近十年哪些科技发展已经改变我们日常生活方式？ 第1页

近十年，人工智能技术的发展绝对算得上是一项改变我们日常生活方式的重要工具了。

在伊甸园的神话里，人类因为好奇希望得到知识，于是遭到惩罚，被上帝赶出天堂。但在伍尔索普庄园的神话里，不但没人惩罚牛顿，情况还正好相反。多亏他的好奇心，人类才能进一步了解宇宙，变得更加强大，并且离科技的天堂又近了一步。

幸运的是，我们目前正处于后者的时代，任何闪闪发光的创意，都将绽放属于它的七彩光芒，而这其中就包括闪闪发光的人工智能技术。

众所周知，2016年，谷歌宣布了AlphaGo的横空出世。接着，其便迎来了与李世石的世纪人机大战，历经五局鏖战，最终以4比1的总分获得胜利。这件棋坛盛事，可以说是人工智能在公众视野里的最终一个引爆点了。

自此以后，人工智能便成为了一个公众口中热度很高的话题。基于人工智能的发展和应用，也开始陆陆续续地涌现，可谓是遍地开花。

近些年来，基于人工智能的产品更是推陈出新，遍地都是。

包括围棋和象棋等在内的各个棋牌类竞技游戏相继被人工智能攻破；微软搜索开始推出了自己的人工智能产品小冰；百度也开始用码农人肉测试自己的无人车了；Style Transfer技术生成了各种千奇百怪的艺术图片；计算机视觉技术开始进入普通人的生活，同时也接入了如病例分析、医疗影像诊断等医学领域，并且取得了不俗的成果。

无论人们接不接受，都不能改变人工智能正在迅速渗透进我们日常生活的这个现实。

举个例子，人脸识别，乃至于图像识别技术的广泛引用，对我自己日常生活影响就很大。

疫情以后，学校门口开放了闸机，需要扫脸才能打开，而在宿舍门口也实行了扫脸开门的措施（同时提供测温功能），这便是人工智能在我实际生活当中的应用之一，而且很频率，校园里如此之多的同学，进出校门以及宿舍楼都需要刷脸。

此外，宿舍门口的无人售货机，扫脸便可实现一键付款，也是AI当中人脸识别技术的应用。杭州所有交通道路上的摄像头都可以识别违法行为的，靠的就是监控摄像头自动拍摄，以及之后的车牌图像识别技术。

这两项措施，就不仅仅局限于学校了，扫码付款和识别交通违法行为，在整个杭州乃至全国范围内都处于广泛部署及使用当中。

其次，就是推荐系统的广泛使用了，这对我们的影响同样巨大。

推荐算法的初心是让人看见更大，更感兴趣的世界，试图解决海量信息和人的匹配问题。其更多照顾用户的长期兴趣，以便增加用户的参与度，同时也对推荐内容的多样性，新鲜度有不同程度的要求。因此，相比于随机推送或者是按照热度推送的方式，基于个性化的人工智能推荐算法可能真正做到因材施教，提供具体到个人的推送服务。

淘宝的主页推荐，抖音和bilibili的视频，知乎的回答，网易云的每日推荐，都是推荐系统在我们日常生活当中的应用。

推荐算法的本质其实就算收集用户的信息、将其投喂给算法并得出预测结果，以此提供未来的喜好和隐性需求。人类是人工智能的设计和创造者，其本意是想通过机器学习和深度学习模型来帮助人类做出更好的决策，例如围棋和象棋的最佳落点，汽车驾驶的最佳路径决策等，其一直被用来寻找最优化或者相对优化解决方案的任务。

然而，但随着AI的发展，冷酷无情的模型和功力强大的算法在某些时候成了主宰，本应得以享受的人类却成了算法的奴隶和阶下囚。推荐算法的初心是让人看见更大的世界；而目前推荐算法的表现则是让人踏入更小的信息孤岛。人不再是模型的受益者，反倒被其所压榨，所剥削。

以点击率，阅读率，完整播放率等为目标，把每个人都陷入一座座的孤岛危机，造成极其强烈的社交媒体灾难。互联网不再是看到更大世界的平台，而是成为了一座座的信息孤岛制造机。

