深度自動化的新世界

史蒂文·霍夫曼

大多數人在想到自動化的時候，會想象由機器人來完成所有的工作。但經常被人忽視的是，如果沒有人工智能，機器人只是一些非常蠢笨的機器。正是那些智能算法讓它們有能力去完成一些非常高級的任務。人工智能，而不是那些機器，才是推動自動化向前發展的主要動力。無論是仿真機器人，還是正在進入我們家庭、辦公室、工廠以及身體的系列智能設備，人工智能都是這些設備得以正常運轉的動力。另外，在那些用來管理我們的基礎設施、醫療保健、金融、交通以及政府的各種軟件的背后，起到支撐作用的依然還是各種不同的智能算法。

在未來的數年時間里，深度自動化的力量將會顛覆我們整個社會。這種力量會推動人類通過算法使所有與管理、生長以及生命維持相關的底層過程自動化，而這無疑會加速創新、創造財富，并且把我們從各種日常的工作中解放出來。如果我們把當下的生活與我們父母和祖父母的生活進行對比，你就可以看到，在如此短的時間里事情已經發生了多么大的改變。我們已經從一個由筆和紙主導的世界進入了一個數字世界，現在我們的口袋里永遠不會缺少的是一臺計算機，而且你已經根本無法想象沒有互聯網的生活將會是什么樣子的。隨著新技術以越來越快的速度不斷浮現出來，即將到來的創新浪潮也將會具有更加鮮明的變革特征。

?人工智能算命師：預測機器

智人要比這顆行星上的其他任何物種都更善于對可能的未來場景進行建模和預測。但是現在，我們的智能機器已在這方面讓我們顯得像黑猩猩一樣落后。人工智能處理大量數據的能力已經遠超我們， 這意味著計算機所具有的預判未來并推斷接下來可能會發生什么的能力，將會顛覆整個行業并重塑我們的生活。

利用其所擁有的海量數據，亞馬遜正在將業務的每一個方面都通過算法來實現自動化，其中就包括預測人們會購買什么。例如，亞馬遜已經能夠用統計模型來預測下周二在芝加哥能夠賣出多少吉列的刀片，從而預先安排相關產品的發貨。這也是為什么亞馬遜能夠避免隔夜運輸成本，并將省下的錢回饋給它的客戶，而它的客戶通常也希望能夠在第二天就收到貨。當然，這種方法也只對大批量的產品有效，量越大，它所做出的預測就會越精確。

亞馬遜的最終使命是在客戶還不知道他們需要這款產品前就把產品銷售給他們。亞馬遜如何才能實現這一目標呢？這一切又需要回到數據上。利用智能設備，比如語音助手Alexa，以及來自線上和線下的購物數據，亞馬遜正在對每一個個體的購物習慣進行學習和建模。一旦亞馬遜有了足夠的數據，接下來需要做的就是在人們下訂單前就將產品發給他們。想象一下，你收到了一個來自亞馬遜的包裹，打開包裹后發現里面恰好就是你想要下單的產品。如果你不想要其中的某些產品，你還可以免費把它們再退回去。

只要它的機器學習算法可以變得足夠精確，而且有利可圖，那么亞馬遜就會具備這樣做的能力。在準備過程中，亞馬遜需要將它的整個供應鏈，從倉庫到送貨上門的整個過程，都實現自動化。運輸的成本越低，它能夠承受的退貨也就會越多。而為了能做到這一點，它需要將人力成本從整個循環中剔除出去。

或許有一天，亞馬遜的倉庫、送貨車以及在這兩者間的所有流程都會實現自動化。一旦它做到了這一點，客戶拒絕訂單的成本就會降到最低，而亞馬遜也就可以開始著手在收到訂單前就安排發貨了。換句話說，通過讓這個過程的每一步都實現自動化，亞馬遜希望可以將購買決策從購買的過程中剔除出去。如果它的客戶不再購買某些產品，他們就不會在網上搜尋最便宜的價格，也不會再訪問競爭商店的網頁了。從長遠來看，這種做法可以為亞馬遜帶來不可思議的利潤，同時節省了客戶的時間以及訪問其他商店的麻煩。

