《恐惧饥荒》工程师长什么样子，

时间：2023-10-04 10:12:02 来源：浏览：

从“人类简史”到“未来简史”：为什么 AI 会带来工作岗位的爆发？

编者按：AI会带来大规模失业，一个老生常谈的问题，也是一个经常被误解的问题。误解的因素有很多，一方面是媒体的煽动；一方面是人类的生存本能——做最坏的设想才能避免最糟糕的情形出现。但是就像《理性乐观派》和《人性中的良善天使》所阐明那样，其实大家要理性乐观一点，人类一直都在变得越来越好。未来学者和思想家Daniel Jeffries也是这样的观点。他首先从回顾人类的历史说明每一次变革创造的工作总比消灭的旧工作要多且更有趣，然后分析了几种AI应用的典型场景，最后说明其实现在的AI还弱智得很，用不着杞人忧天。

从超级智能的傀儡师接管世界，到狂暴的无人车横冲直撞，再到机器杀手时代的到来， AI的日益崛起似乎《黑镜》惊悚场景的再现。

不过最令人恐惧的还是工作都没了。

我很早就写过AI会摧毁工作的文章。不过当时我的想象是快餐机器人会迅速夺走数百万从业者的饭碗。因为只要有一家连锁店采用，其他的出于竞争的原因就被迫跟进，从而引起连锁反应，导致大规模失业和社会动荡。

在当时看来这个故事似乎是遥不可及的未来，但现在随着AI不断取得突破，这样的未来似乎已经令人毛骨悚然地指日可待。

麦肯锡全球研究所最近的一项研究表明，有60%的工作的30%很容易就会被机器取代。

但是如果我们对AI的看法是错的呢？

如果这不是工作的终结而是前所未见的岗位大规模爆发的开端呢？

是，你会说这次不一样。19世纪英国的纺织工人也是这么想的。每一代人都会想象这会跟上一代完全不一样，但如果不是呢？

如果这种模式是永恒的呢？如果先破坏后创造的周期不仅是不可避免，而且是必不可少的呢？

未来不是固定的。未来是数万亿变量不断交织的结果。

我们不妨一起设想一下一个不一样的未来。

让我们关闭我们的蜥蜴脑（编者注：控制原始冲动），窥探一下与智能生命协作，迎接新岗位爆发的未来。

一、终结与开端

我曾经说过预测是很难的，因为生活不像围棋或者国际象棋这种固定游戏，生活是一场无限游戏。

规则和目标总是在变，会反复地重写自己。

换句话说，这场游戏本身在我们玩的时候也在变。

我们谁也说不准哪里就冒出来一个天才发明了电灯泡或者蒸汽机、轧棉机或互联网什么的。在东西冒出来之前谁都无法预见。

而那些发明会改变我们周围现实的性质。会改变什么是可能什么是不可能的，改变我们能去哪儿能做什么。反过来，这每一个东西又会令上百万件我们无法预见的事情变成可能。

预见工作都没了很容易，但要去想象AI会替我们创造出来的各种工作就困难多了。

不妨试着向一位18世纪的农民解释一下什么是web设计师。

你做不到，因为这项工作是建立在一系列发明基础上的，而那些发明每一个又要靠之前的发明来解释。

搞定了电于是有了铜线，于是有了电灯泡，于是有了计算机，于是有了软件，于是有了互联网，于是有了HTML和浏览器。只有到了这个时候web设计师的工作才成为可能。

我们是靠站在过去的巨人的肩膀之上发展的。

Hedy Lamarr不仅有一张漂亮的脸蛋，而且还想出了调频的点子。

二战中用来监测潜艇的调频技术是美貌与智慧并存的女演员Hedy Lamarr想出来的。但这种技术应用到手机和WiFi还要经过一系列的发明。

社会是一层层地递进发展的。

仔细想想，一切人类发展其实都不过是把问题抽象化以及对之前问题的自动化解决方案，这又会导致新问题和新解决方案的出现，如此周而复始，生生不息。

没有斧头砍不了树。没有锤子和钉子造不出大房子。

比喻可能有点不恰当但锤子和钉子就是抽象和自动化。

我们希望抽象出一种更快造出结构的方式。锤子和钉子让我们可以用更系统更可预测的方式去造东西。做出一堆的锤子和钉子你就不需要老是要在丛林里找一堆泥巴来糊你的茅草屋了。

