第四章 AI時代：人類將如何變革？

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

比方說，傳統意義上，在股票交易市場工作的普通交易員只是起到一個資訊錄入員或中間人的作用，他們在嘈雜、紛亂的市場裡，一邊關注買方訴求，一邊關注賣方訴求，他們所做的工作，只是根據買家或賣家的指令，完成實際的交易操作。對於一樁交易能否成交，他們只需要關注具體數字和市場行情就能做出判斷。基本上，每個獨立判斷，花兩三秒就能做出。今天的自動化技術和人工智慧技術足以完成這類簡單的、中介性質的工作。這就是今天各大股票交易市場裡傳統意義上的交易員正大幅讓位於計算機的原因所在。

再比方說，駕駛汽車的時候，人類司機根據路況所做出的判斷，其實都是人腦可以在短時間內處理完成，並立即做出反應的。否則，如果人類司機對路面上突然出現的障礙物、交通標誌、行人等無法在一兩秒內做出即時反應，駕駛的危險性就必然大幅攀升。這其實從一個側面說明，汽車駕駛這項工作，需要的主要是快速感知外界環境、快速判斷並快速響應的能力。這種決策能力符合“五秒鐘準則”，因此，汽車駕駛工作終將被自動駕駛技術全面替代和超越。人工智慧足以在更短時間內做出與人類一樣或比人類還精準的判斷，將駕駛安全等級提升一個檔次。

反之，如果你的工作涉及縝密的思考、周全的推理或複雜的決策，每個具體判斷並非人腦可以在5秒鐘的時間內完成，那麼，以目前的技術來說，你的工作是很難被機器取代的。

例如，新聞撰稿就有簡單和複雜之分。資訊報道類的新聞撰稿，在很大程度上正在被人工智慧的新聞寫作工具所取代。比如在體育類、天氣類、財經類的新聞報道中，人類記者通常所做的不過是簡單地組合事實，報告情況，並按照某些既定的格式完成文字寫作。這種工作不需要複雜的判斷，可以被機器取代。但是，同樣是新聞類寫作，如果你所撰寫的是《紐約客》型別的深度評述文章，每篇文章都需要大量採訪為基礎，並在原始素材之上，發揮作者的歸納和推理能力，提煉出相對複雜的邏輯結構，設計出最適合主題的表述形式，這些工作，每一項所需要的思考時間，都遠遠不止5秒鐘。有能力為《紐約客》撰稿的記者，在未來很長一段時間內，根本不用擔心自己的工作會受到人工智慧的威脅。

類似地，如果你是一個可以創作鋼琴曲、交響樂的作曲家，如果你是一個可以製作深度訪談節目的電視導演，如果你是一個能夠從頭建立故事架構的電影編劇，如果你是一個可以用創造性的方法為學生講解複雜知識體系的教師……正在從事這些複雜工作的你，未來可以利用人工智慧來提高工作效率，但根本無須考慮是否要將工作讓位於機器。

當然，這裡說的“五秒鐘準則”只是個經驗法則，我們可以舉出許多並不符合這一準則的個例。比如說，根據病人的化驗結果或醫療影像，對病人的病情進行診斷，這件事並不是一個醫生可以在幾秒鐘時間裡就能完成的。但隨著今天計算機視覺技術的發展以及人工智慧在醫療領域的深入應用，人工智慧確實可以代替一部分醫生的工作，快速完成基於資料或影像的初步病情篩查。再比如說，雖然許多簡單工作，比如病人護理，在工作中不需要特別複雜的決策過程，但接受護理的病人，很多都會特別在意自己與護理員的溝通，那麼，這樣一種需要人與人交流的工作，就很難被機器所取代。

基於“五秒鐘準則”，我個人預測，從事翻譯、新聞報道、助理、保安、銷售、客服、交易、會計、司機、家政等工作的人，未來10年將有約90%被人工智慧全部或部分取代。如果就全人類的工作進行一個粗略的估計，我的預測是，約50%的人類工作會受到人工智慧的影響。

人工智慧對人類工作的可能影響包括三種型別：

·人類某種工作被人工智慧全部取代；

·人類某種工作被人工智慧部分取代；

·人類某種工作轉變為新的工作形式。

與其他科學家或未來學家相比，我的預測比一部分人激進，比另一部分人保守。如果歷史程序如我所料，那麼，在未來10年裡，至少有一半人需要關心自己的工作與人工智慧的關係，需要在未來的人機協作模式中，找到自己的新位置。

