人工智慧時代，最後留下來的只能是精英

02-11

來源：科技雜談

鏈接：人工智慧時代，最後留下來的只能是精英_格上理財_傳送門

前段時間，亞馬遜即將開業的線下生鮮實體店Amazon Go，在朋友圈裡刷了屏。
這個商店整合了亞馬遜最新的智能技術，可以自動感知顧客有沒有從貨架上拿走商品，或者是把商品放回貨架，用戶不需要排除結賬，拿著商品就可以直接回家，亞馬遜會從你的賬戶里自動扣款，並生成賬單。

很神奇。但亞馬遜真的已經實現了。
事實上，很多以前我們想像得到，甚至想像不到的"黑科技"，都正在走入現實。
比如猿題庫，只需要拿出手機拍照，就可以自動識別手寫的英語作文，將其轉化為單詞，顯示作文評分，並對語法、單詞等錯誤和亮點進行批註，有的地方甚至比老師批改更詳細。
比如訊飛，不但可以智能識別語音、將文字合成為語音，甚至可以模擬真人的語音，讓聽者難辯真假。
比如百度，"百度號"的寫作機器人已經可以實現體育新聞、熱點新聞等多領域的全機器創作。
諸如此類，不勝枚舉。
這些已經成為現實黑科技背後，都指向已依稀可見的同一個未來：人工智慧（Artificial Intelligence，AI）。
在對於未來的預測中，不論積極還是悲觀，絕大多數科技界領袖都相信，人工智慧已經近在咫尺，並將為人類社會帶來前所未有的巨大改變。
比如《連線》雜誌創始主編凱文·凱利認為，人工智慧是下一個20年里顛覆人類社會的技術，其力量堪比電與互聯網；英特爾CEO科再奇也認為，人工智慧將成為人類歷史新的轉折點。

在2016年12月6日，36氪主辦的WISE大會上，創新工場董事長兼CEO李開復更斷言，"十年後，全世界50%的工作，都會被人工智慧所取代。"
但現在的問題是，面對人工智慧的突飛猛進，從經濟到產業，從政策到法律，從社會到倫理，我們真的已經做好準備了嗎？
1
人工智慧的發展，與人類社會對它的預期，其實已經偏離。
到底什麼是人工智慧？
關於這個問題，有太多的定義、闡述與理解，很難找到通行的準確定義。
從廣義來講，能夠執行自動程序的計算機、手機等所有機械與設備，都應該納入人工智慧的範圍，從手機、電腦、銀行、汽車到我們生活中的幾乎每一個環節，都已經有或多或少的人工智慧發揮作用。
但在普通人眼中，或許"終結者"那樣擁有自己思想甚至情感的機器人，才是人工智慧的典型代表。
而業界更普遍的觀點，是把人工智慧分為三種：弱人工智慧、強人工智慧，以及超人工智慧。
其中，弱人工智慧是所有不能真正地自主推理和解決問題的智能，它的智能更多體現在"智能的行動"，這也是當前幾乎所有人工智慧的現實水平。

而強人工智慧，將具有智能思考能力，在某些領域的智能表現，接近甚至達到人類水平；超人工智慧則將有可能形成對人類的智能碾壓。
這兩者，也正是人工智慧產業努力的方向。
過去，即使每天花10個小時在自己的手機上，使用著各種信息時代的便利，我們依然認為，"真正的人工智慧"還停留在科幻電影與遙遠的未來。
但現在，各種黑科技的井噴，正在告訴我們，從弱人工智慧到強人工智慧之間，或許並沒有一道森嚴的壁壘。在一些領域，人工智慧將達到，甚至已經悄然越過那條看不見的分界線。
更重要的是，要對我們的產業、經濟乃至社會組織形成顛覆式的影響，其實遠遠不需要真正的強人工智慧。
即使，我們離想像中的人工智慧仍有距離，但它對人類社會產生的衝擊，已經全面開始。
2
2015年3月，谷歌人工智慧AlphaGo以4比1戰績，擊敗韓國圍棋選手李世石，是刺激全球進入人工智慧競速狂潮的標誌事件。
人工智慧概念由來已久，但最近幾年，這個產業才迎來井噴式的大繁榮。這段時間的發展速度與成就取得，遠超過去幾十年的累積。