只要你能够牢靠地堆叠更多的结构，像混凝土这样的新发明将不可阻挡地纷至沓来。而一旦你能够把东西凝固起来，你就可以建造像帕台农神庙那样更高更复杂的结构。最终我们会造出像钢铁这样的新材料用巨型起重机搬运，然后突然之间我们就能造出高耸入云的大厦。

如果没有之前解决的发动机、机翼、金属合金等层层问题的铺垫，喷气式飞机就不可能出现。这是抽象和自动化的奇迹，是人类独创性之天才的证明。

在位的读者里面没人为了穿上衣服需要从狩猎开始，为了住上房子需要从搬砖开始。你大概也不需要为了吃上饭而去种地。为了完成你的工作，你不需要制作任何要用到的工具，不管是铁铲、手提钻还是计算机。

你不需要做其中的任何事情，因为我们已经把遥远过去的工作自动化并且顺着创造的价值链向上爬了。

这是好事，而且现在正在又来一次。

只是这次会更难预见一点，因为每次飞跃都让我们跳上了复杂性的更高层次，我们必须演变才能满足那种复杂性的要求。

不幸的是，我们的智力必须跟上变化的速度。我们现在还在森林里面奔跑，因为数百万年的狩猎和采集教会了我们每次弯腰的时候都要留神老虎和蛇。我们没有尖牙利爪，所以需要未雨绸缪。

从最根本的意义上来说我们是生存机器。我们设想恐怖的未来以避免这样的日子到来。

我们害怕的东西会随着时间而改变，但是那种恐惧感是根深蒂固的。老虎和巨蛇演变成精灵和恶魔然后变成织布机和人工智能。其实我们害怕的是自己的灭绝。死亡是我们一切恐惧背后的恶魔，会随着社会的发展和变化而演变成新的形式。

害怕宙斯用一道闪电把我们全干掉跟害怕超智机器把我们全宰了是一样的。

但是我们的想象往往太过二元化。

善或恶。友或敌。生或死。

我们的蜥蜴脑看世界是非黑即白。要么把我们干掉，我们把我们喂饱，没有第三种情况。

但是生活比这要广阔和多样得多了。

二、寒武纪大爆发

历史上我们已经消灭了95%的工作多次了，现在可能还会再来一次。

每次这些工作都会被丰富的新工作和机会所取代。

生活是分阶段推进的。

人类已经有180万年没有狩猎采集了。我们的真正问题是下一餐怎么解决，去哪里找到躲开恶劣天气和捕食者的庇护所。每个人的工作都是一样。找吃的。别死。

但我们是环境的奴隶。如果不下雨或者干旱渴死了水牛我们很快也会死所以我们开始寻找更持续的找食物方式。

12000年前我们用农业解决了食物生产这个问题大家的工作开始变了。我们种植畜牧从此不愁吃了。

这摧毁了所有的狩猎采集工作，但也替人类创造了新的工作：农民。

当然这会制造新问题。因为住得跟动物太近它们把病毒传染给了我们导致人类得病而死。一开始我们以为是恶魔或者上帝生我们气了但我们继续寻找更好的解决方案，尤其是发生了像黑死病这样席卷多个大陆的大规模致命性疾病夺走了一半人口之后。

但我们活下来了而且变得越来越强壮。

随着科学革命的形成，最终我们发现了微生物入侵我们身体杀死我们的过程，让我们窥见了一个从未了解过的世界。我们找到了治疗和预防疾病的办法，将一个一度棘手的问题变成了技术工程问题。

我们的先祖时常祈祷上天来一场豪雨给个好收成。稍微做错一步或者环境破坏都意味着整座村庄或者部分农民要饿死而当时的政府只能眼巴巴看着穷人饿死。

古代日本就发生过这样的事。雨灾和人祸导致了巨峰饥荒，而幕府对此却无能为力。他们没有基础设施或者手段来保存和分发食物，或者从其他国家弄过来。同样的事情在历史上成百上千次饥荒中就发生过。

