统计模型

DoNews5月11日消息（记者向密）在消费升级的大背景下，餐饮消费与服务在线化趋势明显。近日，美团大众点评数据研究院发布的《2016中国吃货幸福指数大数据报告》显示，三四线吃货更爱团购，一二线城市更爱预订外卖。

例如，根据来源于开通团购外卖等在线业务商户比例的便捷指数来看，餐饮在线消费中，团购覆盖率为58%，即超过一半的中国餐厅提供团购服务。相对主打优惠的团购而言，根据便捷指数来看，餐饮在线服务中，外卖和在线预订的覆盖率分别为18.9%和12.2%，显示出外卖和在线预订市场依然处于增长期；同时，外卖和在线预订业务主要集中在北京、上海、南京、杭州等一二线城市。

报告分析认为，一方面，源于兴起最早的团购模式满足了大量人群寻求优惠的心理诉求。从城市分布来看，大量的三四线城市团购覆盖率甚至超过了一二线大城市，例如襄阳、邯郸、宿迁等都是团购高覆盖城市。另一方面，一二线城市生活节奏快，城市出行成本高，外卖作为到店消费的替代方式，有效地提升了吃货们的工作效率，且增加了选择面；在线预订则是由于一二线城市中高端餐厅数量较多，预订业务满足了商务宴请、重大活动的提前组织诉求。

同时，《2016中国吃货幸福指数大数据报告》还发布了“吃货幸福城市排行榜”。排名前十位的城市分别是：南京、北京、深圳、广州、厦门、绍兴、杭州、上海、苏州、沈阳。

报告指出，在消费升级的趋势下，中国城市餐饮格局正在改变：以南京为首的准一线城市餐饮综合实力强，作为吃货幸福城市正在崛起；以重庆为代表的部分传统美食城市餐饮品类守旧，收入与消费价格不平衡，失守吃货幸福城市城池；京沪广深菜系丰富，一线城市依然是吃货幸福城市的代表中坚。同时，以预订、外卖、团购为代表的餐饮O2O化提高了城市吃货的幸福感，让餐饮消费更平等。

《2016中国吃货幸福指数大数据报告》由美团大众点评数据研究院选取2015年经济总量排名靠前的100个城市作为研究对象，根据口碑指数、需求指数、等待指数、饕餮指数、便捷指数、覆盖指数、亲民指数七大细分指标进行加权获得。

吃货幸福指数模型

这些数据的背后，是美团大众点评13年来积累的海量数据而建立的大数据模型，以及数亿用户产生的动态数据。美团大众点评数据研究院在此基础上进行挖掘与梳理，并最终产出有价值的大数据信息。

准一线城市崛起南京吃货最幸福

根据美团大众点评数据研究院统计综合吃货幸福指数来看，准一线城市在餐饮上的发展水平和一线城市旗鼓相当，南京超过所有城市位列吃货幸福指数第一位，而其他城市如厦门、绍兴、杭州甚至超越了上海。

准一线城市吃货的幸福感主要来源于购买力。根据美团大众点评数据研究院统计吃货亲民指数（可支配收入／餐饮消费）来看，准一线城市在收入与餐饮消费比上更加具有优势。按照2015年城镇居民可支配收入来看，苏州、南京和无锡的吃货可外出就餐的次数分别为1081次、1065次和1028次，相比之下，上海的吃货外出就餐的次数仅为927次。这意味着，苏州的吃货一年中可外出就餐次数比上海吃货多达150次，每个月超过12次。

并且，准一线城市吃货更爱美食。根据美团大众点评数据研究院统计吃货需求指数来看，在所有城市到店消费中，美食成为第一大需求。例如，以温州、厦门、成都为代表的准一线城市的需求明显高于三四线城市，也高于北上广深一线城市。

以《2016中国吃货幸福指数大数据报告》的冠军城市南京为例，可以看出南京在收入与消费的平衡、菜系的丰富度、美食评价、美食需求等方面都具有较大优势。

例如，在南京，衡量餐厅评价的口碑指数为94，餐厅质量整体较高；衡量美食需求的需求指数为96，城市居民的美食需求比其他城市更加旺盛；衡量开通团购、外卖等在线业务商户比例的便捷指数为97，显示出餐饮业在线化程度高，与北京、上海等互联网发达的一线城市相仿；吃货成本低，按照2015年城镇居民可支配收入计算可外出就餐超过1000次，仅次于同省的苏州。

