为什么人工智能是中间阶层的噩梦?

机器姬

12月6日,亚马逊即将开业的线下生鲜实体店Amazon Go,在朋友圈里刷了屏。

这个商店整合了亚马逊最新的智能技术,可以自动感知顾客有没有从货架上拿走商品,或者是把商品放回货架,用户不需要排除结账,拿着商品就可以直接回家,亚马逊会从你的账户里自动扣款,并生成账单。

很神奇。但亚马逊真的已经实现了。

事实上,很多以前我们想像得到,甚至想象不到的"黑科技",都正在走入现实。

比如猿题库,只需要拿出手机拍照,就可以自动识别手写的英语作文,将其转化为单词,显示作文评分,并对语法、单词等错误和亮点进行批注,有的地方甚至比老师批改更详细。

比如讯飞,不但可以智能识别语音、将文字合成为语音,甚至可以模拟真人的语音,让听者难辩真假。

比如百度,"百度号"的写作机器人已经可以实现体育新闻、热点新闻等多领域的全机器创作。

诸如此类,不胜枚举。

这些已经成为现实黑科技背后,都指向已依稀可见的同一个未来:人工智能(Artificial Intelligence,AI)。

在对于未来的预测中,不论积极还是悲观,绝大多数科技界领袖都相信,人工智能已经近在咫尺,并将为人类社会带来前所未有的巨大改变。

比如《连线》杂志创始主编凯文·凯利(Kevin Kelly)认为,人工智能是下一个20年里颠覆人类社会的技术,其力量堪比电与互联网;英特尔CEO科再奇(Brian Krzanich)也认为,人工智能将成为人类历史新的转折点。

在2016年12月6日,36氪主办的WISE大会上,创新工场董事长兼CEO李开复更断言,"十年后,全世界50%的工作,都会被人工智能所取代。"

但现在的问题是,面对人工智能的突飞猛进,从经济到产业,从政策到法律,从社会到伦理,我们真的已经做好准备了吗?

1

人工智能的发展,与人类社会对它的预期,其实已经偏离。

到底什么是人工智能?

关于这个问题,有太多的定义、阐述与理解,很难找到通行的准确定义。

从广义来讲,能够执行自动程序的计算机、手机等所有机械与设备,都应该纳入人工智能的范围,从手机、电脑、银行、汽车到我们生活中的几乎每一个环节,都已经有或多或少的人工智能发挥作用。

