搜索
人工智能时代HumansNeedNotApply人机共生下财富、工作与思维的大未来美杰瑞·卡普兰（JerryKaplan）著李盼译浙江人民出版社引言：欢迎来到未来本书的写作目的：是展现科技进步后的未来生活和对社会的影响，并提出解决方案，减少影响。人工智能正在解放你的双手第一类新系统，从经验中学习，称为合成智能；第二类新系统，来自传感器和执行器的结合，称为人类劳动者。这些新系统可以把人从痛苦的杂务中解脱出来，还会让你变得更高效。看不见的威胁，更致命隐形的电子智能体，仅代表所有者的狭隘私利，而不关心对其他人的影响。强大的自主智能体的出现引发了严肃的伦理问题。未来的矛盾来自资产与人可能只有1%的人会成为今天趋势的受益者，但是如果不对这些拥有资产的人或物设置预警的话，很有可能这仅有的1%也将会缩水到0，就像是古埃及的金字塔一样，抽光整个社会的资源仅仅是为了个人统治者的妄想而服务。失业与经济失调，科技进步的阴暗面未来的工作没有雇佣失业将会成为一个严重的问题，但是失业不是因为缺少工作机会，而是技术的发展速度要远超过劳动者的适应能力。未来是《星际迷航》，而不是《终结者》第一部分：人工智能时代大冲击1、人工智能时代已经来临从“仆人”到“颠覆者”，人工智能的反叛介绍人工智能的发展IBM将计算机视为机械仆人，此时程序员进行结构化编程，而计算机则不会联网。符号系统法、启发法（“修剪搜索空间”）、专家系统神经网络，让计算机模拟人脑。与符号系统法相比，前者告诉计算机如何解决问题，后者给计算机展示示例机器学习。计算机处理能力、内存的发展，以及互联网的发展。对于机器学习最好的理解就是，它们发展出自己的直觉力，然后用直觉行动。与以前只能按照编好的程序工作不同。IBM创造认知计算这一概念。（cognitivecomputing）2、全面接管人类的工作与生活机器人，疯狂扩散的心“病毒”机器人的发展过去的机器人，需要人去适应，因为它不会顺从你的需求。因此把人工智能简单的比作人，会混淆公众正确的理解，也会阻碍重要的政策议题和讨论。机器人在进化，源于四种先进技术的汇聚，计算能力的巨大提升、机器学习技术的进步、机器人工业设计的改良（更轻的材料，更复杂的控制机制）、机器感知领域的突破（图像识别、声音识别等）。今天的与编程、重复性机械设备就是未来机器人的原始先驱。未来的机器人可以看见、听见、做计划，还能根据混乱而复杂的真实世界来调整自己。未来的机器人不受空间的限制。它们可以有遍布的传感器网络，可以由一些不相连且可互换的执行机构、引擎以及工具组成，而协调和驱动这类机器人的逻辑将随处可见。最终，很多领域只剩下对信息的操纵，如金融、教育、娱乐。科技将倾向于联合化和简单化。未来看起来会比想象中的更像过去。人造劳动者只需要简单的设备，而不是更多专门的设备。3、财富集中化愈演愈烈一场智能机器密谋的金融抢劫重要的事数据，而非程序。虽然对于高频交易来说，比对手更快交易是一种优势，但是真正的挑战在于快速分析世界金融市场上奔腾不息的数据流。人工智能可以分析大趋势，也可以观察到小模式。而且基于概率法则，只要正确比错误次数多就可以，而不必须每次都正确。高频交易将利润流向系统的创造者和运营者，而将风险转嫁给他人，那些不能使用这个系统的人，扰乱了金融市场。如果要减少高频交易的金融影响，可以对信息请求收取少量费用，也就是买入和卖出（报价）的请求延迟所有交易一秒钟，无论对于人类还是计算机。证券交易的公认目的不是让某些人富起来，而是通过优化和高效分配资金流促进商业发展。但是掌控当今市场的合成智能，则会影响这一目标。4、被谋杀的人类公平感机器魔鬼，引燃众神之怒网站通过cookie获取上网记录。有些组织会根据手机的数据做出很多关于访问者的人口特征和个人特征的统计。但更多情况下，是想在未来你离开之后仍向你展示广告。这形成了一个产业。电子广告交易所是平台，网站运营者出售网站的广告位置，广告主有购买广告位的需求，中间商根据复杂的算法在平台上竞价。