机器里的莫扎特：人工智能和机器人时代
至少在短期内，人工智能和机器人还不太可能完全取代整个产业。有些工作专精在小范围，日复一日做的都是程序化的动作，这种工作就会被自动化取代。然而，如果是每天都有变化、需要同时运用广泛技能组合的工作，或者需要应对难以预见的情况的工作，就不太容易用机器来取代人类。以医疗保健为例。很多医生的主要工作是处理信息：汇总并分析医疗数据，然后做出诊断。相比之下，护士需要有良好的运动和情绪技能，才能帮患者打针、换绷带，或者安抚激动的患者。因此，我们的智能手机上出现人工智能家庭医生的时间，很有可能会远远早于我们拥有可靠的护理型机器人。人文关怀产业（也就是照顾老幼病残）大概在很长一段时间内仍然会是人类的工作。事实上，随着人类寿命延长和少子化，养老产业很可能成为人类劳动力市场成长最快的行业类别。
除了养老产业，创意产业也是自动化特别难以突破的领域。现在，我们可以直接从iTunes（苹果数字媒体播放应用程序）下载音乐，而不需要由真人店员来销售，但作曲家、音乐家、歌手和音乐节目主持人都还是活生生的人。我们需要这些人的创意，除了是要制作全新的音乐，也是为了在多到让人头昏脑涨的诸多选项当中进行选择。
尽管如此，最终所有工作都有可能走向自动化，对此就连艺术家也得小心。现代社会一般认为，艺术与人类的情绪紧紧相连，艺术家引导着人类的心理力量，艺术的目的是让我们和自身的情绪有所联系，或者激发出新的感受。因此，当我们品评艺术的时候，通常就是看它对观众的情绪起了多大的作用。但如果真以这个标准来定义艺术，当外部的算法比莎士比亚、弗里达·卡罗（Frida Kahlo，墨西哥女画家）或碧昂丝更能了解和操纵人类的情绪时，又会发生什么事？
毕竟，情绪也不是什么神秘的现象，只是生化程序反应的结果。因此在不久之后，只要用机器学习算法，就能分析身\_体-内外各种传感器所传来的生物统计资料，判断人的性格类型和情绪变化，或是计算某首歌（甚至是某个音高）对情绪的影响。
在所有艺术形式中，最容易受到大数据分析冲击的可能就是音乐。音乐的输入和输出都适合用精确的数学来描述，输入时是声波的数学模式，输出时则是神经风暴的电化学反应模式。在几十年内，算法只要经过几百万次的音乐体验，就可能学会如何预测某种输入如何产生某种输出。
假设你刚和男友大吵一架，负责音响系统的算法就会立刻发现你内心的情绪波动，并根据它对你个人以及对整体人类心理的了解，自动播放适合你的歌曲，与你的忧郁共鸣，附和你的悲伤。它放的这些歌可能不适合其他人，但完全符合你的性格类型。算法先把你带到悲伤的底层，然后放出全世界最可能让你振作起来的那首歌，原因可能是这首歌在你的潜意识里与某个快乐的童年记忆紧密相连，而你可能根本毫无察觉。任何一位人类音乐节目主持人，都不可能与这样的人工智能相匹敌。
你可能会提出异议，认为这样一来，人工智能不就扼杀了所有的偶然，把我们束缚在一个狭隘的音乐“茧”里，一丝一缕都是由我们自己的好恶织成的？你是想探索新的音乐品位和风格吗？没问题。你可以轻松地调整算法，让它完全随机地挑选5%的内容，为你播放印度尼西亚的甘美兰（Gamelan）合奏、罗西尼的歌剧，或者最新的韩国流行音乐。慢慢地，通过监测你的反应，人工智能甚至能判断出对你来说理想的随机性程度，可能是上调至8%，也可能是下调到3%，让你既能探索新音乐，又不会觉得厌烦。
另一种可能的异议，则是认为算法不见得知道该让情绪把我们带到哪里。刚和男友大吵一架之后，算法究竟是该让你高兴还是难过？它对于“好”情绪和“坏”情绪的判断，会不会过于武断？或许有时候，它觉得伤心也不见得是件坏事？当然，这些问题就算是人类音乐家和音乐节目主持人也会遇到。但放到算法领域，这个难题就会有许多有趣的解决方案。
