凯文凯利预言未来12大趋势:人工智能时代即将来临 | 刷榜

简介: 作为互联网的预言大神级人物,20年前凯文·凯利《失控》一书,便已提前预见了移动互联网的今天与商业应用:物联网、云计算、虚拟现实、网络社区、大众智慧、迭代。在此次苏宁举办的预言聆听会上,KK带来了未来10到25年都将具有长期影响的12个趋势。

      作为互联网的预言大神级人物,20年前凯文·凯利《失控》一书,便已提前预见了移动互联网的今天与商业应用:物联网、云计算、虚拟现实、网络社区、大众智慧、迭代。在此次苏宁举办的预言聆听会上,KK带来了未来10到25年都将具有长期影响的12个趋势。

      凯文凯利所看到的12个趋势,在过去20年里已经悄悄发生,未来这些趋势将会更加明显还将渗透到我们的文化以及商业的各个方面,新的商机就在这里。

趋势一:形成/成为(Becoming)

      40年前,我们并不知道电脑将会发生翻天覆地的变化。这也是为什么KK不关心具体的大公司,而要考虑宏观的发展趋势。

      从层级化结构到网络化结构,这是一个变化趋势。正因为网络的存在,我们在沟通方面创造了更多的可能。在交流的时代,最有效的结构就是一个网络化结构。集中式的结构是一个层级结构,分散式的结构是一个开放性结构,这就是网络式结构的活力所在。所有的产业都在向分散式结构靠拢,未来这个趋势会持续发展。

趋势二:认知(COGNITIVE)

      人工智能的时代即将来临,这个趋势也可以说是认知的趋势。但这个词实际上的意思就是我们应该如何变得更聪明。在KK看来,它们不是和人类一样的智能,但可以帮助人类。

三种关键的技术元素

      现在所发生的科技变化,能帮助人工智能更快速的学习进步。在这当中,三种技术元素的发展加快了人工智能数量和质量的提升。

      第一、神经元网络(通过模拟大脑神经元网络处理、记忆信息的方式,完成人脑那样的信息处理功能);

      第二、GPU芯片。GPU芯片通常是游戏芯片,也可以用在人工智能领域,它有很大的价值;

      第三、大量的数据,大规模数据可以帮助人工智能变得更聪明。

商机:

      1、未来人工智能可以做成服务进行售卖;人工智能可以有很多种工作形式,我们可以和人工智能合作,或是创造出各种不同的思维形式。

      2、人工智能将给人类创造新的工作机会。总而言之,人工智能可以购买,可以使用,可以做任何事情,可以让我们有不同的想法。

趋势三:互动(INTERACTING)

      1、VR技术

     虚拟现实在硅谷发展非常快,IBM也投入了做虚拟现实的产品,一些西装或者是手套,都可以和虚拟现实相关联。智能手机之后,下一个平台是什么?那就是VR,就是虚拟现实,虚拟现实的各个类型。

      2、AR技术

      这是一种是进入式的体验,你感受到那些东西在你身边是确确实实发生的,可能只是一个卡通,或者是一个虚造的东西,你感觉自己切切实实地处在另外一个环境。

      3、MR(混合现实)技术

     所谓的混合现实(Mix reality,简称MR,既包括增强现实和增强虚拟,指的是合并现实和虚拟世界而产生的新的可视化环境。在新的可视化环境里物理和数字对象共存,并实时互动)这个技术发展得非常非常快,它会像智能手机一样迅速发展,得到普及。

趋势四:使用(ACCESSING)

      “使用”这个趋势过去就已经存在了,但未来会变得越来越重要。拥有物品的性质将转变为:你不是拥有,而是使用这个物品。比如Uber让你觉得不用车也可以使用车的服务;阿里巴巴也没有实体、没有库存。这些公司自己售卖产品,它们并不拥有自己售卖的产品。产品从客户来,消费者扮演生产者,这造成一个结果就是:使用权比所有权更加重要。

      我们根据需求来创造经济,这就是未来的趋势。我们可以通过互联网来实现,像Uber这样的服务会渗透到各行各业。

趋势五:分享(SHARING)

      分享在过去20年已有了跨越式发展,但这个领域,还有很大的进步空间。分享的趋势是硬件软件化。通过人工智能的加入,它可以与你交流。人工智能不是实物,它是通过软件来帮助我们。

趋势六:屏读(Screening)

      屏读,即不用再看屏幕。过去的屏幕朝着更加流动的形势变化,未来会有一种更加权威和开放的介质出现。从过去固化、精确、权威的屏幕,朝着一种更加流动的形势变化。

      另一个变化是,会有一种更加权威和开放的介质出现。未来屏幕和我们之间的互动是强有力的趋势。

趋势七:流动(Flowing)