传统美食城市陷落重庆吃货负担重

根据美团大众点评数据研究院统计综合吃货幸福指数来看，重庆、成都、西安等传统美食城市排名分别为66名、28名和35名，均未进入吃货幸福城市十强，着实令人意外。

尤其以人们心目中的美食之都重庆来看，在吃货幸福城市百强排名中甚至居于中后位置，原因何在？从报告的七大细分指标来看，重庆的排名主要受亲民指数和覆盖指数拖累。从亲民指数（可支配收入／餐饮消费）来看，按照2015年城镇居民可支配收入计算，重庆吃货可外出就餐约550次，约为南京的1/2；从来源于人均餐厅拥有量的覆盖指数来看，虽然重庆餐饮业发达，但由于重庆人口数量位列全国城市之首——常住人口超过3000万——导致每万人餐厅拥有量低于全国平均。

此外，重庆的口碑指数为81，也远低于南京的口碑指数94。报告分析认为，重庆以川菜为核心，菜系分类中火锅占20%，川菜占20%，另外加上特色小吃，留给其他菜系的空间有限，菜系的单一化发展限制了更多元化的吃货需求；同时，川菜本身就是用户评价的洼地，重视口感的本地菜系在整体服务品质上的投入不足，导致整体餐饮口碑略低。其他传统菜系及海外菜系的商户比例较低，川湘菜更注重口感，且本地商户中服务品质投入不足，导致用户评价较低。

事实上，不仅是重庆、西安这些传统美食城市，以昆明为代表的二线省会城市也是如此：一方面，作为省内资源聚集地，人口流入主要来自本省，所以菜系更具本省特色；另一方面，本省菜系又没有像川湘菜那样普及，忽略了菜系发展的外延性和包容性。

报告认为，这些城市由于菜系单一吃货选择少，经济水平较弱影响餐饮消费能力，人口基数庞大导致餐饮供需不平衡，都拖累了地方吃货的幸福感。

京沪广深菜系丰富吃货时间成本高

根据《2016中国吃货幸福指数大数据报告》来看，一线城市美食资源非常密集，吃货们的选择面很广。例如，以根据菜系数量和商户分布统计得出的饕餮指数为例，北京为100，深圳为99，上海为97，粤菜大本营广州为93，相对最低。一线城市的饕餮指数均超过了传统美食城市，例如重庆的饕餮指数为84，西安为73，长沙为74，显示出一线城市菜系多样性非常丰富。

报告认为，除了菜系多样性这一共同优势外，京沪广深在餐饮上各有优势，上海和北京的餐饮互联网化更普及，广州的餐饮消费更亲民，深圳的餐饮消费相对不拥挤。

同时，报告指出，一线城市的劣势在于人口众多且好餐厅排队严重，因此吃货的等待时间成本偏高。例如从综合预订、排队用户的等待时间得出的等待指数来看，上海为73、广州为81、北京为83、深圳为84。以等待成本最高的上海为例，这意味着，超过55%的上海吃货为吃上一顿美味排队时间超过半小时。

消费与服务在线化餐饮O2O让吃货更幸福

在消费升级的大背景下，餐饮消费与服务在线化趋势明显。报告指出，三四线吃货更爱团购，一二线城市更爱预订外卖。

根据便捷指数（来源于开通团购外卖等在线业务商户比例）来看，餐饮在线消费中，团购覆盖率为58%，即超过一半的中国餐厅提供团购服务。这源于兴起最早的团购模式满足了大量人群寻求优惠的心理诉求。从城市分布来看，大量的三四线城市团购覆盖率甚至超过了一二线大城市，例如襄阳、邯郸、宿迁等都是团购高覆盖城市。

相对主打优惠的团购而言，根据便捷指数来看，餐饮在线服务中，外卖和在线预订的覆盖率分别为18.9%和12.2%，显示出外卖和在线预订市场依然处于增长期；同时，外卖和在线预订业务主要集中在北京、上海、南京、杭州等一二线城市。报告分析认为，一二线城市生活节奏快，城市出行成本高，外卖作为到店消费的替代方式，有效地提升了吃货们的工作效率，且增加了选择面；在线预订则是由于一二线城市中高端餐厅数量较多，预订业务满足了商务宴请、重大活动的提前组织诉求。