谷歌旗下的DeepMind（深度思考公司）已經開發出了一款軟件， 可以無須抽血或者進行其他必要的化驗，僅利用視網膜的圖像就能夠預測發生心臟病和中風等疾病的可能性。要不了多久，很可能就會出現一種可穿戴設備，它可以告訴你應該在某一天去醫院，因為你很可能會在接下來的數周時間里心臟病發作，或者你應該在接下來的24小時的時間里服用某種藥物以避免中風。

“我們的深度學習算法在進行訓練的時候使用了來自284335個病人的數據，這使我們能夠以令人驚嘆的精確性通過視網膜圖像預測出來自兩個獨立數據集的病人患病的風險因素。”正在領導谷歌進行這方面投入的醫學博士莉莉？彭（Lily Peng）這樣說道。

DeepMind還開發出了一種算法，這種算法可以在大多數相關的癥狀被醫生發現的48小時之前就預測出某一個病人是否有可能出現致命的腎損傷。谷歌的研究人員聲稱這種算法的精確度已經達到了90%。在有了這項技術后，醫生將不用再猜測接下來會發生什么，而是直接開始準備應對接下來會發生的事情。醫院也可以利用這些數據來預先做出安排，比如誰應該在某一天值班，以及在一周中每天應該安排多少張床位，從而可以用更低的成本來拯救更多的生命。

這或許會讓你感到驚訝，但是人工智能還可以通過查看你的心臟檢查結果來預測你在今后一年內死亡的可能性。這些檢查結果對醫生來講可能看上去很正常，但是人工智能可以判斷出哪個地方是否出現了問題。在學習了177萬份不同的心電圖檢查結果后，由蓋辛格健康系統公司（Geisinger）開發的深度學習算法現在已經能夠在心電圖的模式改變中發現人類往往會忽視的異常點，進而提醒當時的主治醫師。

根據世界衛生組織的數據，每年有將近80萬人自殺。臉書已經開發了一種機器學習系統來預測可能的自殺企圖，一旦臉書上的某個帖子被標記為具有潛在的自殺風險，這個信息就會被發送到臉書的內容審核團隊。如果該團隊認為事情緊急，他們就會通知執法機構，這樣他們就可以在事情變得無法挽回前進行干預了。“就在2020年，我們已經幫助全球的緊急救援人員快速找到了大約3500名需要幫助的人。”馬克？扎克伯格這樣寫道。

很快我們可能就會看到學校和社交網絡利用這些數據來預測從學生患上厭食癥和貪食癥的可能性，到某些學生是否更有可能出現暴力行為等各種事情發生的概率。雖然搜集和處理這類數據可能會存在隱私方面的問題，但其帶來的好處也是顯而易見的。

臉書目前也在利用預測引擎來最大化它自己的營業收入。它曾經開展了一項測試，詢問用戶什么樣的文章、視頻以及廣告是他們在未來最有可能去點擊的。接著臉書又要求它的機器學習算法來預測用戶未來的行為。那么你認為誰會在大多數的情況下表現得更正確呢？是用戶自己還是人工智能？答案當然是人工智能。

雖然這聽上去會令人感到不安，但與我們自己相比，人工智能確實能更精準地預測我們將會做什么。無論我們相信與否，我們實際上并不真地很了解自己。我們或許會認為自己會選擇點擊有趣的科學視頻，但是當可愛的小貓出現在視頻中的時候，我們還是會不由自主地選擇后者。深度學習算法觀察的是我們實際會做什么，而不是我們說自己會做什么。利用這樣的數據，它們會比我們更了解我們自己。

這對于我們的將來又意味著什么呢？它意味著在我們的生活中，無論我們選擇在Netfix上看什么樣的節目，還是去哪一家餐廳用晚餐，我們都將越來越依賴人工智能做出的決定。在有了足夠的數據后，人工智能將使我們避免觀看糟糕的電影或者吃到糟糕的食物，而且我們也沒有必要再花時間去閱讀各種評論，并以此來找出我們真正想要的東西。

對我們中的大多數人來講，想要發現哪一種產品或服務最適合我們的需求是一件很痛苦的事。沒有人想要這樣的麻煩，尤其是如果人工智能可以做得更好。但真正可怕的是，每次在我們使用這些極其方便的算法服務后，我們都會放棄一點兒自己的自主權。最開始的時候，你這樣做根本沒有什么大不了的，畢竟，如果你能夠不浪費20分鐘的時間來搜尋一部更好的電影，這樣做又會有什么壞處呢？

