《經(jīng)濟(jì)學(xué)人》去年出了一期很經(jīng)典的封面，封面里將全球各大高科技平臺企業(yè)如谷歌、亞馬遜之許描繪成正在采油的鉆井，寓意很明顯，在數(shù)字經(jīng)濟(jì)時代，大平臺正在開采數(shù)字化的石油——大數(shù)據(jù)，而開采出來的大數(shù)據(jù)則用于人工智能（AI），因?yàn)锳I會是數(shù)字化時代的電。

也有人用狂歌熱舞（DANCE）這個詞來形容AI主導(dǎo)的數(shù)字經(jīng)濟(jì)時代。DANCE是五個英文詞的縮略語，分別是大數(shù)據(jù)（data）、算法/人工智能（al-gorithms/AI）、網(wǎng)絡(luò)（networks）、云（cloud）以及硬件呈指數(shù)級的性能改善（exponential　improvements　in　hard-ware）。其實(shí)DANCE的五點(diǎn)缺一不可，恰恰是大量數(shù)據(jù)產(chǎn)生，算法不斷更新，移動互聯(lián)和未來的物聯(lián)網(wǎng)讓連接無所不在，云端讓數(shù)據(jù)的存儲和使用更方便，再加上硬件的不斷更新升級，推動了這樣一個科技以幾何級數(shù)增長變化的時代。而數(shù)字經(jīng)濟(jì)時代的五點(diǎn)要素中，AI是貫穿始終的應(yīng)用技術(shù)，也成為當(dāng)下各個領(lǐng)域跨界研究的顯學(xué)。

要理解AI，除了從技術(shù)角度出發(fā)，了解機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)等前沿技術(shù)的發(fā)展之外，也需要站在更廣闊領(lǐng)域從多種不同視角去觀察和分析，最近有四本書從不同的角度剖析了AI的特點(diǎn)，聯(lián)系起來勾勒出清晰的AI發(fā)展與應(yīng)用的圖譜。這四本書分別是從數(shù)字工程師的視角看待AI發(fā)展的《AIQ》、經(jīng)濟(jì)學(xué)家分析AI作為一項(xiàng)通用技術(shù)將給商業(yè)帶來改變的《預(yù)測機(jī)器》（Prediction　Machine）、咨詢師眼中AI當(dāng)下的應(yīng)用場景《人+機(jī)器》（Human　+　Machine），以及目前在國內(nèi)很暢銷的麻省理工學(xué)院物理學(xué)教授泰格馬克暢想AI未來的《生命3.0》。

把商業(yè)問題變成預(yù)測問題

之所以說AI是未來的電，因?yàn)锳I和電力一樣，將是改變工作和生活方方面面的一項(xiàng)通用技術(shù)。如果用簡單的供求關(guān)系來分析，當(dāng)一項(xiàng)技術(shù)變得夠便宜，就會帶來足夠多的新應(yīng)用；此外當(dāng)一項(xiàng)技術(shù)變得夠便宜之后，跨界的應(yīng)用也會不斷興起。電力作為工業(yè)經(jīng)濟(jì)時代的通用技術(shù)就是如此。

1800年，退休的美國首任總統(tǒng)華盛頓的別墅一年需花費(fèi)一萬多美元購買蠟燭照明。100年之后，同樣一棟別墅一年的照明費(fèi)用只有100年前的四百分之一。這是新技術(shù)變得日益便宜之后帶來的普及效果。華盛頓時代只有富人才能晚上點(diǎn)得起蠟燭夜讀，電力普及時代任何一個大都市的家庭都不會為電費(fèi)而煩惱。

《預(yù)測機(jī)器》的三位作者都是來自多倫多大學(xué)管理學(xué)院的教授，他們認(rèn)為AI就是下一個通用技術(shù)，而AI越來越便宜，帶來最直接的效果就是“預(yù)測”的成本將越來越低，從而給商業(yè)流程和商業(yè)模式帶來全新的變化，就好像100多年前電的普及一樣。

如果說AI的最大特點(diǎn)是更好地解決預(yù)測問題，思考商業(yè)模式創(chuàng)新就需要把商業(yè)面臨的各種實(shí)際問題轉(zhuǎn)變成預(yù)測問題來思考。比如說，無人駕駛是不是可以看做預(yù)測問題？又比如說，翻譯是不是預(yù)測問題？