　文/薛洪言

　　第三方支付的快速渗透、传统金融机构布局扫码支付、便捷支付相关的金融科技技术持续进步，在各种因素的推动下，无现金社会正加速向我们走来。

　　资金流通是市场经济运转的润滑剂，主流支付手段的非现金化，其影响绝不仅仅是支付体验的优化，还会带来货币统计口径的变动，也必然会加速各类金融业务和模式的重构。某种程度上，对于无现金社会，不得不慎重待之。

　　在本文中，笔者尝试从几个方面设想一下无现金社会可能带来的新问题，权作抛砖引玉之言。当然，只是猜想而已。

　　货币口径失真及货币政策失灵风险

　　谈到货币供应，一般有三个概念，分别为M0、M1和M2。一般认为，M0是狭义的货币供应；M1是现实的货币供应，可直接用于支付；M2是潜在的货币供应，因为其中的定期存款和储蓄存款不是即时的购买力。

　　在无现金社会中，M0的占比会越来越低，该指标也就越来越不重要。那谁的占比会增加呢？M1还是M2？

　　关键是替代性的支付工具是谁？如果银行卡成为主流的电子支付手段，对应的应该是M1；如果第三方支付账户中的货币基金，如余额宝、零钱宝等成为主流的支付工具，则对应的是M2中的非存款类金融机构存款；如果信用卡和蚂蚁花呗、苏宁任性付等消费金融产品成为主流的支付工具，则并不在央行的货币统计口径之中。

　　基于目前的趋势来看，包括信用卡在内的消费金融产品成为主流支付工具的概率更大，而此类工具并未被统计到央行货币口径之中，会使货币统计口径与社会中的真实购买力脱节，统计口径小于真实购买力。

　　举个例子，央行统计的即时购买力M1约为50万亿元人民币，而考虑到大量的消费金融产品（尤其是其分期功能）的存在，社会真实的购买力可能在60万亿元左右，这种真实货币供应的增大可能会带来潜在的通胀风险。

　　除此之外，实际购买力结构的变化还会对现有的货币政策传导机制带来影响。央行的货币政策，大致分为调整利率的价格政策和调整货币供应量的数量政策。

　　央行调整货币供应量，一般通过调整基础货币和货币乘数两个手段进行，其主要媒介是存款性金融机构，影响的主要是银行存款。而在无现金社会中，真实的购买力隐藏在消费金融产品而非银行存款中，便会导致央行的数量型工具在特定情境下失去效果。

　　支付工具进化与金融业态重构的潜在影响

　　回顾支付工具的演变历程，从快捷支付、到扫码支付、再到Amazon Go推出的“买完即走”的自动支付模式创新，货币的电子化程度一直在层层深入。货币作为一切经济活动的媒介，货币形式的改变必将对经济运行产生深刻影响，并反过来改变金融业务的应用场景和业务模式，某种程度上甚至完成对行业的重构。

　　不妨以物联网技术普及对支付行业数字化进程的促进为例来开这个脑洞。智能手机的普及使得手机成为第三方支付的主要载体，推动了第三方支付行业开启了第一波繁荣发展阶段。

　　而随着物联网技术的逐步成熟和普及，支付领域有望进入“万物皆载体”的新阶段，智能手环、手表、汽车、空气净化器、冰箱、空调、电视等都可以成为支付的“账户载体”和“受理终端”，作为货币电子化的重要表现形式，支付清算在更广泛范围内实现数字化和虚拟化，引领行业发展再上新台阶。

　　对支付行业而言，“万物皆载体”要求重构业务流程，针对特定交易场景实现无验证式支付，进而实现自动化订购的目的，同时还要在便捷和安全上面寻找均衡点。此外，正如智能手机作为支付载体，为手机制造企业布局第三方支付带来机遇一样，“万物皆载体”时代的来临将为更多的跨界巨头进入支付行业提供机遇窗口，届时，目前稳固的市场竞争格局有望再次重塑。

　　对整个互联网金融行业而言，“万物皆载体”意味着“万物皆是数据源”，数据源极速扩容后，基于大数据的机器学习模型将大大推动信用评价的透明化和营销方式的智能化。

　　届时，信用融资变得更为容易，风控能力或不再是贷款类企业的核心竞争力，基于场景和体验基础上的客户黏性成为致胜的关键。而营销手段的智能化，则有望改变目前粗放式的无差异投放的营销手段，在大幅降低营销成本的同时提升营销精准度。

