如何思考會思考的機器

如何思考會思考的機器

企業管理顧問華倫·貝尼斯講過一個笑話。他說，未來的工廠里只有一個人，一條狗。人是要喂狗，狗是要看住人，不讓他碰機器。

總有一天，機器人會替代人。如果對物種進化做一個預測，那么，人類之后的下一個物種應該是機器人。《如何思考會思考的機器》一書，匯集了全球各個行業的頂級專家對人工智能的看法。當然，即使是專家，對人工智能的看法也大多是猜測。誰也不知道未來會出現什么變化。

如果簡單地講，未來可能會有兩條路徑。第一種路徑是機器人徹底替代了人。機器人不僅學會了人的思維模式，而且比人類做得更好。機器人也學會了人類的情感，而且比人類更加理性。機器人有了自我意識，不會再聽命于人。這并非不可能。追根溯源，人的思維、情感，無非都是物理和化學反應，只是我們對其原理了解甚少而已。

第二種路徑是人和機器人融為一體。手機讓我們成為“千里眼”“順風耳”，能夠實時地、不受地域限制地與其他人溝通。大數據方便我們更好地學習和交流。人用上了各種人造器官。以后，人們很可能會運用更多的科技手段改善記憶、延長我們的壽命、調節情緒。記性不好？外接一個U盤就行。性格暴躁？吃一片藥就改過來了。想體驗一下南極探險？你可以從別人那里購買一段個人回憶。聽不懂爪哇語？機器直接幫你翻譯。

無論哪種路徑成為現實，我們都能想象出最后的結果：人類這一物種，會被徹底改變。生活、工作都會和以往的大不相同，甚至人類的生存都會遇到挑戰。

“倫巴”是怎樣學習的

人工智能是如何出現的？這是一個很復雜的問題。我們不妨從最簡單的角度來理解。過去的電腦都是靠“程序”運轉的。程序員需預先設想出可能出現的各種情況，然后告訴機器，如果遇到某一種情況，該如何處理。這就會帶來一個挑戰，如果是一個非常復雜的問題，有很多環節，機器在每一個環節上都要列出所有的可能性，那么，計算和判斷的復雜程度會呈指數級增長，直至機器徹底崩潰。

人每天也會遇到各種復雜的問題，要不要結婚，要不要生孩子……人生有無窮無盡的可能性和有各種各樣的偶然性，人是如何處理復雜問題的？

我們的思維方式比較偷懶。例如，在第一個岔口，有兩個選擇，我們會隨便選一個，比如我們選A。再往前走，遇到第二個岔口，又有兩個選擇，我們再隨便選一個，比如我們選A1。如果A1是個死胡同呢？我們趕緊退回最近的分岔點，選擇A2。如此循環往復，直至找到合適的路徑。這種思維方式看起來很笨，這不就是靠碰運氣嗎？確實如此，這可能是因為人的記憶儲存能力和計算能力嚴重不足，才想出來的湊合的辦法，但事實證明，這可能是解決復雜問題的唯一正確路徑。

我們最熟悉的智能機器人可能是家用的掃地機器人，一款叫“倫巴”的家伙。最早設計倫巴的時候，設計師非常苦惱。每個家庭的房間都不一樣，有人住別墅，有人住陋室，有的房間方方正正，有的房間極不規則。如果想把所有的戶型資料都預先輸入，幾乎是不可能的。而當他們換個思路之后，就豁然開朗了。

倫巴的設計思路是讓機器人自己去學習。當倫巴剛到你家里的時候，它會像喝醉酒一樣，到處碰壁。其實，它是在學習。碰到墻沒有關系，它會把這當作一次失敗的嘗試，把結果記錄下來。只要它把每一次失敗都記錄下來，不斷修正，就能越來越熟練。最后，它就像在你家里盡情撒歡的小狗，來去自如。

一言以蔽之，這種設計思路就是“試錯法”。機器學習就是一個計算機算法在分析和預測中不斷自我改進的過程。認知機器人的方法論無非是最基本的概率論，但它的技術進步在于，已經開始理解更復雜的非結構化信息。也就是說，機器人不僅能夠像過去那樣理解數字，還能夠“看懂”圖像、“聽懂”人講的話等。