但慢慢地我们创造出更强大的耕作方法，分发食物的手段，知道了用轮作来保持土壤的新鲜，甚至到后来学会了更强大的虫害控制，并解决了饥荒和食物生产的问题。

现在的饥荒几乎都是人祸而不是干旱导致了。

随着我们越来越擅长食物生产大家的关注点也转向了更大更好的问题。

一度全都是农民的人类现在只有3%人口做这个了。

这已经足以喂饱整个地球好几次了，即便有时候我们故意在分发食物到每张口这件事情上做得很糟糕。原因不是因为我们不能，而是因为不想或者拒绝这么做。

这里有一股强大的力量在发挥作用。这种模式要追溯到人类历史的开端，然后生生不息，直到今天。

我们每一次摧毁了所有的工作时都会发展到演进的新阶段，带来更加多样的工作，分工更加细化。

我们创造的工作不是变少而是变多。

当然转变未必总是那么容易。狩猎采集者第一次看到村里的农民时面临一个残酷的选择：要么适应要么死。在人类漫长而暴力的每个转折点时的确有很多人死去。

不过尽管人类历史经历过那么多恐惧，但人类仍然设法不断前进，一点点地，建设起越来越复杂的社会。

哪怕黑暗阶段也是进程的一部分。当工人在技术变革的潮流中奋起抗争时，他们的行动充当了对走得有点太快的社会的制衡作用，让变化率再次降下来，修正了路线，然后让我们重新回到均衡。

这是一个社会级别的算法。

从很多方面来说社会只不过是一个庞大、活跃、智能，一起创造自己的现实的蜂群罢了。

欢迎进入人类世（Anthropocene age）。

通过显著改变我们所居住的星球的面貌，通过全体通力协作，将过去的工作自动化并且在这一自动化的基础上进行建设，我们成为了全世界最多样化最成功的生物体。

三、下一场革命

未来几十年我们将自动化掉又一层单调无聊乏味的工作，然后再度腾出时间去解决新的问题。

AI本身会经历一系列的抽象以便能解决更复杂的问题。正如我们在社会的演变中所看到那样，我们也将看到新颖的机器学习架构的自动演进，通用推理引擎的创建，以及机器会提问的能力，并且赋予世界它们自己的意义和上下文。

但是机器不会接管世界。

无论机器再怎么聪明，在特定思维上人类仍然更胜一筹。

就像我们从Google的搜索引擎突破所看到那样，机器擅长重复性的任务，人类擅长赋予世界意义。这一理解的结合成就了今天的Google。他们让服务器计算大家点击的不同主题的链接，知道如果足够多的人赋予了某个东西意义的话这个东西大概就是重要的，应该显示在搜索结果的前列。

我们将会看到AI崛起成为编程团队、公司以及社会的一员。

他们会帮助我们做出更好的决策以及更好的预测。

我们会看到半人马的崛起，人类与AI一起合作去解决越来越复杂的系列挑战。

实际上，我预计工程师的焦点不会放在类人的人工智能上，相反他们会越发关注开发异于人的智能。意思是说他们会开发专长于我们做得不太好的事情的智能。最好是开发半人马增强人类智能而不是取代人类智能。

举个例子，德国电商巨头Otto。他们的人工智能完成了订单的90%而且干得比人类还要好，因为它能查看数百万个变量，所以效率高了1000倍，并且很少会出错。因为大家在想要的时候拿到了自己想要的东西，退货率也大大降低，仓库里面不再有积压库存。

这样一来他们就得炒掉很多人了吧？错，他们反而招进了更多的人，只不过那些人是去解决更有趣的问题了，比如美化网站，或者研究圣诞节到来之际大家会想要什么东西等。

我们还将看到10亿种不同的雇佣半人马的方式。

比如说呼叫中心。

打过客服电话的人应该都有这种体会，如果客服技能不足的话你跟对方讲半天根本就是白搭。但是AI可以帮助那些人强化决策流程而不是取代对方。AI可以对最好最聪明的那些家伙的决定进行建模，传授给团队的其他成员，比方说提供建议的仪表盘，从而大幅提升团队的支持能力，令其反应更快、更高效，令客户更满意。

