关于人工智能，人类和机器人共存

　　中国人工智能技术快速发展，成为全球人工智能领域的重要拼图之一。在本书中，李开复凭借对全球科技业与人工智能行业的深入了解，为读者描绘了人工智能新世界的样貌、未来人工智能对社会的冲击以及在人工智能时代我们的应对策略。

机器人共存" alt="关于人工智能，人类和机器人共存"/>

　　● 人工智能时代的数据王国

　　送外卖、汽车维修、共享单车、街头便利店等行业的互联网化，使中国拥有了人工智能时代的大量关键资源──数据。靠着实地苦干，中国在这方面远远超越了美国，成为全球最大的数据生产国(并且差距还在日益扩大)，为中国在人工智能实干年代的领导地位奠定了基础。

　　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。

　　中国的数据优势不仅体现在数量上，在质量上也有保证。中国庞大的互联网用户群(比美国和欧洲加起来都多)提供了海量数据，这些用户在现实世界的行为又支撑了数据的质量。创办人工智能公司时，中国特有的应用程序收集到的数据更为实用。

　　硅谷巨头从用户在线活动中收集数据，如搜索、上传照片、观看YouTube视频、点赞等。中国公司则根据用户现实世界的行为收集数据：何时何地购买了什么物品、餐饮习惯、化妆品的选用、交通服务的选取等。深度学习只能根据“看到”的数据进行优化，中国接地气的技术生态系统为深度学习的算法提供了更多“眼睛”，让它们“看”到我们日常生活的内容。随着人工智能为许多新产业“通电”，中国科技公司与现实世界的紧密结合，会使得它们在与硅谷科技公司的竞争中具备天然优势。

　　● 危机考验与新的社会契约

　　摆在我们面前的现实依然严峻。在未来15年内美国会有40%到50%的工作岗位在技术上可被取代。“技术上可被取代”并不意味着所有岗位会在一夜之间消失，但是如果不加以调控，这些行业的从业人员将会承受巨大的压力。中国和其他发展中国家情况可能有所不同，具体表现在受到上述影响的时间早晚，以及失业率更高或更低。但整体趋势是一样的。

　　技术乐观主义者也许会回顾历史，引用工业革命和19世纪纺织工业的大变革作为“证据”，来说明顺其自然总会有最好的结果。但这个论点越来越站不住脚。即将到来的人工智能革命，无论是规模、速度还是对技术的偏向，都表明我们面临着全新且史无前例的挑战。即使失业状况没有向着最坏的方向发展，人工智能还是会继续大幅拉开互联网时代的贫富差距。

　　历史上，就业市场最终能依靠市场的力量找回平衡，但是这一次人工智能来得太凶猛，我们必须面对失业和贫富差距加剧的考验。

　　构建人工智能时代的新社会需要经济变革，也需要文化变革。在延续了几个世纪的工业经济社会后，我们大多数人认为自己在社会中的主要作用(甚至包括我们的身份)来自有成就感的带薪工作。没了这一点，人与社会之间最牢固的纽带就将断裂。从工业时代过渡到人工智能时代，我们需要摆脱旧的思维模式，不再将工作与生活等同，也不再将人类视为优化生产力算法中的变量。我们应该构建新的文化，要比以往更加珍视人类的爱和服务他人的态度。

　　没有任何经济或社会政策可以“强迫”人的内心发生改变。但不同的政策可以对不同的行为进行激励，推动文化向不同的方向发展。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。该方法依赖于社会各个阶层的投入，不断探索、大胆实验。

