第四章 AI时代：人类将如何变革？（第22/33页）

在人工智能技术的驱动下，用钱宝等新型金融应用可以在大大减少人工劳动的同时，大幅提高效率，降低成本。未来的金融科技必将是互联网与AI的有机结合，由此产生的智慧金融服务将成为每个人生活的重要组成部分。

AI科学家的土豪人生

金融市场上，用人工智能技术自动建立预测模型，自动进行量化交易来赚钱，是许多数学天才和计算机科学家都热衷的研究方向。

其实，科学家与金钱的关系，本身就是个值得探讨一辈子的有趣话题。现如今，真正有才的人工智能科学家凤毛麟角，能被谷歌、Facebook、百度等顶级公司抢来抢去的顶级科学家，年薪动辄几百万美元。这在普通码农眼里，已经是非常高的收入了。但如果说，最聪明的计算机科学家可以在金融市场上轻松收入几十亿美元，这样的财富神话，你会相信吗？

还记得此前提到过，我在做语音识别的时候，是受到IBM一位叫彼得·布朗的师兄的启发，才走上统计学道路的吗？我们现在就来说说这个彼得·布朗的故事。

当时，在IBM研究中心，鉴于统计学方法在语音识别领域的成功，彼得·布朗和他们这个研究小组的同事们基本都“归顺”了统计流派。这个小组的许多人后来一直从事语音识别研究，可彼得·布朗不是在一个领域一耗若干年的那种人。这个组里还有另一个不安分的人，他的名字后来经常与彼得·布朗并列，他叫罗伯特·默瑟（Robert Mercer），通常人们也称他为鲍勃·默瑟（Bob Mercer）。

鲍勃比彼得年长，1972年就加入了IBM研究中心。鲍勃和彼得玩腻了语音识别，就开始去弄机器翻译。反正是人工智能领域的几大难题之一。这一下，还真捅了马蜂窝。要知道，在20世纪八九十年代，语音识别和机器翻译在经典人工智能科学家的心里，地位是有天壤之别的。

语音识别，不就是听见啥输出啥，一个听写机器而已嘛。符号语言学的方法在语音识别上派不上用场，统计学方法大放异彩，那完全是因为问题本身就不属于高级智能的范畴。机器翻译？那可是要理解原文语法、语义，然后转换成目标语言的语法、语义的。论智能程度，语音识别是两三岁孩子的水平。跨语种翻译？那可是许多翻译大家皓首穷经，一辈子也难以企及的高远境界。这玩意儿绝对算得上是高级智能，是人类智慧的精华，要用计算机来解决翻译问题，非得懂得人类思想方法，懂得语言学不可。

鲍勃和彼得这两个浑身码农味道的研究员，居然要用什么概率统计方法来解决机器翻译问题，这真是要被语言学家们笑掉大牙的。这故事的结局大家肯定猜得到，鲍勃和彼得带领的机器翻译小组只用了很短的时间，就建立了一套可以运行的，基于大语料统计模型的机器翻译系统，居然得到了不算太糟的结果，至少，那结果比经典语言学方法得到的结果更接近人类语言，更让用户信服。从那以后，成功的机器翻译系统比如谷歌翻译走的都是统计模型的道路（今天更是在统计模型的基础上增加了深度学习这个高级武器）。鲍勃和彼得的工作并不复杂，但他们在机器翻译领域的贡献直到许多年后还有人记得。2014年，计算语言学会议给鲍勃·默瑟颁发了终身成就奖。

鲍勃比彼得从事研究的时间长些，论文也比彼得多些。两个人都在语音识别和机器翻译这两个领域取得了不俗的成就，算得上人工智能发展史上的重要人物吧。功成名就之后，大概可以考虑过在大公司带带团队，在高等院校指导指导学生，没事儿就去申请申请科研经费的所谓“后半生”了。

别人的人生到达顶峰，鲍勃和彼得的人生才刚开始。他们的人生目标不是赚一个亿，而是赚十个亿，一百个亿，甚至更多——而且，是运用计算机科学的方法，借助计算机科学家特有的敏锐头脑和人工智能知识。