<h3>大部分工作將發生轉變而非消失</h3>

我曾向《人工智慧時代》一書的作者，電腦科學家、連續創業家、未來學家傑瑞·卡普蘭提問，人工智慧將在不久的將來造成人類多大範圍上的失業？由此引發的失業會成為一個嚴重的社會問題嗎？

傑瑞·卡普蘭的觀點非常明確：不是所有工作都會被人工智慧取代。相反，很多工作都會轉變為新的工作機會89。

一個很好的例子是銀行的櫃員。過去，大多數銀行櫃員總是在做最基本的銀行交易。顯然，ATM自助服務終端的使用，已經代替了一定數量的銀行櫃員的傳統工作。但有趣的是，銀行櫃員的僱用數量不降反升，因為櫃員的工作轉變了。我們仍然管他們叫銀行櫃員，但他們的工作描述與20年前相比已經有了很大不同。大多數情況下，銀行櫃員不是坐在那兒等著幫你取錢、存錢。今天的銀行櫃員已經成為銀行各類業務的銷售員。你可以走進一家銀行的支行，跟櫃員就銀行業務展開交談。那些銀行櫃員可以為你提供所有幫助。這項工作已經不同了，但職位的名稱還沒有改變。技術讓銀行變得更加高效，更易擴充套件。銀行可以開更多的支行，僱用更多的員工，在新的領域投資並製造新的工作機會。

最近，一份來自詹姆斯·貝森（James Bessen）的報告顯示了在過去幾十年間全職銀行櫃員的數量增長趨勢90。據報告統計，隨著銀行自動櫃員機（ATM）的普及，美國全職銀行櫃員的數量先是在1990年前後有了一定規模的下降，隨後又逐漸回升，並慢慢在總量上超過了歷史最高點。也就是說，ATM的普及不僅沒有造成銀行櫃員人數的下降，反而給銀行提供了拓展業務的契機，銀行櫃員的工作轉變為新的形式後，銀行對於櫃員的需求也持續增加。

傑瑞·卡普蘭這一分析僅僅以銀行業過去幾十年間櫃員數量的增減為論據，可能會有些片面。我覺得，長遠來看，銀行是否總是需要那麼多客服人員，這是值得商榷的。因為人工智慧對提升客服人員效率的作用必將越來越明顯。如果僅考慮銀行內部的工作轉變，我認為銀行櫃員數量在未來的總體趨勢還是會逐漸減少的。事實上，工作轉變和遷移不僅僅發生在一個行業內部，也許未來更常見的是跨行業的工作轉換。當銀行業不再需要這麼多客服人員的時候，這些人完全可以轉移到服務行業，從事那些必須人與人直接交流的工作。未來，我們希望能鼓勵更多人參與人際交往互動，建立機器與人類的交流溝通模式，而這些對於服務行業來說至關重要。AI技術能夠使未來的服務業更被人們期待和尊重，也完全可以讓服務業接納許多從其他行業轉移過來的勞動力。

在傑瑞·卡普蘭看來，人工智慧可能取代的工作大多擁有清晰的評估標準，工作業績可以被客觀地衡量。人工智慧無法取代的工作通常需要人類做出決策。例如，風險投資人仍然需要面對面地和創業者會談，以確定投資意向。即便是高階教育背景的人，也會花很多時間來做重複性的工作，而這些重複性的工作最容易被自動化。這可以讓那些高階人才將更多的時間用於那些最能發揮他們的技能特長，最不容易被自動化的工作部分。

對於某些工作，全部工作內容都可以被自動化，所以不再需要人類員工。例如，放射科醫師的工作就可以全部被自動化。但對另一些工作，比如普通醫生，你沒法將他們全部替換，因為你沒辦法徹底取消面對面的病情診斷。我們將會擁有自動輔助診斷系統，但這些系統只是讓醫生的工作更高效，從而讓醫生有更多時間來完成科研任務，或者接診更多的病人。今天，很多人因為醫療費用昂貴而不去看醫生。當人工智慧被廣泛應用後，醫生可以更高效地接診病人。醫生的數量可能會下降，但人們可以更容易也更頻繁地去看醫生。

