书名: AI未来 作者: 李开复

片段记录

对于人类来说,最大的挑战并不是失去工作,而是失去了存在的意义

人工智能将会取代人类,完成不属于人类专有的各种重复性工作

相比人工智能,人类的优势在于创造力和同情心.让人工智能做它擅长的,我们可以创造更多有人情味的职业和岗位,可以有更多富有同情心的医护人员利用人工智能进行医疗诊治~护理,可以有超过现在10倍的老师来帮助孩子在这个新世界获得生存能力并勇敢地茁壮成长

围棋不但历史悠久,棋局本身也极其复杂.围棋的基本规则九句话就能说清,但棋局本身的变数比可以观测到的宇宙原子总数还要多

斯普特尼克一号是苏联于1957年10月发射的世界第一颗人造卫星.它的成功升空并进入地球轨道,对美国人民的心理和美国政府的政策都产生了深远影响,该事件引发了美国大众对苏联科技领先的焦虑.当时美国人在夜晚追寻这颗卫星,并试图接收它向地球发送的无线电信号.这也促使美国政府设立了国家航空航天局(NASA),加大了对数学及科学教育的补贴,从而推动美~苏两国进入了"太空竞赛".如此规模的全民科技动员,在12年后收获了巨大的成果----美国的尼尔·阿姆斯特朗(Neil Armstrong)成为首位踏上月球的人类

规则式方法确定以"若X,则Y"的逻辑规则来帮助程序做出决策:"若一个圆形物体上方有两块三角形,那么,这张图片中可能有一只猫."神经网络方法则是把数百万张标示了"有猫"或"没有猫"的样本图片"喂"给计算机系统,让它自行从这数百万张图片中去辨察哪些特征和"猫"的标签最密切相关

本质上来说,深度学习的算法使用了大量来自特定领域的数据,为想要的结果做出最佳决策.其方法是让系统使用这些输入的数据,训练自己识别数据和期望结果之间的关联性.当数据与期望结果直接相关("猫"vs"非猫","点选"vs"未点选","赢了赛局"vs"输了赛局")时,这个流程就容易多了.然后,算法可以运用找到的这些关联性所累积的庞大知识(其中很多是人类看不到或觉得无关的),做出比人类更好的决策

这么做需要大量的相关数据~强大的算法~足够细化的领域以及明确的目标,欠缺任何一个都无法成功.数据太少则样本不够,算法无法发现有意义的联系;但如果目标太广泛,算法则缺乏衡量最优解的明确标准

现今,成功的人工智能算法需要三样东西:大数据~强大的电脑运算能力,以及优秀(但未必顶尖)的人工智能算法工程师

这三者当中最重要的还是数据,因为当电脑的运算能力和工程师的能力达到一定门槛水准之后,数据量的多寡就成为决定算法整体效能与精准度的关键所在

就深度学习而言,数据量越多越好.人工神经网络获得的样本数据越多,就越能够正确识别出形态,准确辨认真实世界里的东西.如果"喂"入的数据量更多,即使是由一群中等水准的人工智能工程师设计出来的算法,表现也会比世界级顶尖深度学习研究人员设计出来的算法更好.情况已经不同,现在已经不再像以往那样,独家拥有顶尖的人才就能享有绝对的压倒性优势了

在中国的科技界,多数创业者都是一个世纪以来第一代脱贫的中国人,也是"计划生育"政策下家中唯一的孩子,被父母和父母的父母----六个长辈寄予了最大期望,也受到了全家的倾力帮助.相对于改变世界,上一代中国父母会首先教育孩子要学会生存~赚钱,既为自己,也为有朝一日有能力奉养年老体衰的父母

中国经济的飞速崛起没能明显减轻这种匮乏心态,反而在某种程度上加强了大众对新创富机会的极端渴望.很多中国人都曾目睹在政策和法规与市场竞争的状态不充分匹配时,产业~城市与个人是如何在崛起和倾覆间徘徊的.改革开放的总设计师邓小平说"先让一部分人富起来" (7) ,才能进一步发展.闪电般的发展速度在某种程度上加重了部分人的焦虑感:如果不抓住新的机会,进入新的市场,就只能眼睁睁地看着身边的人变富