但是，當涉及的事情已經不再是一部電影，而是像食品、雜貨、小工具、新聞以及各種媒體等我們每天都必須消費的東西，而此時如果我們仍然讓人工智能來代替我們做出決定，事情又會如何呢？

如果我們將大多數的決策，無論大小都委托給人工智能的話，那么在這樣的世界里，我們還會有自由意志嗎？答案既是肯定的，也是否定的。我們始終會有自己的選擇權，但我們是否會行使這項權利就是另一個問題了。我的看法是，在大多數的時候我們會選擇采用人工智能做出的決定，而不是相信我們自己能夠做出更好的判斷。這是因為，在將來，人工智能會變得十分強大，它的判斷力在幾乎所有方面都會超越我們自己的判斷。

硅谷以及好萊塢的未來

娛樂業的未來最終會落在好萊塢的星光大道上，還是會落在硅谷？現在我們可以看到的是，這兩條截然不同的道路實際上都已經和同一條以高科技為導向的高速公路連接在了一起。隨著線上內容分發的快速崛起，我們已經看到娛樂行業正在經歷根本性的改變。如果只控制廣播電視、有線網絡以及各地的院線，任何大型的制片廠都已經不足以支撐起整個行業。現在，真正對娛樂市場有影響力的大事都發生在各種平臺上，比如Netfix、Hulu視頻網站、迪士尼+、亞馬遜、iTunes以及音樂流媒體的代表Spotify等。

這些平臺的力量實際上來自原始數據，以及它們精確預測用戶觀看習慣的能力。組織一個焦點小組，邀請十幾個人來觀看一個試播的節目，然后再獲得他們的反饋，早已沒有任何意義。搜集觀眾實際在做什么，而不是他們會說什么，這樣的原始數據會是一種更好的做法。

Netfix已經證明，那些在電影公司里拿著高薪，長期待在伯班克市中心那些安逸的辦公室內的高管，是完全無法與那些混跡在硅谷的極客數字高手比肩的。

利用數據，Netfix已經重塑了整個電影行業的片場制度。他們首先會利用深度學習算法來分析觀眾正在觀看什么，其次再以此來判斷接下來觀眾想要看的是什么類型的節目。在有了這些洞見后，他們會南下洛杉磯，去招募最優秀的人才來制作和出演他們準備好的內容。這種將技術和人才融合在一起的做法已經被證明是制勝的秘訣。

Cinelytic是一家總部設在洛杉磯的創業公司，通過數據來判斷應該投資哪些類型的娛樂項目，這家公司正在幫助像華納兄弟和索尼影業這樣的傳統電影公司模仿硅谷的行為方式。Cinelytic聲稱，源自超過95000部電影和50萬名電影專業人士的數據使得它能夠以85%的精確度預測票房收入。

在這方面，《地獄男爵》（Hellboy）這部電影的重啟就是一個例子。Cinelytic 就曾經預測這部電影的票房收入會非常慘淡，而且最終的結果也確實不出其所料。Cinelytic的深度學習算法估計，這部電影在美國的票房收入大約只有2320萬美元，而當時這部電影的預算已經達到了5000萬美元。這部電影的實際表現更加糟糕，只獲得了2190萬美元的票房收入。

Cinelytic公司的CEO托拜厄斯？奎瑟（Tobias Queisser）之前曾經在電影行業工作過兩年時間，而且一直為自己的手上沒有好的數據而感到沮喪。他感到這個行業仍然在使用過去傳統的方式，比如通過電子表格和無休無止的會議來挑選出具有潛力的項目。他已經習慣了金融行業的工作方式，在那里他可以接觸實時的數據，也因此看到了把這種工作方式介紹給電影制片行業高管的機會。

隨著好萊塢的電影公司開始紛紛進入流媒體領域，并嘗試與硅谷展開競爭，Cinelytic公司在這個時候向它們伸出了援助之手。傳統的電影公司目前正處在一個相當不利的地位，因為它們無法像Netfix和亞馬遜公司一樣接觸海量的數據。為了彌補這一點，Cinelytic公司針對全球各地非法下載有關內容的流量進行了監控，而且他們已經發現，在人們非法下載的內容和他們在流媒體頻道上觀看的內容之間存在很高的相關性。所以他們把這些信息發送給了那些電影公司的高級管理人員，以幫助他們判斷哪些項目在流媒體服務上會受到歡迎。

