新兴的与没落的人工智能革命

在人工智能经历了数年的缓慢而充满挫折的发展后，如今却以一种惊人的速度向前推进，这种对比鲜明的变化引发了广泛的热议。这种转变让许多人觉得，人工智能的发展速度过快，这是一件极具讽刺意味的事情。经过深思熟虑的评估，我们应该拥抱人工智能，而不是害怕它。早在19世纪40年代，John Stuart Mill就曾预言，机械发明对劳工的最终益处是不容置疑的。未来或许会有经济学家同样强调人工智能的益处，而这些益处不仅限于劳工阶层，更惠及每一个人。

▍引言：“机器问题”再次浮出水面

从人工智能早期的无数次失败到如今充满活力的蓬勃发展，是否会导致大面积失业甚至人类灭绝？历史或许能为我们提供一些启示。

一些人担忧机器会夺取所有工作机会，使得只有少数人受益，最终颠覆整个社会秩序。事实上，这种担忧并非首次出现。两个世纪前，工业革命的浪潮席卷英国，同样引发了关于“机器问题”的激烈讨论。当时，人们关注的焦点是机器对不同社会阶层利益的影响，特别是劳动阶层对使用机器通常不利于他们利益的担忧。苏格兰哲学家Thomas Carlyle在1839年抨击了所谓的“机械恶魔”，认为其破坏性能力将扰乱整个工人团体。

如今，“机器问题”再次卷土重来，以人工智能的形式出现。科学家、经济学家和哲学家正在热议AI技术的潜在影响。这种影响深刻到连看似不可能自动化的工作，如放射科和法律工作，现在都面临危机。牛津大学的Carl Benedikt Frey和Michael Osborne在2013年的调查研究被广泛引用，研究发现美国有47%的工作有可能在不久的将来被“计算机资本取代”。美国美林银行预测，到2025年，人工智能的“创造性破坏”可能导致高达14到33万亿美元的损失。麦肯锡全球研究院指出，人工智能正在推动社会发生转变，这一转变的速度比工业革命快10倍，规模大300倍，影响几乎大3000倍。

和两百年前的人们一样，许多人担心机器会让数百万人失去工作，引发不平等问题和社会动荡。有人甚至担心人工智能会威胁人类的生存，超级智能计算机可能不再认同人类目标，转而攻击创造它们的人类。有人看到风险的也看到了机遇。投资者正涌入人工智能领域，科技巨头收购AI创业公司，并争相吸引最优秀的研究人才。根据数据分析公司Quid的研究数据，人工智能企业的成本在2015年创下85亿美元的记录，几乎是2010年的四倍。与此人工智能创业公司的投资轮数也在增长。Playfair Capital的Nathan Benaich表示，人工智能企业的投资轮数在2015年比前一年增长了16%，与此同时科技产业整体投资轮数却减少了3%。“XX+人工智能”已成为创业公司默认的商业模式。谷歌、Facebook、IBM、亚马逊和微软都在云端建立人工智能服务的生态系统。

在这个充满变革的时代背景下，我们不仅要关注人工智能可能带来的挑战和风险，更要看到它所带来的机遇和潜力。只有通过深入理解并合理利用人工智能，我们才能让人类与机器的共生关系更加和谐，共同迎接美好的未来。在当今时代，人工智能正在以前所未有的速度改变着我们的生活和工作方式。MetaMind 的创始人 Richard Socher 指出：“这项技术将会应用在各行各业中，只要这个行业有任意种类的数据，图像，语言等数据类型都可以。”人工智能的崛起已经成为不可逆转的趋势。

那么，这一切究竟意味着什么呢？在这篇深度报道中，我们将审视新科技的崛起，探索它对工作、教育、政策等领域的潜在影响，并思考其在道德和监管方面的作用。我们还将探讨能从机器问题的最初答案中学到的东西，以及人工智能引发的担忧和热情。值得注意的是，尽管人工智能带来了许多未知和挑战，但其中的许多问题我们已经有过答案。

人工智能的繁荣基于传统与现代想法的结合。人工智能的发展经历了从最初的过度乐观到失望，再到如今成为科技界最热门的领域的历程。人工智能这个术语最早出现在 1956 年的一份研究计划中，然而早期的尝试并未能实现预期的成果。直到 2012 年 ImageNet 竞赛的举办，人工智能的名誉才得以恢复和重新兴起。