与此同理的是外卖算法，社交媒体靠的是点击率，阅读率、完播率，而外卖算法靠的则是不计其数的外卖小哥的配送数据，不断优化配送路径，缩减配送时间，提高配送效率。社交媒体把人逼到了精神的信息孤岛，而外卖算法把人逼到了物理的生存困境。

现如今，社交媒体的筛选算法，很大程度上决定着用户查阅的内容，对人类无穷无尽数据的重复强化反馈，使得AI把人类引向了女拳、南拳、恐怖主义等等的怪圈里，无法自拔，也无法自救。

算法像是一条流水线一样，每时每刻都捆绑、消耗着我们的经历，得到的不是摄取知识的快乐，只有驴子拉磨的劳累、空虚与寂寞。

由此可见，推荐系统是一把双刃剑，有利有弊。

我的看法是：首先，要限制社交媒体平台的数据，包括用户在平台上留下来的点击率、播放率、阅读率等数据，都做到更好更完善的保护；其次，互联网用户要更擅长利用搜索功能，而非肆意依靠推荐流和完成网上冲浪；接着，要主动输出一部分内容，以此来摆脱信息茧房；最后，要多多拥抱现实世界，减少互联网世界对我们个人时长的占用。

接着，便是人工智能的自然语言处理，这也是对人类日常生活影响很大的一方面发展。

2018年，Google发布了论文《Pre-training of Deep Bidirectional Transformers for Language Understanding》，文章中所提出的BERT模型，成功在高达11项的 NLP 任务中取得了state of the art 的结果，赢得自然语言处理学界的一片赞誉之声。

自2001年Bengio等人提出第一个神经语言模型起，NLP这项工作便在人工智能界开始了一项长足跋涉之旅。2013年的词嵌入、2014年的sequence-to-sequence 模型、2015年的注意力机制等等，一直到2018年10月推出的划时代意义的BERT模型，都表明NLP领域一直在不断地高速前进和蓬勃发展。

依然是2018年，在NLP领域大放光彩的Bert模型旁边，还站着另一位陪跑选手，在用自己的努力孤独地坚持着，向着更亮的远方默默前进，它便是OpenAI GPT（Generative Pre-Training）。

最开始，GPT只是个12层单向的Transformer，而后，2019年初的GPT-2，提出了meta-learning，用了15亿参数的大模型，将所有的NLP任务输入输出进行了整合，成为当时生成模型界的霸主。

2020年，新一步的极限挑战又开始了，45TB的训练数据，1750亿个参数，1200万美元的花费，造就了异常强大的GPT-3模型，GPT-3像之前一样使用单向语言模型训练方式，但其将目光聚焦于更通用的NLP模型之上。

通过对大量文本进行预训练，然后对特定任务进行微调，证明了GPT-3在许多NLP任务和基准方面的巨大收获。实验显示，无论是在Zero-shot、One-shot还是Few-shot的情况下，GPT-3都有着很好的表现。

据OpenAI的报道，截至目前目前已有超过300个APP开始使用GPT-3，平均每天产出约45亿个词，更甚者，GPT-3目前已经可以扮演虚拟角色，来与我们进行交互行为。有时候，GPT-3的强大会远超我们的想象。

长江后浪推前浪，一年更比一年强，今年又有了很多新的进展，如浪潮发布的2457亿参数参数源1.0智能大模型，百度新发布的NLP预训练模型ERNIE等。

这些基于人工智能的自然语言处理技术模型，使得许多写文章，翻译，阅读理解以及预测工作量减少，语音助手开始出现并不断智能化，在诸如语音识别等应用场景的工具也越来越多地涌现出来。

最后，说点题外话，就答主的专业而言，想简单谈一下人工智能在网络安全领域对目前工作的改变。

相比于上述提到的各个行业来说，网络安全是一个较为传统的行业。因此，在很长的一段时间内，网络安全和机器学习技术是分开来演化和发展的，两者并无交集。基于规则和黑白名单以及人工分析等的检测方法已经发展了很久，使用的技术从规则、黑白名单、模型、沙箱，最后终于发展到了机器学习这条路上，实现了两者的成功会面。

存储和计算能力的爆发式增长，让我们获得了比以往更全面、实时地获取以及分断数据的潜在能力，但面对产生的海量信息.，如何快速准确地转化为业务需求则需要依赖一些非传统的手段。