創業公司ScriptBook目前正在處理另一個截然不同的難題，它利用機器學習和自然語言處理程序對劇本進行了分析。他們將推薦建立在400個不同的標準上，其中就包括情感、主角在劇中的經歷和過程、觀眾的訴求、角色的行為架構等。然后這家公司就會以此判斷某一部新戲的腳本是否值得投資和制作。這家創業公司聲稱，他們推薦的準確率可以高達84%，這已經是人類能夠達到的準確率的三倍以上。

為了證明自己的能力，ScriptBook公司對62個索尼影業的劇本進行了一次反向的測試。結果它成功地32部于不同時期出現虧損的電影中找出了其中的22部電影。“如果索尼當初使用了我們的系統，他們可以從一開始就淘汰這22部票房收入非常糟糕的電影。”ScriptBook的創始人兼CEO納迪拉？阿澤邁（Nadira Azermai）這樣說道。分析一個劇本只需要花費ScriptBook公司大約5分鐘的時間。它可以預測出相關劇本的電影分類等級，同時對劇本中的人物進行評估，包括具體地評測主角和他的對手，另外它還能預測相關的目標觀眾（包括性別和種族），并預估可能的票房收入。這其中的秘訣是用上千部以前的電影劇本來訓練深度學習算法，并將它們與現在的劇本進行比較。

挑選什么樣的故事并把它拍成電影是一回事，但是在人工智能把整個制作的過程都自動化以后接下來會發生什么就是另一回事了。在制作的整個流程中，我們還需要人類參與嗎？好萊塢明星的好日子是否已經到頭了？讓我們首先來觀察一下音樂行業。制作一張完全由人工智能生成的專輯要比制作一部完整的電影或者一檔完整的電視節目要容易得多。當下已經有一批新的從事人工智能音樂的創業公司登上了舞臺，而且它們正在以極其驚人的速度制作由人工智能生成的音樂。在這些公司中就包括Beat Blender（節奏混合）、Neural Drum Machine（神經鼓機器）以及Piano Genie（鋼琴精靈），上述這幾家公司目前都在用算法來生成音樂和節奏，而且它們的音樂聽上去都好得有些令人出乎意料。

索尼公司在這方面也有一個自己的項目，叫作 Flow Machine（流機器）。在分析了成千上萬首不同的歌曲后，它已經能夠自己編寫樂譜和音頻的片段了。“我們沒有給這些機器輸入過任何有關音樂的規則或者抽象的音樂知識，”索尼的高級研究員皮埃爾？羅伊（Pierre Roy）這樣說道，“機器只是基于它從數據中學到的東西來制作音樂。”

“這就是未來嗎？”創業公司WaveAI的CEO和聯合創始人瑪雅？阿克曼（Maya Ackerman）認為事情確實如此。這也是為什么她會開發ALYSIA，ALYSIA是一款手機 App，無論你是否擁有音樂才華，這款App都可以讓你非常輕松地創作出音樂作品。人工智能不僅能夠生成非常符合用戶當時情緒的曲調，還會推薦相應的歌詞，另外，如果用戶不想自己來唱這首歌，人工智能還可以代為演唱。阿克曼相信，創作音樂的整個過程具有改變人們生活的力量，這種力量可以讓他們宣泄被壓抑的情緒并逐漸平復各種復雜的情感。

阿克曼并沒有就此止步。她的創業公司隨后推出了《藍色圣誕小姐》（Miss Blue Christmas）專輯，他們聲稱，這是第一張無論歌詞還是音樂旋律都完全由人工智能創作的音樂專輯，整個過程沒有任何人類參與。

那么由人工智能生成的音樂質量又如何呢？或許你自己就可以做出評判。當然，對企業所采用的視頻、廣告以及游戲來講，其質量已經足夠好了。如果你仔細研究類似 Spotify 這樣的在線音樂公司，你會發現它們的最大成本是音樂的版稅。如果他們不需要為每一首發行的歌曲支付創作者版稅，利潤就會飆升。