與傑瑞·卡普蘭的觀點相似，我認為在人工智慧時代裡，人類工作的轉型在所難免，但這更多意味著新的工作方式，而非大量的失業。比如，我的大女兒在學習服裝設計。在過去的數十年裡，因為技術的發展，特別是因為網際網路的普及，服裝設計這個行業已經有了很大的變化。過去學服裝設計的人，必須親自學習從材料到設計再到剪裁的每一個細節，親自動手量體裁衣。但現在網際網路上出現了不少設計師與服裝生產環節之間的協作平臺，透過網際網路進行分工合作，設計師只要負責款式設計，並把圖樣發給服裝製造的上游廠商，廠商就會根據設計師的設計，完成服裝的實際生產。在今天這個時代，設計師不用親手量體裁衣，就可以創造並擁有自己的時裝品牌，並利用網際網路的優勢，進行推廣和銷售，所有其他環節，交給更專業的人去完成。這是網際網路的興起，為時裝行業帶來的工作方式的轉變。那麼，未來隨著人工智慧的應用，許多簡單的服裝製造環節，都可以由人工智慧控制的機器來完成，時裝行業又會經歷一次新的轉變。在歷次變革中，懂得發掘美、展現美的時裝設計師，他的工作因為需要人的想象力、創造力而不會消失。產業鏈上其他相關的工作，則會因技術的引入而不斷變化。最終的結果不一定是從業人員的減少，更有可能的是服裝設計、生產效率的大幅提高，生產成本的大幅降低，在此基礎上，甚至可以為每個使用者配備“私人”設計師，根據使用者的個人愛好，來訂製最美的時裝作品——基於這個判斷，今後服裝設計師的數量一定會大幅增加。

也就是說，失業問題未必會如某些人想象的那樣嚴重。技術發展將造成一部分簡單工作、底層工作的消失或轉變，但由此也會催生更多新型的、更需要人類判斷力和創造力的工作型別。如設計師、架構師、建築師、流程設計和管理者、藝術家、文學家……其工作不但不會被取代，反而會成為未來的稀缺資源，吸引更多在社會和經濟轉型中願意嘗試新領域的人來從事類似工作。

<h3>AI只是人類的工具</h3>

擔心人工智慧控制甚至毀滅人類的，是對超人工智慧過於樂觀的“科幻”愛好者；擔心人工智慧取代絕大部分人類工作，造成全球大範圍失業的，則是不相信科技進步能憑藉自身力量最佳化社會資源分配、調整經濟結構、構建新就業秩序的保守主義者。

我想，在人類可以預見的近未來，上面這兩種極端情況的出現機率都非常小。最有可能變成現實的情形是全人類步入一個嶄新的人機協作時代，在這個時代，以人工智慧為驅動的機器將大幅提高人類的工作效率，但無論從哪個角度說，機器都只是人類的工具。

傑弗裡·辛頓教授在接受採訪時說：“機械式挖掘機和自動櫃員機透過替代人類的簡單、重複勞動，提高了生產效率。沒有幾個人會說，我們不應該引入這些自動化的機器。在一個公平的制度中，可以提高生產效率的技術進步會受到所有人的歡迎，因為它們會為每個人帶來更為優越的生活。技術本身不是問題，問題在於制度是否能保證每個人都獲益。”91

傑瑞·卡普蘭認為，一個關於機器智慧的更好的思維方式是：我們擁有了新的科技手段，我們可以將這些新技術應用於新的問題領域。因為機器學習技術的進步，我們現在正處於最好的時期。“當你擁有一把錘子時，所有東西看起來都像釘子。”今天在美國，所有人都在嘗試，看看我們該如何應用人工智慧技術，可以應用得多麼深入。我們正在解決自然語言處理問題、翻譯問題、機器視覺問題、機器人問題等。有些地方，人工智慧工作得很好，有些地方，它們還難以滿足實際需要。驅動這種進步的主要力量並不是智慧本身，而是大資料以及使用更快、更便宜、更簡單的方式訪問大資料的能力。

今天人們對於機器學習的興趣與曾經的每一次新技術革命並沒有本質的不同。例如，機器學習和當年關係型資料庫的發展非常類似。我們當年使用基於層次模型和網路模型的資料庫，關係型資料庫的出現改變了一切。藉助關係型資料庫，任何人都可以將資料庫當成一個方便的工具，而不需要僱用許多專業的工程師。人工智慧就是這樣一個可以為我們帶來巨大改變的便捷工具，就像關係型資料庫在幾十年前所做的一樣。92