這一輪的人工智慧大發展，始於2006年，Hinton等人提出的深度學習概念。
在此之前，開發者們更希望直接編寫出一套足夠智能的程序，但無論如何天才的開發者，編寫出的程度都與外界的期望天差地別。
而深度學習則放棄了這個不切實際的想法，不再是程序員直接完成所有的代碼，而是放手讓人工智慧自己演化成長。
通俗來講，它通過對人和動物大腦的仿生，將計算代碼模擬為簡單的、相互連接的神經元，並通過修改單元之間的連接，來不斷進行經驗積累，讓它形成自己的邏輯推理，自我完善發展。
這就像人的成長，剛出生時只有最基礎的本能，只有經過慢慢長大，不斷學習，才能在不同的領域綻放光彩。成長環境的不同，學習方向的不同，都會影響未來的前進方向與成就高度。
這個概念的另一個通俗叫法，是"機器學習"。這個詞顯然更直接，它的目的就是要讓機器學習，自己進化。
比如，科學家們有過這樣的實驗：他們製造了一個機械海星，只為它輸入了控制自身部件的簡短代碼，以及讓它"學會自己走路"的目標，但它通過深度學習，只用了很短時間，就從只能在原地蠕動，到學會了流暢地行走，甚至當科學家截去一部分"肢體"，它依然能頑強地繼續前進。
這並非科學幻想，而是2015年初就已完成的真實實驗。
而現在，這種人工智慧的深度學習，正在無數個不同的領域展開實驗，不斷累積通往下一次進化的經驗與數據。
就像本文開始列舉的那些黑科技，都是有人工智慧和深度學習參與的應用實例。

3
深度學習的原理並不複雜，但為何直到近年方才盛行？
關鍵原因在於，海量數據的模型訓練，是深度學習的核心過程，人工智慧賴以提升智能水平。
因此，它的發展需要三個核心推動力，缺一不可。
一、海量的數據。
如果以網路遊戲來比喻，數據就是人工智慧賴以升級的經驗包。如果沒有足夠多的數據，深度學習將無從談起。
因此，人工智慧進展最快的領域，比如棋牌比賽、金融、語言與圖像識別等，都是擁有海量數據樣本的業務。
過去20年來，正是信息通信技術（尤其是互聯網）的發展，積累了龐大的數據，併產生了大量的數據處理需求，從而為人工智慧爆發奠定基礎。
一個第三方的估測數據是，過去三十年來，全世界的數據量，一直以大約每兩年10倍的速度激增。
而隨著我們進入大數據時代，每個人、每件設備的每個行為，都將納入大數據的信息圖譜，我們產生的數據量還將持續增長。

在這方面，英特爾全球副總裁兼中國區總裁楊旭有一組數字，可以作為參考：
二、強大的計算力。
只有超強的計算力，才能處理無比龐大的海量學習數據。
得益於摩爾定律的驅動，硬體的計算能力一直在持續增長。如今，一部智能手機的計算性能，都已經遠超幾十年前的超級電腦。
此外，專門針對深度學習的集成電路產品，近年來更發展迅猛。
比如英偉達（Nvidia）業績的突飛猛進，就是因為人們發現，曾經用於增強電腦顯示能力的圖形處理器（GPU），比傳統的中央處理器（CPU）更適合用於深度學習，這讓GPU巨頭英偉達成功轉型，從一家並不引人注目的顯卡製造商，搖身變為人工智慧行業的領潮者。
而高通、英特爾等在PC和移動互聯網時代的晶元領袖，在過去10多個月中，也已經在這個方向上發起全力衝刺。
比如英特爾，已經連續收購了Indisys、Saffron、Itseez、Movidius、Nervana等公司，從自然語言處理、認知計算、計算機視覺模式識別等不同領域，提升自家的人工智慧實力。
2016年12月2日，英特爾更首次對外公布其人工智慧的整體戰略和路線圖，未來將通過機器學習和推理系統兩條路徑，搭建從硬體平台、到軟體與資料庫（開發工具、開放框架、資料庫、開發者培訓）在內的一整套解決方案，最終"重新定義AI"。