就安全领域来说，原先依赖于规则的问题解法过于受限于编写规则的安全专家自身知识领域的广度和深度，以及对问题本质的理解能力。但我们都知道，安全漏洞层出不穷，攻击利用的方式多种多样，仅仅依赖于规则进行问题的发现，在现阶段的威胁形势下慢慢就显得不大够用了。依靠极其有限的网络专家总结的经验以及各大厂商之间的样本交换更是如此。

网络安全的防护对抗发展到今天，各种技术已经日趋专业和精细化，通过古老的string-match的防御方式越来越不能适应新的攻击环境。纵观安全行业近十余年的攻击方式，从最早的单机小工具发展到如今的分布式、大数据、自动化等攻击方式，防御的方式不得不随之不断升级，而结合机器学习是必须做出的决定。

例如，安全监控的建立可能会产生海量的web日志数据，如何通过这些数量巨大的数据来分析发现业务异常和安全问题呢？人工智能显然要比人工更加适合这项任务。

从网络安全的角度来看，借助人工智能这项如日中天的工具来解决日益复杂的安全问题是必然的选择；从人工智能的角度来看，网络安全问题或许是人工智能的下一个突破口也说不准。

其次，历史上，安全社区一直都是以防御的方式来使用机器学习(ML)的，例如对恶意二进制文件进行分类或发现异常网络流量。但是，在攻击方面，其实也有很多人工智能的参与，并且其效果胜过了人类。这方面不展开讲了，可以看看下面这篇回答：

当然了，用机器学习来解决网络安全问题，本身也有很多缺点和不足，详见下面的回答：

最后，人工智能问题下面的两极评论：过于狂热，认为人工智能是万能的，寄希望于AI马上达到正常人类的水平，甚至成为科幻作品中那样全知全能的存在；过于悲观，把AI看作的统计学里面的“拟合函数”换了个符号 ，毫无用处。

但是，我们应该保持理性的视角来看待人工智能，毕竟人工智能还只是一门年轻的学科。

就目前的进展来看，人工智能缺乏一定程度的溯源机制，这对于其跨领域的进行知识表达，以及更高级的“理解”和“全知全能”的实现，实际上是存在问题的，缺乏基本的智能阻碍了其合理性的问题，且人工智能界对溯因推理的关注还很少。

但是，我们的世界已经被算法改变的太多太多，知乎回答的推荐模型、视频网站的冷启动、网易音乐和淘宝的首页/每日推荐、Google和Bing的搜索引擎智能问答......

AI智能的发展，是持续前进的，不要悲观失望，也不要好大喜功。

首先，不要被目前不断编织的人工智能神话所欺骗，渴望从“摘尽的低矮果实”中立马寻觅出高处的人参果——尽管低处仍然也有好果子，尽管目前也有能承载起人们寻求新突破的希望性研究课题。

其次，不要对未来的人工智能发展悲观失望，曾经的理想是一张完整的拼图，接着被外界所打碎，放置在一旁不予理会，之后又重新粘贴了起来，表面上与原来比没什么不同，但内部多了份妥协与自我宽慰。有人因为拼图被打碎而崩溃，放弃，真可惜，他们通过这一道考验后，马上就会进入全新的一个阶段。

我希望我的所有家人、爱人，朋友，倘若遇到上述情况，都能够走过这一“打碎”阶段，而不是沉溺其中痛苦不堪，乃至离去——无论是对待人工智能，还是对待生活。

这些朋友，自然也包括正在阅读本答案的你，谢谢！

1.第三方移动支付。

十年前告诉你以后出门买东西不用带钱包信用卡，你会怎么想？可以用手机给手机交话费你信吗？而如今，依靠第三方移动支付可以轻松完成没有现金的日常生活。

随着中国科技经济的发展，第三方移动支付已经深度融合到生活中，甚至在绝大多数农村，吃饭购物菜市场买菜都可以用移动支付解决。在大多数欧美国家还停留在信用卡阶段，中国已经在短时间内越过信用卡时期，迈入移动支付时代。