      流动,它概括了以上所有的趋势。物体会从本身固有的状态变成流动的状态,甚至变成流动的数据。不管你处于什么行业,都和数据相关。

趋势八:重混(Remixing)

      重混就是东西重新解开,再混合起来。我们可以看到,在过去创造的大部分财富,有一部分得益于将有价值的东西重组,把不同的新想法混合重组起来。

现在我们要做的是拆解,并且重组。重组就是将不同价值的东西进行拆解,重新组合,成为新的有价值的组合。

趋势九:跟踪(Tracking)

       跟踪一个关键要素形成的数据。跟踪我们自己的各种行为,记录每天的事情和思想,这些技术变得越来越便宜。另外一个理念就是:任何可以被跟踪的事物都一定会被跟踪,“双向监督”会优化“跟踪”这项科技。

趋势十:过滤(Filtering)

       我们生活在历史上最好的时代:不管是对于看电影、读书、成为顾客等等。不同场景与角色当中,这都是最好的时代,我们有很多的选择。

金钱与人的注意力相伴相随。因为大家有很好的资源,很好的工具,帮助我们有很多不一样的选择,我们可以从中选择我们喜欢和好的。为关注而付费,这是一个新的趋势。在过滤的过程中,我们需要管理好自己的注意力。

趋势十一:提问(Questioning)

      在未来,“答案”是免费的,而“问题”更有价值。我们现在的世界使“回答”变成一种商品,像谷歌每天给出10亿条回答,但是未来会发生很大的变化。在这种情况下,答会变成免费的,有价值的是我们的提问。

所以一个好的问题,不仅能带来一个答案,更加有价值的是,它能引发出更多更好的问题。这就是我们想要创新的时候所需要营造的文化。

趋势十二:开始(Beginning)

      接下来一个趋势就是"开始",它是一个过程。我们现在所创造新的东西,实质上只是处于开始的阶段。人工智能会激发创造更多不可能的事情。未来20年最伟大的产品还未问世。

相关文章
|
机器学习/深度学习 人工智能 数据可视化
Hinton的预言要实现了!美加顶尖大学Nature发文:全科医学人工智能GMAI不止要取代「放射科医生」(2)
Hinton的预言要实现了!美加顶尖大学Nature发文:全科医学人工智能GMAI不止要取代「放射科医生」
166 0
|
机器学习/深度学习 人工智能 数据可视化
Hinton的预言要实现了!美加顶尖大学Nature发文:全科医学人工智能GMAI不止要取代「放射科医生」(1)
Hinton的预言要实现了!美加顶尖大学Nature发文:全科医学人工智能GMAI不止要取代「放射科医生」
231 0
|
3天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####
|
3天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
本文探讨了人工智能(AI)在医疗诊断领域的应用及其面临的挑战。随着技术的不断进步,AI已经在医学影像分析、疾病预测和个性化治疗等方面展现出巨大潜力。然而,数据隐私、算法透明度以及临床整合等问题仍然是亟待解决的关键问题。本文旨在通过分析当前AI技术在医疗诊断中的具体应用案例,探讨其带来的优势和潜在风险,并提出相应的解决策略,以期为未来AI在医疗领域的深入应用提供参考。
23 3
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能在教育领域的应用与挑战
随着科技的不断进步,人工智能(AI)技术已经深入到社会的各个领域,其中教育领域尤为突出。本文旨在探讨人工智能在教育领域的应用现状、面临的挑战以及未来的发展趋势。通过分析AI技术如何改变传统教学模式,提高教育质量和效率,同时指出其在实际应用中可能遇到的问题和挑战,为未来教育的发展提供参考。
23 2
|
3天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
深度探索人工智能在医疗影像诊断中的应用与挑战####
本文深入剖析了人工智能(AI)技术,特别是深度学习算法在医疗影像诊断领域的创新应用,探讨其如何重塑传统诊断流程,提升诊断效率与准确性。同时,文章也客观分析了当前AI医疗影像面临的主要挑战,包括数据隐私、模型解释性及临床整合难题,并展望了未来发展趋势。 ####
|
6天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在医疗诊断中的应用
【10月更文挑战第36天】随着人工智能技术的飞速发展,其在各行各业的应用日益广泛,特别是在医疗领域。本文将深入探讨AI技术如何革新传统医疗诊断流程,提高疾病预测的准确性,以及面临的挑战和未来发展方向。通过具体案例分析,我们将看到AI如何在提升医疗服务质量、降低医疗成本方面发挥关键作用。
79 58

热门文章

最新文章