當 TikTok（抖音海外版）收購Jukebox（點唱機）的時候，它實際上也已經邁出了第一步，而Jukebox是另一家從事人工智能音樂的創業公司。如果你是TikTok的用戶，那么通過那些短視頻你將會聽到越來越多由人工智能創作的音樂。

這就引出了這樣一個問題：在一個由人工智能主導的未來，那些勤奮工作的音樂人又將如何謀生呢？那些影視明星的境遇會比音樂人更好嗎？

今天由人工智能撰寫的新聞稿的數量正在呈現出不斷上升的趨勢。從財經類數據的更新到氣象預報，越來越多我們在網上閱讀到的新聞都將是智能算法的產物。在彭博新聞所發布的內容中，有1/3 以上的內容都已經采用了某種形式的自動化技術，而且這個數字還會繼續不斷增長。專業記者不但昂貴而且無法跟上市場變化的節奏，更何況財經類的數據往往需要快速進行更新。所以與那些讓人感到平淡無奇的文字質量相比，時間往往是更重要的因素。

不僅僅財經新聞會用到這項全新的技術，事實上機器人記者已在為美國聯合通訊社撰寫有關職業棒球小聯盟賽的新聞，為《洛杉磯時報》撰寫有關地震的新聞，為《華盛頓郵報》撰寫高中橄欖球賽的新聞。《福布斯》雜志一直在嘗試使用一個叫作Bertie的人工智能，它可以向記者提供報道的草稿以及如何講故事的模板。在當今媒體的利潤不斷縮水的情況下，這種類型的深度自動化就顯得很有必要了。

中國已經推出了首個人工智能新聞主播。“它可以自己向實況直播的視頻學習，并且可以像一個專業的新聞主播一樣自然地朗讀新聞稿。”新華社在報道中這樣表示道。

隨著技術的進步，人工智能是否還可以具有撰寫劇本或者小說的能力呢？

無燈車間和供應鏈自動化

擁有近一億工人的中國正在把深度自動化視作未來。這是因為，隨著中國工資水平的不斷提升，它已經無法與印度尼西亞和越南等國家的低成本勞動力競爭了。如果中國想保持其制造業中心的地位，那么就必須投資于機器人和人工智能。

“中國正面臨很大的壓力，其中就包括勞動力成本和能源成本。這也就是為什么我們會把重點放在了自動化，而不是依賴低成本勞動力上。”目前正在中國經營著一家電信設備公司的黃蓋瑞（音譯，Gerry Wong）表示，“我這樣告訴研發人員，從現在開始，如果你的產品不是為自動化而設計的，那么它們根本就不會被生產出來。”

中國呼吁在制造業進行一場“機器人革命”，而現在這場革命正在全速進行中。2020年中國的工業機器人市場規模據估計已經達到了60億美元，已經投入運營的工業機器人接近100萬臺。

“就年銷售額和運營庫存來講，中國是目前世界上最大的機器人市場。”國際機器人聯合會主席喬？杰瑪（Joe Gemma）表示，“這是在整個世界范圍內增長最快的市場。在任何其他市場，你從來沒有看到過在如此短的時間里出現過如此強勁的增長。”

生產蘋果手機的富士康公司是一家工業巨頭，它有超過100萬名員工和超過1800億美元的營業收入。公司董事長郭臺銘已經計劃在未來5-10年的時間里用機器人來替代其80%的工人。富士康的工廠早已擁有了成千上萬臺被稱Foxbots的專業工業機器人，而且這樣的機器人每個月還在不斷增加。

郭臺銘對于采用新技術始終是非常積極的。當年他和10名老員工一起用7500美元的資金在臺北開始創業，最初他在一個租來的棚子里為電視機生產塑料部件，但當雅達利公司要求他生產游戲手柄時，他成功賺取了人生的第一桶金。在這之后，他來到美國尋找新的客戶。在早期，他以激進的銷售策略而聞名，常常不請自來地闖入一些公司，然后帶著新的訂單離開，雖然那些公司的保安經常會攔住他。

在讓他的工廠實現生產自動化這方面，郭臺銘同樣是咄咄逼人的。他有一句名言：“富士康在全世界有超過100萬名員工，正因為人類也是動物的一種，想要管理好這100萬頭動物確實讓我很頭疼。”