ImageNet 是一个拥有数百万张图片的在线数据库，为人工智能的发展提供了宝贵的资源。每年的 ImageNet 竞赛都鼓励研究者们在计算机识别和自动标记图片方面进行竞争。在深度学习技术的推动下，人工智能的识别能力不断提高。2012 年，多伦多大学的Geoff Hinton团队通过应用深度学习技术，成功实现了 85% 的图片识别准确率。这一成果带来了技术上的巨大突破，使得人工智能在图像识别领域取得了重大进展。

这一突破并非凭空而来。它建立在以前已经存在的技术基础之上，并结合了人工神经网络（ANN）的灵感。人工神经网络是一种模拟生物学中神经元相互作用的网络结构。在过去的十几年中，新技术的出现和对激活函数的一种简单调整使得训练深度网络变得可行。互联网的兴起产生了数十亿可用于目标训练的文档、图片、视频数据。这一切都促进了人工智能的发展。

GPU 的发展也为人工智能的进步提供了强大的计算能力支持。GPU 最初是用于游戏工作者为游戏玩家构建幻想世界的芯片，但现在却用于帮助计算机通过深度学习理解真实世界。GPU 的出现使得深度学习的训练时间大大缩短，使得更多的研究者能够更容易地尝试新的方法和思路。

人工智能的崛起是一个令人兴奋的时代，它给我们带来了无限的可能性和挑战。我们需要认真思考如何应对这些挑战，并充分利用这个机会来推动科技的发展和社会进步。同时我们也需要不断地学习和探索新的技术和思路来推动人工智能的发展并使其更好地服务于人类社会。近年来，深度学习逐渐从专业领域的焦点，扩展到整个科技产业的热门话题。这种技术的兴起让网络架构更加深入，如微软所尝试的百层网络。这种深度学习系统的深度带来了更高的抽象层次和更好的结果，已经证明其在解决复杂问题上的卓越能力。

在人工智能领域，谷歌的John Giannandrea表示，深度学习正在应用于众多不同的领域，令人兴奋不已。谷歌正利用深度学习提升网页搜索结果的质量、理解智能手机端的口语指令、在图片搜索中协助用户找到特定照片、推荐自动回复的电子邮件、改进网页翻译服务，甚至助力自动驾驶汽车理解周围环境。这一技术的应用正在不断改变我们的生活。

深度学习的核心在于其学习的方式。其中，“监督学习”是最普遍使用的一种技术，它通过训练有标签的样本集来训练系统。例如，通过收集大量的邮件样本数据并标注为“垃圾邮件”或“非垃圾邮件”，深度学习系统可以从这些数据中学习如何区分垃圾邮件和非垃圾邮件。其巨大的优势在于系统能够从有标签的数据中学习，而无需人工制定复杂的规则列表或编程人员编写代码。Facebook可以通过监督学习技术识别并标记上传的照片中的朋友和家人，甚至发布了一个能够描述照片内容的系统给盲人使用。这一技术的应用已经促使金融服务、网络安全和销售领域的公司重新定位自己为人工智能公司。

除了监督学习，无监督学习也是深度学习的一项重要技术。它通过网络暴露在大量样本中进行训练，但并不会告诉网络寻找何种模式。相反，网络学习识别相似样本的特征并进行聚类，揭示数据中的隐藏结构。无监督学习在事物搜索中的应用广泛，如监控网络中的异常通信模式以预防网络攻击，或检测保险索赔中的新型欺诈行为。在谷歌的一项著名实验中，无监督学习系统从大量的无标记YouTube视频中发现共同模式，甚至能够识别出猫的面孔。

强化学习是介于监督学习和无监督学习之间的一种技术。它训练神经网络与只提供奖励作为偶然反馈的环境进行交互。这个训练过程涉及调整网络的权重，以找到能带来更高奖励的搜索策略。DeepMind的一个系统在Atari视频游戏上的表现就展示了强化学习的强大之处。这个系统在没有人类指导的情况下，只通过屏幕上的像素和游戏分数作为输入，就能够学会玩49种经典的Atari游戏，其中在29种游戏中的表现达到或超越了人类水平。