广告交易所有人工智能，努力太高价格，中间商有人工智能，努力专区差价。作者所谓的计算机程序“大打出手”，看起来有点不文明、不友善。但这些系统是为了完成单一目的而设计的，它们不知道或者不关心其他副作用。我们需要控制合成智能，或者这种情况下的任何电子智能体，为我们工作的时间和地点。使用人工智能，可以用它来代替人排队而节省时间，可以让自动驾驶汽车频繁挪车避免罚单，可以像黑客一样网上抢票。在现在，我们需要把各种概念纳入公共讨论中，然后才能在电子领域延续我们的公平感。现在，这片广阔自由的领域正被无边的黑暗所笼罩，招引着形形色色的欺骗。第二部分：重塑社会，拥抱智能大未来5、未来的法律机器人犯罪，谁才该负责关于道德行为体，一个被广为接受的定义是，其必须有能力完成两件事。能感知到其行为后果中与道德相关的部分，而且必须有能力在行动方案之间做出选择。人和公司可以是道德行为体，但是合成智能呢？用道德准则编程。但是道德准则应该是什么样？计算伦理学希望通过“自顶向下”的方式创造“人造道德行为体”，通过推理来选择和实现道德原则，然后建立试图遵守这些原则的系统。有人希望通过“自底向上”的方式，通过向机器学习展示足够多的相关案例。但是这些都难以实现。因为我们的一部分道德观念似乎来自我们作为人类能够感受同情和怜悯的能力，我们本能地认为如果有东西伤害我们，那我们就不应该把这种痛苦施加给别人。机器人犯罪案件审判时，奴隶和机器人低位之间具有相似性，奴隶在南北战争之前是“财产”，但同时也有能力做出自己独立的决定。处理机器人犯罪，可以参考对公司犯罪的处置。因为公司以及合成人工智能都有一个共同点：一个目的或目标。公司犯罪，可以征收罚款，因为公司的主要目标就是赚钱。对于犯罪的合成智能：可以删除其“记忆”。每一个合成智能在自己独特的经验中学习，才具有自身特征。另外，一个机器学习算法，要依靠大量数据才能调整好性能。因此删除记忆是很严重的后果。可以撤回其行动的权利，比如以执照的形式。或者让合成智能具有资产，如劳动力（合同权）、银行账户（财产权）。6、未来的决策从人到机器，决策权的转移亚马逊的商业案例：真正的价值不在于存货，而在于数据。亚马逊的真正本质是积累书评和顾客的购买记录，而将存货和物流给第三方进行。因为掌握更好地信息，低买高卖，赚取差价；分析买家个人和集体购买习惯，根据市场条件和个人客户的习惯调整价格，给不同的人指定不同的价格；把产品价格和运费分开，及收取固定的配送年费；允许竞争者把产品放到自己的网上，可以窥视竞争者的销量和价格，让自己可以控制其竞争者的成本，通过调整收取服务费的费率。在亚马逊，你仍拥有作为个人享有的自由的权利，但是作为集体，我们没有。合成智能完全有能力在允许个人意愿的情况下，以一个相当高的统计精度来管理群体行为。亚马逊只是个例，这种现象正悄悄蔓延到我们生活的各个方面。问题在于，各个系统在我们看不见的地方为了达到自己的目的，彼此之间进行激烈的谈判和交换。这些系统对于人有压倒性的优势，就好像是赌局上的庄家，知道每个人手里的牌，知道发牌的规则。7、未来的财富谁会成为最富有的1%富人的生活：随着计算能力的增强，到了一定的阶段之后，量变会变成质变。今天拥有几千万美元可支配资金并不会影响你的生活方式或者你在必要时帮助朋友和亲戚的能力。但是钱会给你力量，让你有把社会资源向你的个人利益转移的力量。一种普遍的观点认为，为了让经济繁荣，我们需要稳固而健康的中产阶级，因为他们是消费品的强大需求。但是这是错误的。富人才是推动社会进步的动力。比如建造埃及金字塔，再比如500万人在为某些互联网巨头的项目工作。美国最富有的1%家庭累计拥有的财富超过了整个美国财富的1/3——差不多20万亿美元。假设年利率10%，他们每年都可以任意支配2万亿美元。美国工人平均年薪3万美元，也就是说他们能够雇佣6000万人，也就是美国所有劳动力的40%。