郭臺銘建立無燈車間（工廠）的夢想雖然是一個極具雄心的目標，但并非遙不可及，對那些專注于生產長生命周期產品的工廠來講，就更是如此了。技術進步的速度已經快到足以讓他在有生之年看到讓他頭疼的問題得到解決。公平地講，郭臺銘并沒有像他自己說的那樣無情無義，他成立了很多慈善基金會，并且承諾把他個人財富的90%捐獻給慈善事業。

另一個頗受人關注的機器人的支持者是京東的CEO劉強東，京東是中國最大的電子商務企業之一。劉強東在極度貧困中長大，在他回到小時候讀書的中學發表演講時，他告訴他的聽眾，小時候他有多么渴望能夠吃到肉，因為他的家人在一年中也就只能吃到幾次肉。如果沒有村里的幫助，他根本無力承擔上大學的費用。

“他們一共捐贈了76個茶葉蛋和500元錢送我上大學，而這次機會改變了我的整個人生。”他這樣說道。

當劉強東畢業時，大多數他的同學要么在考慮進入政府部門工作，要么在準備出國留學。但是他并不想當公務員，也無力承擔出國留學的費用，另外他還需要錢來支付他祖母的醫療費用。這促使他最終創辦了一家分銷電子產品的公司，而這也正是我們今天所看到的京東的前身。

這家公司緊隨著亞馬遜的腳步，目前已在商業自動化方面處于領先地位。這使得劉強東成為中國最富有的科技大亨之一，他的個人財富估計超過了70億美元。和亞馬遜的創始人杰夫？貝佐斯一樣， 他也癡迷于在盡可能短的時間里把產品送到客戶的手上。這家公司宣稱，在京東購買的產品90%會在當天或者第二天送到客戶的手上。

“今天我們已經有超過70000名快遞員奔走在大街小巷中。你要知道，這樣做的成本是非常高的。但如果你能夠使用機器人來遞送包裹，那么成本就會非常低。”劉強東說，“我們的目標是最終有超過100萬架無人機來運送我們的貨物。”

這家公司在中國實驗用無人機投遞包裹已經有一段時間了。現在它正在向東南亞擴張，在那里無人機送貨可以幫助它抵達偏遠的島嶼以及幾乎沒有什么服務的鄉村。

“我們計劃采用人工智能和機器人來建立一個幾乎不用人來控制的商業模型。”劉強東說，“我并不是說我們可以完全排除所有的藍領工人。就目前來講，想要實現完全的自動化，我們可能需要有10000名客戶才能夠實現收支平衡，但是在將來，我們或許只需要1000名客戶就能夠實現收支平衡，或者實現真正的贏利。”

整個供應鏈正在不斷升級。“廣州零號”是一家中國的供應鏈和物流企業，目前正致力于利用人工智能盡可能地實現完全自動化。這家公司的“智通三千”平臺可以將卡車司機與企業進行匹配并同時優化整個過程。將來的某一天，貨物經由卡車、輪船、飛機、火車等不同的交通工具被轉運到某個倉庫的整個過程，都將實現完全自主化的自動管理。人類的快遞員將包裹送到你家門口的日子已經屈指可數了。

Nuro是一家利用自動駕駛的機器人開展送貨業務的創業公司，這家由兩名谷歌前工程師創立的企業已在使用自動駕駛汽車將各種食品和雜貨送到人們的家中。

“幾年前，我們會這樣告訴客戶，如果他們今天就下訂單，我們可以在明天下午為他們準備好所有的東西，而且他們對此完全沒有意見。”克羅格連鎖超市的首席數字官雅艾爾？科塞特（Yael Cosset）這樣說道，“今天，我們的一些客戶期望同樣的訂單可以在一小時內就送達。”

不僅產品的交付和發運在實現自動化，生產產品的方式也在不斷演化。在《星際迷航》這部科幻連續劇中，一種幻想出來的被稱為“復制器”的設備可以憑空制造出各種產品，今天3D打印正在接近于實現這種看上去完全無法實現的目標。利用一系列不同的材料，包括金屬、玻璃、陶瓷、碳纖維、塑料以及樹脂，工業用3D打印機已經可以制造出足夠可靠的能夠用在飛機、汽車、建筑物以及其他產 品上的零部件。