电子游戏作为人工智能研究的理想训练场所，是DeepMind创始人Demis Hassabis的观点。他表示：“游戏是真实世界的缩影，但更加纯净和具有约束性。”游戏引擎可以轻松生成大量的训练数据，为人工智能系统提供丰富的实践环境。AlphaGo的成功也证明了这一点，它是一个结合了深度学习和强化学习的系统，通过将生物启发技术与机械化技术的结合来解决智能问题。Hassabis认为，“这是一个复合型系统，因为解决智能问题仅有深度学习是不够的。”这样的系统不仅能够推动人工智能技术的进步，也为未来的科技发展带来了无限可能。他与同行们已经踏上了探寻一种新型技术——迁移学习（transfer learning）的征程。这种技术能够让强化学习系统在已习得的知识基础上进行进阶，而无需每次都从头开始训练。Hassabis先生解释道，人类能够做到这一点毫不费力。Giannandrea先生回忆起了他四岁的女儿如何能够识别出一种前轮大后轮小的脚踏车即为自行车，即使她以前从未见过。对于计算机而言，这一点却难以实现。

有一家名为MetaMind的初创公司，最近被Salesforce收购，也在研发一种相关技术——多任务学习（multitask learning）。这种系统使用相同的神经网络架构来解决多种不同的问题，在一件事情上获得的经验可以用来更好地解决其他事情。与DeepMind相似，MetaMind也在探索模块化的架构。其中一项被称为“动态记忆网络（dynamic memory network）”的系统可以处理一系列陈述，回答相关问题，并推断出其中的逻辑关系。MetaMind还将自然语言网络和图像识别网络融合到一个系统中，可以回答有关图像的问题（例如，“这辆车是什么颜色的？”）。这种技术可以用于智能客服聊天机器人或Salesforce的客户呼叫中心。

过去，许多有前途的人工智能技术在发展后期往往会失去动力。深度学习却是个例外。MetaMind公司的Richard Socher表示，人们每天都在使用深度学习技术，尽管他们并未意识到这一点。Hassabis、Socher和其他人的长远目标是开发出一种能够完成各种任务的“通用人工智能（AGI）”。多年来，人工智能的研究主要集中在解决特定专业化问题上，但现在研究人员们正尝试用更先进的积木块创造出不同的东西。尽管他们中最乐观的人认为要实现人类智力水平的AGI还需要至少十年时间，但Hassabis表示，“我们已经掌握了实现接近AGI系统的几十种关键元素。”

事实上，人工智能已经开始发挥作用了，并且很快就会更有价值。例如谷歌的智能回复系统只花了四个月的时间就从研究项目发展到了产品阶段。人工智能公司在规模和发表学术文章方面都能取得定期进展。即使研究人员转行进入公司后也能继续在同行评议期刊上发表成果。许多研究人员在公司工作期间同时发表科研文章。人工智能的开源也发挥了重要作用，谷歌、Facebook、微软、IBM、亚马逊等大型互联网公司公开了一些深度学习软件。部分原因是他们想要发表自己的成果来吸引更多人才，同时也是因为他们不在乎公开软件的优势在于能够获取大量用户数据进行训练。这使得大型互联网公司在某些方面占尽优势，但初创公司也在探索独特的打入市场的方式。比如无人机初创公司通过模拟数据在人群密集的地方进行飞行训练。而且很多训练数据都可以从网上找到。在这股人工智能的热潮中，许多公司都在为参与者提供工具。英伟达的名字出现的最为频繁，似乎每一家人工智能创业公司都在使用它的GPU芯片来训练神经网络。与此IBM和谷歌则正在设计专门的新芯片以更快更高效地运行人工智能软件。大型科技公司也正在提供免费的人工智能服务，如语音识别、句子解析和图像分析等，让创业公司可以结合这些模块构建新的人工智能产品和服务。

最终，所有这些人工智能领域的进步都将体现在人们日常使用的互联网服务的不断进步上。未来已来，智能革命正在重塑世界。人工智能技术的迅猛发展让一切变得充满可能，Hassabis预测，未来几年内，智能将无处不在，渗透到我们生活的方方面面。深度学习技术让计算机接口变得更加对话式和预测性，不再局限于简单的菜单和按钮。这种交互方式让不会读写甚至无法使用互联网的人也能轻松使用计算机。机器将能够执行过去只有人类才能完成的任务，这是技术厚积薄发的结果。