　　对于监管机构而言，金融业态的重构以及金融业务与场景的高度融合，需要重新评估现有机构监管模式的有效性。举例来讲，在万物载体的模式下，支付行为的参与者不再局限于银行和非银行支付机构，智能硬件制造者等更多的跨界巨头也将成为重要一环。

　　届时，该如何界定被监管主体？如何界定被监管金融业务？如何确保在保证监管效率的前提下减少监管空白和监管套利的现象？都是新形势下监管机构需要应对的新问题。

　　金融强监管时代，效率与安全的再平衡

　　2017年7月中旬结束的全国金融工作会议，对金融监管提出了一些新的要求，金融业正迎来金融监管新时代。

　　在机构层面，设立国务院金融稳定发展委员会，是适应金融业务混业经营大趋势的监管应对措施。同时，对于强化金融监管，金融工作会议有三个比较新的提法：

　　一是强调“所有金融业务都要纳入监管”，即所谓的无死角监管。

　　二是强调“更加重视行为监管”，注重从被监管主体的金融行为属性来对应监管机构，大大降低监管套利的空间。

　　三是强调“有风险没有及时发现就是失职、发现风险没有及时提示和处置就是渎职”，即监管问责。

　　在强监管及监管问责的新形势下，面对无现金社会等新技术、新业态的降临，如何把握好安全与效率的平衡，无疑也会成为监管机构需要面临的一个挑战。

　　对于新技术与旧业态的冲突与合作，站在从业者的角度看，主要是一个资源与利益的重新分配问题，大家争的，无非是在未来的行业格局中，谁的份额大一些，谁的利益多一些。

　　而站在监管和政策层面去看，更多的则是一个效率与安全的问题，新技术通常会提升行业效率，政策是欢迎的，但也会再带来很多不确定性，如对现有模式的冲击可能会产生安全的问题，需要综合考量，既要预防系统性风险的发生，又不能因为监管因素削弱本国金融科技企业的国际竞争力。

　　问题在于，安全与效率，几乎是一对永远的矛盾统一体，既相辅相成，又对立统一，最难的就是平衡度的把握。

　　若过于强调安全和风险防控，则可能会延缓无现金社会的到来速度，甚至对支付机构和银行的业务创新乃至生存发展都带来较大影响；若从效率的角度出发，创新和便捷性是没有问题，但又难免会带来一些安全上的隐患。

　　谈四点建议，权作抛砖引玉之言

　　这种情境下，笔者从个人角度谈四点建议，权作抛砖引玉之言。

　　一是大力发展监管科技。

　　综合利用大数据、人工智能等技术大幅提升监管效率，提高监管能力和覆盖范围。就现阶段来看，在对部分互金机构的监管中，已经出现了基于系统对接和公开数据挖掘的风险预警体系，这属于监管科技的初步应用。

　　随着更多数据信息的接入和人工智能、区块链等技术的应用，监管科技还应有更多的表现形式，比如推动金融业务对区块链技术的应用速度，充分利用区块链的不可篡改特性，降低违规行为发生概率。

　　二是借鉴监管沙盒思路，实现安全与效率的动态平衡。

　　通过沙盒测试，一方面可以在监管机构的控制下实现小范围内的真实环境测试，在沙盒测试中，受测试者不因测试本身而丧失任何合法的权益；另一方面，沙盒测试可以为监管机构提供清晰的视角来看待监管规定与金融创新的辩证关系，及时发现因限制创新而有损消费者长远利益的监管规定，并第一时间调整，真正让适度监管、包容监管等创新监管精神落地。

　　三是实施分类监管策略。

　　细分不同业态、不同机构甚至不同业务的潜在风险概率，针对性实施不同的监管策略。这里，可以借鉴第三方支付行业的监管经验，为兼顾账户实名制要求和便捷支付的效率要求，监管机构对个人银行账户和支付账户实施了分类管理，账户开立时要求越严格，账户功能便越齐全，反之则反之。

　　同时，在支付环节，按照“大额支付侧重安全、小额支付侧重便捷”的管理思路，在要求大额支付必须采用多重认证方式确保安全的同时，也允许在“云闪付”、“扫码付”等小额便捷支付中采用免密方式。

　　四是正视货币口径和货币政策传导机制的潜在变化，对货币政策有效性进行实时评估，并作动态调整。 

相关新闻

2016-07-19

2016-08-15

2017-04-11

2017-07-10

2017-08-22

AlphaGo在代表最高水平的智力游戏围棋与人类顶尖选手对决，但凡虚心一点的科学家都明白，这不过是个100万美金的超值广告。

而从媒体到普通民众，都担心某一天AI具备自我意识后，在高速进化中全面超越人类。

这根本是孤陋寡闻的恐慌。

哲学上有一个悬而未决的问题，意识和智能产生自大脑，但是意识和智能能够理解大脑本身吗?