但除了半人马以外我们还是看看真正的颠覆吧。

无人车。

这种颠覆会不会因为会引起席卷全球的大规模失业甚至像勒德分子那样导致社会崩溃呢？

四、再见，《美国风情画》

像Zack Kanter这样的科技作者说无人车到2025年会消灭超过1000万份工作。理由很简单，因为无人车的优势无人能敌。

他们认为无人车很快就能把事故率和安全记录做到远远超过最小心谨慎的司机的程度。马斯克甚至提出人坐在方向盘后面是非法的，因为相对于机器其事故率会飙升。

世界卫生组织估计每年死于道路事故的人高达125万。无人车无疑比我们人做得要更好更安全一些。机器人司机不会累，不会因为掉了什么东西而把视线从道路上挪开，而且它们也不会酒驾因为不喝酒。

当然那些流行媒体总是想让你相信无人车很恐怖很危险。不幸的是现在已经出了几单无人车致死的事故，但是媒体却把它搞得好像天天都有人Tesla或者Waymo的无人车失控撞上校车的事情一样。

不是的。

致死是不可避免的。不可能把所有的风险都排除掉，而且说实话这项技术还很新，目前还正在开发呢。但是无人车无疑会迅速变得更好，开得比最好的人类还要好。

这一点并不是坏事。那可是每年125万条生命啊。

这个数字比1946年以来因战争死亡的人数之和还要多。开车的司机少点死亡就少点，就这么简单。

但无人车的好处还不止这一项。我们因为还不需要买那么多的车。

汽车是大众持有的第二昂贵的资产，但这玩意儿却是最不值钱的。汽车不像房产、股票或者加密数字货币那样，一旦你开车上路这东西就开始亏钱，直到有一天你在《凯利蓝皮书》上找自己的车型是才意识到一度花了你3万美元的东西现在只能拿到5000美元了。这太不公平了。

生产力会从这些负债资产转移到更新更好的创造物上。我们拥有和使用汽车的方式也会显著改变。

我们会订购汽车不断升级或者想要就打车，随叫随到。很快我们就会看到机器人汽车提供共享乘车从而免除停车场的需要，而这意味着有更多的土地空余出来去做比铺上混泥土更有趣的事情。哪怕排放标准更严格了，汽车仍然是最糟糕的污染源之一。那种人人都拥有两个车库的美国梦是不可能推广到全世界的。

无人车可以消灭大量的浪费和污染。无人车可以让汽车跑得更快，取消的数百万停车场可以节省出大量空间让我们去做其他事情。

很多人都担心这对于与驾驶相关的工作会意味着什么，比如汽车推销员、修理厂，Uber等。

但是他们可以做其他工作啊，比如找一些很酷的办法去升级那些无人车，或者成为一种新式的室内（车内）设计师，装饰在车轮上移动的公寓。如果我们不再需要留意路况了，那就得找些其他事情去做，而这意味着视频游戏和电影、VR以及新的躺椅等。

最终车的内部会变得越来越模块化，我们会看到一个全新的汽车升级业的诞生，而这需要有人去安装。

五、AI可以为你做什么？

那些我们现在做不了的工作呢？

AI可以帮忙。

就拿Google在一年一度的开发者大会上展示的Duplex项目来说吧，这个令人瞠目结舌的新助手会打电话，帮约美发，预定饭店，并且自如地跟别人聊天，对方甚至都不知道另一头是个机器。

那么他们打算用这项技术来做什么呢？

他们想要自动替饭店更新不同的节日时间。

Google每天都会收到数百万个查询，以内为大家想知道自己喜欢的中餐馆在复活节或者其他无数个我们在全世界发明的节日里是不是还正常营业。

你大概不会认为这是个很难解决的问题，但其实非常难解决。

你不可能让所有的饭店都准确地更新自己的数据，因为他们可能会没有时间，或者没想过，或者根本就不关心。哪怕有一个便宜得荒谬的人力池你也不可能雇一帮人去打电话，因为这个问题太小了，如果用传统手段解决的话ROI很低。不值得这么一笔资本性支出。