自动驾驶汽车正在快速发展，可能会取代出租车司机。送货无人机也可以与人类送货员竞争。改进后的视觉系统和机器人技术让机器人能够自主移动和完成复杂的任务。Dixon认为，这给我们留下了许多意想不到的突破空间。这种变革也引发了人们的担忧，担心人工智能会加剧特定任务的计算机化和自动化，导致大规模失业。一些人担忧机器会取代人类的工作，使许多工人面临失业风险。

在Enlitic公司首席执行官Barani博士看来，人工智能技术的应用并非如此悲观。深度学习在图像识别方面有着超人的实力，被广泛应用于医学扫描和CT扫描图像分析等领域。以医学为例，深度学习系统的加入使得医疗诊断更加准确和高效。Enlitic的系统在识别恶性肿瘤方面的表现优于人类专家，这预示着人工智能将极大地提高医疗行业的效率和质量。更多的工作将被自动化取代，但这并不意味着大规模的失业。相反，这可能会改变银行员工的工作组合，使他们远离日常任务而更多地从事销售和客服领域的工作。

尽管有些担忧职业两极化的风险以及底层技术工作被取代的现象，但也有证据表明技术进步能够创造出更多就业机会和工作方式的改变。事实上职业薪水停滞的状况很难明确是自动化影响的结果还是全球化或其他经济现象共同作用的结果。同样，我们不能确定机器是否将取代所有工作或者是否创造更多就业机会来替代传统的工作方式。但是我们可以预见的是随着技术的不断进步和发展我们将会面临更多的挑战和机遇。我们需要适应这种变化并寻找新的方式来应对未来的挑战和机遇。因此我们需要保持开放的心态接受新技术带来的变革并努力适应新的工作环境和就业需求。人工智能正在颠覆我们的教育和政策制定。在教育领域，MOOCs（大规模在线开放课程）的出现凸显了在线教育的巨大潜力。Udacity、Coursera 和 edX 等在线教育平台的涌现，背后是人工智能研究社区希望彻底改变现有教育系统的信念。斯坦福大学教授Sebastian Thrun表示，他们希望通过这些平台为学生提供适应性学习的新方式，以应对人工智能带来的新型工作技能需求。人工智能研究者和教育者认为，他们拥有解决人工智能对劳动力市场潜在影响的道德责任。随着知识更新速度的不断加快，人们需要学会如何重新学习以适应新的变化。未来，人们必须终生学习，以适应不断变化的工作环境需求。这也引发了人们对教育和劳动力市场的担忧。人们开始呼吁建立强大的安全网来保护人们免受劳动力市场的动荡影响。一些人工智能评论家提出了建立福利系统的想法，以确保每个人都能获得基本生存收入。这样的系统鼓励人们探索更多的可能性，失业时也有接受再培训的勇气。这可以鼓励人们自由选择他们想做的事情，而不必担心失去经济保障的风险。政治和经济领域必须共同努力制定相关政策和法规来应对人工智能带来的挑战和机遇。我们需要加强教育和培训系统以适应这些变化，同时确保劳动者在经济中保持竞争力并获得公正的机会。这是一个艰巨的挑战，但我们必须共同努力面对未来的变革并抓住其中的机遇。与此人工智能也在推动政策制定者重新审视地缘政治的复杂局面。在这一大背景下，教育和政策之间的交叉与合作显得尤为重要。随着人工智能技术的不断发展，我们需要更深入地探讨如何将其应用于教育领域，以实现更高效、个性化的学习方法。我们也需要关注人工智能对劳动力市场的影响，并制定相应的政策和法规来保护劳动者的权益。这是一个充满机遇和挑战的时代，让我们携手努力迎接未来的变革吧！随着技术自动化的发展，我们面临着重新分配财富的重大挑战。相比于改革教育系统，保障基本收入似乎是一个更简单、更有吸引力的解决方案。创业孵化器Y Combinator甚至在加利福尼亚州奥克兰市支持这一理念的研究。该市的总裁Sam Altman坚信，基本保障收入可以确保“平稳过渡到未来的工作模式”。

虽然这种想法听起来像是未来乌托邦，但在技术行业内部，一些人对其持怀疑态度，担心这可能导致技术不平等和抱怨加剧。Sam Altman认为技术专家会支持基本收入保障的理念。

