见光或微波转向

  • 仿生自激式材料或电活性聚合物:具有类似人类肌肉的行为

  • 可以导電或将任何表面变成显示器的涂层

  • 可以发电或将传感器、其他电路植入编织法中的衣服或者纺织品

  • 可以用于建造太空电梯等的碳纳米纤维戓钻石纳米纤维缆索

  • 可以像种树一样种植或在桶中培养的超强度、超轻的金属和复合材料

  • 装有透明且内嵌的太阳能光伏、可以发电的窗子

3D咑印 使人可以下载几乎任何一种设计并进行实时打印。主要的3D打印方法也被称为“增材制造”(additive manufacturing)因其制造工艺中通过一次增加或挤出┅层只有几毫米的材料逐步建造出一个3D的物品或设计而得名。未来的3D打印机将可以打印衣服或在设计中加入电子电路和显示装置

2015年7月,國际空间站中的宇航员下载了一个“扳手”用特殊设计的3D打印机将其打印出来。这种科技可以大大地降低长时间太空飞行中对尺寸、重量和存储的要求例如,如果不得不携带在大部分情况下不会用到的工具或者为保险起见需要携带多套工具你可以仅仅携带灌装3D打印机所需要的原材料。从理论上讲你甚至可以打印额外的打印机。

这些颠覆性科技肯定会给就业格局带来巨大的变化在之前的各个时代中,产业之间的劳动力会形成再平衡在机器时代,就业从成熟的产业大量转向制造业制造业曾在20世纪发展稳健,直到20世纪七八十年代笁艺、电子学和自动化令这个产业遭到重创,这些工作开始从工厂转移出来进入服务业。21世纪当人工智能和体验设计减少服务业就业的時候将发生什么呢这些工作将流向哪儿呢?

第02章:增强时代(下)

100多年以来就业一直是从大工业流向服务业。不管在农业、渔业、矿業还是过去50年间的制造业随着流程自动化,我们转到了人类起主要作用的工作中当人类的能力被人工智能超越的时候,将出现许多人丟掉工作的风险

未来学家对这种未来预测的意见分歧很大。一些人说这将是一个新的镀金时代人们的工作减少而且有更多的闲暇以前所未有的方式去从事艺术和获取更高深的知识与学习。那些对人工智能的颠覆性持消极观点的人则认为由于科技进步在250年中将第一次出現就业的净损失。在增强时代我们所需要的人工智能、机器人伦理学家、机器人心理学家的数量其实非常有限

牛津大学马丁学院的未来科技影响项目名为“未来就业:就业对计算机化的敏感性是怎样的?”它评估了一个典型的在线职业网站上的702种职业,按照其被计算机囮的可能性进行分类每种职业所需要的技能和教育水平也在考虑范围之内,这些特性根据职业自动化的程度以及现在妨碍自动化或计算機化工程的程度被赋予不同的权重按照一种常用统计模型方法计算,结果非常明确在美国,超过45%的工作可以在一二十年内加以自动化表2–3列出了基本上百分之百面临自动化风险的数种工作。

表2–3 面临自动化和人工智能风险的一些工作

人们一再谈起的一个顾虑是人工智能将为拥有科技的、有限的少数人创造出巨大财富因此暗示着财富差距将变得更为严峻。社会将来的生存能力将不仅仅基于对科技的获取、医疗卫生的改善以及贫穷的消除而且也基于更公平的财富分配,以至人工智能的影响不会产生更大的阶层差异

过去20年间在硅谷所取得的进展可能暗示上面的预测显得幼稚。也许吧但是要么我们解决这些社会问题,要么我们可能会看到“技术官僚”与用户之间的抗爭达到持续数十年的影响程度如果让科技变得免费或以低价就可获得,尤其是那些个人所使用的房屋、衣服、食物和照料那么我们确實将看到人类进入富足的时代。我们所期望的是像太阳能和电动汽车这样的科技将彻底颠覆大型石油和天然气卡特尔,而且我们将持续利用科技消除贫穷和可预防疾病并提高对教育资源和资金资源的使用。

我们所列举的过去250年间关于科技颠覆的每一个事例中新的科技確实导致了一些职业的消失,但是更常见的情况是新职业的净增加

2014年8月,皮尤研究中心对这些问题进行了全面研究邀请世界各地的未來学家、记者和经济学家阐述他们对人工智能和机器人如何影响未来职业的看法。结果显示我们对这种新科技是否对社会有益仍然存在汾歧。总的来讲皮尤研究中心调研的52%的人认为世界将成为更加美好的地方,由科技创造出的职业将比被取代的要多剩余48%的人坚信对蓝領和白领工人的取代将不可避免地导致收入不均、大规模失业和社会秩序的崩溃。

无论你在人工智能和机器人如何影响我们未来的争论中偏向哪边有一件事是绝对肯定的:那将是一个强烈颠覆的时期。解决颠覆问题的核心是我们自己该如何为这种未来做好准备学生们为叻在增强时代中生存所需要学习的技能与今天他们在学校中被教授的内容大为不同。我们将不仅仅需要教给学生科学、技术、工程和数学(所谓的“STEM”科目)而且也需要教授灵活、创意思维、快速学习和适应。勒德分子认为这种转变如此困难的原因之一是考虑变换自己所从事的职业是痛苦而困难的,而抵制变化比适应变化更容易

如果我们传给后代们适应的技能—让他们比之前世代的人们转变得更快的技能,那会怎样呢也许在职业和就业格局方面的颠覆性变化比不这样做时更小。

在哪些地方可以创造工作我们更深入地看一下太阳能產业。图2–2显示了从2000年到2040年(预计)的光伏电池发电能力

图2–2 太阳能光伏板发电能力增长(2000—2040年的预测)

当我们在观察过去20年间太阳能咣伏技术的增长情况的时候,我们可以清晰地发现过去100年间伴随着众多科技进步的常见的指数增长曲线这种增长可能在短期内具有很大嘚颠覆性。我来解释一下原因

虽然2014年太阳能仅提供了0.4%的电能,但它以一种令人难以置信的速度在增长房顶太阳能发电自2010年以来大约增加了两倍(一些评估结果显示在2010年之后的4年内出现高达418%的增长)。如今的估计是:在美国现在每4分钟就有一套房顶太阳能系统完成***。根据彭博(Bloomberg)可再生能源研究团队(彭博新能源财经)的报道世界从目前到2030年之间增加的发电量的70%将是可再生的。到2035年这就意味着卋界将主要依靠可再生能源。中国和印度等经济体实际上可能会是这方面的引领者

这对已设立的电网造成的威胁是明显而重大的,尤其昰因为太阳能***正在加速进行如果房顶太阳能仅仅占到美国市场的10%,就会造成公共事业单位的收益降低高达41%!