將制造業和零售業融合在一起可以帶來更大的靈活性，使企業能夠更加適應消費趨勢的改變，同時能夠提供更多個性化的產品，降低庫存、分銷以及運輸的成本。將來的某一天，你可以走進一家商店，非常詳盡地告訴他們你需要的款式、顏色以及其他具體的特性，然后他們當場就會把你想要的那件衣服打印出來。

算法農業

農業是另一個已經被深度自動化占據的領域。高盛投資公司估計，到2050年，將農業和技術融合在一起的精準農業可能是一個價值2400億美元規模的市場。這是一個非常好的消息，因為世界資源研究所估計，到2050年我們必須讓糧食的產量翻番才能夠養活接近100億的人口。

2014年才剛從洛斯阿拉莫斯國家實驗室中拆分出來的笛卡爾實驗室（Descartes Labs）以及于2012年成立的創業公司 Farmlogs（農場日志）正在使用機器學習算法、大數據以及計算機視覺技術向農民提供信息，幫助他們提高農作物的產量。這項技術可以在各種常見的農作物疾病傳播開來前就探測出這些疾病，然后派出全自動化的無人機或者機器人在那些作物發病的區域噴灑農藥，從而降低農藥的使用量。

按照加州農場局聯合會的數據，使用自動番茄收割機的農民的勞動力成本已經降低了90%。這不僅涉及勞動力成本，它還幫助解決了如何找到足夠的勞動力的問題。

采摘漿果是最困難且勞動強度最大的農場工作之一。漿果很嬌嫩，機器很容易弄傷它們，另外你還很難區分哪些漿果已經成熟，可以采摘。雖然有這些困難，Harvest CROO機器人公司已經提出了一種利用高級人工智能和機器人的解決方案。一臺由Harvest CROO生產的機器能夠在8秒鐘之內采摘完一株果樹。它還可以在一天內完成8英畝農作物的采摘，而這已經是一個由30多人組成的團隊在一天內能夠完成的采摘量了。

“我們還可以做到一天 24 小時不停地采摘，而且晚上的采摘量會更多，因為晚上漿果的溫度會更低，所以也更不容易被機器劃傷。” 已在漿果行業工作了將近50年的加里？維斯納茨基（Gary Wishnatzki）說道，2013年他與鮑勃？皮策（Bob Pitzer）一起在佛羅里達州共同創立了Harvest CROO機器人公司。

葡萄酒行業已經從自動化獲得了大量的好處。按照加州葡萄種植者協會的數據，2018年，在加州所有收獲后用于釀制葡萄酒的葡萄中，80%是由機器而不是人來負責采摘的。這不僅降低了農民對人力的依賴，而且機器采摘葡萄的成本還不到人手工采摘成本的一半。加州大學戴維斯分校的研究人員甚至更進一步，他們開發出了一種“無接觸”的葡萄園。從最初的灌溉到最后的收獲，機器幾乎包攬了所有的事情，這也使得每棵葡萄樹的勞動力成本從1美元降至僅7美分。

在農業自動化上，物聯網也在扮演一個重要的角色。農場現在已經越來越依賴大數據來分析土壤、水、陽光、氣候模式、植物的生長、霉菌、害蟲等各種各樣的因素。農場搜集的數據越多，效率就會越高。

“我認為這是提升農業生產率的下一波重大的浪潮。”全球著名的投資銀行和資產管理公司威廉？布萊爾（William Blair）的分析師勞倫斯？德？瑪麗亞（Lawrence De Maria）說，“利用自動化來實施精準農業將會提高產量，同時降低農民的投入成本。作為提升農業生產力的重要推動力，這項技術已經可以和綠色革命以及機械化相媲美了。”

不僅種植水果和蔬菜的農民正在從自動化技術中獲益，牧場主同樣如此。在澳大利亞內陸地區，養殖羊和牛的牧場是非常龐大的。例如，在當地一個最偏遠地區的一家名叫Suplejack Downs的養牛場占據了約4000平方公里的面積，而且距離其最近的主要城鎮還有13個小時的車程。這就是為什么他們正在使用機器人來監管牛群了。

