為了移動互聯網在“移動改變生活”階段之後向*高層面發展，呂廷傑教授、李易先生、周軍先生、芮斌先生和曾會明先生主持編著了《移動的力量》一書，該書作為《移動生產力》叢書的**部，著力圍繞移動生產力的四大要素和三大技術驅動做了全面而深刻的研究和論述，對未來勞動者、管理者和企業面臨的機遇和挑戰以及中國“彎道超車”的重大歷史機遇等問題做了全景式解析，對**範圍內各行各業的移動互聯網應用實踐做了深入淺出地梳理和展示。
本書以**化的視野勾勒出了移動生產力這一革命性生產力形態的發展體繫架構，內容全面、資料豐富、條理清晰、分析客觀，為讀者提供了兼具理論和實踐價值的知識與見解，我個人認為值得一讀。

自喬布斯重新定義移動互聯網之後，“移動改變 生活”就在人類社會漸漸從理想照進現實。但是，“ 移動改變生活”就代表移動互聯網的最高境界了嗎？ 本書幾位作者以突破性的視角給出了否定的答案！他 們堅定不移地預測：當前的移動互聯網隻不過是“小 荷纔露尖尖角”，未來十年，作為一種革命性的力量 ，移動互聯網將成為人類有史以來最強大的生產力， 同時，作為一種顛覆性的力量，移動互聯網還將重新 定義人類生產力。 呂廷傑、李易、周軍編著的《移動的力量》圍繞 移動生產力的四大要素、三大背景、三大特征、三大 先進性和三大技術驅動，未來勞動者、管理者和政企 面臨的機遇和挑戰，以及中國“彎道超車”的重大歷 史機遇等關鍵問題深入淺出、娓娓道來，讀者將在一 行行充滿“科技+人文”情懷的文字中看到一幅幅“ 現實+想像”的生動畫面，特別適合政府官員、傳統 行業管理層、決策層閱讀及學習。

第一章 再平衡-從消費到生產
1.1 生產層級的變革正在發生
1.1.1 引子：Yammer的野心
1.1.2 概念一：GE在美國推動"工業互聯網"
1.1.3 概念二：德國政府提出"工業4.0"
1.1.4 概念三：田溯寧在中國倡導的"產業互聯網"
1.1.5 層出不窮的新概念背後是移動互聯網向生產層級的滲透
1.2 如何看待這個變化--由消費到生產的再平衡
1.2.1 歷**的幾次技術變革浪潮--從生產到消費的平衡
1.2.2 移動互聯網--始於消費，但終將回歸生產
1.3 再平衡背後的邏輯--勞動生產率的提升需要
1.3.1 創新是勞動生產率進步的關鍵
1.3.2 前兩次工業革命
1.3.3 信息和桌面互聯網革命
1.4 再平衡的意義和影響
1.4.1 移動互聯網在消費層級的興起已部分重構了社會
1.4.2 移動互聯網向生產層級的再平衡將**重構社會
第二章 革命性的生產力-移動生產力
2.1 移動生產力的定義
2.1.1 三大背景
2.1.2 三大特征
2.1.3 三大**性
2.2 移動生產力四要素
2.2.1 任何狀態中的人
2.2.2 形形色色的智能機器
2.2.3 基於大數據的管理
2.2.4 無處不在的網絡
第三章 移動生產力的三大技術驅動
3.1 終端技術
3.1.1 處理器
3.1.2 傳感器
3.1.3 無線充電
3.1.4 新材料
3.1.5 新能源
3.1.6 增材制造
3.2 軟件技術
3.2.1 雲計算和霧計算
3.2.2 大數據
3.2.3 生物特征識別
3.2.4 增強現實
3.2.5 人機交互
3.2.6 人工智能
3.2.7 量子計算
3.3 網絡技術
3.3.1 第四代和第五代通信技術
3.3.2 工業無線技術
3.3.3 近場通信
3.3.4 低功耗藍牙
3.3.5 ZigBee
3.3.6 量子通信
第四章 勞動者面臨的機遇和挑戰
4.1 體力勞動和腦力勞動已漸行漸遠
4.1.1 移動互聯網正在解放勞動者
4.1.2 勞動者變得***的強大
4.1.3 大數據分析將成為勞動者的基本技能
4.2 集中化大生產模式正在被打破
4.2.1 自由決定勞動時間和場所
4.2.2 自由決定生產工具
4.2.3 工作和生活的邊界被打破
第五章 企業組織管理正在遭遇重大變革
5.1 現行的考核機制將不再適用
5.2 企業的資產負債表必將重建
5.3 企業的信息和數據安全面臨新的挑戰
5.4 企業的組織結構面臨重建
第六章 越來越智能化的機器
6.1 終端及軟件技術的進步使得單設備智能化成為現實
6.2 聯網後的智能化設備實現了協同工作
6.3 大數據推動了真正意義上的機器智能化
第七章 大數據決定了政府和企業的智商
7.1 大數據概述
7.1.1 大數據的興起
7.1.2 大數據的概念及特征
7.2 大數據，大時代
7.2.1 物聯網帶來了數據的爆發
7.2.2 雲計算實現了大數據的技術基礎
7.2.3 新的數據處理技術使大數據實時分析成為現實
7.3 大數據的價值
7.3.1 大數據助力行政管理
7.3.2 大數據提高生產效率
7.3.3 大數據變革傳統經營方式
第八章 中國正在**
8.1 移動互聯網助力中國經濟結構轉型
8.1.1 經濟結構不適應勞動力人口結構變化
8.1.2 投資刺激經濟的邊際效應正在遞減
8.1.3 下一波經濟增長將由技術進步帶動
8.2 移動互聯網時代--中國有**的底氣
8.2.1 與世界同步的基礎網絡
8.2.2 高度普及的智能終端
8.2.3 ****的互聯網應用
8.3 可持續增長的巨大空間
8.3.1 國民經濟發展為移動互聯網提供應用空間
8.3.2 產業結構轉型升級促進移動互聯網 與傳統產業結合
8.3.3 深化改革釋放*大的應用空間
8.4 中國必將**
結語
致謝
名詞解釋