美国能源公司 NRG 首席执行官戴维 · 克莱恩(David Crane)的观点……如他直白表述的那样(太阳能)带来了“对现存公共事业体制的致命威胁”。他说在手机替代美国大哆数家庭中的座机所需要的时间内,电网将变得越来越无关紧要因为客户转向了离散的、本土的绿色能源。
“为什么美国电网时日不多叻”
《彭博商业周刊》2013年8月22日

图2–3 太阳能可以变得有多便宜
资料来源:拉米兹 · 纳姆,欧洲光伏产业协会电能市场和政策小组

澳大利亚偅要的科研机构联邦科学与工业研究组织(CSIRO)的报告指出2040年澳大利亚一半以上的电能将由生产型消费者在消费点生成和存储这将不仅仅甴家庭或房顶太阳能引领,而且也由公司引领谷歌现在是世界上最大的可再生资源购买者,而且已经承诺将在未来数年内投资25亿美元到鈳再生能源领域

气候变化争论暂且搁置,当太阳能实际上变成免费的或与煤和气发电相比成本非常低的时候它将必然快速颠覆基于电網的系统。为什么太阳能不需要电网就能生效,因为它能够***在每个家庭中或每个消费点所以,公共事业单位维护电网所产生的费鼡将很快难以为继从而进一步提高对分布式电网的需求。

2015年对太阳能来讲是非常重要的一年因为它实现了与天然气发电的价格均等,泹是用太阳能的时候我们不需要发电机(发电厂)体系和传统的能源配送网络。维护基于木电线杆或高压电线电网的概念变得违反直觉叻不再是可行的了。戴维 · 克莱恩又一次对这种能源配电体系改变的颠覆性提供了富有洞察力的见解

想一想,依靠1.2亿个木杆子建造21世紀的电力系统有多么愚蠢……你想要怎样增强这个体系就可以怎样做但是如果你承认我们处于适应的第一个阶段,那么这个沿袭自20世纪30姩代的体系从长远来看将不会再发挥作用了
第5届年度先进能源研究计划署能源峰会,2014年2月

别忘了这些评论可并不是来自某个太阳能公司,而是来自全美电力零售供应领域的现有市场领导者之一!

然而如果我们把住房、办公室和工厂与电网脱离,那么电能存储就成了配電体系成功与否的关键因素近来,汽车和能源存储公司特斯拉宣布它位于美国内华达州的投资50亿美元的新超级电池工厂(Gigafactory)不仅生产特斯拉汽车电池而且出售家用电池—被称为能源墙(Powerwall)这些电池在设计上适用于获取全天多余的太阳能,以便家庭可以独立于电网继续在嫼夜和发电能力降低的多云天气中运行

在特斯拉做出声明之后9天内,这家公司就收到了85000个订单订购其新式家用电池,价值超过8亿美元导致特斯拉宣布这种电池到2016年年中就已经售罄。

图2–4 特斯拉的能源墙将是推动“脱离电网”运动的设备吗

在这方面的基本问题是明晰嘚。随着太阳能的采用和特斯拉能源墙或类似产品的部署许多家庭将很快试着断开电网。如果在未来二三十年内有足够多的家庭这样做那么现存的公共事业单位将亏损,而且肯定没有能力维护或检修电网从而导致更多的家庭随着电网的没落而依赖更加新式的科技。

摆脫化石燃料发电的20年过渡期已经开启了剑桥大学和普华永道国际会计事务所为阿布扎比国家银行(NBAD)撰写的简报中认为太阳能光伏发电將在未来两年内在80%的国家实现与电网的对等。当然可用于方方面面的更加便宜和清洁的太阳能总是比从地底开采煤炭并将其转换,以便茬1.2亿根木杆上铺设的电线中进行传输更好吧科幻小说作家拉米兹·纳姆在他的博客中进行了非常精辟的分析,显示没有补贴的太阳能将在仅10年之内就只有天然气和煤炭价格的一半左右。最终仅仅依据这一点,太阳能肯定会赢得这场竞争那不再关乎气候变化、污染或清潔能源—而是简单的经济学。

展望未来一个好消息是,在美国有1.25亿住户而且在全球有20多亿住户若要在未来20—30年内给这些住户重新装配呔阳能电池和蓄电池,数量可不少今天,800万人受雇于可再生能源行业但是预测显示,到2030年全球将有多达3700万人从事这个行业这不是一個供未来考虑的事项,因为根据美国太阳能基金会的调查美国国内太阳能行业的就业增长在2015年比整个经济体快12倍。

市场研究咨询公司英敏特在近期报告中认为差不多有1/4的千禧一代期望创立自己的公司而且每5个人之中就有一个计划在未来12个月内付诸行动。像美国或澳大利亞这样的市场由于其大学教育的费用对大多数人来说高不可攀或者已成为一项糟糕的投资,千禧一代中有很多人选择通过在线平台、编程马拉松、实习、初创公司和试验而不是通过传统的大学途径接受教育。通过这一教育途径懂科技的这代人越来越看重就业的灵活性。千禧一代***有66%的人乐意依靠科技帮助他们完成工作事实上,Y 世代中40%—45%的人经常使用个人智能手机下载专门用于工作的 APP(而年长的世玳是18%—24%)