奶牛場現在正越來越多地使用機器人為奶牛擠奶，機器人可以使奶牛場的工人數量減少到原來的50%。奶牛養殖機器人現在已經是一個市場規模為16億美元的產業，而且發展非常迅速。另外，這個產業所涉及的也已經不再只是機器人而已，它還包括與自動化相關的海量數據。荷蘭的創新公司Connecterra已經開發出了一種智能奶牛頸圈，它可以追蹤一頭奶牛的每一個動作，這就像我們給奶牛戴上了一個手環。當一頭奶牛生病的時候，系統能夠在任何可見的癥狀出現前的一到兩天就發出預警。除此之外，它還能夠監控奶牛的行為，并且在奶牛沒有去吃第二份干草的時候向奶牛場的員工發出提醒。

與此同時，在鹿特丹港，一家創業公司已經推出了首個全自動的水上浮動奶牛場，在這個奶牛場中一共蓄養了40頭奶牛。這家公司相信，將農業生產帶到更接近大城市的地方是一件很重要的事情。“正因為我們就住在港口的附近，所以我們才會想到要在水上建立一個農場。”懸浮農場（Floating Farm）的 CEO 彼得？范文格登（Peter van Wingerden）說，“這樣我們才能夠把健康的食物帶給越來越多已經搬遷到城市里的消費者的身旁。”

懸浮農場并沒有就此止步，他們的農場里還到處采用了最新的乳品技術，其中就包括自助的清潔站、自動化的喂養系統、打掃糞便的機器人，以及可以遠程監控奶牛的智能手機App。

范文格登還非常關注農場的自我可持續性，他的農場引入了一臺可以將干的糞便材料與尿液區分開來的機器，其中干燥的部分被用作了奶牛的墊草，而尿液被轉化成有機肥料。在房頂上他們還安裝了雨水采集器，以及一組懸浮的太陽能電池板，用來滿足農場40%的能源需求。如果這還不夠，他們還采用了從當地公園和高爾夫球場上割下來的草、釀酒商剩余的谷物、餐廳丟棄的土豆皮等東西的混合物來喂養奶牛。而所有這些都是經過了自動切割和混合后再通過傳送帶傳送到食槽中的。

在實踐“讓可持續的農業生產實現自動化，同時將農業生產帶到更靠近城市的地方”這一理念上，懸浮農場并不是唯一的先驅。

創業公司Iron Ox（鐵牛）正在占地8000平方英尺的室內設施能夠以大約每年26000株的速度生產綠葉蔬菜，這一產量是室外農場產量的5倍，但這還僅僅是第一步。這家公司的聯合創始人兼CEO布蘭登？亞歷山大（Brandon Alexander）已經下決心要將從播種到收割的所有過程都實現自動化。“在 Iron Ox，我們用機器人優先的方式設計了整個種植過程。”他說，“這意味著我們并不是在現有的過程中添加了一個機器人，而是圍繞著機器人設計了所有的東西。”

幾乎可以肯定的是，未來的農業將更接近于Iron Ox目前正在開創的前景。除非要去解決各種問題，比如機器發生了故障，否則人類很可能不再需要踏足農場。牧場主們可能會在他們牲畜的大腦中植入芯片，然后讓人工智能來控制所有的事情。整個農場會非常像一個巨大的、高科技的裝配線。

完全自主化的拖拉機、播種機、除草機、收割機以及無人機將會完成所有的工作，而先進的算法將會在后臺指揮所有的機器進行表演。

這肯定需要花很大一筆錢，大公司將鞏固在農業生產中的地位，并且從規模經濟中獲益。所有這些對消費者來講意味著更高的產量和更低的成本。我們或許會把那些由家庭經營農場的日子僅僅看作一個更加浪漫的過去。

今天，我們在全世界能夠看到的人工智能都是弱人工智能，它們中還沒有哪一種已經接近再現人類的意識。

深度自動化并不需要超級智能，所以這也意味著我們可以在不遠的將來就實現它。事實上，大多數相關的核心技術早已經存在，并且正在我們的工廠、辦公室以及家庭中得到應用。從蘋果的Siri和亞馬遜的 Alexa這樣的虛擬助手，到Netfix的視頻推薦和亞馬遜的購物推薦，我們中的很多人已經在日常生活中體驗到了由弱人工智能支撐起來的自動化。雖然所有這些我們都已經習以為常，但是它們仍然具有某些我們看不見的和很少提及的社會與經濟影響，而正是這些影響在顛覆我們小心維持的社會秩序的平衡。

我們應該準備好，如何在這樣一個社會中生存下去？