但在普通人眼中,或许"终结者"那样拥有自己思想甚至情感的机器人,才是人工智能的典型代表。

而业界更普遍的观点,是把人工智能分为三种:弱人工智能、强人工智能,以及超人工智能。

其中,弱人工智能是所有不能真正地自主推理和解决问题的智能,它的智能更多体现在"智能的行动",这也是当前所有--至少是几乎所有人工智能的现实水平。

而强人工智能,将具有智能思考能力,在某些领域的智能表现,接近甚至达到人类水平;超人工智能则将有可能形成对人类的智能碾压。

这两者,也正是人工智能产业努力的方向。

过去,即使每天花10个小时在自己的手机上,使用着各种信息时代的便利,我们依然认为,"真正的人工智能"还停留在科幻电影与遥远的未来。

但现在,各种黑科技的井喷,正在告诉我们,从弱人工智能到强人工智能之间,或许并没有一道森严的壁垒。在一些领域,人工智能将达到,甚至已经悄然越过那条看不见的分界线。

更重要的是,要对我们的产业、经济乃至社会组织形成颠覆式的影响,其实远远不需要真正的强人工智能。

即使,我们离想象中的人工智能仍有距离,但它对人类社会产生的冲击,已经全面开始。

2

2015年3月,谷歌人工智能AlphaGo以4比1战绩,击败韩国围棋选手李世石,是刺激全球进入人工智能竞速狂潮的标志事件。

人工智能概念由来已久,但最近几年,这个产业才迎来井喷式的大繁荣。这段时间的发展速度与成就取得,远超过去几十年的累积。

这一轮的人工智能大发展,始于2006年,Hinton等人提出的深度学习概念。

在此之前,开发者们更希望直接编写出一套足够智能的程序,但无论如何天才的开发者,编写出的程度都与外界的期望天差地别。

而深度学习则放弃了这个不切实际的想法,不再是程序员直接完成所有的代码,而是放手让人工智能自己演化成长。

通俗来讲,它通过对人和动物大脑的仿生,将计算代码模拟为简单的、相互连接的神经元,并通过修改单元之间的连接,来不断进行经验积累,让它形成自己的逻辑推理,自我完善发展。

这就像人的成长,刚出生时只有最基础的本能,只有经过慢慢长大,不断学习,才能在不同的领域绽放光彩。成长环境的不同,学习方向的不同,都会影响未来的前进方向与成就高度。

这个概念的另一个通俗叫法,是"机器学习"。这个词显然更直接,它的目的就是要让机器学习,自己进化。

比如,科学家们有过这样的实验:他们制造了一个机械海星,只为它输入了控制自身部件的简短代码,以及让它"学会自己走路"的目标,但它通过深度学习,只用了很短时间,就从只能在原地蠕动,到学会了流畅地行走,甚至当科学家截去一部分"肢体",它依然能顽强地继续前进。

这并非科学幻想,而是2015年初就已完成的真实实验。

而现在,这种人工智能的深度学习,正在无数个不同的领域展开实验,不断累积通往下一次进化的经验与数据。

就像本文开始列举的那些黑科技,都是有人工智能和深度学习参与的应用实例。

3

深度学习的原理并不复杂,但为何直到近年方才盛行?

关键原因在于,海量数据的模型训练,是深度学习的核心过程,人工智能赖以提升智能水平。

因此,它的发展需要三个核心推动力,缺一不可。

一、海量的数据。

如果以网络游戏来比喻,数据就是人工智能赖以升级的经验包。如果没有足够多的数据,深度学习将无从谈起。

因此,人工智能进展最快的领域,比如棋牌比赛、金融、语言与图像识别等,都是拥有海量数据样本的业务。

过去20年来,正是信息通信技术(尤其是互联网)的发展,积累了庞大的数据,并产生了大量的数据处理需求,从而为人工智能爆发奠定基础。

一个第三方的估测数据是,过去三十年来,全世界的数据量,一直以大约每两年10倍的速度激增。

而随着我们进入大数据时代,每个人、每件设备的每个行为,都将纳入大数据的信息图谱,我们产生的数据量还将持续增长。

在这方面,英特尔全球副总裁兼中国区总裁杨旭有一组数字,可以作为参考:

人工智能数据

二、强大的计算力。

只有超强的计算力,才能处理无比庞大的海量学习数据。

得益于摩尔定律的驱动,硬件的计算能力一直在持续增长。如今,一部智能手机的计算性能,都已经远超几十年前的超级电脑。

此外,专门针对深度学习的集成电路产品,近年来更发展迅猛。

比如英伟达(Nvidia)业绩的突飞猛进,就是因为人们发现,曾经用于增强电脑显示能力的图形处理器(GPU),比传统的中央处理器(CPU)更适合用于深度学习,这让GPU巨头英伟达成功转型,从一家并不引人注目的显卡制造商,摇身变为人工智能行业的领潮者。

而高通、英特尔等在PC和移动互联网时代的芯片领袖,在过去10多个月中,也已经在这个方向上发起全力冲刺。

比如英特尔,已经连续收购了Indisys、Saffron、Itseez、Movidius、Nervana等公司,从自然语言处理、认知计算、计算机视觉模式识别等不同领域,提升自家的人工智能实力。

12月2日,英特尔更首次对外公布其人工智能的整体战略和路线图,未来将通过机器学习和推理系统两条路径,搭建从硬件平台、到软件与数据库(开发工具、开放框架、数据库、开发者培训)在内的一整套解决方案,最终"重新定义AI"。