　　● 人机共存：优化与人情

　　自由市场创造出来的工作，很多都是结合人类与机器能力的协作机制：由人工智能负责例行的、重复性的优化任务，人类负责需要创意和战略思维的工作和处理人际关系。这需要重新调整很多岗位，也会创造新的工作，让人类和机器联手提供高效率且人性化的优质服务。在本书中第6章的就业风险评估图中，这种人机协作机制在未来可以为“结合区”的群体提供最多的就业机会──人工智能做分析性思考，人类则用温暖和关爱传达机器所做的分析。不仅如此，“安全区”和“慢变区”的工作也会有类似的改变趋势。这是发挥人类光芒最好的方式，因为有关创意和关爱工作人工智能几乎不可能完成。考虑到这一点，我们应该积极发展STEM教育。STEM是科学(Science)、技术(Technology)、工程(Engineering)、数学(Mathematics)四门学科的缩写。在教育上强调创意和思维的培养，这与下文要分析的关爱型工作，是未来教育的两个重点。

　　人机协作有很多非常好的例子，我坚信人工智能算法在诊断疾病、制定治疗方案等方面一定能超过人类医生。尽管传统的医疗机构，如医学院、专业协会和医院可能会推迟人工智能诊断工具的应用，但我相信只要几十年的时间，人工智能的诊断准确度可以近乎全方位超过医生。

　　面对这样的趋势，一个可能的结果是人工智能算法完全代替人类医生，完成全部的问诊工作。但是，很多患者可能不希望面对一台机器来完成看病的过程。试想，你会愿意由一台机器(即使这台机器掌握了大量最新医学知识和病例)冷冷地告诉你“您患有淋巴癌，并且已经到了四期，5年内死亡的概率是70%”吗?我相信，患者更希望得到人性化的医疗方法，而市场一定能创造出这样的方法。

　　传统医生可能会演变成一种新职业，我称为“关怀护理医师”。这种医学专家集护士、医疗技术人员、社会工作者，甚至心理学家的技能于一身。“关怀护理医师”需要接受两种培训：一是了解和操作诊断工具;二是与患者交流、在患者遭受生理或心理创伤时给予安慰、在整个治疗过程中给予患者情感支持。“关怀护理医师”可以给患者分享鼓舞人心的成功治疗案例，而不是简单地告诉患者冷冰冰的诊断结果。他们会说“李开复也得过淋巴癌，采用和你一样的治疗方案后他恢复得非常好，所以我相信你也可以”。病人得到这样的关怀后，可以增加自信，康复的概率也会提高。

　　“关怀护理医师”不会同机器在记忆力或优化治疗方案方面进行竞争。从长远来看，在这些方面他们肯定会输。“关怀护理医师”接受培训，是为了在更多需要情商的活动中发挥作用，而不是成为一本医学百科全书。他们会与机器完美互补，让患者一边享受空前准确的诊断，一边也能得到现今医院经常缺失的人情关怀。在由自由市场衍生出的人机协作中，将会把我们的社会慢慢变成一个更友善、更有人情味的世界。

　　许多其他领域也将出现类似的协作效应，如教育、法律、活动策划和高端零售业等。律师事务所的律师助理可以将常规研究任务交给算法，专注地与客户进行沟通，使客户感受到更多的关心。人工智能超市(如国内的永辉、京东，美国的Amazon Go)则不再需要收银员，它们可以雇用本书中第5章中描述的那种高情商、有同理心、体贴的服务人员来大幅度提升顾客的购物体验。

　　对于专业人士来说，随着人工智能的逐渐普及，一定要尽快学会使用人工智能工具。与其他技术革命一样，试图以自己的方式与人工智能竞争的人终将会失败。长期而言，反抗可能是徒劳的，协作才会有收获。

　　最后，互联网引领的共享经济潮流将大大缓解失业的情况，并重新定义人工智能时代的工作。我们会看到更多传统岗位由人工智能算法接管，许多商品和服务都可以数据化并不断通过算法优化，但共享经济中那些碎片化、个性化的工作仍然只有人类可以完成。

　　如果想要鼓励和激励这些服务发展，我们不能只靠民营企业市场的人机协作机制，还必须通过服务业的影响力投资和政策，推动更广泛的文化价值转变，为这些产业注入新的活力。