AI只是人類的工具。技術本身不是問題，問題是我們如何使用技術以及如何圍繞人工智慧這樣一種革命性的新科技，建立與之配合的社會和經濟結構，用制度來保證人人都可享用人工智慧帶來的巨大收益，同時不必擔心失業等潛在風險。

<h2>自動駕駛：AI最大的應用場景</h2>

自從谷歌正式對外宣佈自動駕駛汽車專案以來，自動駕駛行業已呈現出整體佈局、多元配置、多角度切入的格局，5到10年後可具備千億美元乃至萬億美元規模的龐大產業生態已具雛形。我們也許還無法準確預測，全功能、最高等級的自動駕駛汽車會在什麼樣的時間點，真正走入普通人的生活，但毫無疑問的是，這一次人工智慧熱潮中，自動駕駛一定是最大的應用場景。

自動駕駛帶給我們的有關未來生活的想象空間，幾乎是無窮的。這絕對不是未來的汽車都不需要司機，我們可以躺在車裡睡覺、聽音樂這麼簡單的一件事。

例如，當汽車不再需要司機的時候，我們為什麼還要像今天這樣，在家裡保有一部到兩部私家車呢？滴滴、優步等共享經濟已經為我們揭示出了一些未來生活的樣子：大多數汽車可以用共享經濟的模式，隨叫隨到。因為不需要司機，這些車輛可以保證24小時待命，可以在任何時間、任何地點提供高質量的租用服務。這樣一來，整個城市的交通情況會發生翻天覆地的變化。因為智慧排程演算法的幫助，共享汽車的使用率會接近100%，城市裡需要的汽車總量則會大幅減少。需要停放的共享汽車數量不多，只需要佔用城市裡有限的幾個公共停車場的空間就足夠了。停車難、大堵車等現象會因為自動駕駛共享汽車的出現而得到真正解決。那個時候，私家車只用於滿足個人追求駕駛樂趣的需要，就像今天人們會到郊區騎腳踏車鍛鍊身體一樣。

更重要的是，汽車本身的形態也會發生根本性的變化。一輛不需要方向盤、不需要司機的汽車，可以被設計成前所未有的樣子。比如，因為大部分出行都是一兩個人，共享的自動駕駛汽車完全可以設計成比現在汽車小很多，僅供一兩個人乘坐的舒適“座艙”，這可以節省大量道路空間。道路上，汽車和汽車之間可以透過“車聯網”連線起來，完成許多有人駕駛不可能完成的工作。比如，許多部自動駕駛汽車可以在道路上排列成間距極小的密集編隊，同時保持高速行進，統一對路面環境進行偵測和處理，而不用擔心追尾的風險。再如，一輛汽車在路面上可以透過自己的感測器發現另一輛汽車的故障，及時通知另一輛汽車停車檢修。未來的道路也會按照自動駕駛汽車的要求來重新設計，專用於自動駕駛的車道可以變得更窄，交通訊號可以更容易被自動駕駛汽車識別。

在自動駕駛時代裡，人們可以把以前駕駛汽車的時間用來工作、思考問題、開會、娛樂。一部分共享汽車可以設計成會議室的樣子，人們既可以圍坐在汽車裡討論問題，也可以在乘車時透過視訊會議與辦公室裡的同事溝通。今天駕駛汽車時，最多隻能聽聽廣播或音樂。未來乘坐自動駕駛汽車的時間，完全可以用來享受汽車座椅內建的全身按摩服務，或者接入虛擬現實（VR）裝置來一次穿越奇幻世界的冒險。自動駕駛時代，人類生活將更有品質也更加快樂。