回答都是肯定的。在AI看來，無人駕駛就是怎樣去培養(yǎng)機(jī)器能夠更好地去預(yù)測一個經(jīng)驗(yàn)豐富的老司機(jī)如何應(yīng)對各種復(fù)雜多變的道路環(huán)境。換言之，如果機(jī)器能夠很好地學(xué)會老司機(jī)適應(yīng)各種不同環(huán)境應(yīng)對道路上各種突發(fā)情況的能力，那么就能很好地解決無人駕駛問題。這也是為什么共享出行企業(yè)能在自動駕駛領(lǐng)域有所作為的原因，因?yàn)榭梢圆蹲酱罅克緳C(jī)的駕駛行為，并以此培養(yǎng)無人駕駛AI。

翻譯也可以看做一種預(yù)測問題。AI出現(xiàn)之前的機(jī)器翻譯，強(qiáng)調(diào)的是如何自上而下，從規(guī)則的角度去讓機(jī)器理解語法，也是逐詞對應(yīng)的翻譯。AI處理翻譯問題，同樣可以轉(zhuǎn)化成預(yù)測問題：預(yù)測一個資深的翻譯，會怎么翻譯處理一個詞、一段話、一篇文章。從詞上升到句子，上升到段落，還要處理語境，這樣機(jī)器處理語言的方式就和以前完全不同，機(jī)器翻譯的準(zhǔn)確度也會顯著提升。

舉兩個更好的預(yù)測可能改變流程或者商業(yè)模式的例子。

在醫(yī)學(xué)領(lǐng)域，X光和CT這樣的檢查，是幫助醫(yī)生去判斷病人是否有腫瘤的重要依據(jù)，當(dāng)醫(yī)生無法確定腫瘤是良性還是惡性的時候，需要對病灶做生理切片檢查的小手術(shù)。如果AI分析檢查片子的能力增強(qiáng)，預(yù)測腫瘤的準(zhǔn)確度提高，手術(shù)的必要性會越來越低。

更準(zhǔn)確地預(yù)測也可能顛覆整個電商領(lǐng)域的商業(yè)模式。如果電商可以準(zhǔn)確預(yù)測消費(fèi)者的需求，商業(yè)模式可以有什么變化？目前，電商已經(jīng)可以比較準(zhǔn)確地預(yù)測一定區(qū)域內(nèi)用戶對一些大宗商品比如說肥皂或者洗衣粉的需求，并因此可以在靠近社區(qū)的倉庫中提前布貨。未來，如果預(yù)測的準(zhǔn)確度可以進(jìn)一步提升，像亞馬遜這樣的電商巨頭很可能不再需要用戶在線或者在手機(jī)上搜索下單，而是直接把用戶需要的商品送到客戶家里。因?yàn)闇?zhǔn)確度非常高，配送十件商品至少有九件滿足客戶的需求，亞馬遜只要做好一件商品的退貨服務(wù)即可。

人人都要培養(yǎng)AIQ

如果說IQ是用來測量一個人的智商，EQ用來評價一個人的情商，那么AIQ就是評價一個人對人工智能的認(rèn)知?！禔IQ》的兩位作者都是數(shù)字工程師，他們認(rèn)為要適應(yīng)未來“人+機(jī)器”的工作場景，每個人都需要培養(yǎng)AIQ，提升對AI的認(rèn)知，以便更容易適應(yīng)科技快速迭代改變的未來。此外，人類還需要有能力去監(jiān)督AI，在“人+機(jī)器”的協(xié)作中，成為關(guān)鍵的一環(huán)，要做到這一點(diǎn)的前提也必須對AI和數(shù)據(jù)科學(xué)有基本的認(rèn)知。

培養(yǎng)AIQ首先要建立對當(dāng)下AI發(fā)展的認(rèn)知。很多人把AI看得神秘莫測，的確現(xiàn)在AI可以做很多神奇的事情，比如說圖像識別、語音識別、輔助駕駛、自動翻譯等等，在一些情況下做的比大多數(shù)人還要好。但目前的AI仍然并不具備人類的那種聰明，它只聽得懂一種語言——數(shù)字。