方案一，让使用者自己选择。你可以自己评估情绪，再让算法依你的指示行事。不管你是想沉湎于自怜中还是兴奋地跳起来，算法都会像个奴隶般乖乖听你的话。算法也确实有可能学会在你自己还毫无察觉的情况下，就判断出你到底想要什么。
方案二，如果你不信任自己，则可以先挑选出你信任的著名心理学家，再让算法听那位心理学家的建议就可以了。比如，如果男友甩了你，算法或许能够协助你走过理论上“悲伤的五个阶段”：先用博比·麦克费林（Bobby McFerrin）的歌曲《不要忧虑，要快乐》（Don’t Worry， Be Happy）帮你否认发生的事；再用艾拉妮丝·莫莉塞-特（Alanis Morissette）的《你应该知道》（You Oughta Know）让你发泄愤怒；接着用雅克·布雷尔（Jacque Brel）的《不要离开我》（Ne me quitte pas）和保罗·扬（Paul Young）的《回来，留下来》（Come Back and Stay）鼓励你讨价还价；用阿黛尔·阿德金斯（Adele Adkins）的《如你》（Someone Like You）让你深刻体会沮丧；最后再用葛罗莉亚·盖罗（Gloria Gaynor）的《我会活下去》（I Will Survive）让你接受一切。
接下来，算法开始调整这些歌曲和旋律，为你量身打造。或许某首歌什么都好，只有一个地方让你不喜欢。算法知道这件事，是因为只要一到那个地方，你的心跳就会停一下，催产素水平也会稍微降低。而算法能做的，就是把那个讨厌的地方重写或干脆删去。
最后，算法就能学会编写整首曲子，人类的情绪就像钢琴琴键般任它们弹奏。有了你的生物统计数据之后，算法甚至可以量身打造出全宇宙只有你会喜欢的旋律。
常有人说，人类之所以喜欢艺术，是因为可以在艺术中看见自己。但如果脸谱网开始运用它对你所知的一切来打造个性化的艺术品，结果可能会出人意料，甚至造成危险。比如，如果男友甩了你，脸谱网呈现给你的可能是一首完全为你量身打造的歌曲，内容就是关于这个负心人的，而不是那个让阿黛尔或艾拉妮丝·莫莉塞-特伤心的不知名人士。这首歌甚至能提醒你在过去交往时那些只有你们俩知道的事情。
当然，为个人量身打造的艺术可能成不了流行，因为人还是喜欢大家都爱的玩意儿。如果这个曲调只有你知道，不就没办法和大家一起唱唱跳跳了？然而，比起制作个性化作品，算法可能更擅长制作全球热销作品。运用储存了数百万人数据的生物统计数据库，算法知道只要按下哪些生化按钮，就能在全球掀起热潮，让所有人在舞池里疯狂摇摆。如果艺术的重点真的在于启发（或操纵）人类的情绪，那么人类音乐家大概难以再与这样的算法匹敌，因为算法实在比人类更了解它们所拨弄的这个乐器：人类的生化系统。
这一切会带来伟大的艺术吗？这可能要看艺术是如何定义的。如果说听众觉得美就是美，而且顾客永远是对的，那么生物统计算法就有可能创造出历史上最佳的艺术。但如果艺术是一种比人类情绪更深层的东西，应该表达出超越生化震动的事实，那么生物统计算法大概就不会成为优秀的艺术家。然而，大多数人大概也成不了优秀的艺术家。只是为了进入艺术市场，取代许多人类作曲家和表演者，算法并不需要直接打败柴可夫斯基，先打败小甜甜布兰妮就行了。
新工作？
从艺术到医疗保健行业，许多传统工作将会消失，但其造成的部分影响可以由新创造出的工作抵消。例如，诊断各种已知疾病、执行各种常规治疗的全科医生，有可能被人工智能医生取代，这会省下很多经费，让医生和实验室助理得以进行开创性的研究，研发新药或手术方案。人工智能也可能以另一种方式协助人类创造新的工作：人类与其想赢过人工智能，不如把重点放在人工智能的维护和运用上。举例来说，因为无人机取代了飞行员，有些工作确实消失了，但同时在维护、远程控制、数据分析和网络安全等方面也创造出了许多新的工作机会。美国军方每派出一架“捕食者”（Predator）无人机或“死神”（Reaper）无人机飞越叙利亚，就需要有30人在幕后操作；至于收集完数据的后续分析则至少还需要80人。2015年，美国空军就曾经因为缺少足够的训练有素的人而面临无人操作无人机的窘境。