索罗斯在他著名的通俗著作《金融炼金术》开篇提到了一个问题，所有能被人类主观意识影响的东西，都不具备“客观性”(这句话请读三遍想三遍)，因为“反身性”原理，所有有人类参与和影响的活动，从金融投机所属的经济学到预测社会发展的历史和人文类科学，都不具备真正的规律。某种程度上它们本质上都是伪科学。

这句论断让笔者印象尤其深刻。从量子力学主宰的微观世界被验证了无数次的“不确定性原理”，到索罗斯的“反身性”原理，背后揭示了一个深刻的规则：人不能跳出“人的视角”去验证人。

“不畏浮云遮望眼，只缘身在此山中”

人工智能大家都在追风谈deeplearning，也就是程序员设计算法，训练计算机群从海量数据中习得 “特征”，也是这次AlphaGo不同以往围棋软件的地方，它能够与顶尖高手的大量切磋练习中“自动学习”提高技术。但是AlphaGo习得的那点“人工智能”与人类所真正代表的强人工智能相比，还有两个巨大的门槛。

第一个问题，归根结底，人是不是一部自动反应的机器?

《生活大爆炸》里有一个男主角叫SheldonCooper，他很萌，但却是对情境感知能力较差，并伴随着严重强迫症。

社交困难、沟通困难、固执或狭窄兴趣。类似SheldonCooper的人，在幼年时，会经常遇到这样的尴尬：

–孩子没有交作业，老师很生气，便讽刺地说道：

–老师：“狗把你的作业吃掉了吗?”

–孩子：“老师的狗会吃掉纸?”

孩童是因为不能理解老师的提问而保持沉默，并会认为老师有养狗、而且狗会吃纸。但老师想要表达的其实是“你忘记交作业了”，而孩童本身没有办法了解这类的隐喻。

世界上真实存在着这样一群人。现代精神病学指出，这是一种温和的自闭症叫阿斯伯格综合症(Aspergersyndrome)，不同于一般自闭症， Aspergersyndrome保有社交的意愿却缺乏相关的能力，他们看起来像“机器人”，但大多心智正常。

Aspergersyndrome 从某种程度上反映了人类心智并不神圣，是有迹可循的。而认知心理学的发展，却越来越向人们揭示一个可能的结论，无论是自闭症患者、阿斯伯格综合症患者、还是普通人，实际上都是基本自动的机器。

神经科学家安东尼奥·R。达马西奥所著述《SelfComestoMind》(自我在大脑当中是怎么生成的)中认为，通常人们混淆了 emotion(直觉情绪)和feeling(感受)。“我觉得怎么样，我觉得受委屈了，我觉得被尊重了”，这种“我的feeling”是杜撰的、虚假的。

一个比较典型的例子，这也是原来心理学经常引用的故事，在加拿大做的实验。在一个石桥上和一个铁桥上招募一帮人去谈恋爱，随机抽取一对一对去谈。石桥因为很坚固，有风也不会晃。铁桥是铁索桥，是吊桥，有风就会晃。因为一晃就会紧张，紧张恐惧是一个 emotion，恐惧来的时候又带来什么呢，内部是肾上腺素分泌;外部的表现，比如瞳孔放大，面部会发红，鼻孔会扩张，有各种各样的表现。

