什么是人工智能当前最大的天花版？
大家早上好，欢迎打开剽悍晨读，每天进步一点点，坚持带来大改变。今天是2021年5月11日，我们要给大家分享的书是《销声匿迹》。这本书是由人类学家玛丽·L.格雷和西达尔特·苏里所写。在以往的晨读中，我们曾分享过书中部分内容，这次我们重点解决的问题是：“人工智能的边界在哪里？”以驱动AlphaGo的人工智能为例，技术专家斯科特·哈特利在《模糊性与技术专家》一书中记录了它取得的斐然成就。围棋是一种非常益智的棋盘游戏。2017年5月，AlphaGo成为第一个击败中国围棋世界冠军柯洁的电脑程序。5个月后，AlphaGo又迭代出了AlphaGo Zero。可以说，在围棋这个领域，人一时半会是赢不了人工智能了。回到围棋的定义，你会发现说到底围棋只是一个棋盘游戏。它的规则是死的，有固定的形式，在封闭的棋盘中进行，结果只取决于对弈的双方。查看AlphaGo的设计思路你就知道，程序员设计AlphaGo时，主要以对弈过程中预测落子的远期影响为主。因此，通过人类围棋大师对弈的庞大数据库以及与自己对弈，AlphaGo接受了几十亿个棋局的训练，从而了解哪种棋路更好，哪个落子位置威力更大。但是，不管它怎么训练，都是依据简单规则，在简单场景下的无限重复。生活不像围棋，不存在单一形式和最优解。人工智能想要打通对人类社会全领域的渗透，非常困难。比如，你很难列举“最好的”婚礼场地具备哪些特质。即便你能列举出来，也不能让每个人都满意，因为每个人喜欢的调调不一样。人工智能也很难画一个让大多数人喜欢的画作。因为它涉及到不同的风格、颜色、主题和素材。总之，除了重复性劳动，生活中的大多数场景，都不存在那种用来教会人工智能识别“最优解”的训练数据。气候变化、喜好变化、法律变化、市场变化、技术变化等等，每一个微小的变化，都会影响人们对场景的感知和判断。这种感知，人工智能很难同步做到，因为它们不仅复杂且没有边界。因此，由于未知因素太多，造成人工智能的训练停滞不前。即便把现在所有的信息都输入电脑，让它具备足够的意识或者获得足够的经验，它也无法对所有意外情况做出正确的反应。农业社会之前，由于人们只能以狩猎为食，所以最有社会地位的是好猎手。工业社会之前，由于土地是最好的生产资源，所以经验丰富的农民也会备受大家亲睐。过去20年，工业社会逐渐步入尾声，我们进入了信息社会。最挣钱的企业已经从大规模生产家具、服装等耐用品，慢慢转型为提供医疗保健、消费者分析和定制化零售等服务。把一种体验卖给消费者，比卖一杯拿铁挣钱挣得多；一条爆款娱乐新闻的收益超过了一台电视。因此，处于工业社会中的蓝领制造岗位，一直是人工智能发展最直接针对的目标。而从几次社会迭代来看，低端劳动岗的迁徙会在相对较长的时间内发生。也就是说，社会会给低端劳动力充分的成长和发展时间。比如，生产苹果手机的富士康工厂，花费十年时间，用机器人取代了6万名工人。可是，在这十年中，物流业充分发展，光是亚马逊，就在20个物流中心，部署了23万名工人一起工作。也就是说，人工智能会取代一部分低端劳动力，但还是会有新的劳动力形式出现。总结一下，与其恐惧人工智能，不如思考你自己当下的处境。从历史维度看，每个时代的生产资料改变后，低端劳动力都会迎来一次洗牌。而我们要做的是未雨绸缪，早做准备，早点离开那些行业。