但是并不是这些人都去富翁的豪宅上班，是为什么？第一，富人没有倾其所有消费。这些钱被用来再投资或留作他用，他们把回报累积起来用作个人“贫困时期”的信托资金或退休资金。这就是俗话说的“富人更富，穷人更穷”。第二，你看不到那些富人为新观念而投入的人力，因为这些投入已经体现在商品和服务中了。比如富人购买奢侈品，很多不是为了使用价值，而是对社会地位的维护，以及通过展示不必要的花销而产生的对于自我价值的表现。宿命般挣扎的穷人：举步维艰，一言难尽。8、未来的工作无论你的领子是什么颜色，机器都会毫不留情淘汰的不仅是工作，更是技能：大部分自动化作业都会替代工人，从而减少工作机会。这就意味着需要人工作的地方变得更少了。这种威胁很容易看到，也很容易度量。很多科技进步会通过让商家重组或重建运营方式来改变游戏规则。这样的组织进化和流程改进不仅经常会淘汰工作岗位，也会淘汰技能。研究中经常被引用的一个例子是，需要优秀人际交往能力或说服能力的工作时不太可能在不远的未来实现自动化的。但是事实并于一定如此。经常失业的人与没有人想雇佣的人，失业有两种：第一种被称为周期性失业，指的是人们在就业和失业之间循化另一种失业形式被称为结构性失业，它意味着一些失业的人完全无法找到合适的工作。受到影响的职业：蓝领工人。各行各业的蓝领工作很有可能已经被自动化接管。在自然环境红可以感知和运行的机器人设备将会大量取缔劳动力市场，比如：在黑暗中工作的机器工人完全不输人类的机器仓库管理员性工作者律师。在财产规划领域，定义明确且相对常规，FairDocument公司在网上接待客户，通过人工智能准备财产规划的初稿。Judicata公司使用机器学习和自然语言处理技术，把普通文本转化成结构化的信息，利用这些信息可以发现相关的法院判例。其他公司载试图缩短早期案件评估、证据处理、文件审查、文件处理以及内部调查等过程，或者通过法律及案例研究来提供案件策略方面的建议。医生。我们希望人类的医生能够精通所有专科领域，而且掌握最新的医疗信息及最佳的实践经验及方案。但是人类做不到。一是研究和临床试验，以及对身体和精神的了解，这些信息和知识呈现大爆发式的增长，人类无法掌握。二是专家倾向于治疗自己专业领域内的具体病症或身体部位，而非整体问题。机器人医生更强大。IBM将沃森技术用于提高病人看护质量方面，能够快速学习知识，并且在最复杂的病例中鉴定出可能性最高的诊断以及治疗方案的选择。驾驶与教育。汽车和飞机的自动驾驶技术翻转课堂（flippedclassroom）：学生在家看讲座，在线上学习资料，在教师和助理的帮助下在学校完成作业。只有雇主愿意付钱的技能才有意义目前就专业培训而言，我们犯了两个错误：一是过分依赖传统学校，让学校来决定应该把什么交给学生。二是假设，你首先要上学，上完学再找工作。但是只有雇主才知道需要什么技能的人才，也才愿意付钱。因此未来的专业培训是这样的：设立职业培训抵押贷款你申请的是一份未来的工作，雇主会发送一份诚信意向书，表明自己在一段合理的时间内确定需要为特定职位雇佣像你这样的人。雇主，为自己所需的技能埋单。履行承诺的雇主可以减税，不守信用的雇主得到罚款，鼓励雇主加入计划，且保证潜在雇员的权益。培训机构，依靠贷款定向培训。贷款不应成为一种负担。潜在雇员把收入的一定比例用来偿还贷款，而且一旦出现问题，还需要有一定的缓解方式，比如推迟等。当然如果培训生由于外因或内因没有获得工作，那么在一段宽限期后，仍需偿还部分贷款。9、未来的经济生态一个人机共生的时代生活标准的巨大落差：经济的目的在于服务公众利益，而不是让公众利益服务于经济。很多经济学研究都发现，当社会的经济差异最小化时，人们整体的自我评估幸福指数最高，甚至在限制了所有其他已知因素的情况下也是如此。生活标准的巨大差异是一种公众性的耻辱，我们需要改变这种状况。分配未来，急需公平：应该把工作和收入分开。不工作不一定没收入，比如