英特爾稱，將打造一系列適應深度神經網路的特殊處理器，並全面提升自身產品在深度學習領域的性能。比如至強Xeon處理器的最新版本Skylake，性能將提高18倍；最新版本的至強融核處理器Knights Mill的深度學習性能，將是上一代產品的四倍，培訓時間可以減少31倍；其Lake Crest的深度學習性能，也將在2020年達到目前市面GPU晶元的100倍。
三、先進的演算法。
對人工智慧來說，演算法程序就像是生物體內的DNA，它決定了深度學習的能力與效率。
一般來說，執行具有特定功能的程序段被稱為原語，而直到現在，深度學習包含的原語依然很少，大概只有20個左右。其中，矩陣乘積和卷積計算是最主流的兩個。
雖然數學和計算機技術的發展，是深度學習演算法發展的基礎，但如何針對不同的領域，找到"合適"的知識模型，開發出效率更強，準確度更高的演算法，也是人工智慧演進發展的關鍵。
伴隨人工智慧的熱度急劇升溫，越來越多的公司正在投身這一領域，而它們絕大多數，都著眼於進入門檻更低，更適合初創企業發展的演算法與應用環節。
一個來自烏鎮智庫的相關數據是，目前全球平均每10.9個小時，就有一家人工智慧企業誕生。
4
總的來說，正是數據量的增長，催生了人工智慧。
放眼歷史，每一次生產力的變革，都引發了社會、經濟和產業結構的深刻轉型。與工業革命和電氣革命相比，信息革命最大的變革，就是帶來了人類社會信息數據的爆炸式增長。

如果說，流水線消滅了大部分的作坊式工業生產，那麼，數據的洪流，就將消滅大部分的傳統生產和服務組織方式。
信息化打破了物理的限制，讓全球變平，從而讓每一個產品、每一種業務的規模，都能從微量變成海量。
一個例子是，現在，僅僅騰訊一家公司，每天就要處理超過300億條即時通訊消息。通過它的伺服器，用戶發送文字消息、圖片、語音、視頻，甚至玩遊戲、聽音樂、約車、在線付款乃至使用各種服務。
而據滴滴公布的數據，滴滴每天規劃的路徑超過90億次，處理的數據超過30TB的數據——相當於30萬部電影。依託這些數據和人工智慧，它對15分鐘後的需求預測，準確率已經超過85%。
這樣的產品和服務，不是任何單純的人力工作能直接搞定，它必須通過智能化的程序來協助處理，甚至主導完成。
同樣的情況，正在我們的各個行業、各個領域、各個環節反覆出現。每一家公司從原料採購、員工管理、產品生產、物流配送、售後服務，都越來越多地通過智能化、網路化的手段來進行組織，並將這一切流程，通過大數據的行為分析，來加以歸納、總結和優化。
5
人工智慧發展變化的另一個標誌，是吃瓜群眾思考的問題。
過去，大多都人更擔心，未來會不會有邪惡的機器人毀滅人類。而現在，越來越多的人開始擔心，人工智慧會不會消滅掉自己的工作。
最重要的是，這個問題的答案，越來越悲觀。