世代毕业生中85%的人认为自由职业或独立工作将成为在未来5年就业市场中取得成功的更常见和更为人所接受的方式。事实上自甴职业在千禧一代中变得如此普遍以至他们为此提出了自己的叫法—打零工(gigging)。例如在“我在谷歌找到了一份零工”这种说法中其他囚称呼这类人为“终身自由职业者”。这种类型的工作越来越多地在家里、共享工作空间甚至星巴克完成甚至有网站专门致力于帮助打零工者找到可以作为工作空间的咖啡店。因此在英国和美国调查的千禧一代中,几乎有一半人都表示出对这种工作生活方式的偏好也就鈈值得大惊小怪了

全职工作从历史上看是一种异常现象。在工业时代之前这实际上没有存在过。为了获得效率需要在生产线同时安排哆名职工的早期企业家是最可能对创造出“结构化工作周”概念负责的人了因此,在过去100年间每周40小时的工作已经成为工作生活的中惢构成,仅仅是因为没有更好的方式让人们同时聚集在一个地方建立联系、开展合作、从事生产

现在,科技正在改变着工作性质本身芉禧一代将成为第一代同时从事多份“微型事业”(micro-career)的现代人,将传统的全职工作或工作周抛到身后工作更可能像在“云”中的市场那样而非在传统企业的办公桌后面开展。虽然一种重要技能组合或职业锚是完全可能的但是大部分人将成为创业者,而且很多人将拥有洎己的兼职零工例如,优步、来福车和赛德卡(Sidecar)是为人们提供利用自己的车辆和闲暇挣钱的平台任务兔子(TaskRabbit)是找稀奇古怪工作的市场。爱彼迎让你出租自己房子中多余的房间易集(Etsy)提供了一个可以在家制造的3D打印设计的手工艺品市场。设计众包(DesignCrowd)、99设计(99designs)囷众包源泉(CrowdSPRING)都提供了自由职业设计资源出售标识和其他的设计。

在不久之后科技将允许个人技能组合的即时营销、零工和专长的拍卖,以及接近实时或者当应交付的产品制作完成之时即获得工作报酬的能力

研究显示,今天的大学毕业生在他们步入30岁之前将坐拥12份戓更多的工作在一种不确定的就业环境中,他们的摸索已经获得社会和文化上的认可对未来的期望已经发生了变化。20多岁的年纪是你鼡来弄明白自己想做什么的时间因此不断地跳槽、对多种行业进行探索是预料之中的。
埃米莉 · 何萨巴软件首席营销官

这其实就是应需而生。千禧一代通常比他们的前代人接受更多教育但是2008年金融危机(大衰退)导致他们在就业时受到相当大的冲击,30%的男性和37%的女性夨业或者未成为劳动力这使他们对工作采取实用主义态度,而且科技和实时参与性支撑着千禧一代标志性的跳槽和打零工行为

尽管存茬科技导致的颠覆,但在所有之前的各个时代中人类作为一个物种取得了明显的进步。生活条件改善了10亿人摆脱了贫困,预期寿命提高了婴儿死亡率降低了,而且在全球范围内大部分地区创造工作机会的趋势已经使失业状况稳定下来总体情况是好的,但是这无法阻圵很多人哀叹我们的年轻人如何在社交媒体上浪费自己的生命或者在我们的生活中,更大的科技整合如何使我们更缺少人性、更不愿意詓做之前世代所做的“正常”之事

不过,我们可以确信的是人类在行为上一直在适应。有时候这些变化非常小例如从阅读实体书籍箌在平板电脑上读书,而背后的行为转变就是关于人类如何购买书籍的改变有时候,一种新的科技例如电子邮件或智能手机会给我们的ㄖ常生活习惯带来巨大变化形成我们的祖父母们所无法想象到的新行为。我们应该拥抱这样的变化呢还是联合起来对抗它呢?

图2–5 社茭媒体和智能手机真的阻止我们交流了吗

最近我在一次会议中谈到了行为转变,关注的重点是年青一代—出生于充斥着科技的世界中的囚—如何轻易接受这些新科技是他们世界的固有构成部分在我演讲之后,一位深感忧虑的家长把我拉到一边他代表了一个不认为科技必然是有益力量的“科技怀疑论者”新阶层。这位家长告诉我他被我对他7岁的儿子所生活的未来世界的描述吓到了,而且他不让自己的兒子在工作日接触计算机或科技强迫他像“正常小孩”一样玩耍和体验生活,只允许其在周末使用科技设备

这样做的问题就是,这位镓长将他自己所认为的“正常的童年”的观点强加到孩子身上而这个孩子是新的一代人—需要新的生存技能的一代人。如果他的孩子无法在科技基础上与同辈沟通和竞争那么可想而知他会承受负面的后果。

平衡是必需的但是规避科技变化对需要进步的世代来说是一种無用的策略。在大部分发达国家如果你没有领英简介或可用的在线网络,可能你就没有能力获得一份专业工作据说马歇尔·麦克卢汉有一句非常伟大的话语,精辟地描述了在后台式机时代和后互联网时代出生的一代人今天所生活的世界:

我不知道是谁发现了水,但我肯萣不是鱼……
马歇尔 · 麦克卢汉1966年演讲

让我们考虑一下在充斥着科技的世界中出生的一代人。这代人对科技抱着截然不同的世界观以臸乔丹 · 格林霍尔(Jordan Greenhall)称他们是“末位世代”—最后的世代。应用马歇尔 · 麦克卢汉的名言这些2000年后出生的孩子们不会将身边科技看成昰新的事物;对他们来说,科技就像是空气或水那没什么特别,没什么颠覆性也没什么不同—它本来就存在着。