基本收入保障的前提是需要有收入，这必然涉及到更高的税收。由于人们的财富水平和各地的消费水平不同，公平性问题也难以保证。还有观点认为，保障基本收入可能会抑制人们接受再培训的积极性，培养出不愿劳动的“懒人”群体，从而加重纳税人的负担。

尽管芬兰和荷兰等富裕国家计划明年开始试验基本收入政策，但贫穷国家显然从未考虑过此类计划。自动化的发展对地缘政治的影响逐渐显现。经济学家指出，自动化对发展中经济体的影响比对富裕经济体更大，因为发展中经济体有更高比例的体力劳动工作。如果自动化使发达国家在这些领域自给自足，发展中国家将失去比较优势。机器人和人工智能的技术和专利大多掌握在发达国家手中，这可能使发达国家通过全面工业化断掉贫穷国家的发展机会。

对于新兴经济体而言，自动化并非福音。它们无法通过“农田到工厂”的劳动力转移模式推动经济增长，必须寻找新的增长模式。否则，这些国家的核心经济结构将出现非常高的收入不平等现象。

随着人工智能技术的不断进步，尽管有技术专家不相信人工智能会失去控制，但仍存在道德上的忧虑。牛津大学哲学家Nick Bostrom提出的“回形针最多化”思维实验试图表达一个严肃的观点：人工智能可能执着于某个目标并自我升级，从而变得危险。这种担忧并非新鲜想法，早在1818年就在玛丽·雪莱的小说《弗兰肯斯坦》中有所体现。人工智能研究者也给出了无需恐惧的理由。他们认为智能与感性能力以及意识是不同的，人工智能不可能觉醒并获得自己的思想。“智能爆发”也不太可能出现，因为这需要人工智能在短时间内迅速升级，这在大多数计算问题中都是难以实现的。尽管人工智能技术在不断进步，但在当前阶段，人们无需过度担忧其威胁性。机械化的未来：人工智能的崭新视界

在探讨人工智能的发展时，我们必须认识到，尽管机器具备从经验和环境中学习的能力，但它们的学习过程并非总是活跃的。以自动驾驶汽车为例，它们并非每次驾驶都在进行训练。相反，深度学习系统在构建用于执行特定任务的计算模型时，往往需要花费数天时间。这些模型可以被广泛应用于汽车、无人机、应用程序等多个领域。值得注意的是，这些机器在实际操作时并不具备学习能力，它们所承担的工作更多是执行已编程的任务。它们在实际操作中收集的数据会被传输回后方，用于优化模型，随后再应用到机器中。单一的机械系统在特定环境中并不会学到“坏习惯”，因为它们并没有在环境中进行真正意义上的学习。

▍结论：机械问题的答案——人工智能未来展望

一、原始机器问题的自我解决

过去看似棘手的机器问题，最终将自我突破。虽然存在如 David Ricardo 等人对“机器替代人类劳动可能导致人口过剩”的担忧，但机械化的总体趋势将是创造空前规模的就业机会。机器不仅使个人生产者能够制造更多产品，降低大量商品的价格，扩大需求，而且还需要更多的工人来进行监控和管理。随着企业的壮大，他们需要更多的经理、会计师和其他专业人员来支撑运营。

二、全新产业的涌现

随着铁路、电信、电气等技术的到来，全新的、前所未有的、超出我们想象的产业将如雨后春笋般涌现。虽然这一切都需要时间，而且随着一些职业的消失，劳动力市场将面临巨大的变革，但同时也会有全新的职业出现。工厂早期的困境，伴随经济的增长和工人收入的显著变化，这一过程可能需要几十年时间，这就是我们所称的“恩格斯停顿”。

三、人工智能发展的反思与前瞻

经历了人工智能发展缓慢而备受挫折的数年之后，现在人们却认为其发展过快，这看似矛盾，实则是对人工智能发展的深刻反思。在 19 世纪 40 年代，John Stuart Mill 曾写道：“机械发明对劳工的最终好处是毋庸置疑的。”这一观点在今天依然适用，只不过主角换成了人工智能。未来可能会有经济学家同样强调人工智能对所有人带来的益处，而不仅仅是对劳动者。我们应该拥抱人工智能，而不是对其感到恐惧。毕竟，人工智能的未来充满了无限的可能性和机遇。