但你可以用AI去打所有这些电话并且进行数据更新，提供绝大多数饭店的准确得令人难以置信的更新结果。Google然后还可以把这些数据卖给其他的饭店信息提供商，比如Yelp。

突然之间一门传统上的亏本生意变成了全新业务，现在你得招销售人员打电话给Yelp说服他们来买了。

而过去没有岗位的地方现在冒出了更多的工作。

六、你好，个性化医疗

AI在医疗方面的前景是最令人兴奋的。

我们不会看到医生护士都消失了，而是会随着AI全面渗透到医疗世界的方方面面而看到他们会变得比过去更好了。

设想一下：你早上起床发现背部有个暗点。

怎么办？

按照现状你只能疯狂地给医生打电话去预约。不幸的是医生在1个半月内都没法帮你看病。虽然你认为自己必须尽快看病，但电话那头的护士除了说对不起以外也无能为力。

治疗时间的快慢有可能是生死攸关之别。但现在全世界的医生数量都严重不足，所以我们得到必要的治疗往往是太晚而不是太早。

现在请设想一个不同的场景。

你一觉醒来发现了那个暗点，于是你拿着智能手机或者健康腕带对着那个点，然后设备告诉你应该打电话给医生因为这可能是癌症。

你赶紧打电话不过这次快多了。帮助护士筛选病人的AI助手请求看你的VizMD扫描资料，你发了过去。几秒种后机器证实你的确有问题然后把电话转给一线的护士。护士帮你预约好当天的时间，因为系统根据实际数据恰当地对病人进行了优先排序，而不是靠猜测或者让所有疑似患者都按照先后原则去看医生。

上医治未病。AI医疗还可以更容易地在发生前预测各种疾病。

你的智能手表最终会内置有一个生物监测仪，这个东西有个小到你根本感觉不到的针脚刺入你的皮肤。甚至我们还可能在人体内部也会有生物监测仪，装满药物的纳米机器人会在我们的血液中巡游，寻找麻烦的迹象。

这个监测仪会知道你的葡萄糖、甘油三酯已经失衡，还知道你的胆固醇升高得太快了。

一旦出现这些迹象，你的手表会提醒你吃清淡一点，避免到最后落到不可收拾的地步。

还有，还记得那些能在2分钟之内到达的无人车吗？

当你无视手表的温柔警告继续大鱼大肉直至大祸临头时，无人驾驶的救护车或者无人机会及时携带着小型化的诊疗设备出现在你面前，然后以更快的速度将你送回医院。

你甚至可能都不会心脏病发作，因为手表的预测引擎会提前数日预测到这一天然后作为预防性措施打电话给医院。

AI还会带来全新的治疗手段。

目前的药物发现是个很慢很冗长的试错流程，但是已经有制药公司和生物科技公司开始利用大数据和AI提出更好的合并用药建议。

在不久的将来不难看到自动药物发现机器的出现，这种机器将可以迅速并行地组合与尝试不同的方案，合成化学药品，进行临床试验测试，同时在神经元处理器运行的遗传算法还在不断地通过加速的演进构思出更好的药物。

AI还会帮助我们根据自身基因定制用药。将来开给个人的药物不再是千篇一律的批量品，而是针对你个人设计并迅速打印出来的药物，这种药不会引起你的过敏或者肚子疼，因为AI知道你的病史。

但是如果思想上超越我们所有人的超级机器崛起该怎么办？

它们会不会把我们变成它们超智大脑的奴隶呢？

七、超级智能会不会把我们全干掉？

简而言之：

不会。

现代AI仍然是人类智能的影子。它就像是一面古老镜子里面的镜像。我们赋予AI意义，AI学会了模仿这一意义，但是它不会创造出自己的意义或者提出自己的问题。

人类有能力适应新形势。我们会进行抽象推理。我们能应用复杂的心智模式，并且会以独特的方式去应用。

我们还不理解自己头脑里面运转的那些算法，我们今天设计出来的那些算法与之相比太过苍白无力。

我们甚至都不知道从何开始。我们对自己的大脑是如何运作的绝对是一无所知。

我们就是个黑箱。

我们既不知道我们是怎么知道的，也不知道是怎么做的，或者为什么会这么想的。

1970年早期AI研究人员Marvin Minsky曾说过一句很著名的话：“在3到8年的时间内我们将拥有跟人类一样的一般智能的机器。”

