机器人是否正在夺走你的工作？

豆小豆

人工智能是会独立思考的机器人吗？




“阿法狗” (AlphaGo) 与李世石的围棋大战，让“阿法狗”一战成名，也让“人工智能”，这一原本只存于电影世界的概念再次进入公众视野。


去年有一部颇为风靡的电影名为《机械姬》，影片围绕程序员与智能机器人的对话展开，程序员被邀请来的真正目的是进行针对机器人的“图灵测试”，即测试机器能否思考，是否有与人类等价或无法区分的智能。
影片唤起人们对于人工智能的忧与思，那么人工智能是否真的会替代人类成为主宰地球的大威胁？


就在昨天长江商学院创创社区的公开课上，哈佛大学应用物理学、计算机科学双料博士——Ekin Doğuş Çubuk 受邀而来，解开关于“人工智能”的那些迷。

机器学习
不要“神化”，也不要“妖魔化”
到底什么是“机器学习”？对于我来说可以把机器学习看成是我们经常会说到的“人工智能”，数据科学，深度的学习。

关于机器学习，实际上就是概率的理论，它可以用到很多数据，或者是强大的计算。是否要相信这样的逻辑，或者是这样的概率论。特别强调一点，关于机器学习不是什么？机器学习不是所谓机器人的创造，也不是魔术师表演魔术一样，这里面其实内含的是包括使用统计学的理论在内的科学的原理。

一般作为一个初创公司，做具体的创业，一般都会想把最困难的事情都留给机器学习，通过这种方式加以解决。但是，我们要特别强调一下，机器学习并不是什么太神奇的东西，并不是所有困难的问题都能解决。 其实，关于机器学习的概念已经存在200多年了，为什么如今才强调它的重要性，答案是现在有大量的计算能力，有海量数据的存在。在人的历史当中，在地球上所存在总的计算能力，每秒钟所能处理，单位是上百万指令级，就是10的19次方，每秒都会有几十亿级的处理。你可以看到它的计算能力，10的17次方，这个差不多相当于单个人的大脑，在2000年之后，机器才真正超过人类的大脑。 准确来说，至今世界上所有的计算机的信息存储量都未能达到一个人的DNA的信息量，这也是就解释了，为什么到了九十年代以后，才出现了能够击败国际象棋棋手的计算机程序。

统计+预测机器学习的价值体现

有一个有趣的预测：组织一批专家，包括政客，记者，经济学家集中在一起，让他们对下一年做出预测，问他们“你们认为下一年伊朗会发生战争吗？”、“俄罗斯会出现石油危机吗？”这些所谓的专家们，他们的预测可能和随机挑选一个普通的常人做出的预测没有什么差别，都是一样的不准。经济学家、政客经常会在一些媒体上或者是报纸上发表一些看法，但是如果预测错误，他们也不会承担任何责任。 这些做出预测的可能是一些有很高名望的人，但是不管他们日常素质如何，他们的预测准确性与此并没有直接的联系。由此可以看出，人类在概率这方面做的是非常差的，在数据指数级的增长的环境下，机器学习的重要性就凸显出来了。 在我看来，更加合理的方式是把机器学习当成一种科学的解决复杂问题的方式。 机器可以帮助我们把原本枯燥而单调的东西用不同的色彩表示出来，通过机器的理性的判断，就可以很轻松的发现需要寻找的缺陷。机器学习可以用于各方面的，比如你需要得到一种比较客观的、比较科学的途径，你就可以去使用机器学习。在医学、工程、社会科学等领域，机器学习都可以帮我们做出更好的预测。


统计+预测让人工智能具有了无可比拟的价值，在分享中Ekin Doğuş Çubuk博士还特别强调一点，“人类的认知方面目前也并不是非常完美的。人类都有选择性的注意力，如果注意力关注了某一个方面 ，就很容易忽略其他的方面。”那么，可能令人担忧的问题是，

“机器人是不是将夺走我们的工作？”


这样耸人听闻的说法近来也是屡见不鲜。信息技术与创新基金会（Information Technology and Innovation Foundation）总裁罗伯特•阿特金森（Robert Atkinson）用数据例证给出分析，他提出：尽管自动化的冲击令人恐慌，但自动化本身并不会引起失业，而是会带来更强劲的经济、新的就业机会及更高的生活水平。