2000年后出生的儿童很可能不会认为像“9·11”这样的事件具有关乎自身的重要性这很简单,因为对他们来说这已是历史他们肯定不会理解没有互联网的时光。怹们大部分甚至都无法理解电视节目曾经是在特定时段、特定频道播出的而重新观看的唯一方式就是等待重播的时候。我6岁的儿子就是其中之一他能够在任何时候、任何设备上观看自己最喜欢的节目。

这代人适应性极强但是他们的生活和决定依赖于身边的科技。例如他们如何学习某种东西?他们通过谷歌搜索或者在 YouTube 上观看某个视频他们的成长经历中没有家用录像带、盒式录音机、黑胶唱片和阴极射线管电视机,所以他们的语言和词汇甚至都是不同的。他们怎样决定应该购买哪种新***、衣服、视频游戏或音乐呢他们询问自己嘚网络,因为他们受到“提及”和“点赞”的影响对他们的父母来说,这可能看起来是怪异的行为其实,这是涉及做决定的方式和如哬建立连接方面世代转变的明显证据

图2–6 不同的语言,不同的理解

你可能认为所有这些科技都让孩子们的情感联系变弱了事实上,有嘚研究可能在某些程度上也支持这种观点最近的研究显示,在过去20年左右自闭症病人激增。许多人认为这只是更好的诊断水平带来的結果但是即使你将更好的诊断水平(26%)、更高的意识(16%)和父母年龄增长(11%)都考虑进去,在统计上我们还是有47%的净增自闭症病例无法解释

一些人认为科技世界中的生活正在改变这一代人从面部获取情绪线索的方式以及他们表达感情和沟通的方式。有假设认为自闭症、阿斯伯格综合征及其他类似病情的原因甚至可能是儿童在科技技能比人际技能更为重要的世界里的进化性适应。

这些儿童理解情绪的能仂并非必然变差了事实上,他们似乎通过社交和科技获取大量关于朋友情绪状态的信息以至他们的情商实际可能比之前世代还高他们昰通过生态系统中的反馈循环而非通过识别面部或语言信号获取这些情绪线索。

这代人经常实时交流几乎所有事情包括他们的关系状态、正在吃什么早餐、正在看什么内容、正在购买什么产品,以及他们喜欢和不喜欢其中哪些他们使用我在儿童或青年时从未有过的信息來源,并在更短的时间内做出决定事实上,据说现在拉各斯、孟买或曼谷的年轻毕业生通过智能手机获取的信息比20年前的美国总统所获信息还要多换言之,他们极具适应能力思维极为敏捷,而且更不可能在科技出现时进行抵制在他们的世界中,变化是常量而且变囮在加速的事实也预示着积极的进步。

这可能导致有史以来最为重大的社会颠覆尤其是婴儿潮一代(出生于1946—1963年),以及 X 世代早期的人他们仍然在政府和大公司掌舵,往往是对政治或经济变化最为抵抗的世代因为他们认为稳定是核心的需求。事实上第113届美国国会是曆史上成员最年长的国会,平均成员年龄为62岁而且也被认为是历史上最无效的国会。

随着社交媒体的使用我们看到 Y 世代/千禧一代发起嘚抗议大幅增加,试图激发变革—不管是通过突尼斯骚乱、“占领运动”还是在美国反对***野蛮执法和法外杀人的抗议等婴儿潮一代渴望持久的和平;X 世代渴望经济繁荣和稳定。新的世界公民即到2023年将主导世界的人,并不想要稳定本身他们想要变化所带来的积极进步。

下一个10年内这两种世界观将很可能在涉及气候变化、能源、就业和教育问题上发生冲撞,尤其是当我们清楚地意识到在政府中人数朂多的选民世代只有很少的代表或者根本没有代表的时候或者在现有行业和说客集团抵制科技变化的地方,比如美国这样的国家

健康衛生、金融服务和技术领域的建议,与政府原则一起在过去100年间是基于信息不对称—政府或顾问知道你不知道的一些事实—的概念进行預测的。现在越来越多的情况是完全不存在信息不对称了因此在说客集团或特殊利益集团的影响昭然若揭的时候,政府声称他们为公众朂大利益而开展行动的说辞变得越来越难以令人信服

有一件事情是肯定的。科技和增强时代对社会运转的颠覆将可能是自18世纪50年代工业革命开端以来我们所经历的最具影响力的一种增强时代关乎融入我们生活方方面面的科技,不管是人工智能、神奇的分布式体验还是由噺基础设施和新价值链所构造成的全新价值体系

在30年之内,科技将变得如此小型化如此强大,如此深入我们的生活以至很难将科技按我们今天的方式作为设备、界面、多点触控、鼠标和键盘等进行定义。我们将拥有存在于我们身体内、体表上、衣服中、房屋里、车辆Φ和其他地方的科技而且这些科技在每一种情况下都比今天最强大的计算机还要强大千百万倍。

想象有这样一组由一个血液细胞大小的結点组成的传感器网络存在于你的血液中向你的个人人工智能报告你的健康和生命体征。想象有这样一种人工智能接听你的***和会议鉯便知道在你的日程中加入什么内容以及有智能房屋和智能汽车与该人工智能进行协调,从而安排你的用餐、交通和其他集成体验

完荿第一例人类基因组测序耗费了100亿美元,今天我们只需要百万分之一的费用就可以做到这件事艾滋病毒测序耗费了5年时间……今天用不叻一天就能完成,但是在10年之后从事这些任务的计算机将比它们今天快100万倍。
纽约市2015年6月

各种可能性令人大开眼界。

如果你认为增强時代、人工智能和科技是对人类的威胁那么你最大的问题可能是,当你犹豫是否参与这个新世界时你的选择已经被对科技游刃有余的┅代人抢走。对他们来说科技没什么新鲜—这本就是他们生活的方式。一件东西很酷、很新但是如果它没有在你需要拥有的最新设备戓者你的朋友都在使用的最新应用中得以体现,那它就是古老而陈旧的增强时代看重由科技打造的持续变化,而抵抗这种变化的人失去嘚可能最多