提起第三方移动支付，最有代表性的第三方支付公司微信支付宝。事实上在第三方支付这个大领域，美国其实比中国先走一步。第三方支付最早源于美国的独立销售组织制度，指收单机构和交易处理商委托 ISO 做中小商户的发展、服务和管理工作的一种机制。1996 年，全球第一家第三方支付公司在美国诞生，随后逐渐涌现出 Amazon Payments、PayPal 等一批第三方支付公司，其中以 PayPal 最为突出，其发展历程基本代表了北美第三方支付市场的发展缩影。由于欧美经过长时间发展形成的信用卡体系，移动支付很难对其造成冲击，并且和国内相比，欧美的电信覆盖不强，在没有信号的地方，移动支付也会受到一定影响。因此尽管美国的移动支付起步较早，但是发展没有太大起色。

反观国内，无论是网购的淘宝，还是后来收发红包的微信，在推动移动支付上都做了巨大贡献。从亲朋好友之间的红包，到出门购买各种物品，拿个手机，一点一刷，就完成各种消费。总结起来：手机在手，万事无忧。

还有一个不得不提的物联网

物联网是指“物物相连的互联网”在上世纪末由美国麻省理工学院Ashton教授提出，近些年随着网络技术的发展进一步受到关注。物联网实际上是通过二维码识读设备、射频识别等信息传感设备和技术，实时采集任何需要监控链接的物体声光位置等各种信息，并且根据相关的协议，把任何物体与互联网相连，从而实现人与物或者物与物之间的相互沟通和交流。

近十年以来，物联网把新一代信息技术充分运用在各行各业中，具体的说，就是把感应器嵌入到电网、桥梁、隧道、公路、建筑等各类物体中，然后将物联网与互联网整合起来，实现人类社会与物理系统的结合，使之达到“智慧”的状态。

将现实世界数字化和网络化后，物联网常见的应用范围遍及智能交通，环境保护，智能家居，照明管控，食品溯源，工业检测等多个方面。

生活中最常见的例子：智能家居的发展，生活更加高效方便。进门自动开灯，洗澡有热水。对着语音助手说晚安，会帮你关闭所有的灯。晚上起夜的时候走廊会亮起有红外感应的小夜灯。

总结起来：随着物联网和科技的进一步发展，那个无所不在的“物联网“通信时代即将到来。

科技永远是第一生产力，我们的探索从未停下脚步。

---

  glaxyrover 网友的相关建议: 
      

感谢

@sxc

邀请。非常非常感谢。

为了防止邀请我的sxc老师撤销邀请，我不得不截图。

@朱峰女士，你的答案，为了防止你进行修改，我已经截图了。没错，如你问题当中所说，礼貌是不是软弱？

当然不是。

我自问是一个普通人，在知乎得到关注多，也只是因为我勤勤恳恳，一个字一个字写得多，仅此而已。

我去咕咚网之前，当过记者，做过公关，我也不是什么名校毕业，但是我深深知道，原创是品德，是节操。做记者，报道要如实，要客观，要中立，要还原事情的本来面目。

我为什么要在微信群“红包体育”里面和你抬杠，为什么要质问你，想必你已经不记得了，然而我记得清清楚楚。

我不关注你的微信号，那是有非常重要的原因的。朱峰女士，你说你没做过亏心事，那么想必在你看来，未经他人许可引用、转载他人原创的内容，不算是亏心事了。

你不记得的事情，我一点一点帮你回忆起来吧。事情当然没有这么简单。

当你加入“红包体育”的时候，我对群主说了一句话。【我很高兴，我有不删除任何聊天软件当中聊天记录的好习惯。】

这里截图当中的日期是一直就存在的。至今我的iPhone 4S也一直在用呢，不可能改掉。

你为什么和我说抱歉，你忘了？2015年3月3日你所说的，是真的都不记得了？

当时我的反应，算是很克制的了，毕竟当着“红包体育”群里这么多人的面。

为什么我过了这么久，才再次在“红包体育”群里质问你，我想你应该明白。我知道每个人做自媒体不容易，想靠着才华变现，更加不容易，当时你肯道歉，说你会改，那么我也就得过且过了。