英特尔称,将打造一系列适应深度神经网络的特殊处理器,并全面提升自身产品在深度学习领域的性能。比如至强Xeon处理器的最新版本Skylake,性能将提高18倍;最新版本的至强融核处理器Knights Mill的深度学习性能,将是上一代产品的四倍,培训时间可以减少31倍;其Lake Crest的深度学习性能,也将在2020年达到目前市面GPU芯片的100倍。

三、先进的算法。

对人工智能来说,算法程序就像是生物体内的DNA,它决定了深度学习的能力与效率。

一般来说,执行具有特定功能的程序段被称为原语(primitives),而直到现在,深度学习包含的原语(primitives)依然很少,大概只有20个左右。其中,矩阵乘积和卷积计算是最主流的两个。

虽然数学和计算机技术的发展,是深度学习算法发展的基础,但如何针对不同的领域,找到"合适"的知识模型,开发出效率更强,准确度更高的算法,也是人工智能演进发展的关键。

伴随人工智能的热度急剧升温,越来越多的公司正在投身这一领域,而它们绝大多数,都着眼于进入门槛更低,更适合初创企业发展的算法与应用环节。

一个来自乌镇智库的相关数据是,目前全球平均每10.9个小时,就有一家人工智能企业诞生。

4

总的来说,正是数据量的增长,催生了人工智能。

放眼历史,每一次生产力的变革,都引发了社会、经济和产业结构的深刻转型。与工业革命和电气革命相比,信息革命最大的变革,就是带来了人类社会信息数据的爆炸式增长。

如果说,流水线消灭了大部分的作坊式工业生产,那么,数据的洪流,就将消灭大部分的传统生产和服务组织方式。

信息化打破了物理的限制,让全球变平,从而让每一个产品、每一种业务的规模,都能从微量变成海量。

一个例子是,现在,仅仅腾讯一家公司,每天就要处理超过300亿条即时通讯消息。通过它的服务器,用户发送文字消息、图片、语音、视频,甚至玩游戏、听音乐、约车、在线付款乃至使用各种服务。

而据滴滴公布的数据,滴滴每天规划的路径超过90亿次,处理的数据超过30TB的数据--相当于30万部电影。依托这些数据和人工智能,它对15分钟后的需求预测,准确率已经超过85%。

这样的产品和服务,不是任何单纯的人力工作能直接搞定,它必须通过智能化的程序来协助处理,甚至主导完成。

同样的情况,正在我们的各个行业、各个领域、各个环节反复出现。每一家公司从原料采购、员工管理、产品生产、物流配送、售后服务,都越来越多地通过智能化、网络化的手段来进行组织,并将这一切流程,通过大数据的行为分析,来加以归纳、总结和优化。

5

人工智能发展变化的另一个标志,是吃瓜群众思考的问题。

过去,大多都人更担心,未来会不会有邪恶的机器人毁灭人类。而现在,越来越多的人开始担心,人工智能会不会消灭掉自己的工作。

最重要的是,这个问题的答案,越来越悲观。

就像李开复在WISE大会上的结论,当AlphaGo每天自我对弈100万盘棋;Tesla每天从100万辆车的实际?驶中吸收经验,普通人将如何与它们竞争?

在越来越多的领域,人工智能正在快速超越人类。

比如,人工智能已经可以在?秒钟内,对比全世界所有机场摄像头视频,以及所有通缉犯的?脸,保安能做到吗?

