可怕的不是人工智能,而是自我抉择

到了智能时代,机器的智能水平足以为我们提供各种个性化的服务,同时能够做到成本和过去的标准化服务相当。

——读吴军老师的《智能时代——大数据与智能革命重新定义未来》

思维的革命

大数据并不仅仅是一门技术,而是一场如书中所讲的“思维的革命”:

在无法确定因果关系时,数据为我们提供了解决问题的新方法,数据中所包含的信息可以帮助我们消除不确定性,而数据之间的相关性在某种程度上可以取代原来的因果关系,帮助我们得到我们想知道的答案,这便是大数据思维的核心。

因此,在智能时代,我们并非人人都要掌握大数据技术,成为大数据服务提供者。对于更广泛的大数据应用者,关键是要掌握这种思维方式。传统产业的从业者,如果具备了大数据的思维,并将新技术与原有产业相加,就一定会催生出智能时代的新产业,正如书中所列:

动力革命:现有产业+蒸汽机=新产业

电力革命:现有产业+电=新产业

信息革命:现有产业+摩尔定律=新产业

智能革命:现有产业+大数据/机器智能=新产业

这个提法其实与“互联网+”一脉相承。在2015百度联盟峰上,李彦宏曾经讲过:

中国经济可能有两种结局:一是以后所有企业只剩下传统主流产业和互联网平台类型公司。第二种是传统产业真正拥抱互联网,找到提升核心竞争力的正确按钮。而怎样解决传统产业的问题,恐怕不是说一个互联网公司有大数据、有计算能力就解决的。你得有对这个行业有深刻的洞察,才能够知道你要解决什么问题。这些问题利用互联网的技术能力解决了之后,整个产业的效率就提升上去了。

这两种结局的区别就在于:“+”号由谁来主导完成。而第二种可能的关键就在于,传统产业是否能够在思维上迅速跟进,在同一个频道上与提供“互联网、大数据和人工智能”服务的IT公司对话。

此外,值得留意的是,大数据思维和原有机械思维并非完全对立,它更多的是对后者的补充。我们需要在不同的情况下,切换使用两种思维,而绝非生搬硬套。

人性的思考

再深入一步,回归到人性上来,这种思维要求:

首先我们必须承认世界的不确定性,这样我们就不会采用确定性的思维方式去面对一个不确定性的世界。当我们了解到信息或者说数据能够消除不确定性之后,便能理解为什么大数据的出现能够解决那些智能的问题,因为很多智能问题从根本上来讲无非是消除不确定性的问题。

人生中总会遇到不确定性事件,甚至应该说大多数都是不确定的。无论这些事件是惊喜还是灾难,是不是我们所能承受的,我们都必须去面对现实,去接纳发生在生命中的随机事件,与不确定性共存,才能让生活继续。

基于这种认识,我们才能够不那么功利的看待今天所学是否明天有用,不那么愤恨的埋怨命运不公,不那么脆弱的感伤生活维艰,才能够保持一份追求真理的豁达与智慧,不设目的,不设结论。

可怕的不是人工智能

AlphaGo的获胜让一些不了解机器智能的人开始杞人忧天,担心机器在未来能够控制人类。这种担心是不必要的,因为AlphaGo的灵魂是计算机科学家为它编写的程序。机器不会控制人类,但是制造智能机器的人可以。而科技在人类的进步中总是扮演着最活跃最革命的角色,它的发展是无法阻止的,我们能做的就是面对现实,抓住智能革命的机遇,而不是回避它,否定他和阻止他。未来的社会,属于那些具有创意的人,包括计算机科学家,而不属于掌握某种技能做重复性工作的人。

如果了解了大数据及机器学习的技术原理,就不会产生过于业余的担忧。AlphaGo在对弈时,其实并不知道它在下棋,它的思考方式和人类压根就不是一回事。李世石也不是输给了机器,而是输给了人类历史上几十万盘棋路的结晶(其中也包括了他自己的)。

可怕的是自己的抉择

薛兆丰老师在“得到”的北大经济学课专栏中,有一讲说道:

破窗理论还有一种变种,是关于工作机会的。这种说法说,老人不早点退休,不把职位让出来,年轻人就不会有工作。同样的,他们说机器会替代工人,如果机器太好的话,工人就没有工作做。所以,机器太先进、老人工作时间太长,对社会发展也不是好事。

让我们倒过来想想。我们的社会本来是有推土机的,现在不用推土机,我们改用勺子挖土了,这样的话,我们的社会是会变得更富裕,还是更贫困呢?如果我们所有的人,都提前20年退休,那整个社会是会变得更富裕,还是变得更贫困呢?

问题在于,我们眼睛能够看见的,是那些已经存在的工作,而那些能省下来的人力、时间和资源能放到什么新的工作和生产上,这一点经济学家也说不清楚,只能靠想象。认识破窗谬误的难点就在这。这是一个通过推理,我们明确知道肯定存在的东西,但是谁都说不清楚它在哪。

而在《智能时代》这本书中的最后一章,也探讨了同样的问题。这也是我认为书中最精彩最重要的部分。

任何一次技术革命,最初受益的都是发展它、使用它的人,而远离它、拒绝接受它的人,在很长的时间里都是将都是迷茫的一代。在智能革命到来之际,作为人和企业无疑应该拥抱它,让自己成为那2%的受益者;而作为国家,则需要未雨绸缪,争取不要像过去那样每一次重大的技术革命都伴随半个多世纪的动荡。

智能时代,机器一定会替代那些从事机械劳动(甚至包含一些智力劳动)的人。吴军老师从工业革命的历史中看到,剩余劳动力只能无情的靠时间来消化,没有所谓的安置之所。这其实就是适者生存的生物进化,遵循着残酷的自然选择。人类的进化已经不仅仅局限在生物学了。在这场进化中,没有人能为我们指明方向,除了我们自己。

额外的一点感慨

“读史使人明智”培根如是说。

在《智能时代》这本书中,非常佩服吴军老师深厚的历史功底。他能够以历史的眼光引导读者认识现代科技的发展,并以历史的智慧去预测人工智能的趋势。想起之前在学习编程的时候,我就多次感慨,把诸如面向对象这些概念放在整个软件工程发展史中去看,了解这些概念出现的时代背景、出现的原因以及所解决的问题,会比简单的理解其定义有用的多。从某种意义上讲,大数据本身也是对历史的一种学习,通过历史去预测未来。即便我们不能从历史中总结出因果规律,但也足以对未来做出明智的判断。

中学时看过《大汉天子》这部电视剧。里面陈道明扮演的东方朔被人问到:“你不是前知五百年,后知五百年吗?”,东方朔回答道:“未卜先知,先知,靠的是前五百年的读书。后知嘛,靠的仅仅是八个字:前事不忘后事之师。”

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容