AI可以處理各種信息，只要輸入的是數(shù)字就行。所以AI系統(tǒng)要能起作用，需要將各類不同輸入都變成可以處理的數(shù)字語言，數(shù)據(jù)工程師把這種過程稱為“特征工程學(xué)”，比如說把圖像和語言的數(shù)字特征提取出來，變成機(jī)器聽得懂的語言。

以自然語言識別為例。以前處理語言的思路是自上而下的編程思路，希望灌輸給機(jī)器所有的語言規(guī)則，同時窮盡任何特例。結(jié)果幾十年語言識別都沒有大進(jìn)步，因?yàn)檎Z言其實(shí)太隨意、太復(fù)雜了。AI的自然語言識別，完全走了另外一條路，讓機(jī)器做最擅長的事情，找到文字與文字之間的相關(guān)性。機(jī)器回答的是一個最基本的問題，能不能讓有相同意思的詞，對應(yīng)的數(shù)字也類似？當(dāng)機(jī)器可以給每個單詞和詞組一個描述性的數(shù)字后，就可以用數(shù)字的加減乘除來幫助算法做出正確的判斷。比如說，如果問機(jī)器一個問題：英國的倫敦，對應(yīng)的詞應(yīng)該是意大利的什么？機(jī)器就可以這么計(jì)算：倫敦-英國+意大利=羅馬，因此得出羅馬這個正確答案。

現(xiàn)在的AI，無論是亞馬遜的Alexa，或者蘋果的Siri，都并不懂得語言的含義，但是卻能準(zhǔn)確判斷文字之間的相關(guān)性。不究原因，只強(qiáng)調(diào)結(jié)果，AI能帶來高效率，而我們暫時遠(yuǎn)不用擔(dān)心它能和我們有一樣的智慧。

這也是培養(yǎng)AIQ的第二個要點(diǎn)，不用過早擔(dān)心AI是否會取代人類，因?yàn)楝F(xiàn)在的AI發(fā)展距離通用機(jī)器智能（AGI），距離趕上人類的智能還很遠(yuǎn)。數(shù)字工程師現(xiàn)在要花90%的時間用于處理數(shù)據(jù)，把非標(biāo)的數(shù)據(jù)變成機(jī)器可以讀懂的結(jié)構(gòu)化數(shù)據(jù)，只有10%的時間用在推進(jìn)AI的發(fā)展上。因?yàn)锳I只聽得懂?dāng)?shù)字，無論是圖像還是文字的識別，都是找出它們的數(shù)字屬性，然后讓AI做最擅長的事：快速地計(jì)算和找到準(zhǔn)確的關(guān)聯(lián)。

培養(yǎng)AIQ的第三點(diǎn)，需要理解人與現(xiàn)在的AI之間到底有哪些優(yōu)勢和劣勢。

十幾年前，當(dāng)時擔(dān)任美國國防部長的拉姆斯菲爾德曾經(jīng)特別就美軍在伊拉克面臨的風(fēng)險做過一個四個象限圖的分析，分別是美軍知道美軍自己知道的風(fēng)險（已知的已知）；美軍知道美軍還沒有掌握的風(fēng)險（已知的未知）；美軍并不知道自己已經(jīng)掌握的風(fēng)險（未知的已知），以及美軍根本不知道自己還不知道的風(fēng)險（未知的未知）。

如果以美國掌握的全球恐怖主義信息為例，第一種風(fēng)險是美國知道本拉登建立了基地組織；第二種風(fēng)險是美國知道自己并不知道本拉登基地組織的目標(biāo)到底是什么；第三種風(fēng)險是CIA已經(jīng)知道與本拉登相關(guān)的人曾經(jīng)在美國學(xué)習(xí)飛行，并且再次入境美國，但是并沒有就這一重要信息做出分析，因此美國的決策者并不知情；第四種風(fēng)險則是美國根本無法預(yù)測2001年紐約的911事件會發(fā)生。

同樣，套用這四個象限分析，也可以清晰地分辨人與機(jī)器之間的差別。

應(yīng)用場域最廣的領(lǐng)域是“已知的已知”領(lǐng)域，即有著大量數(shù)據(jù)，而我們也很清楚知道如何做出好的預(yù)測的領(lǐng)域，比如說防欺詐、醫(yī)療診斷等等。這些領(lǐng)域AI已經(jīng)大規(guī)模取代人，因?yàn)闄C(jī)器從大數(shù)據(jù)中找出相關(guān)性的速度比人要快得多。