问题的关键在于，你改了吗？如果你改了，你就不会不经过

@式微

同意，转载她的答案，而且还将她列为“第二作者”。

你的所谓声明，夹杂在你的正文内容当中，而不是正式开辟一个子栏目道歉，被诸多的信息噪声遮盖着，这就是你的诚意？

上述三张截图，是2015年6月17日早上8:43时截的。我现在还很怕诸多水军说我图片造假呢。下面两张图，是2015年3月3日晚上20:49时截的。那个时候，你的微信ID还没有“太阳表情”。

这个总不能说我作假了吧？

而你在面对我的质疑的时候，说了些什么话，你还记得吗？这就是我为什么要截图的原因。

二次编辑加了些东西，就可以等同于你自己的原创，是吗？

事实证明我当初心一软得过且过，才是真的错误。

你说了“最初开时，格式内容混乱，但转载内容标明了作者”——我还是那句话：用了我的东西，问过我吗？

你说了“微信对于转载格式有了新要求后，我们也跟着学习，把之前来源不明的全部删除。之后再也没有出现不合规的转载“——来源不明？请看看截图，你自己说过的话，怎么就这么快忘了呢？”是从虎扑、知乎、直播吧很多来源的文章“，这还算是来源不明？

你说了“暴力行为冠以道德名义，缺又恰恰选择了一个认真做事的自媒体下手，无论是出于要稿费，还是炒作涨粉，都不会实现的”——暴力冠以道德的名义？我质问你，就是暴力，你不告而拿，拿了我的答案，也拿了知乎上别人的答案，这种偷窃行为，就是道德的？

另外，请弄清楚，到底谁在炒作？我只是把原文作者式微老师带到了“体育红包”群，让她自己和你说清楚，这就是炒作？式微维护自己正当权益没有成功，自己写了篇专栏，以正视听，这叫炒作？

你说了“另外。。。您在背后诽谤我的许多聊天截图我已经给了律师。我们没做亏心事，我们礼貌但不软弱，真的，用法律途径解决，只对我们单方面有利啊。但您若真的要这样苦苦相逼，请也不吝给我一个您的地址，给您去一封律师函”。

我在背后诽谤你？请把截图放出来，让知乎用户都看看，我到底怎么诽谤你了。

你没做亏心事？没做亏心事我会质问你为什么不经过我允许转载了我的内容？

说我苦苦相逼？到底谁逼谁？“咕咚-李旸”是我在“红包体育”群里的ID，那是因为之前说过要标清楚所在的企业、媒体和姓名，所以我这样写。

我再说一次：质问你，是因为你在知乎未经我许可，擅自转载和引用了我的内容；我质问你，是因为你在知乎未经式微老师的许可，擅自转载和引用了式微老师的内容。

知乎上的回答问题，是我业余时间所为，工作忙的时候我只能下班回答问题，晚上写公众号内容，或者把知乎的答案放到我自己的公众号上去。关于足球篮球的内容，和咕咚网没有一点关系，全部是我自己的业余创作。

而你，直接找到了咕咚创始人、CEO申波先生，也就是我的最高领导，去质问我的行为是代表咕咚，还是代表个人。

我在知乎的ID和个人说明写得清清楚楚，没有和咕咚有任何的关联。你没有经过我个人的允许，转载引用我在知乎的内容，被我质疑你转载了别人的内容，居然好意思说是“法律层面的诽谤”？居然还去和我供职的企业对质？

到底是谁苦苦相逼？

所谓认真做事的自媒体，是把知乎用户的文字答案，变成自己的声音和话语，放到视频当中去，是吗？

所谓认真做事的自媒体，是未经他人许可，擅自转载、引用他人在知乎的原创答案，是吗？

最后我很想问一句：你既然深知自媒体人的成长有多么不易，为什么你还要去做“未经许可，擅自转载和引用其他自媒体人的内容”这样的事情？

最后，是我放出的所有截图的具体信息。

我在这里声明：我是知乎用户李暘，在知乎的每一个答案，在知乎的每一篇专栏文章，不敢保证完美无缺，逻辑严密，没有错别字，但全部是我自己的原创内容，任何人未经我许可，转载、引用、抄袭我的答案，即为侵权行为。

---

  wenmiau 网友的相关建议: 
      

聪明人靠统计数字和洞察来得出结论。

平庸的人仅依靠统计数字来获取信息。

笨蛋成天看个案小作文来悲鸣或自嗨。

---