这样说来，2050年的就业市场的特点很可能在于人类与人工智能的合作，而非竞争。从警务到银行等各个领域，“人类+人工智能”的表现都能超越单纯的人类或单纯的计算机。在IBM的“深蓝”（Deep Blue）于1997年击败国际象棋特级大师加里·卡斯帕罗夫（Garry Kasparov）之后，人类并没有停止下棋。相反，在人工智能的协助下，人类的国际象棋大师水平比过去更高。至少有一段时间，被称为“半人马”（centaur）的“人类+人工智能”组合，在国际象棋比赛中的表现比单纯的人类或计算机都要出色。很有可能，人工智能也能如法炮制，协助培养出历史上最优秀的侦探、银行经理和军人。
然而，这些新工作很可能需要高水平的专业知识，因此无法解决无技能失业者的就业问题。让失业者接受再培训之后去做这些工作，可能还不如直接创造完全属于人类的全新工作。在过去的自动化浪潮中，劳动者通常可以从某个低技能的工作轻松转到另一个低技能的工作。比如，1920年，因为农业机械化而失业的农场工人可以在生产拖拉机的工厂里找到新工作；1980年，工厂工人失业后，可以去超市当收银员。这种职业转变在过去是可行的，因为从农场到工厂、从工厂到超市，都只需要稍加培训即可。
但是到了2050年，收银员或纺织工人的工作全部由机器人接手之后，他们几乎不可能变身为癌症研究人员、无人机驾驶员或“人类+人工智能”的银行团队中的一员。他们缺少必备的技能。在第一次世界大战中，派出几百万名毫无作战经验的士兵扛着枪一阵乱射，牺牲成千上万人，其实是有意义的做法，毕竟当时个人的技术好坏并不会造成太大差异。但是今天，就算无人机驾驶员和资料分析师的岗位确实缺人，美国空军也不会找个失业的超市收银员来填补空缺。你不希望有个没经验的“菜鸟”把阿富汗的婚礼派对误认为是塔利班的高层集会吧？
因此，虽然出现了许多新的人类工作，我们仍然可能看到新的“无用阶层”日益庞大。我们甚至可能两面不讨好：一方面许多人找不到工作，另一方面也有许多雇主找不到有技能的雇员。这有点儿像19世纪汽车取代马车时的情景，当时有许多马车夫转行当出租车司机，只是我们可能不是那些马车夫，而是被淘汰的马。
此外，由于机器学习和机器人技术还会持续进步，所以其实任何人类工作都有可能受到自动化的威胁。就算某位40岁失业的沃尔玛收银员靠着惊人的努力让自己改头换面成了无人机驾驶员，也很有可能在10年之后因为无人机也自动化了而必须再改头换面一次。职场波动如此剧烈，使得组织工会或保障劳工权益变得更加困难。我们现在就能够看到，即使是在发达经济体中，很多新工作的形态也是无保障的临时工、自由职业和一次性合作。如果某个专业在10年间就迅速起落，又怎么可能组织起工会呢？
同样，“半人马”组合很有可能变成一场人类与计算机之间不断的拔河角力，而不是稳定的终身伙伴关系。完全由人类组成的团队（比如福尔摩斯和华生），常常会形成长期的阶层和惯例，并能够延续数十年。然而，如果侦探和IBM的超级计算机系统“沃森”合作［该人工智能系统2011年在电视益智抢答节目《危险边缘》（Jeopardy!）中获胜］，会发现所有的阶层都可能被打破，所有的惯例也都可能被干扰。昨天的搭档，明天可能就成了你的主管；所有的规章和守则也都必须每年重写。
仔细观察国际棋坛的动态，或许可以预估未来世界将走向何方。“深蓝”战胜卡斯帕罗夫之后的几年间，人机合作是国际棋坛的热门形式。但近几年来，计算机已经变得非常擅长下棋，以至于人类合作者失去了他们的价值，而且可能很快就会变得完全无关紧要。