我发现硅谷进军中国的方式才是它们在中国市场上失败的重要原因,它们输在了自身的策略与管理上,与中国政府的管理并无关系.美国公司把中国市场和其他市场一视同仁,把中国企业当作一排排等待它们征服的对手,等待着把这些企业从市场的"生死簿"中一个个勾选掉.他们不投入资源,没有耐性,也不给中国团队自由,让团队没办法和中国顶尖的创业者(也是全球顶尖的创业者)竞争

在硅谷的世界观里,真正使硅谷与众不同的是一种抽象的文化思潮:致力于原创思考与创新----这不是用砖块和补贴就能建造出来的东西

中国的创业公司的创始人不再需要迎合外国风投的口味,他们现在可以打造满足中国用户需求的中国产品,凭借国内的资本和技术,反过来把产品推向海外.这巨大的变化,改变了中国城市的结构,象征着中国互联网发展的新纪元.这一变化也让人工智能时代所需要的自然资源----数据在一夜之间爆发式增长.

美国的创业公司喜欢坚守自己的认知领域:建立干净的数字平台,促进信息交流.商家可以用这些平台进行交易,完成线下服务,而科技公司本身则不愿意亲力亲为去线下做事.他们向往HBO剧集<硅谷>(Silicon Valley )中描绘的神话:一群聪明的极客在旧金山的公寓里足不出户,就能打造出数十亿美元的事业.

中国的科技创业公司没有这么好的条件,它们身边满是凶猛的竞争者,虎视眈眈地准备对它们现有的产品逆向分析.它们必须用规模~资金以及劳动力的效率来跟竞争者拉开差距----疯狂烧钱,依靠大量廉价劳动力来运作它们的产品,使它们的商业模式难以复制.这是中国互联网世界的重要特质,是脑袋里根植着硅谷正统观念的美国分析师们无论如何也无法理解的特质.

深度学习的问世,意味着我们将从专家的年代转变为数据的年代.想要训练出成功的深度学习算法,需要运算力~工程能力及大量的数据.在未来这三点中最重要的是数据量,因为工程能力达到一定水平后,就会开始出现收益递减,这时数据量才能决定一切.只要数据量足够大,由优良但非顶尖的工程师设计出的深度学习算法,也有机会超过全球顶尖专家设计的算法

现在,促使这另类互联网世界兴旺起来的所有元素全部到位了:突飞猛进的技术~充足的资金~高级的设备~顶尖的人才与良好的创业环境.舞台已经搭好,需要等待的就是新的~有价值的~有中国特色的互联网公司登场了.

过去20年间,中国互联网公司扮演的角色与它们的美国同行差不多:数字网络中的信息节点.

补贴带来的增长停止后,许多一夜爆红的O2O独角兽灭亡了,但是存活下来的创新者及冠军角斗士,如王兴的美团点评,凭借彻底改变中国城市服务业的功绩,将自己10亿美元的市值又翻了许多倍.截至2017年年末,美团点评的估值已经达到600亿美元,滴滴出行的估值达到576亿美元,超越了Uber.

美国的互联网公司往往采取"轻量"模式.它们普遍认为,互联网的根本力量在于分享信息,消除知识鸿沟,用数字的方式连接大众

中国的公司则倾向"重磅".它们不想只建造平台,还想招揽每一个卖方~处理货品~运营配送团队~提供和维修电动车~控制支付行为……如果有必要,它们会补贴整个流程,以快速获取更多的用户,并且通过价格战策略战胜竞争者

对中国创业公司而言,它们越深入细节(虽然这么做花费往往很高),竞争者就越难只依靠模仿它们的商业模式和价格战策略来参与竞争."重磅"意味着挖好企业周边的护城河,把自己与外界的搏杀隔离开来.这些公司既以智取胜,也肯在街头吃苦~卖力销售~在项目上砸更多的钱

并非每次科技革命都是这种模式.通常,基础领域的突破出现后,发展的重心会很快从顶尖科学家转移到无名工匠,即有足够专业能力将这种新技术应用于解决不同问题的工程师,尤其是当技术突破性成果的应用范围遍布整个社会经济体系,而非集中于某几个实验室或者武器系统的应用时

以目前形势来看,中国在创业精神~数据~政府支持等方面占领了先机,专业研究水平也正急速追赶着美国.如果现阶段的技术趋势在未来几年能够继续保持,中国的人工智能创业公司将成为一支利箭,势如破竹地穿透其他行业领域.中国将以深度学习和其他机器学习技术为筹码,颠覆数十个领域,成功实现经济转型.但是,如果真的有人发明了下一个和深度学习一样伟大的技术,而且是发生在密闭的企业环境中,形势就难说了.它有可能让某一个公司突然获得超越其他巨头的力量,引领我们重回发现时代----由少数精英专家来打破均势.