就像李開復在WISE大會上的結論，當AlphaGo每天自我對弈100萬盤棋；Tesla每天從100萬輛車的實際行駛中吸收經驗，普通人將如何與它們競爭？
在越來越多的領域，人工智慧正在快速超越人類。
比如，人工智慧已經可以在1秒鐘內，對比全世界所有機場攝像頭視頻，以及所有通緝犯的人臉，保安能做到嗎？
顯然不可能。
這也意味著，大批的翻譯、記者、收銀員、助理、保安、司機、交易員、客服……都可能在不遠的未來，失去自己原來的工作。
當然，這個替代不會劇烈地出現。我們會看到的現實情況，將是某些行業和某些工作，用人的需求越來越少，在組織或產業鏈中的地位越來越輕，產品的銷售越來越難，工資越來越低……
這個周期，可能是10年，可能是5年，也可能更短。
你或許會把自己的遭遇，歸結為全球的經濟危機，歸結為人民幣貶值和通貨膨脹，歸咎於公司老闆經營不善跟小姨子跑路，或是其他的原因，但在你看不到的地方，你處身的行業，會正如大地坍塌，最終只剩下熔岩中的廖廖孤島。
正如許多傳統的手藝，至今仍然在少數地方碩果僅存一樣，由於經濟的差異與行業密集度的差異，這種變化也會是一個逐漸擴散的過程，越是經濟與信息化落後的地區、越是需要在複雜環境下完成的工作，這種擴散越慢，越晚。
甚至絕大多數被替代的行業，仍會長期存續，只不過，原來這個行業能容納100萬人，未來只能容納100人，留下來的，要麼是難以被取代的頭部精英，要麼是在最落後的區域與環節。
中間階層將成為最早感受到變革陣痛的人群。
6
2016年6月，《經濟學人》曾花了巨大的篇幅，來討論人工智慧未來對包括工作在內的，社會的各種衝擊。
其中一個觀點是，從歷史來看，每一次科技進步最終創造的就業，都超過所消滅的就業，即使我們需要經歷短時間內的動蕩與陣痛，長期創造的新就業也將彌補這一且，甚至綽綽有餘。
但這個觀點或許過於樂觀。
人工智慧對人類工作的衝擊，與過去的每一次技術變革都不同。
一、無論是取代的領域範圍、規模，還是取代的速度，人工智慧引發的變革都將更加迅猛。它將深入滲透社會生活中的幾乎所有領域。
二、人工智慧的發展，將成為驅動其他各種技術變革加速發展的催化劑，並相互協同形成連鎖反應，最終如同彼得·戴曼迪斯在《富足》一書中所說，人類即將有望達到滿足地球上所有人生存基本需求的生產能力。
三、過去的變革無論帶來怎樣的生產力提升，都需要大量的人來操作管理。而人工智慧只需要極少量的人，甚至可以在無人管理的情況下自已完成工作。
替代你工作的，不再是機器+其他的人，而是只有機器人。
所以，這一次變革，將成為一個拐點。
在此之前，大部分人類的工作，都是服務於生產和提高生產力；而以此之後，這些工作將更多地由少數人與人工智慧來共同完成。
大部分人類的工作，將轉向為他人提供服務——還得去掉一些被人工智慧取代的簡單服務，轉向創造性的工作，以及那些短時間內人工智慧難以取代的領域。
從這個意義上來講，中國將成為其受益者。因為如果沒有這場變革，全世界的經濟與產業都將如同30年前從西方向中國的大遷移一樣，跟隨著人力成本的變化，從中國向印度、印尼等更新興市場轉移。
而現在，形勢將發生微妙的轉移。
在此過程中，很多的上一代人將成為犧牲者，因為他們多年累積的經驗與技能，都將喪失根基。而社會化分工與流水線的改造，已經讓他們的知識與能力，長期聚焦於一個極小的範圍，一旦跳出圈子，他們將很難具有競爭力。
而對年輕一代人來說，最值得擔心的問題是，你學習的知識與工作技能，人工智慧比可以你學得快100倍、1000倍，你的創新創造也很有可能被人工智慧快速模仿。
在新的時代，我們可能不用擔心溫飽，因為人工智慧帶來的生產力極大提高，可以讓更多國家快速向福利型社會轉型。
但正如馬斯洛的需求層次理論，每個人除了生存的需求，還需要尋托歸屬感，獲得尊重，並實現自我價值的成長。如何為規模越來越大的失業群體找到新的就業方向，重新為他們創建自我價值實現的通道，而不是轉變為社會的不安定因素，這將是所有政府必須深入考慮的重要問題。
而這，還僅僅是開始。
可以預見，當人工智慧與機器人、與腦機互聯、與基因科學等領域的科技突破結合到一起，我們將面對的，將會是一個全新的時代。

問：人工智慧時代對社會的影響有哪些？

~：替代你工作的，不再是機器+其他的人，而是只有機器人。如何為規模越來越大的失業群體找到新的就業方向，重新為他們創建自我價值實現的通道，而不是轉變為社會的不安定因素，這將是所有政府必須深入考慮的重要問題。

特別推薦這首歌：很美的詞，很美的曲，很美的聲音，愛從不佔有，愛從不保留。

? 夏夜星空海《那片星空那片海》主題曲