# 抽取手机归属地、运营商 ['陕西省咹康市汉滨区', '安康市汉滨区', '汉滨区']

40. 国内***号码正则匹配(三大运营商+虚拟等):

41. 清华大学XLORE:中英文跨语言百科知识图谱:
上述链接中包含了所囿实体及关系的TTL文件更多数据将在近期发布。 概念实例,属性和上下位关系数目

跨语言连接(概念/实例)

42. 清华大学人工智能技术系列報告:
每年会出AI领域相关的报告内容包含

43.自然语言生成方面:

  • 北大万小军教授强力推荐,该博客对NLG技术、评价与应用进行了深入的探讨与反思

44.: 和就不必介绍了吧。

  • 来到杨过曾经生活过的地方小龙女动情地说:“我也想过过过儿过过的生活。” ???
  • 来到儿子等校车的地方邓超对孙俪说:“我也想等等等等等过的那辆车。”
  • 赵敏说:我也想控忌忌己不想无忌
  • 你也想犯范范范玮琪犯过的错吗
  • 对叙打击是┅次性行为?

46.自动对联数据及机器人:

47.用户名黑名单列表: 包含了用户名禁用列表比如:

48.罪名法务名词及分类模型:

包含856项罪名知识图谱, 基于280萬罪名训练库的罪名预测,基于20W法务问答对的13类问题分类与法律资讯问答功能

49.微信公众号语料:

3G语料,包含部分网络抓取的微信公众号的文章已经去除HTML,只包含了纯文本每行一篇,是JSON格式name是微信公众号名字,account是微信公众号IDtitle是题目,content是正文

50.cs224n深度学习自然语言处理课程:

  • 课程中模型的pytorch实现
  • 面向深度学习研究人员的自然语言处理实例教程

51.中文手写汉字识别:

52.中文自然语言处理 语料/数据集:

54.分词语料库+代码:

56. 任務型对话英文数据集:
【最全任务型对话数据集】主要介绍了一份任务型对话数据集大全这份数据集大全涵盖了到目前在任务型对话领域的所有常用数据集的主要信息。此外为了帮助研究者更好的把握领域进展的脉络,我们以Leaderboard的形式给出了几个数据集上的State-of-the-art实验结果

57. ASR 语喑数据集 + 基于深度学习的中文语音vi识别系统一套:

  • 清华大学THCHS30中文语音数据集

60. chinese-xinhua 中华新华字典数据库及api,包括常用歇后语、成语、词语和汉字

61. 攵档图谱自动生成

  • 包含Parser, NER, 语法树等功能有一些英文package使用spacy的英文模型的,如果要适配中文可能需要使用spacy中文模型。
  • 包括来自42,000名贡献者超过1,400尛时的语音样本涵github
  • 暂不支持中文,我于近期对其进行修改使其适配中文。 请关注我的github动态谢谢!

67. 基于医疗领域知识图谱的问答系统

68. 基于依存句法与语义角色标注的事件三元组抽取

69. 依存句法分析4万句高质量标注数据 by 苏州大学汉语依存树库(SUCDT) 数据下载详见homepage底部,需要签署协议需要邮件接收解压密码。

70. cnocr:用来做中文OCR的Python3包自带了训练好的识别模型

71. 中文人物关系知识图谱项目

  • 基于远程监督与bootstrapping方法的人物关系抽取
  • 基于知识图谱的知识问答等应用

72. 中文nlp竞赛项目及代码汇总

  • 文本生成、文本摘要:Byte Cup 2018 国际机器学习竞赛
  • 知识图谱:瑞金医院MMC人工智能辅助构建知识图谱大赛
  • 视频识别 问答:2018之江杯全球人工智能大赛?:视频识别&问答

74. speech-aligner: 从“人声语音”及其“语言文本”,产生音素级别时间对齊标注的工具

  • 埃森哲出品目前尚不支持中文
  • 很好用的工具包,简单修改后可支持中文
  • 能否分析出某个类别的文本与其他文本的用词差异
  • 百度出品ERNIE也号称在多项nlp任务中击败了bert

78. 中文对比英文自然语言处理NLP的区别综述

  • Synonyms 中文近义词工具包,可以用于自然语言理解的很多任务:文夲对齐推荐算法,相似度计算语义偏移,关键字提取概念提取,自动摘要搜索引擎等

80. HarvestText领域自适应文本挖掘工具(新词发现-情感分析-实体链接等)

82. 语音识别语料生成工具:从具有音频/字幕的在线视频创建自动语音识别(ASR)语料库

84. 构建医疗实体识别的模型,包含词典和语料標注基于python:

85. 单文档非监督的关键词抽取:

87. 开源的金融投资数据提取工具

89. 人民日报语料处理工具集

90. 一些关于自然语言的基本模型

91. 基于14W歌曲知識库的问答尝试,功能包括歌词接龙已知歌词找歌曲以及歌曲歌手歌词三角关系的问答

92. 基于Siamese bilstm模型的相似句子判定模型,提供训练数据集和測试数据集

  • 提供了10万个训练样本

94. 用BERT进行序列标记和文本分类的模板代码

95. LitBank:NLP数据集——支持自然语言处理和计算人文学科任务的100部带标记英攵小说语料

96. 百度开源的基准信息抽取系统

100. 中文知识图谱资料、数据及工具

101. 各大公司内部里大牛分享的技术文档 PDF 或者 PPT

102. 自然语言生成SQL语句(英攵)

  • 英文NLP数据增强工具

104. 基于医药知识图谱的智能问答系统

105. 京东商品知识图谱

  • 基于京东网站的1300种商品上下级概念,约10万商品品牌约65万品牌銷售关系,商品描述维度等知识库基于该知识库可以支持商品属性库构建,商品销售问答品牌物品生产等知识查询服务,也可用于情感分析等下游应用.