但是很有意思是，紧张的外在表现和爱情出现的外在表现是一致的。理论上讲，环境不应该对你是不是对对方有好感能够产生影响，不管你是在石桥上跟人谈恋爱，还是在晃动的铁桥跟人谈恋爱，理论上讲，你爱上对方的几率是差不多的。但一个很有意思的现象是，在晃动的铁桥上爱上对方的几率大大超过在一个稳定的石桥上，因为刚才讲的 feeling部分，就是这个自我部分，它不知道emotion 出了什么事儿，它只是去读取。它读取的数据是，原来所有的征兆，所有的征兆符合谈恋爱的特征，我就一定爱上对方了，我既然爱上对方了，我就一定要真的去爱她，因为如果我觉得我是，而又没有真的去爱的时候，又会出现另一个，叫做认知失调。这样的话，他就以为自己是这样的，就那样去做了。这是真实研究的成果。

之前人们认为emotion就是 feeling，达马西奥研究发现不是，emotion不能改变，见到什么样的情况你就会产生怎样的反应，是下意识的，是不能控制的。而feeling是“我” 在作怪，受这个所谓的“我”来控制的，它首先读取emotion的数据，经过处理之后告诉“我”，我感受到了什么。

“处理”的过程十分关键，它能否被模拟，与实现真正的人工智能息息相关，这是人工智能已有部分答案(比如deeplearning )的第一个重大问题。而所谓的“我”，自我意识甚至自由意志都是幻觉，是假的，不存在。我们实际上是个基本自动的机器，99.9% 自动处理的机器，只不过这个机器有一个特别特殊的软件，就监控这个机器本身的“我”。

身体是遍布传感器(耳鼻口舌目身体，听觉嗅觉味觉触觉视觉)的硬件，又运行着一个产生“自我”的软件，从某种程度上来说，我们确实只是机器人。

但“自我意识”是如何产生的，目前还没有彻底搞清楚，也是人工智能最重要的、且尚无头绪的问题。

第二个问题，100%的正确诞生不了真正的智能

所见与真实有很大的狭隘和偏差。

普通人的视力系统就是一种用于获取和分析可见光的信息接收系统，倘若缺少一类，或是性能不足，就会发生：盲人无法感知光线、色盲缺乏分辨色彩的能力、健全人的眼睛看不见紫外线、红外线，分辨不出偏振光……但真正的，健全人看待世界的方式其实与盲人摸象别无二致。

一个已知的事实是地球面向太阳的区域每平方厘米每秒会穿过大约650亿个来自太阳的中微子，然而由于缺乏感知能力，不仅人类自身无法察觉。比如我们所谓的 “错觉”，错觉是在已获取信息的基础上，进行额外加工所获得的认知，有一个非常著名的例子就是卡尼萨三角形错觉;错误则是计划之外发生的随机突变。一些特殊的神经性疾病将使得我们感知到与常人完全不同的世界，例如拥有断续影像视觉(Cinematographic vision，一种罕见的精神异常现象)体验的人，大概会认同芝诺关于飞矢不动的论断所言非虚。

我们所谓的存在皆由我们的观察而得，而我们的观察方式存在先天性的漏洞。但奇妙的是，从感知、观察、形成概念、到逻辑推理均存在缺陷的人类，实现了真正的智能。

图灵开创了现代意义上的计算机科学，几乎同时代，美妙而强大的人工智能其实早在50、60 年代就开始研究了，但一直没有大的进展。之前的研究重点是精确的数理统计与创新算法，直到人们把眼光从线性系统放到非线性系统，从逻辑编排到混沌系统，从机器到人。才取得了一些有限的进展。比如模仿大脑神经元多层链路循环递进处理信息的方式，诞生了时下火热的深度学习。

计算机的发展，核心是逻辑门的堆叠带来的超高效率和超高准确性。100% 正确却诞生不了智能。非线性系统、混沌理论指导下，即使目前流行的分布式计算、并行计算，还没有真正有 “容错”的能力。模拟错误的信息输入，输出错误的模型，能在下一次模型实践中发现模型本身的错误或局限，在没有程序员没有旁人主动干扰指出中习得 “错误”，并从中学习进化。这需要部分抛弃冰冷的逻辑和理性，一场真正的哲学革命。

生命体是各种不同细胞的堆叠，涌现了意识、智能、情感、道德、乃至今天人类的一切，以至于反作用于现实世界本身。计算机实现强人工智能的一天，必然也具备意识、情感、道德等表面上与 “智能”无关的东西，那时候恐怕就不是一种机器和工具，变成活生生的生命体，而我们成为了造物主，成为了上帝。

宇宙的图像和大脑神经元的图像何其相似，真正人工智能的问世，笔者深信，那就是另一种创世。

作者：青山