如果反思一下2008年金融危機(jī)，首要問題是為什么評級機(jī)構(gòu)當(dāng)年沒有看到次級債（CDO）的風(fēng)險。答案并不是因?yàn)樵u級機(jī)構(gòu)當(dāng)時沒有充足的數(shù)據(jù)。癥結(jié)在于他們設(shè)計(jì)的風(fēng)險模型中并沒有考慮到不同市場價格變動的相關(guān)性，比如紐約和芝加哥房價同時下跌給CDO帶來的風(fēng)險。有了AI就不再會出現(xiàn)這種問題，因?yàn)榭梢詮母嗑S度對數(shù)據(jù)做出分析?！耙阎奈粗鳖I(lǐng)域，將仍然是人的領(lǐng)地。這個領(lǐng)域并沒有大量數(shù)據(jù)，無法幫助AI做出好的預(yù)測。相反，人卻能利用小數(shù)據(jù)來舉一反三。當(dāng)然這也恰恰是機(jī)器學(xué)習(xí)發(fā)展非?？斓念I(lǐng)域，如果機(jī)器能夠?qū)W會如何像人一樣學(xué)習(xí)，智慧會進(jìn)一大步。

第三個領(lǐng)域，也就是“未知的未知”領(lǐng)域，人和機(jī)器都束手無策。黑天鵝就是一種未知的未知，人和機(jī)器都很難預(yù)測。原因很簡單，AI從本質(zhì)上仍然是利用歷史數(shù)據(jù)預(yù)測未來。如果某個新物種，從來就沒有人見過，又何從預(yù)測呢？比如說，共享音樂Nap-ster給CD行業(yè)帶來的毀滅性打擊就很難預(yù)測。

最后一個領(lǐng)域，就是“已知的未知”領(lǐng)域，AI和人一樣容易犯錯，而應(yīng)用AI會帶來更大的風(fēng)險，因?yàn)锳I可能飛快地將錯誤放大千百倍，讓人措手不及。所謂已知的未知，意思是我們已經(jīng)能做出了預(yù)測（不管是人還是AI），但是卻并不知道背后真正的原因，甚至有時候以為自己知道原因，其實(shí)卻是錯的。

國際象棋大師卡斯帕羅夫在《深度思考》中就提到一個早期研究國際象棋的AI犯錯的例子。AI在看到大量棋譜之后，發(fā)現(xiàn)很多象棋大勢在犧牲王后之后，往往很快就能有致贏的后手，所以這種AI會開局就選擇放棄王后。這就是在“已知的未知”領(lǐng)域內(nèi)犯錯的例子，因?yàn)樗严嚓P(guān)性錯認(rèn)為是因果性，把現(xiàn)象——好的棋手有的時候會丟棄王后——當(dāng)做了制勝的原因。

有了這四個象限的分析，人與機(jī)器的差別也就非常清楚。簡單重復(fù)的勞動，甚至一些中等的職位，比如起草標(biāo)準(zhǔn)合同的律師工作，都會被機(jī)器所取代，因?yàn)橛兄罅繑?shù)據(jù)可以培養(yǎng)出強(qiáng)大的AI，但是在探索未知領(lǐng)域，人類仍然有巨大的潛力。

人工智能與職場風(fēng)險

喬布斯有句名言，電腦是思想的自行車。如果說電腦加快了思想的運(yùn)算速度的話，AI作為新一代的通用科技，又將如何推動思想的發(fā)展？一定會讓很多人從簡單重復(fù)的勞動中解放出來，有機(jī)會讓更多人釋放出更多的創(chuàng)造力。

從這一視角分析AI可能給人的生活和職場帶來的改變，就不必簡單地去擔(dān)心工作被自動化所代替，而是要從整個工作流程的角度看AI到底會給職場帶來什么樣的改變。和過去的技術(shù)迭代一樣，AI一定會取代一些工作，或者一些工作的一部分，但同時也一定會創(chuàng)造一些新的工作機(jī)會，或者把一部分既有工作變得更吃重，所不同的是，這樣的改變速度更快，頻次更多。