这是将人工智能"电能"分配进经济体系的两种不同方式的较量:七巨头的"电网"式与创业公司的"电池"式

"电网"式的目标就是将机器学习的力量转化成标准化服务,可以由任何公司购买,无论是达成学术目的还是个人使用都可以通过云计算平台实现共享,甚至可以免费使用

相对较小的人工智能创业公司则选择了另一条路:为各行各业打造具有高度针对性的人工智能"电池",这时"电网"还没有成形.这些创业公司靠的是深度而非广度.它们不打算提供通用型的机器学习能力,而是为特定目的打造产品~打磨算法,如医疗诊断~抵押贷款和自动无人机等.它们把宝押在了传统商业日常运营中,众多琐碎细节无法很好地跟通用网络契合在一点上.准确地说,这些创业公司不是要让传统公司"用标准的"人工智能,而是为传统公司量身打造能即刻融入公司正常流程的人工智能

美国对移民的开放~对人才的尊重,吸引了来自全球各地的人才.这些人中包括恩里科·费米~阿尔伯特·爱因斯坦和今天的许多人工智能科学家.而中国在经济产业升级过程中采用的自上而下的推进模式,在凭借人工智能力量打造新的社会秩序和经济体系时,为中国带来了独特的优势.了解两个超级大国以及七个巨头的优势和劣势后,才能勾画出人工智能落地的时间轴,看到人工智能产品和系统会如何改变我们身边的世界

第一波人工智能浪潮的基础是给互联网用户的浏览数据贴标签,而商用人工智能则是给传统公司数十年来积累的大量专业数据贴标签

中国的企业大多使用自己特有的系统来保存数据,从未真正接纳企业软件或标准化的数据储存.这些系统无法扩展,难以和现有的企业软件整合,数据的整理与结构化非常困难.无结构的数据导致使用人工智能优化后的结果不甚理想

不断增加的海量数据使算法不断优化,也使智融能够将信用服务延伸至那些向来被传统银行忽视的人群,如低收入年轻人及外来务工人员.智融集团的人工智能算法,预测违约率低至个位数.这一数字让传统银行叹为观止

第三波浪潮就是把人工智能延伸至我们的生活环境,以大量的传感器及智能型器材,把我们的现实世界转化成可被深度学习算法分析与优化的数据

我把这个新环境称为"线上线下融合"(Online-Merge-Offline),简称OMO.我们已经从纯粹的电子商务迈入O2O(线上到线下)服务,下一个状态则是OMO.这个过程中,每一步都在数字世界和现实世界之间建立新桥梁.OMO把数字世界和现实世界完全整合起来,把线上世界的便利性带进线下世界里,把在线下世界里感知到的内容带到线上世界里

这里的服务人员知识丰富~友善~训练有素~精于营销.这份工作对社交互动的需求远超传统超市的服务人员岗位,所有员工都要随时和顾客讨论烹饪~从农场到餐桌的供应链以及比较某款产品和顾客用过的其他产品

把感知人工智能应用于这些领域,需要的不仅仅是摄像机和数据.不同于互联网人工智能和商用人工智能,感知人工智能非常依赖硬件,想把医院~汽车及厨房转变为OMO环境,我们需要装配传感器的硬件与器材,使现实世界和数字世界同步

自主人工智能将首先应用于商业领域,因为这些机器人创造了可预见的投资回报,它们执行的是人工成本更昂贵或是找不到人执行的工作在美国,家政工作者如清洁工~厨师~护理员等也大致符合这一类别,但短时间内自主人工智能还无法用在家政服务上