自動駕駛的普及對產業結構、經濟格局的影響將極其深遠。想象一下，在過去的100多年，汽車工業是如何徹底改變了全球、全人類的生活方式，如何創造出了一大批市值百億美元、千億美元的大型跨國公司，如何帶動了從設計、生產到零件、外包、服務、諮詢、培訓、交通、物流等數百個相關的生態產業，如何在短短數十年裡讓美國成為“車輪上的國家”，又如何在短短十幾年時間裡在中國小康家庭中普及了汽車出行的現代生活方式。如此龐大的汽車工業，正面臨著以人工智慧為依託的自動駕駛技術的改造。生態中的每一個子產業都可能在未來10年內發生翻天覆地的變化。即便不提整車製造，單是自動駕駛技術需要的廉價、可靠的感測器（如鐳射雷達），就可能成為一個千億美元規模的大產業。或者，針對未來的自動駕駛技術，對現有道路進行改造升級，這又將涉及龐大的固定資產投資和相關產業的升級。無論如何樂觀地預測自動駕駛對全球社會、經濟發展的貢獻，也許都不為過。

麥肯錫公司預測，到2030年時，自動駕駛技術的普及將為現有的汽車工業帶來約30%的新增產值，這部分銷售額包括受益於自動駕駛技術而獲得更大發展空間的共享汽車經濟（例如，在目前的交通擁堵和人口稠密地區、遠郊區域等，利用自動駕駛技術可大幅提高共享經濟的發展空間），因自動駕駛技術的普及而發展起來的車上資料服務，如應用程式、導航服務、娛樂服務、遠端服務、軟體升級等。今天全球汽車工業的整車銷售總額大約是2.7萬億美元，售後服務銷售額大約是7200億美元，共享經濟等新興業務的銷售額只有約300億美元。而到了2030年時，前兩項業務的銷售額將穩步增長，而由自動駕駛技術驅動的新興業務的銷售額將大幅增長到1.5萬億美元，成為刺激汽車工業增長的最大因素。93

<h3>自動駕駛技術發展簡史</h3>

真正由機器全面接管的自動駕駛，最早出現在空中而非地面。這是因為，對於在高空飛行的飛機而言，行駛路線上的交通狀況遠好於地面。在飛行器上進行感知和操控，環境複雜度遠低於由交通標誌、移動車輛、可能出現的障礙物、隨時可能闖入路面的行人等組成的地面交通生態。

1912年，人類發明的第一架固定翼飛機首飛不到10年，為飛機制造導航儀表的Sperry公司就研製出了第一套自動駕駛系統，並於1914年在巴黎做了演示飛行。Sperry公司這套系統使用陀螺儀來判定飛機航向，使用氣壓高度計來測定飛機高度，根據系統感知得到的航向和高度資料，透過液壓裝置操控升降舵和方向舵。

Sperry公司為飛機研製的第一套自動駕駛系統雖然簡單，但具備了一套自動駕駛裝置必備的幾個組成部分。

·感知單元：主要由各種感測器和智慧感知演算法組成，用於感知交通工具行經路線上的實時環境情況。

·決策單元：主要由控制機械、控制電路或計算機軟硬體系統組成，用於根據環境資訊決定對交通工具施加何種操作。

·控制單元：主要透過交通工具的控制介面，直接或間接操控交通工具的可操縱介面（如飛機的操縱面或汽車的方向盤、踏板等），完成實際的駕駛工作。

無論是飛機的自動駕駛，還是汽車的自動駕駛，無論是早期系統，還是結合了深度學習演算法的現代系統，大抵都符合這樣一個基本的概念模型。

<img src="/uploads/allimg/200412/1-2004120Q209306.jpg"/>

圖37　自動駕駛系統的基本概念模型

因為高空的環境複雜度較低，飛行器的自動駕駛系統發展很快。兩次世界大戰前後，飛機自動駕駛或輔助駕駛技術不斷改進。1947年，美國空軍用一架道格拉斯C-54運輸機完成了一次橫跨大西洋的飛行，飛機全程使用自動駕駛系統控制，包括起飛和降落環節，這是自動駕駛系統在航空工業中走向普及的標誌性事件。今天，現代客機、貨機、戰鬥機絕大多數都擁有自動駕駛或輔助駕駛系統，可以大幅減輕飛行員的工作強度。在大部分氣象條件下，只要飛行員允許，飛機的自動駕駛系統都可以自動完成包含起飛、降落在內的全部飛行控制操作。為了解決較複雜的降落段自動駕駛問題，全球各大機場還根據情況，安裝了不同級別的儀表著陸系統（ILS），使用無線電訊號或高強度燈光陣列，來為飛機提供精密引導。

自動駕駛系統在航空領域取得的巨大成功也為汽車的自動駕駛系統提供了有價值的參考，這包括：