先舉一個商學(xué)院錄取流程的例子來看AI如何重塑工作流。商學(xué)院MBA的錄取流程可以分拆成三個階段，不同階段需要配置不同的資源。第一步是推廣，也就是鼓勵學(xué)生申請，讓更多潛在學(xué)生了解MBA課程。第二步是評判，也就是對申請人進(jìn)行篩選，通常需要大量人工去做。第三步是給出結(jié)果，盡可能鼓勵合格的申請人接受錄取通知書。一個傳統(tǒng)的MBA錄取流程，會在第二階段配置大量有經(jīng)驗(yàn)的人力，而且會限制推廣，擔(dān)心人力無法及時處理大量的申請。

AI在商學(xué)院錄取流程中的應(yīng)用，會從第二環(huán)節(jié)開始，培養(yǎng)出特別擅長對申請人進(jìn)行篩選和評判的AI。AI替代手動篩選評判申請人這一流程的同時，也會讓資源可以配置到其他流程中，比如沒有了篩選的人力瓶頸，商學(xué)院會愿意加大市場宣傳力度以吸引更多的申請人，甚至可能免除申請費(fèi)，因?yàn)锳I審核的成本接近為零。從這一角度去思考，AI給商學(xué)院帶來的改變并不是簡單地替代某項(xiàng)工作，而是會重新安排招生三個步驟的資源分配，AI給工作流帶來的改變，遠(yuǎn)比簡單的自動化要深遠(yuǎn)地多。

那AI給未來的工作會帶來什么樣的改變呢？

第一種情況，當(dāng)工作的一部分職能被自動化了之后，工作本身反而變得更重要了。這在PC時代就曾經(jīng)出現(xiàn)過。比如Excel的出現(xiàn)讓財(cái)務(wù)的話語權(quán)更大，而不是讓更多會計(jì)師失業(yè)。同樣，工作的一部分被自動化會讓那些需要更多人判斷的工作變得更重要也更有價值。

第二種情況，機(jī)器的確會替代一些工作。比如說亞馬遜分揀倉里的分揀員。亞馬遜的物流配送分揀倉雇傭了4萬多人，因?yàn)槿巳匀槐葯C(jī)器能更快地分揀貨物。但是亞馬遜也意識到，只要人在整個流程中存在，物流配送就無法完全自動化。亞馬遜2012年收購機(jī)器人公司Kiva就是要向自動化邁出一大步。未來當(dāng)機(jī)器完全取代人類分揀員之后，倉庫就可以變成黑燈倉庫，節(jié)約照明和空調(diào)的電費(fèi)，而且可以24小時不停歇地工作，大大提升效率。

第三種情況，AI會重塑一些工作，取代一部分職能，同時增加另一部分智能。比如說放射科醫(yī)生。放射科醫(yī)生主要的工作是解讀X光片或者CT影像。現(xiàn)在機(jī)器已經(jīng)可以做得更好了。但這并不意味著放射科醫(yī)生的工作會被替代。他們的工作會發(fā)生大的變化。一方面，他們?nèi)匀恍枰蚱渌t(yī)生解釋AI得出的影響判斷，另一方面為新機(jī)器的AI提供訓(xùn)練也是他們未來的工作之一。

第四種情況，則是一些工作的實(shí)質(zhì)會發(fā)生改變。比如說，當(dāng)自動駕駛被普遍應(yīng)用之后，校車司機(jī)會失業(yè)么？乍一看下來答案是肯定了，因?yàn)檐囕v可以自動駕駛了，不再需要司機(jī)。但事實(shí)上校車司機(jī)還有一項(xiàng)很重要的職責(zé)，就是在車上維護(hù)秩序，確保孩子們的安全。所以，當(dāng)司機(jī)開車的這項(xiàng)主要任務(wù)被AI取代之后，會凸顯出另外一些重要的任務(wù)，比如說在校車上管理孩子。校車司機(jī)工作的實(shí)質(zhì)發(fā)生了變化，但是并沒有被取代。