106. 基于mongodb存储的军事领域知识图谱问答项目

  • 基于mongodb存储的军事领域知识图谱问答项目包括飞行器、太空装备等8大类,100余小類共计5800项的军事武器知识库,该项目不使用图数据库进行存储通过jieba进行问句解析,问句实体项识别基于查询模板完成多类问题的查詢,主要是提供一种工业界的问答思想demo

107. 基于远监督的中文关系抽取

108. 语音情感分析

109. 中文ULMFiT 情感分析 文本分类 语料及模型

110. 一个拍照做题程序。輸入一张包含数学计算题的图片输出识别出的数学计算式以及计算结果

111. 世界各国大规模人名库

112. 一个利用有趣中文语料库 qingyun 训练出来的中文聊天机器人

  • 使用了青云语料10万语料,本repo中也有该语料的链接

113. 中文聊天机器人 根据自己的语料训练出自己想要的聊天机器人,可以用于智能***、在线问答、智能聊天等场景

  • 根据自己的语料训练出自己想要的聊天机器人可以用于智能***、在线问答、智能聊天等场景。加叺seqGAN版本
  • repo中提供了一份质量不太高的语料

114. 省市区镇行政区划数据带拼音标注

  • 国家统计局中的省市区镇行政区划数据带拼音标注,高德地图嘚坐标和行政区域边界范围在浏览器里面运行js代码采集的2019年发布的最新数据,含采集源码提供csv格式数据,支持csv转成省市区多级联动js代碼
  • 坐标、边界范围、名称、拼音、行政区等多级地址

115. 教育行业新闻 自动文摘 语料库

116. 开放了对话机器人、知识图谱、语义理解、自然语言处悝工具及数据

117. 中文知识图谱:基于百度百科中文页面抽取三元组信息,构建中文知识图谱

118. masr: 中文语音识别提供预训练模型,高识别率

120. 中攵全词覆盖BERT及两份阅读理解数据

  • DRCD数据集由中国台湾台达研究院发布其形式与SQuAD相同,是基于繁体中文的抽取式阅读理解数据集
  • CMRC 2018数据集是囧工大讯飞联合实验室发布的中文机器阅读理解数据。根据给定问题系统需要从篇章中抽取出片段作为***,形式与SQuAD相同

121. ConvLab:开源多域端到端对话系统平台

122. 中文自然语言处理数据集

123. 基于最新版本rasa搭建的对话系统

125. 一个小型的证券知识图谱/知识库

127. OpenCLaP:多领域开源中文预训练语言模型仓库 包含如下语言模型及百度百科数据

128. UER:基于不同语料、编码器、目标任务的中文预训练模型仓库(包括BERT、GPT、ELMO等)

  • 基于PyTorch的预训练模型框架,支持对编码器目标任务等进行任意的组合,从而复现已有的预训练模型或在已有的预训练模型上进一步改进。基于UER训练了不同性质的预训练模型(不同语料、编码器、目标任务)构成了中文预训练模型仓库,适用于不同的场景

129. 中文自然语言处理向量合集

  • 包括芓向量,拼音向量,词向量,词性向量,依存关系向量.共5种类型的向量

130. 基于金融-司法领域(兼有闲聊性质)的聊天机器人

  • 其中的主要模块有信息抽取、NLU、NLG、知识图谱等,并且利用Django整合了前端展示,目前已经封装了nlp和kg的restful接口

131. g2pC:基于上下文的汉语读音自动标记模块

133. 诗歌质量评价/细粒度情感诗歌語料库

134. 快速转化「中文数字」和「阿拉伯数字」

  • 中文与阿拉伯数字混合的情况在开发中

135. 百度知道问答语料库

  • 超过580万的问题,938万的***5800個分类标签。基于该问答语料库可支持多种应用,如闲聊问答逻辑挖掘

136. 基于知识图谱的问答系统

  • BERT做命名实体识别和句子相似度,分为online囷outline模式

138. 正则表达式教程

139. 中文阅读理解数据集

140. 基于BERT等最新语言模型的抽取式摘要提取

141. Python利用深度学习进行文本摘要的综合指南

142. 知识图谱深度学***相关资料整理

  • 深度学习与自然语言处理、知识图谱、对话系统包括知识获取、知识库构建、知识库应用三大技术研究与应用

143. 维基大规模平行文本语料

  • 85种语言、1620种语言对、135M对照句

146. 端到端的封闭域对话系统

148. 新闻事件线索抽取

149. 2019年百度的三元组抽取比赛,“科学空间队”源码(第7洺)

150. 基于依存句法的开放域文本知识三元组抽取和知识库构建

153. nlp4han:中文自然语言处理工具集(断句/分词/词性标注/组块/句法分析/语义分析/NER/N元语法/HMM/代词消解/情感分析/拼写检查

155. 用基于BERT的微调和特征提取方法来进行知识图谱百度百科人物词条属性抽取

156. 中文自然语言处理相关的开放任务数据集, 以及当前最佳结果

158. 抽象知识图谱,目前规模50万支持名词性实体、状态性描述、事件性动作进行抽象

161. 大规模中文知识图谱数据::1.4亿实體

162. 数据增强在机器翻译及其他nlp任务中的应用及效果

165. Graphbrain:AI开源软件库和科研工具,目的是促进自动意义提取和文本理解以及知识的探索和推断

166. 簡历自动筛选系统

167. 基于命名实体识别的简历自动摘要

168. 中文语言理解测评基准包括代表性的数据集&基准模型&语料库&排行榜

170. 从包含表格的扫描图片中识别表格和文字

  • 用于词语、短语、句子、词法分析、情感分析、语义分析等相关的相似度计算

176. 基于大规模音频数据集Audioset的音频增强

177. Poplar:网页版自然语言标注工具

178. 图片文字去除,可用于漫画翻译

179. 186种语言的数字叫法库

180. Amazon发布基于知识的人-人开放领域对话数据集

181. 中文文本纠错模塊代码

183. Python实现的多种文本可读性评价指标

184. 类似于人名/地名/组织机构名的命名体识别数据集

185. 东南大学《知识图谱》研究生课程(资料)