我们探讨人工智能发展时的一个盲点,单纯竞争的表面下还潜藏着更重要的问题:人工智能力量进入我们的世界后,真正的分歧不在国家之间,而在每个国家内部

强人工智能会是人机关系的一个重大转折点,许多人预测这会是人类史上意义最重大的一件事.我认为除非彻底解决了所有控制问题和安全问题,人类不应该跨越这个点.人工智能未来不会只有稳定的实质性进展和辉煌的人类繁荣;相反,我认为人类文明很快就会面临人工智能引起的危机.这场危机虽然不会带来好莱坞大片里的末日场景,却会以同样惊人的规模破坏经济和社会,甚至会触及21世纪人类意义的核心.简而言之,这将是一场涉及工作和不平等的危机

通过赋予机器人看~听~拿~操作~移动的能力,人工智能会彻底改革制造业,迫使发展中国家那些雇用了大量低薪工人的工厂破产,切断底层人民改善生活的路径,剥夺发展中国家通过低成本出口促进经济发展的机会.中国~韩国~新加坡的脱贫致富之路曾经证明了这种方式的有效性.大量的年轻工人曾经是发展中国家的最大优势,但在人工智能跨越式发展的未来,却会变成拖累和潜在的不稳定因素

总的来说,这种生产模式变化主要是去技能化.这些工厂以前需要高水平技工来完成任务(例如手工纺织品).现在,这些任务被分解成一个个简单得多的小任务,低水平技工就能完成(操作蒸汽驱动的动力织布机).在这个过程中,产量大大增加,价格大大降低

ICT不同于蒸汽机和电气化,它"偏重技能"(skill-bias),通过打破信息传播障碍,增强了世界顶尖知识工作者的力量,而将中间许多人的经济作用缩减了一半.所以,有一件事越来越明确:没人能保证提高了生产力的GPTs还能为工人带来更多的工作岗位或更高的工资

与第一次和第二次工业革命中的GPTs不同的是,人工智能不会推动经济生产的去技能化.它不会让少数人完成高级任务,也不会将其分解成由更多低水平技工完成的小任务.它只会接管符合以下两个标准的任务:可以利用数据优化,并且不需要社会互动

第一个催化剂是人工智能算法的易复制性

第二个催化剂是风险投资业(VC)的诞生

第三个催化剂是中国的影响力汉斯·莫拉维克(Hans Moravec)是卡内基·梅隆大学的教授,也是我的老师.他在人工智能和机器人的研究中得出一个根本性的结论:与一般的观点相反,让人工智能模仿成年人高知识水平或运算能力比较容易,但要让机器人具备婴儿的感知和感官运动能力,则困难得多.本质上,人工智能是"演算的巨人,行动的矮子

人工智能还可能会滋生21世纪的阶级制度:人工智能精英阶级和"无用阶级"即史学家尤瓦尔·诺亚·赫拉利所说的永远也无法创造出足够的经济价值养活自己的人

2014年的<纽约时报>采访了下岗电工弗兰克·沃尔什(Frank Walsh),他描述了失业带来的心理影响:"我失去了价值感,你明白我的意思吗?之前有人问我:‘你是做什么工作的?’我会回答:‘我是一名电工.’但现在我却答不上来了.我不再是一名电工了." (25)失去人生意义和目标会带来非常现实且严重的后果

如果是人工智能导致的失业,带来的心理创伤还会更大.人们将面临的境况很可能不是暂时失业,而是永久性地被经济体系拒之门外.他们只能眼睁睁看着自己用一生时间学习并掌握的技能,被算法或机器人轻而易举地超越

人工智能固然强大,而人类独有的爱才是我们生活中最需要的.爱是第一眼看到新生儿的瞬间,是坠入爱河的那一刻,是朋友的倾听所带来的温暖,或帮助别人时感受到的自我提升.人类对自己的心灵还欠缺认识,更谈不上去复制.但是我们确实知道,只有人类具有爱与被爱的能力,也希望爱别人和获得爱.而爱与被爱的感受构成了我们生命的意义

我们可以选择认可纯粹的技术统治论(即将我们每个人视为一系列待满足的经济和物质需求),并且只给每个人提供足够安家和果腹的资金.事实上,这种仅仅满足所有人基本生活需求的收入分配模式越来越流行了.但我认为,这种政策是贬低人性的做法,也错过了绝好的机会----利用人工智能创造的经济财富来宣扬我们的人性.做到这点需要重写基本的社会契约,重建经济激励机制,激励造福社会的行为;需要全方位的经济和社会转型