當(dāng)然，未來將會有更多“人+機(jī)器”的工作場景。在《人+機(jī)器》這本書中，身為埃森哲咨詢師的作者就提出，人機(jī)協(xié)作在很多場景中會比人或者機(jī)器單獨(dú)完成工作要更有效?！度?機(jī)器》把產(chǎn)業(yè)轉(zhuǎn)型分成三個階段，100多年前從福特開始的標(biāo)準(zhǔn)化流程的轉(zhuǎn)型，1970年代開始的數(shù)字化轉(zhuǎn)型，也就是利用IT技術(shù)的自動化轉(zhuǎn)型，而現(xiàn)在這一階段AI推動了人機(jī)協(xié)作的適應(yīng)性轉(zhuǎn)型階段。標(biāo)準(zhǔn)化轉(zhuǎn)型讓批量大規(guī)模廉價生產(chǎn)成為可能，自動化轉(zhuǎn)型通過流程優(yōu)化和流程再造，讓機(jī)器能夠取代許多人的崗位，提升效率。適應(yīng)性轉(zhuǎn)型又有所不同，人+機(jī)器可以有很強(qiáng)的適應(yīng)性，又可以根據(jù)實(shí)時的數(shù)據(jù)做應(yīng)對，可以推出小批量定制化的服務(wù)。

人機(jī)協(xié)作還會帶來一些有趣的變化。人和機(jī)器會相互學(xué)習(xí)，機(jī)器可以觀察人的一些動作，提升自己的能力；人也需要學(xué)習(xí)并適應(yīng)與機(jī)器一起工作。人機(jī)協(xié)作也能增強(qiáng)人的能力，機(jī)器（AI）將成為人體的延伸，就好像智能手機(jī)變成了人大腦的延伸，又好像醫(yī)生使用手術(shù)機(jī)器人一樣得心應(yīng)手。人機(jī)協(xié)作，其實(shí)是解放人，讓人在工作過程中能夠從事更多人擅長的工作和人與人溝通交流的工作。

AI的未來和適應(yīng)AI的下一代

MIT教授泰格馬克在《生命3.0》的開篇就描述了一個超級智能“越獄”的燒腦劇情。泰格馬克用一個形象的比喻來形容被人類控制的超級智能：就好像世界上所有五歲以上的人都死了，只留下你（超級智能）一個，你被一群幼兒園的孩子所禁錮，雖然他們?nèi)匀幌Ｍ隳軒椭麄冎亟覉@。《生命3.0》是一本想象力豐富而邏輯推理嚴(yán)謹(jǐn)?shù)闹?，為AI大發(fā)展之后的人與機(jī)器的關(guān)系做出了一種宏大框架的分析。泰格馬克對AI的前景充滿樂觀，屬于相信通用人工智能（AGI，也就是能夠超越人類智慧的機(jī)器智能）有可能在我們有生之年出現(xiàn)的樂觀派。

但現(xiàn)在還不是擔(dān)心機(jī)器何時或者是否會發(fā)展出AGI的時候，因?yàn)榧夹g(shù)的變化還沒有人能夠做出準(zhǔn)確的預(yù)期。相反，恰如DeepMind的創(chuàng)始人所說，我們不應(yīng)該擔(dān)心AI奪走人類的工作或者替代人類，我們應(yīng)該擔(dān)心的是如果沒有AI，人類會變成什么樣子？

有一個問題更迫切也更重要：AI的應(yīng)用到底是會促進(jìn)更多的中心化，還是去中心化？

一方面，從人類發(fā)展的歷史上來看，科技的不斷發(fā)展一直在不斷推動人類的活動變得更加集中，從分散的部落、到帝國就是一個逐漸中心化的趨勢。AI作為最新的通用技術(shù)，也一定會進(jìn)一步推動中心化的趨勢，AI讓集中處理龐大的數(shù)據(jù)變得更容易、更便宜、更高效，也更能不斷提升AI的智能，因?yàn)閿?shù)據(jù)越多，機(jī)器學(xué)習(xí)的處理能力就越強(qiáng)大。但是另一方面，因?yàn)橥ㄓ嵉某杀敬蟠蠼档停胀ㄈ双@取信息的成本大大降低，AI的發(fā)展也讓每個人可以獲取的知識足夠多足夠豐富，每個人有更強(qiáng)的判斷力，每個人都可以被賦能。而當(dāng)每個普通人能做出更好的決策的時候，他們的動力、靈活度和創(chuàng)新能力也最足。

無論是政府、企業(yè)還是社會組織，如果抽象分析下來，都是一種信息處理系統(tǒng)，AI帶來的改變到底會促進(jìn)信息系統(tǒng)更中心化，還是更分布式，將是AI給未來經(jīng)濟(jì)社會發(fā)展帶來的最大變數(shù)。