2017年12月7日，这是围棋具有里程碑意义的一天，但这一天并不是计算机击败人脑（那已经是旧闻了），而是谷歌的AlphaZero程序击败了Stockfish 8程序。Stockfish 8是2016年的全球计算机国际象棋冠军，运用的是几百年来累积的人类国际象棋经验，再加上几十年的计算机象棋经验，每秒计算7000万次走法。相较之下，AlphaZero每秒只计算8万次走法，而且写程序的时候完全没教它任何国际象棋规则，它连基本的起手下法都不会！AlphaZero完全是运用最新的机器学习原理，不断和自己下棋，就这样自学了国际象棋。虽然如此，在AlphaZero与Stockfish 8的100场比赛中，AlphaZero赢28场、平72场，完全未尝败绩。AlphaZero完全没向任何人类学习任何东西，许多获胜走法和策略对人类来说完全是打破常规的，可以说是创意十足，甚至是天纵英才。
那么，AlphaZero从零开始学习国际象棋，用了多久才准备好与Stockfish 8的对局，而且发展出天才般的直觉？答案是4小时。你没看错，就是4小时。千百年来，国际象棋一直被认为是人类智慧的绝顶展现。但AlphaZero只花了4个小时，完全没有任何人类指导协助，就从一无所知变成创意十足的大师。
AlphaZero绝不是市面上唯一能够拥有想象力的软件。现在许多程序已经不只在单纯的运算次数上超越人类棋手，就连“创意”也不在话下。现在在限定人类参加的国际象棋比赛中，裁判会不断注意是否有棋手偷偷用计算机作弊。而抓到作弊的方法之一，就是观察棋手所展现的原创性高低。如果有人走了极具创意的一步，裁判常常会怀疑这不是人走出来的，肯定是计算机走出来的。所以，至少在国际象棋这个领域，创意已经不是人类的专利，而是计算机的专利！以前会用金丝雀来侦测煤矿里是否出现有毒气体，而如果国际象棋是我们的煤矿金丝雀，我们已经收到警告：这只金丝雀正面临死亡。而现在发生在人类与人工智能国际象棋组合上的事情，未来也可能发生在警务、医药和银行业。
因此，创造新的工作、让劳动者接受再培训而重新就业，并不是能够一劳永逸的方法。人工智能革命不会是一个单一的分水岭，可别以为在这之后就业市场就会达到新的平衡状态。相反，破坏只会像雪崩般扩大。现在已经很少有人认为自己能够一辈子都做同一份工作。而到了2050年，别说同一份工作，就连同一个专业领域也不太可能让人待一辈子。
就算我们真的能够不断创造出新工作，让劳动者接受再培训，但像这样生活永无宁日，一般人的精神又是否能撑得下去？变化总会带来压力，21世纪初的纷纷扰扰，已经造成全球性的压力蔓延。而随着就业市场和个人职业生涯的波动不断加剧，人类是否真能应对？或许，人类将会需要更有效的减压方式（从药物、神经反馈到冥想等），来避免智人精神崩溃。到2050年，“无用阶层”的出现可能不只是因为找不到工作、没受过相关教育，还可能因为精神动力不足。
显然，以上大部分只是猜测。在本书写作的此时（2018年年初），自动化已经对许多产业造成影响，但尚未导致大量失业。事实上，在美国等许多国家，失业率已降至历史最低点。没人能够确定机器学习和自动化究竟会对未来的各种行业产生怎样的影响，想预估相关时间表也绝非易事。特别是这一切不只要看科技上的突破，各种政治决策与文化传统的影响也至关重要。因此，就算已经证明自动驾驶汽车比人类司机更安全、更便宜，政客和消费者仍然可能会在几年甚至几十年间抗拒改变。
但我们也不能过于乐观。一心认为会有足够的新工作来弥补被淘汰的工作，将会十分危险。在过去的自动化浪潮中曾发生的这一事实，并不能保证一定会在21世纪这个极为不同的情境下再次发生。一旦真的发生系统性大规模失业，潜在的社会和政治干扰将会极为严重，因此就算发生系统性大规模失业的可能性非常低，我们也必须严肃对待。
