任何问题摆在智能的机器面前，只存在着理论上的“最优解”，没有情感顾及地选择最优，自然就成了一件理所当然的事情。 人工智能时代的来临，在带给极客们肾上腺素的分泌时，也同样带来了人们对人类未来命运的担忧。在所有的担忧中，有一类担忧明确地对未来社会的劳动力分配提出了新的设问。它源于“人类大多数工作将要被机器所取代”的思维恐惧。而在我看来，人工智能的发展，真正会带来的结果，可能与我们大多数的估计恰恰相反。机器将把价值链上游，涉及价值观或具有极高智识门槛的工作牢牢占据，与此同时，人类将补齐那些低附加值低门槛的社会工种。 形成这种结果的原因，一言以蔽之，是因为人工智能展现出来的极高的机器效率刺激了社会需求的转变。 那么，什么是效率？ 德国哲学家马克斯·韦伯提出了“工具理性”和“价值理性”的合理性学说。简单说来，“价值理性”在意的是做一件事情的初衷是不是正确，而“工具理性”则是在强调做一件事情能不能得到想要的结果。那个著名的电车难题，实际就是对“价值理性”与“工具理性”的另类思考。 人类社会的发展演变，离不开“工具理性”的效率调节，在可能稍显残酷的社会活动中，它划定了人类生产和生活的边界——提升社会的效率和追求市场的竞争机制，恰恰是鼓励人类发挥自身才能，约束物质生活得以合规进行的重要前提。 而“价值理性”，则补充划出了人类发展和进步的可能性——只有具备了向前的精神意志，和美好纯洁的信仰，才有可能将“工具”利用起来，崇高的“价值理性”赋予了人类在追求效率时，兼顾公平的能力。 这也便是我想说的第一点。人工智能在初期，固然只是一个只会线性完成某项任务的“工具理性”的产物，但假以时日，人工智能最终会实现拥有站在“价值理性”一侧思考的能力。而这种能力的获得，将伴随人工智能对人类社会权责划分的参与和再定义。 已经存在事实是，人工智能展现出了逐渐拥有在“价值理性”一侧思考能力的趋势。 比如，在人工智能与汽车的结合应用上，人工智能已经由最初那个只知道控制方向转动角度和油门刹车力度大小的单一程序，进步到了试图开始思考碰撞选择，道德取舍的学习状态—— 麻省理工学院认知科学家伊亚德·拉万（Iyad Rahwan），就曾在一封公开讨论自动驾驶汽车的电子邮件中写道： “每次自动驾驶汽车进行避让动作时，它就暗中决定了不同群体的危险程度。” 这意味着危险的判别正在逐渐建立一套独立的标准和算法。算法的好坏，就对应着社会运转的效率高低。 人工智能，拥有最优的效率 幸运的是，人工智能不会因环境等外在因素受到干预，这使得在与人工的对抗上，它达到了效率的最优。 要知道，人类社会的诸多难题，大多数都源于我们天生的情感顾忌，但对机器而言，“感性”是根本不构成影响或者说无法从机器角度理解的问题。任何问题摆在智能的机器面前，只存在着理论上的“最优解”，没有情感顾及地选择最优，自然就成了一件理所当然的事情。 意大利犯罪学家龙勃罗梭（ Lombroso）在其1893年出版的《犯罪：原因和救治》一书中就单辟章节，谈及了外在环境因素对犯罪率的影响—— 他说，智力、情感、本能、习惯、下意识反应、语言、模仿力等心理因素和人成长的环境因素都对犯罪的发生构成影响。 实际上，即便是针对环境因素中“天气”这个单一要素来看，人也展现出了大量的可被其干预的特征。虽然存在争议，但明镜周刊（The online Spiegel）还是报道过由Solomon Hsiang等研究人员发表在科学杂志上的关于“天气对犯罪率影响”的研究报告。报告中有这样一句话： “median estimates indicate that the frequency of interpersonal violence rises 4％ and the frequency of intergroup conflict rises 14％．”（根据变化的中位数估计，每一个单位的气候变化，将造成人际暴力和群体冲突概率的提升。） 抛开数据指标的争议，我们能肯定的是，社会因素与自然因素对人确实在施加作用和影响，哪怕这影响有时候是极小的。 而在本质上，以上反映的是人作为理性和感性兼具的个体，始终无 但依靠数据，没有情感左右的人工智能，无疑将是这一问题最可能的解决者。 比如，法律。冷酷无情的法律恰恰是守护社会正义的关键。而法官这一角色对具体案件的衡量，其实是人工智能在未来最佳的应用领域。为什么？因为在法官对案件判定的过程中，只涉及“讲证据”、“按法律”的两大基本原则。而无论是对证据的讲求，还是对法律依据的寻找，其实都是对“数据”本身的学习解答，它不依赖于其它的复杂条件—— 一个好的法官，即便从某方面知道罪犯有罪，但如果拿不出可以证明其有罪的证据，就不会对其宣判。而这种本我意识和职权操守可能产生的矛盾，带来的内心博弈，只是人类的专属。