“ Relax. 机器人不会夺走你的工作 ”作者 | 罗伯特•阿特金森

翻译  | 顾岳

人工智能、自动化生产带来的高生产力是否一定会造成更多失业？事实上，随着时间推移，与高生产力相伴的是更低的失业率，如图2所示。


整体就业与失业方面的这类总体趋势得到了众多学术研究成果的支持。国际劳工组织（International Labor Organiza-tion）和世界银行（World Bank）等机构的报告表明，就长远而言，在许多国家，生产力提高与就业增长或失业没有或很少有关联。这些研究成果在发达和发展中国家与地区均成立，包括美国、欧洲国家、哥斯达黎加、孟加拉国和中国台湾。

既然过去揭示出截然相反的情形，我们为何要突然开始相信高失业的罪魁祸首是（或将来会是）高生产力？ 尽管逻辑清晰、证据充分，媒体甚至学界中仍有许多人告诉我们，“机器人”扼杀了工作机会，因此我们应心怀恐惧。一些耸人听闻者仍认为，即便历史呈现相反的情景，失业显然并非因生产力高速发展而导致，未来也将会不同。此种观点认为，如果技术开始一下子淘汰了过多的人，则无法保证能够促进工作机会的增加。他们认为，更糟糕的是，我们会面临“工作的终结”，一切都被机器人和电脑所取代。 上述情景不会出现。其原因在于，尽管电脑在许多特定工作方面已取得引人注目的长足进步，但人类的适应能力仍远高于电脑，并在与真实世界互动时仍拥有明显的“常识”优势。人类的这些特点将延续下去。机器人或电脑究竟将如何完成幼儿园老师、工程师、社工或维修工的工作？就算在拥有卓越技术的行业，要转向现实世界的生产与使用通常还是很缓慢的。 美国和欧洲当前的失业问题最初是由于金融体系而导致，这些问题持续存在的原因是缺乏增长与投资，而非生产力过剩。另外，发达国家在增加值较少的传统生产岗位方面正丧失优势。耸人听闻的大字标题“机器人正夺走我们的工作”令我们关注错误的议题。我们无须避开经济困境，而应拥抱新技术，因为它们将增加产出，并使我们得以与新旧对手竞争。经济的不断增长是失业危机的最佳解决之道。当自动化在一些岗位上取代了工人，创造新的就业机会是保持并提高这些工人收入的最佳途径。 最起码我们不应该将技术进步与失业联系在一起，因为此种观点仅在短期内有时成立。理论与实践均显示，就中长期而言，生产力在最坏状况下仅对失业产生中性影响，但它是工资与生活水准提高的主要促进因素。 最后，在机器人和自动化方面耸人听闻的观点将造成实际后果，因为这会打击对自动化政策的支持。我们应当积极推动相关规范和公共投资，帮助组织提高生产力。生产力提高一直是国民经济的关键驱动力，未来也仍将是主要因素，只要我们不因对技术的恐惧而却步。

Bonus:「烧脑提问」
Q1：人工智能的推广和应用，哪一个环节最难？

Ekin Doğuş Çubuk博士：人类大脑学习分级的概念(hierarchical concept-building)是很容易的。比如说我们对于大象的认知，并不一定需要真正看到实在的大象，或者只需要见过一两只大象就能够对以后见到的大象进行识别。这种学习对于机器学习(machine learning algorithms)来讲就很困难。现在我们都知道，机器学习需要海量的数据，才能够达到同样的这种识别程度，所以现在最大的难题就是如何从尽可能少的数据里面获得我们所需要的结果。但是想弄懂分级概念的原理，几乎就像弄懂人类大脑的原理，是一件非常困难深奥的事。

Q2：人工智能的发展会带来哪些隐忧，会有哪些风险？

Ekin Doğuş Çubuk博士：这里面涉及到几个方面，人工智能这是一个非常强大的工具，如果是一个邪恶的人利用它，可能会带来一些坏的方面。同时，机器学习还有一些明显的问题，它可能会给你带来你本身并不想做的决策。比如说自动驾驶汽车，如果在路上遇到一个复杂的情况——在路中间站着一个小孩，右边也有行人，左边也有行人，这时候自动驾驶汽车自主学习的部分做出一个判断，到底该怎么走，要不然把小孩轧死，要不然把左边的人轧死，要不然把右边的人轧死，它很难做出判断和决策。相反，人工智能的好处在于，机器学习可以从数学的角度做出推理或者是计算，帮助人类做一些决策。