改變已經(jīng)產(chǎn)生。大數(shù)據(jù)和人工智能催生了大的高科技平臺企業(yè)，現(xiàn)在美國的谷歌、臉書、亞馬遜、蘋果和微軟，加上中國的阿里與騰訊，雄踞全球十大市值最大企業(yè)的七席，每一個都富可敵國，每一個都擁有海量的數(shù)據(jù)，恰如本文開頭提到的《經(jīng)濟(jì)學(xué)人》封面所呈現(xiàn)的，這些公司是鍍金時代的“新石油大亨”。

AI帶來的中心化與分布式的辯論，放在企業(yè)發(fā)展的語境去討論，就變成了對于七巨頭和他們身后第二梯隊(duì)的IT巨無霸們而言，AI的發(fā)展會加速它們的成長，從而讓它們更加穩(wěn)固自己的寡頭地位，還是會讓挑戰(zhàn)巨頭的顛覆力量此起彼伏，讓創(chuàng)新得以不斷持續(xù)？

目前看來，天平正在朝向巨頭的一方。巨頭IT平臺企業(yè)已經(jīng)構(gòu)建了他們的版圖，并且在自己核心業(yè)務(wù)周圍構(gòu)建了“殺戮地帶”，瓜分天下的野心昭彰。不過如果AI技術(shù)領(lǐng)域能有所突破，比如在“已知的未知”領(lǐng)域，利用小數(shù)據(jù)樣本就能培養(yǎng)出有效的AI，讓大平臺的大數(shù)據(jù)優(yōu)勢不再那么明顯，未來的天平仍然可能轉(zhuǎn)向分布式。

巨頭的成長也形成了一套商業(yè)模式，值得注意。吳修銘（Tim Wu）在《注意力商人》（The Attention Merchants）中就曾經(jīng)描述，巨頭之所以能夠?yàn)?a class="link" target="_blank">大眾提供大量免費(fèi)服務(wù)，是因?yàn)樽⒁饬?jīng)濟(jì)的商業(yè)模式，巨頭吸引到的用戶眼球可以換取可觀的廣告費(fèi)用，谷歌和臉書兩家企業(yè)幾乎瓜分了美國在線廣告市場。AI的發(fā)展，讓注意力經(jīng)濟(jì)快速迭代，相比眼球的商業(yè)價值，巨頭所掌握的用戶行為信息數(shù)據(jù)變得更重要也更值錢。

但是，這里也潛伏著未來人類的巨大風(fēng)險。工業(yè)時代，人類勞動的異化，是擔(dān)心人類成為流水線上的螺絲釘，重復(fù)著簡單枯燥的勞動。數(shù)字經(jīng)濟(jì)時代，人類的“物化”卻有兩點(diǎn)值得警惕，要么AI取代人類的工作，勞動者變得無關(guān)緊要；要么人類成為消費(fèi)場域里的產(chǎn)品，就好像被馴化的奶牛一樣，不斷產(chǎn)出消費(fèi)數(shù)據(jù)，供IT巨頭們分析。兩種結(jié)局，都無法充分挖掘人類的潛力，這是最大的危險。

在一個“人+機(jī)器”的未來，要想充分調(diào)動人的自發(fā)性和創(chuàng)造力，同時保持人的靈活度，最需要重新思考的問題是，教育該如何變？培訓(xùn)該如何變？未來需要什么樣的人才？“人+機(jī)器”對于今天的孩子來說意味著什么？

《生命3.0》中給出了部分答案：今天的孩子需要培養(yǎng)三方面技能——與人溝通互動的技能和社交的能力；保持創(chuàng)造力，能夠找到有效解決方案的能力；以及應(yīng)對環(huán)境中不確定性的技能。

最后，我想補(bǔ)充一句，未來終身學(xué)習(xí)將變得更加重要，雖然AI不只是會消滅舊工作，同時也會創(chuàng)造出新工作，但是未來新工作被改變、替代、重塑的速度和頻次也會更高，所以每個人都需要做好在未來重新選擇工作的可能，重新塑造自己的技能，而這種重塑將不止一次。終身學(xué)習(xí)不僅需要保持好奇心、樂觀的態(tài)度，還有不斷接受和挑戰(zhàn)新知的毅力，這或許是未來人與機(jī)器最大的區(qū)別。

返回第一電動網(wǎng)首頁 >