以機器翻譯為例。國際商業機器公司在開發翻譯軟件的時候成立了一個團隊，最早，他們雇用了很多語言學家，希望語言學家能夠教會機器不同的語法規則，然后讓機器根據語法學習各種語言。后來，他們發現這樣根本行不通。最簡單的辦法就是把海量的語言資料輸入電腦，讓電腦自己去“試錯”。一開始，電腦的翻譯一定是不倫不類的。但慢慢地，如果你給電腦足夠多的正確和錯誤的示例，它就會弄明白，哪些說法是不地道的，而哪些是更地道的，它的學習進度也會越來越快。它可以用同樣的方法學會漢語、俄語、班圖語、尼泊爾語：其實它不是在學外語，而是在處理統計數據。以后，我們很可能不用再學習外語了，因為人工智能會比我們做得更好。它能夠掌握各種語言，靠的就是大數據和“試錯法”。

機器人會不會替代人

說起人工智能，我們常常會有一種恐懼，認為我們的工作很快就會被機器替代。確實，越來越多的工作正在被機器替代，但距離我所預言的那個機器人取代人類的時代還早得很。我們仍然處在人工智能發展的初級階段。現在的人工智能產品大多局限在一個特定的領域。倫巴是負責掃地的，而另一些人工智能是為了翻譯語言，或是幫助醫生診斷疾病。它們各有分工。在各自的領域，它們完全有可能替代人類的很多常規性的工作，但機器人會不會突然變得全知全能呢？你家的倫巴會不會有一天掃地掃膩味了，決定不再掃地，要設計汽車呢？至少目前來看，這種可能性為零。

任務自動化和工作崗位自動化是兩件不同的事情。工作崗位自動化是指機器完全替代了人，任務自動化是不會搶走人類的工作的。舉例來說，由于工業革命，紡織行業在19世紀就從手工業變成了現代化工業。紡織行業中98%的勞動被自動化取代，那么，紡織行業的就業人數是否相應地減少了98%呢？

沒有。

紡織行業的就業人數反而增加了。這是由于生產力大幅度提高之后，產品的價格一旦下降，人們對產品的需求就會增加。過去，許多人只有一套衣服，而且是媽媽手工縫制的。過去是“慈母手中線，游子身上衣”。現在，游子穿的都是買來的衣服，每個人的衣櫥里都被塞得滿滿的。此外，人們對窗簾、地毯、沙發罩等各種各樣紡織品的需求也在大幅度增加。于是，需求的增長抵消了機器對勞動力的替代。

同樣的故事今天仍然在發生。自動取款機是在20世紀90年代之后出現的。當初，人們認為有了自動取款機，就不再需要銀行柜員了，結果呢？銀行柜員的人數卻增加了，而且比美國整個勞動力市場就業人數的增加速度更快。條形碼是從20世紀80年代出現的。掃描條形碼，能讓收銀員的結賬時間減少18%～19%，但收銀員的人數反而增加了。20世紀90年代末以來，律師事務所越來越多地使用電子文檔檢索軟件，這本是律師助理要做的工作，但律師助理的人數反而在快速增長。

我們都聽說過，技術可以創造出全新的崗位需求，比如數據科學工程師。但與此同時，技術也能改變很多傳統的常規工作。銀行柜員不需要再收付現金，他們可以花更多的時間幫顧客處理更復雜的事務。律師助理不用再在檔案堆里找文件，他們可以幫助律師們更好地維護與客戶的關系。會看CT片子的電腦沒有完全替代醫生，醫生可以借助電腦，進一步提高診斷質量。各種設計軟件也沒有替代設計師，相反，會有更多的人更容易地進入這一行當。

所以，好消息是：未來的工廠里，會有一臺機器，一個人，一條狗。有的工作由人來做主，機器輔助；有的工作由機器做主，人來輔助。至于那條狗嘛，它會安安靜靜地趴在那里，像一個哲人一樣若有所思。

（羽 葉摘自民主與建設出版社《大局觀：真實世界中的經濟學思維》一書，李小光圖）