现在快50年过去了。

AI还会经历一系列的凛冬，届时投资和狂热也会枯竭。

尽管现在AI的投入不惜血本，但在很多年内其结果也只能勉强让我们保留希望。要不是多伦多大学看到AI的潜能在资金上坚定支持，经历了一连串失败的神经网络教父之一Geoffrey Hinton恐怕也坚持不到现在。他们都意识到，真正的问题真的需要很长的时间去解决。

最后，到2012年末时，AI终于在视觉识别系统方面取得了第一项重大突破，当时的识别率一直停留在74.6%。不过突破其实并不在算法本身，而是因为游戏推动的处理能力的爆发以及互联网带来的大规模数据集。GPU的大规模并行结构给AI的腾飞提供了必要的升力，并且开始在现实世界中发挥作用。

从本质上来说，是视频游戏业补贴了AI业，ImageNet图像识别竞赛的识别率已经从2012年的74.6%提高到几年后的超过96%。深度学习大获成功，以至于静态视觉感知已被认为是一个得到解决的问题了。

类似这样的突破推动了大规模的狂热和投资，吸引着风投资本、程序员和数据科学家涌向一个一度晦涩且濒临死亡的领域。

但神经网络不是大脑仿真器。甚至连接近都还没有。它们不会突然就具备自我意识。要想具备那样的东西，我们需要令人吃惊的新算法，这个甚至还没有人能想象得到（编者注：赋予机器本能是方向之一。）。

我们需要认清现实：今天的AI其实还很蠢。

深度学习究竟是什么？不过是一系列的几何变换，将一组数据映射成另一组罢了。就这样。DARPA很喜欢AI，但是他们把深度学习蔑称为“类固醇上的电子表格”。

人类产生所有的意义，AI学习去模仿那种意义但它自己不会萌生出意义或者理解其中的意义。不要相信那些流行媒体的话，Facebook关掉一个AI不是因为它太智能，自己发展出了一门令工程师害怕的秘密语言，而是因为它太蹩脚，表现太糟糕。我们还不知道深度学习都有哪些限制，但是这个时间已经不久了。（编者注：几天前FILIP PIEKNIEWSKI已经发出了凛冬将至的警告）

任何事物的发展都要遵循S曲线。

第一项突破是很慢很平缓的过程，需要很多年之后才能取得大的突破，然后引起了对其兴趣的爆发。一旦其他人知道了一个基本的解决方案之后，对其进行迭代就会变得越来越容易。这就是为什么比特币弄出了区块链之后其他一千种加密数字货币都能调整自己的模型，但在此前却没有一种存在的原因。

现在我们目睹的完全是人类这个大规模并行处理的生物体应用自己的神经网络想要看看深度学习究竟能干些什么。

我们目前还处在S曲线早期部分的指数性扩张阶段，会有很多出色的进展出现。但最终我们会到达收益递减那个点，冒出来的应用会越来越少，继续朝着那条曲线向前移动胡变得很痛苦代价很高。

我们已经了解了现代机器学习的一些限制。

比方说不管你的深度学习框架再怎么新颖，它也绝对不能写出一本可以读一下的书，能构思出一个杀手的剧情转折或者动人的爱情故事。它没法拿着一款新产品然后创作出完美捕捉到其所有新功能要义的产品描述。它也没法形成未来不相关问题的抽象解决方案。

今天的AI只不过是在模仿。

这种智能只是昆虫级的。它会对刺激做出反应，但没有抽象推理，没办法将概念整合成新的解决方案。

只要你向系统展示它没有受到过训练的东西，它就会以非常荒唐的方式崩溃。下面这张图是AI打标签的一个很著名的例子：“拿着棒球棍的小男孩”。

就算是上小学的小朋友也不会犯这种错误。他们知道一个婴儿还不够强壮到握住一根棒球棍的地步。

这就是问题所在。我们的系统只是对大数据集进行统计处理的盒子而已，但是它们根本就没有在思考。它们没有直觉或者逻辑推理，不懂上下文当然也没有意识。

所以现在我们暂时先别太看清自己的大脑。