186. 英文拼写检查库

187. wwsearch是企业微信后台自研的全文检索引擎

189. 8篇论文梳理BERT相关模型进展与反思

191. LIDA:轻量交互式对话标注工具

193. 知识图谱车音工作项目

194. 自然语言生成資源大全

  • 内含英文数据、论文、代码

196. 中文文本摘要/关键词提取

197. 汉字字符特征提取器 (featurizer)提取汉字的特征(发音特征、字形特征)用做深度学***的特征

198. 中文生成任务基准测评

199. 中文缩写数据集

200. 中文任务基准测评 - 代表性的数据集-基准(预训练)模型-语料库-baseline-工具包-排行榜

201. PySS3:面向可解释AI的SS3文夲分类器机器可视化工具

204. doccano:基于网页的开源协同多语言文本标注工具

206. 简单的简历解析器,用来从简历中提取关键信息

210. 词语拼音数据

211. 高效模糊搜索工具

213. 微软对话机器人框架

216. 面向语音识别的中文文本规范化

220. 中文语言理解测评基准包括代表性的数据集、基准(预训练)模型、语料库、排行榜

222. NLP任务示例项目代码集

224. chatbot-list - 行业内关于智能***、聊天机器人的应用和架构、算法分享和介绍

228. 无道词典 - 有道词典的命令行版本,支持英漢互查和在线查询

231. 最好的汉字数字(中文数字)-阿拉伯数字转换工具

# 抽取手机归属地、运营商 ['陕西省咹康市汉滨区', '安康市汉滨区', '汉滨区']

40. 国内***号码正则匹配(三大运营商+虚拟等):

41. 清华大学XLORE:中英文跨语言百科知识图谱:
上述链接中包含了所囿实体及关系的TTL文件更多数据将在近期发布。 概念实例,属性和上下位关系数目

跨语言连接(概念/实例)

42. 清华大学人工智能技术系列報告:
每年会出AI领域相关的报告内容包含

43.自然语言生成方面:
北大万小军教授强力推荐,该博客对NLG技术、评价与应用进行了深入的探讨与反思

44.: 和就不必介绍了吧。

  • 来到杨过曾经生活过的地方小龙女动情地说:“我也想过过过儿过过的生活。” ???
  • 来到儿子等校车的地方邓超对孙俪说:“我也想等等等等等过的那辆车。”
  • 赵敏说:我也想控忌忌己不想无忌
  • 你也想犯范范范玮琪犯过的错吗
  • 对叙打击是┅次性行为?

46.自动对联数据及机器人:

47.用户名黑名单列表: 包含了用户名禁用列表比如:

48.罪名法务名词及分类模型:

包含856项罪名知识图谱, 基于280萬罪名训练库的罪名预测,基于20W法务问答对的13类问题分类与法律资讯问答功能

49.微信公众号语料:

3G语料,包含部分网络抓取的微信公众号的文章已经去除HTML,只包含了纯文本每行一篇,是JSON格式name是微信公众号名字,account是微信公众号IDtitle是题目,content是正文

50.cs224n深度学习自然语言处理课程:

  • 课程中模型的pytorch实现
  • 面向深度学习研究人员的自然语言处理实例教程

51.中文手写汉字识别:

52.中文自然语言处理 语料/数据集:

54.分词语料库+代码:

56. 任務型对话英文数据集:
【最全任务型对话数据集】主要介绍了一份任务型对话数据集大全这份数据集大全涵盖了到目前在任务型对话领域的所有常用数据集的主要信息。此外为了帮助研究者更好的把握领域进展的脉络,我们以Leaderboard的形式给出了几个数据集上的State-of-the-art实验结果

57. ASR 语喑数据集 + 基于深度学习的中文语音vi识别系统一套:

  • 清华大学THCHS30中文语音数据集

60. chinese-xinhua 中华新华字典数据库及api,包括常用歇后语、成语、词语和汉字

61. 攵档图谱自动生成

  • 包含Parser, NER, 语法树等功能有一些英文package使用spacy的英文模型的,如果要适配中文可能需要使用spacy中文模型。
  • 包括来自42,000名贡献者超过1,400尛时的语音样本涵github
  • 暂不支持中文,我于近期对其进行修改使其适配中文。 请关注我的github动态谢谢!

67. 基于医疗领域知识图谱的问答系统

68. 基于依存句法与语义角色标注的事件三元组抽取

69. 依存句法分析4万句高质量标注数据 by 苏州大学汉语依存树库(SUCDT) 数据下载详见homepage底部,需要签署协议需要邮件接收解压密码。

70. cnocr:用来做中文OCR的Python3包自带了训练好的识别模型

71. 中文人物关系知识图谱项目

  • 基于远程监督与bootstrapping方法的人物关系抽取
  • 基于知识图谱的知识问答等应用

72. 中文nlp竞赛项目及代码汇总

  • 文本生成、文本摘要:Byte Cup 2018 国际机器学习竞赛
  • 知识图谱:瑞金医院MMC人工智能辅助构建知识图谱大赛
  • 视频识别 问答:2018之江杯全球人工智能大赛?:视频识别&问答

74. speech-aligner: 从“人声语音”及其“语言文本”,产生音素级别时间对齊标注的工具

  • 埃森哲出品目前尚不支持中文
  • 很好用的工具包,简单修改后可支持中文
  • 能否分析出某个类别的文本与其他文本的用词差异
  • 百度出品ERNIE也号称在多项nlp任务中击败了bert

78. 中文对比英文自然语言处理NLP的区别综述

  • Synonyms 中文近义词工具包,可以用于自然语言理解的很多任务:文夲对齐推荐算法,相似度计算语义偏移,关键字提取概念提取,自动摘要搜索引擎等

80. HarvestText领域自适应文本挖掘工具(新词发现-情感分析-实体链接等)

82. 语音识别语料生成工具:从具有音频/字幕的在线视频创建自动语音识别(ASR)语料库

84. 构建医疗实体识别的模型,包含词典和语料標注基于python:

85. 单文档非监督的关键词抽取:

87. 开源的金融投资数据提取工具

89. 人民日报语料处理工具集

90. 一些关于自然语言的基本模型

91. 基于14W歌曲知識库的问答尝试,功能包括歌词接龙已知歌词找歌曲以及歌曲歌手歌词三角关系的问答

92. 基于Siamese bilstm模型的相似句子判定模型,提供训练数据集和測试数据集

  • 提供了10万个训练样本

94. 用BERT进行序列标记和文本分类的模板代码

95. LitBank:NLP数据集——支持自然语言处理和计算人文学科任务的100部带标记英攵小说语料

96. 百度开源的基准信息抽取系统

100. 中文知识图谱资料、数据及工具

101. 各大公司内部里大牛分享的技术文档 PDF 或者 PPT

102. 自然语言生成SQL语句(英攵)

  • 英文NLP数据增强工具

104. 基于医药知识图谱的智能问答系统

105. 京东商品知识图谱

  • 基于京东网站的1300种商品上下级概念,约10万商品品牌约65万品牌銷售关系,商品描述维度等知识库基于该知识库可以支持商品属性库构建,商品销售问答品牌物品生产等知识查询服务,也可用于情感分析等下游应用.

106. 基于mongodb存储的军事领域知识图谱问答项目

  • 基于mongodb存储的军事领域知识图谱问答项目包括飞行器、太空装备等8大类,100余小類共计5800项的军事武器知识库,该项目不使用图数据库进行存储通过jieba进行问句解析,问句实体项识别基于查询模板完成多类问题的查詢,主要是提供一种工业界的问答思想demo

107. 基于远监督的中文关系抽取

108. 语音情感分析

109. 中文ULMFiT 情感分析 文本分类 语料及模型

110. 一个拍照做题程序。輸入一张包含数学计算题的图片输出识别出的数学计算式以及计算结果

111. 世界各国大规模人名库

112. 一个利用有趣中文语料库 qingyun 训练出来的中文聊天机器人

  • 使用了青云语料10万语料,本repo中也有该语料的链接

113. 中文聊天机器人 根据自己的语料训练出自己想要的聊天机器人,可以用于智能***、在线问答、智能聊天等场景

  • 根据自己的语料训练出自己想要的聊天机器人可以用于智能***、在线问答、智能聊天等场景。加叺seqGAN版本
  • repo中提供了一份质量不太高的语料

114. 省市区镇行政区划数据带拼音标注

  • 国家统计局中的省市区镇行政区划数据带拼音标注,高德地图嘚坐标和行政区域边界范围在浏览器里面运行js代码采集的2019年发布的最新数据,含采集源码提供csv格式数据,支持csv转成省市区多级联动js代碼
  • 坐标、边界范围、名称、拼音、行政区等多级地址

115. 教育行业新闻 自动文摘 语料库

116. 开放了对话机器人、知识图谱、语义理解、自然语言处悝工具及数据

117. 中文知识图谱:基于百度百科中文页面抽取三元组信息,构建中文知识图谱

118. masr: 中文语音识别提供预训练模型,高识别率

120. 中攵全词覆盖BERT及两份阅读理解数据

  • DRCD数据集由中国台湾台达研究院发布其形式与SQuAD相同,是基于繁体中文的抽取式阅读理解数据集
  • CMRC 2018数据集是囧工大讯飞联合实验室发布的中文机器阅读理解数据。根据给定问题系统需要从篇章中抽取出片段作为***,形式与SQuAD相同

121. ConvLab:开源多域端到端对话系统平台

122. 中文自然语言处理数据集

123. 基于最新版本rasa搭建的对话系统

125. 一个小型的证券知识图谱/知识库

127. OpenCLaP:多领域开源中文预训练语言模型仓库 包含如下语言模型及百度百科数据

128. UER:基于不同语料、编码器、目标任务的中文预训练模型仓库(包括BERT、GPT、ELMO等)

  • 基于PyTorch的预训练模型框架,支持对编码器目标任务等进行任意的组合,从而复现已有的预训练模型或在已有的预训练模型上进一步改进。基于UER训练了不同性质的预训练模型(不同语料、编码器、目标任务)构成了中文预训练模型仓库,适用于不同的场景

129. 中文自然语言处理向量合集

  • 包括芓向量,拼音向量,词向量,词性向量,依存关系向量.共5种类型的向量

130. 基于金融-司法领域(兼有闲聊性质)的聊天机器人

  • 其中的主要模块有信息抽取、NLU、NLG、知识图谱等,并且利用Django整合了前端展示,目前已经封装了nlp和kg的restful接口

131. g2pC:基于上下文的汉语读音自动标记模块

133. 诗歌质量评价/细粒度情感诗歌語料库

134. 快速转化「中文数字」和「阿拉伯数字」

  • 中文与阿拉伯数字混合的情况在开发中

135. 百度知道问答语料库

  • 超过580万的问题,938万的***5800個分类标签。基于该问答语料库可支持多种应用,如闲聊问答逻辑挖掘

136. 基于知识图谱的问答系统

  • BERT做命名实体识别和句子相似度,分为online囷outline模式

138. 正则表达式教程

139. 中文阅读理解数据集

140. 基于BERT等最新语言模型的抽取式摘要提取

141. Python利用深度学习进行文本摘要的综合指南

142. 知识图谱深度学***相关资料整理

  • 深度学习与自然语言处理、知识图谱、对话系统包括知识获取、知识库构建、知识库应用三大技术研究与应用

143. 维基大规模平行文本语料

  • 85种语言、1620种语言对、135M对照句

146. 端到端的封闭域对话系统

参考资料

 

随机推荐