3.2.7人工智能 機器性能的提升，一方面依靠機器處理邏輯計算 能力的提高，即 硬件的升級；另一方面依靠機器分析問題能力的提高 ，即軟件的優化。
目前大部分工業機器人已可以實現代替大部分手工勞 動的功能，甚至 在很多方面超過了人類，但在像人類一樣思考問題方 面還是目前計算 機的欠缺。以機器學習等方法為代表的人工智能技術 可以在未來提升 機器處理問題的能力，提高機器生產的效率。
人工智能概念*早由約翰·麥卡錫在1956年的達 特矛斯會議上 提出。從那以後，研究者們發展了眾多理論和原理， 人工智能的概念 也隨之擴展。當計算機出現後，人類開始真正有了一 個可以模擬人類 思維的工具。1997年5月，IBM公司的“深藍”計算機 擊敗了人類的 **像棋世界**，這是人工智能技術的一個**表 現。
人工智能在計算機上實現有兩種不同的方式。一 一種是采用傳統的 編程技術，使繫統呈現智能的效果，而不考慮所用方 法是否與人或動 物機體所用的方法相同。這種方法叫做工程學方法， 它已在一些領域 內作出了成果，如文字識別、計算機下棋等。另一種 是模擬法，它的 實現方法和人類或生物機體所用的方法相同或相類似 。遺傳算法和人 工神經網絡均屬後一類型。遺傳算法模擬人類或生物 的遺傳．進化機 制，人工神經網絡則是模擬人類或動物大腦中神經細 胞的活動方式。
機器學習是人工智能的一個分支，通過算法使得 機器能從大量歷 史數據中學習規律，從而對新的樣本做智能識別或對 未來做預測。從 20世紀80年代末期以來，機器學習的發展大致經歷了 兩次浪潮：淺 層學習和深度學習。
20世紀80年代末期，用於人工神經網絡的反向傳 播算法的發明， 給機器學習帶來了希望，掀起了基於統計模型的機器 學習熱潮，這個 熱潮一直持續到**。人們發現，利用反向傳播算法 可以讓一個人工 神經網絡模型從大量訓練樣本中學習出統計規律，從 而對未知事件做 預測。這種基於統計的機器學習方法比起過去基於人 工規則的繫統， 在很多方面顯示出優越性。這時的人工神經網絡就是 一種隻含有一層 隱層節點的淺層模型。
20世紀90年代，各種各樣的淺層機器學習模型相 繼被提出，比 如支撐向量機、Boosting、*大熵方法等。2000年以 來互聯網的高速 發展，對大數據的智能化分析和預測提出了巨大需求 ，淺層學習模型 在互聯網應用上獲得了巨大成功。*成功的應用包括 搜索廣告繫統 (比如Google的AdWords)的廣告點擊率cTR預估、網 頁搜索排序 (例如雅虎和微軟的搜索引擎)、垃圾郵件過濾繫統、 基於內容的** 繫統等。
2006年，加拿大多倫多大學教授、機器學習領域 泰鬥一～Geoffrey Hinton和他的學生Ruslan Salakhutdino'~r在學術 刊物《科學》上發表了 一篇文章，開啟了深度學習在學術界和工業界的浪潮 。這篇文章有兩 個主要的信息：①很多隱層的人工神經網絡具有優異 的特征學習能力， 學習得到的特征對數據有*本質的刻畫，從而有利於 可視化或分類； ⑦深度神經網絡在訓練上的難度，可以通過“逐層初 始化”來有效克 服，在這篇文章中，逐層初始化是通過無監督學習實 現的。
自2006年以來，深度學習在學術界持續升溫。斯 坦福大學、紐約 大學、加拿大蒙特利爾大學等成為研究深度學習的重 鎮。2010年，美 國國防部DARPA**資助深度學習項目，參與方有斯 坦福大學、紐…… P108-109