人工智能当然要比人类做得更好。机器于“工具理性”上实现判罚效率和准确度的提升，也伴随着维护正义的“价值理性”的实现。 再比如，考试评测。人工智能领域的科大讯飞，甚至已经在语音智能评测上实现了产品化的应用——如今，几乎各地的普通话考试，都在使用科大讯飞的人工智能做为评测考官，在广东，甚至英语高考中的口语考试环节，也是在由讯飞的智能机器人把关。 在人类多少存在主观错判概率的情况下，语音人工智能对以往“语言评分教师”的取代，为我们提供了零出错、绝对完美的“工具理性”；而在社会效率的实现上，它同样是促进公平的“价值理性”的摇篮。 人类，去向何处？ 机器与人，在目前的优劣势对比上，存在着完美的互补性。那些我们觉得困难的事情，如高等数学、金融策略分析等，对于人工智能而言，是早已征服，正日趋完美的小儿科，而我们觉得容易的事情，视觉上的识别，动态移动的物理动作，直觉和情感判断，对机器来说却异常困难。 也正因此，不难发现，人工智能机器的弱势之处，正是人类数千年繁衍生息的生物本能——从灵活的肢体移动，到“下意识”的视觉识别判断，并非来自于日积月累的学习，而是天生使然，这对于需要构建数据模型，不断学习和优化的机器而言，是难以企及的优势。 而当我把这样的思考放在AlphaGo、Master与人类的围棋对决上看时，更有细思极恐之感——看不见的机器运算本身，借助于DeepMind的资深研究员黄士杰博士的手，得以物化的呈现。“代为落子”，也许可作为知秋的那一片落叶。 实际上，越发达的经济体里，人们就越依赖于简单的人工劳动，这是全球经济社会向前发展的一个基础共识—— 在发达国家，服务业占GDP的比重通常超过60％，而世界第一经济体的美国，其服务业占GDP的比重达到了80％，为社会提供了超过80％的就业岗位。 这个道理其实也很简单，就像是富豪们会花上千万买一部内饰全手工打造的劳斯莱斯，也不愿意去买量产的工厂跑车一样。人工劳动为产品构建留出了足够的信息差异，这种信息差异正是人们越来越看重的个性化。 更有意思的是，量产的工厂有了更多的智能机器，它只会由产业链不断发展，而一再因技术升级迭代降低成本，但人的技艺却有且只能源于最古老的学习规则，付出了必要劳动时间，并规避掉种种诱惑的人，倒成了产品价值的最大来源。 这就是质朴的经济规律：商品价值总量与生产商品的个别劳动时间成正比。发展到发达社会的高消费，只会给予人工劳动更大的意义。 更别说，当未来社会人人都能享受到足不出户即可体验全世界的黑科技时，还有多少人愿意去做人工生产——人工劳动只会越来越稀缺，越稀缺自然越昂贵；这就是为什么发达的未来社会，人工会愿意去补齐那些在价值链下游的空位的原因。 现在，就只剩下另一个问题：如果说人工凭借尊崇的劳动会获得高价值消费的需求匹配，那么，那些成本越低越好的下游行业，人类会因人工智能的介入而失业吗？ 首先我想说的是，如果人工智能主要的应用场景不是在数据分析和理论计算上，而是要通过和人比体力、比灵活来构建应用形态，这就不是什么人工智能时代的讨论，而成了杀鸡焉用牛刀的段子。 就像手机刚出来时，如果你看到的不是手机对“连接”这一问题的革命性突破，你就只会把手机看成是用来对讲的高级寻呼机。但是，手机是为互联而生，并用通信改变世界；同样，人工智能的未来，也绝不是机器人般的肢体活动，而是用其非凡的信息搜集与数据分析能力，帮助人类社会探究解决发展上层的种种“价值”与“工具”所交缠的难题。 所以，当人们举着无人机送货可能会取代快递工人的例子，意图说明人工智能争抢低端岗位时，别忘了它并非人工智能的真正用武之地。而且，即便抛开无人机的本质不谈，当顺丰和京东只选择在农村做无人机试点时，你就能看出飞行器特有的局限性——密集的住宅和写字楼，必然是人口继续增长的未来社会的生活形态，而飞行器的送货，效率只能在两点之间体现（例如库房和偏远的农村集散点），而当城镇化的都市人口扎堆般拥有收货需求时，突破安全禁止，曲线穿行盘旋的无人机，怎么可能会是最优的解决方案呢？ 同样的，当南方工厂有了一座座机械臂，正在取代一部分工人时，别误以为这是人工智能在作怪；只会固定动作循环往复的机器，尚离“智能”有着太远的距离。何况，从上世纪60年代初开始，机械臂就开始充当自动化工人了，这么多年中他们带来的生产力提升，又反作用于社会经济增长，反而刺激了更多的工作岗位的产生。 还是那句话，视觉上的识别，动态移动的物理动作，是人类在千年繁衍迁徙中建立起来的生物上的相对优势，它不需要也不可能被大规模替代。 也许有一天，价值观不再是人类的专属，人类会在个性化需求的商品生产上，发挥其独一无二的优势，而人工智能也会参与到社会分工里来，用它擅长的数据收集和结果运算，做起那个能杜绝任何外在影响的完美社会“法官”，帮助人类社会更好的成长。
|