因此,我们可能不得不选择更为激进的再分配方案.全民基本收入时下,最流行的再分配方案是全民基本收入(UniversalBasicIncome, UBI),其核心思想很简单----每个公民(或每个成年人)从政府那里定期领取收入补助金,这笔钱的申领没有任何附加条件.UBI不同于传统福利或失业福利,其适用于所有人,而且不受时间或岗位需求限制,可以随意支配

我担心,恐怕许多硅谷精英倡导实施UBI,都是出于最后一个动机.他们认为UBI是一根"魔杖",可以瞬间消除他们在人工智能时代的"功绩"引发的错综复杂的经济|社会和心理问题.UBI是之前提过硅谷信奉的"轻量"解决方案----偏爱理念和技术轻量解决问题,而避免处理现实世界中的"累活".这种方案倾向于认为所有问题都可以通过调整激励机制或是塞一大笔钱解决.只要每个人都能拿到每月的UBI就会开心过日子,而不会怪罪科技精英,这样科技精英们就可以全神贯注地继续用科技改造世界,并获得丰厚的经济收益.虽然支撑UBI所需的高税收会一定程度上削减他们的收益,但人工智能所带来的绝大多数经济收益仍将归于这个精英群体

传统风投信奉高风险|高回报,他们在投资十家创业公司时,心里已经明白其中的九家会倒闭.但是成功的那家一旦市值飙升,他们的回报会呈几何级数增长.如此高回报的基础是独特的"互联网经济学":数字产品可在边际成本几乎为零的状态下无限扩张,这意味着最成功的公司获得的收益可以达到天文数字

服务导向的影响力投资则不同.创造有意义的工作岗位,对应的回报是线性增长的.这是因为人力驱动的服务行业,无法实现几何级数增长的回报

我并不想生活在这样的社会:人工智能精英与世隔绝,坐拥惊人的财富,用最少量的施舍来保证广大的失业人员不闹事.我希望,我们可以共同创造出一个全员协同发展的制度,妥善运用人工智能创造出来的财富,建立更有人情味|更有爱心|更人性化的社会

如果我们相信生命的意义远不止物质上的盲目追逐,那么人工智能就有可能帮助我们揭开更深层次的意义

这个过程改变了我的人生,让我兜了一圈,又回到了我大学时代最初的目标:用人工智能来理解人类的本质.如果人工智能真的能够帮助我们理解自己,不是因为人工智能理解了人脑的运作原理,而是因为人工智能解放了我们,让我们不再一味追求优化,进而可以聚焦在真正使我们成为人类的东西上----爱人与被爱的能力

我相信,人工智能的到来,是为了帮助人类从乏味|无趣的例行性工作中获得解放,并且推动我们思考人何以为人,以及人生在世的意义

随想

地球人类初生,体格比较强壮,智力萌芽,改造自然的能力很差,生存比较艰难,需要同恶劣的自然环境和强壮的动物竞争.由于人智力的发展,从简单工具时代到了工业时代,改造自然的能力大大增加了,动物早已不是对手,在能够认知的世界内,人是霸主.AI是人智力的进一步提升.工业时代是机器替代了人的体力劳动,AI时代是机器替代了人的脑力劳动.AI+机器替代了只作为工具而存在的人.

在生产力低下的农业社会,往往要多生人口提供劳动力,而这些劳动力的产能又养活不了自己,所以大多数人占用相对少的物质,生活贫困.少数人通过剥削多数人占用相对多的物质,生活富裕.工业和AI时代,更多的劳动力不再需要了,生产力可以养活更多的人,然而更少的人占用更多的物质,一些想靠劳动换生活的人也没有机会了.物质分配极度不均.如果继续发展,会导致一个超级AI+机器生产的物质可以养活所有人类和动物.在AI看来,绝大多数人和动物没有区别.

人类的延续基于繁衍后代的本能,和动物一样.这种生存方式在地球上已经几亿年了,不需要智商更不需要AI.人发明机器和AI目的之一是为了获取更多的能力.而获取更多能力的原因是为了活得"更好",对于不同的个人,这个"更好"的要求不同.

AI是否能帮人活得更好,有的人因为AI觉得生活乐趣又多了些,也有人觉得没什么意思,没有也一样.对于那些具有强烈好奇心的人讲,AI的发展是必须的,这个强大的能力作为人的帮手,可以加快对世界的探索,寻找先哲那些终极问题的答案.