显然不可能。

这也意味着,大批的翻译、记者、收银员、助理、保安、司机、交易员、客服……都可能在不远的未来,失去自己原来的工作。

当然,这个替代不会剧烈地出现。我们会看到的现实情况,将是某些行业和某些工作,用人的需求越来越少,在组织或产业链中的地位越来越轻,产品的销售越来越难,工资越来越低……

这个周期,可能是10年,可能是5年,也可能更短。

你或许会把自己的遭遇,归结为全球的经济危机,归结为人民币贬值和通货膨胀,归咎于公司老板经营不善跟小姨子跑路,或是其他的原因,但在你看不到的地方,你处身的行业,会正如大地坍塌,最终只剩下熔岩中的廖廖孤岛。

正如许多传统的手艺,至今仍然在少数地方硕果仅存一样,由于经济的差异与行业密集度的差异,这种变化也会是一个逐渐扩散的过程,越是经济与信息化落后的地区、越是需要在复杂环境下完成的工作,这种扩散越慢,越晚。

甚至绝大多数被替代的行业,仍会长期存续,只不过,原来这个行业能容纳100万人,未来只能容纳100人,留下来的,要么是难以被取代的头部精英,要么是在最落后的区域与环节。

中间阶层将成为最早感受到变革阵痛的人群。

6

2016年6月,《经济学人》曾花了巨大的篇幅,来讨论人工智能未来对包括工作在内的,社会的各种冲击。

其中一个观点是,从历史来看,每一次科技进步最终创造的就业,都超过所消灭的就业,即使我们需要经历短时间内的动荡与阵痛,长期创造的新就业也将弥补这一且,甚至绰绰有余。

但这个观点或许过于乐观。

人工智能对人类工作的冲击,与过去的每一次技术变革都不同。

一、无论是取代的领域范围、规模,还是取代的速度,人工智能引发的变革都将更加迅猛。它将深入渗透社会生活中的几乎所有领域。

二、人工智能的发展,将成为驱动其他各种技术变革加速发展的催化剂,并相互协同形成连锁反应,最终如同彼得·戴曼迪斯在《富足》一书中所说,人类即将有望达到满足地球上所有人生存基本需求的生产能力。

三、过去的变革无论带来怎样的生产力提升,都需要大量的人来操作管理。而人工智能只需要极少量的人,甚至可以在无人管理的情况下自已完成工作。

替代你工作的,不再是机器+其他的人,而是只有机器人。

所以,这一次变革,将成为一个拐点。

在此之前,大部分人类的工作,都是服务于生产和提高生产力;而以此之后,这些工作将更多地由少数人与人工智能来共同完成。

大部分人类的工作,将转向为他人提供服务--还得去掉一些被人工智能取代的简单服务,转向创造性的工作,以及那些短时间内人工智能难以取代的领域。

从这个意义上来讲,中国将成为其受益者。因为如果没有这场变革,全世界的经济与产业都将如同30年前从西方向中国的大迁移一样,跟随着人力成本的变化,从中国向印度、印尼等更新兴市场转移。

而现在,形势将发生微妙的转移。

在此过程中,很多的上一代人将成为牺牲者,因为他们多年累积的经验与技能,都将丧失根基。而社会化分工与流水线的改造,已经让他们的知识与能力,长期聚焦于一个极小的范围,一旦跳出圈子,他们将很难具有竞争力。

而对年轻一代人来说,最值得担心的问题是,你学习的知识与工作技能,人工智能比可以你学得快100倍、1000倍,你的创新创造也很有可能被人工智能快速模仿。

在新的时代,我们可能不用担心温饱,因为人工智能带来的生产力极大提高,可以让更多国家快速向福利型社会转型。

但正如马斯洛的需求层次理论,每个人除了生存的需求,还需要寻托归属感,获得尊重,并实现自我价值的成长。如何为规模越来越大的失业群体找到新的就业方向,重新为他们创建自我价值实现的通道,而不是转变为社会的不安定因素,这将是所有政府必须深入考虑的重要问题。

而这,还仅仅是开始。

可以预见,当人工智能与机器人、与脑机互联、与基因科学等领域的科技突破结合到一起,我们将面对的,将会是一个全新的时代。

作者 王云辉

声明:本文内容和图片仅代表作者观点,不代表蓝时代网立场。蓝时代 » 为什么人工智能是中间阶层的噩梦?

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址