19世纪工业革命兴起之后，当时的社会、经济和政治模式都无法应对相关的新情况和新问题。封建主义、君主制和传统宗教不适合管理工业大都市、几百万背井离乡的工人，并面对现代经济不断变化的本质。于是，人类必须开发全新的模式——自由民主国家、独裁政权、法西斯政权，再用超过一个世纪的惨痛战争和革命来测试这些模式，去芜存菁，以找出并实践最佳解决方案。狄更斯笔下的煤矿童工、第一次世界大战和1932—1933年的乌克兰大饥荒，都只是人类付出昂贵学费的一小部分。
信息技术和生物技术在21世纪给人类带来的挑战，会比蒸汽机、铁路和电力在上个时代带来的挑战大得多。由于现代文明的破坏力过于惊人，人类实在禁不起更多的测试失败、世界大战或血腥革命。现代如果测试失败，可能导致的就是核战争、基因工程怪物或生物圈的彻底崩溃。所以，我们只能比面对工业革命时做得更好才行。
编辑：www.monseng.com
作者： 尤瓦尔・赫拉利
除了养老产业，创意产业也是自动化特别难以突破的领域。现在，我们可以直接从iTunes（苹果数字媒体播放应用程序）下载音乐，而不需要由真人店员来销售，但作曲家、音乐家、歌手和音乐节目主持人都还是活生生的人。我们需要这些人的创意，除了是要制作全新的音乐，也是为了在多到让人头昏脑涨的诸多选项当中进行选择。
尽管如此，最终所有工作都有可能走向自动化，对此就连艺术家也得小心。现代社会一般认为，艺术与人类的情绪紧紧相连，艺术家引导着人类的心理力量，艺术的目的是让我们和自身的情绪有所联系，或者激发出新的感受。因此，当我们品评艺术的时候，通常就是看它对观众的情绪起了多大的作用。但如果真以这个标准来定义艺术，当外部的算法比莎士比亚、弗里达·卡罗（Frida Kahlo，墨西哥女画家）或碧昂丝更能了解和操纵人类的情绪时，又会发生什么事？
毕竟，情绪也不是什么神秘的现象，只是生化程序反应的结果。因此在不久之后，只要用机器学习算法，就能分析身\_体-内外各种传感器所传来的生物统计资料，判断人的性格类型和情绪变化，或是计算某首歌（甚至是某个音高）对情绪的影响。
在所有艺术形式中，最容易受到大数据分析冲击的可能就是音乐。音乐的输入和输出都适合用精确的数学来描述，输入时是声波的数学模式，输出时则是神经风暴的电化学反应模式。在几十年内，算法只要经过几百万次的音乐体验，就可能学会如何预测某种输入如何产生某种输出。
假设你刚和男友大吵一架，负责音响系统的算法就会立刻发现你内心的情绪波动，并根据它对你个人以及对整体人类心理的了解，自动播放适合你的歌曲，与你的忧郁共鸣，附和你的悲伤。它放的这些歌可能不适合其他人，但完全符合你的性格类型。算法先把你带到悲伤的底层，然后放出全世界最可能让你振作起来的那首歌，原因可能是这首歌在你的潜意识里与某个快乐的童年记忆紧密相连，而你可能根本毫无察觉。任何一位人类音乐节目主持人，都不可能与这样的人工智能相匹敌。
你可能会提出异议，认为这样一来，人工智能不就扼杀了所有的偶然，把我们束缚在一个狭隘的音乐“茧”里，一丝一缕都是由我们自己的好恶织成的？你是想探索新的音乐品位和风格吗？没问题。你可以轻松地调整算法，让它完全随机地挑选5%的内容，为你播放印度尼西亚的甘美兰（Gamelan）合奏、罗西尼的歌剧，或者最新的韩国流行音乐。慢慢地，通过监测你的反应，人工智能甚至能判断出对你来说理想的随机性程度，可能是上调至8%，也可能是下调到3%，让你既能探索新音乐，又不会觉得厌烦。
另一种可能的异议，则是认为算法不见得知道该让情绪把我们带到哪里。刚和男友大吵一架之后，算法究竟是该让你高兴还是难过？它对于“好”情绪和“坏”情绪的判断，会不会过于武断？或许有时候，它觉得伤心也不见得是件坏事？当然，这些问题就算是人类音乐家和音乐节目主持人也会遇到。但放到算法领域，这个难题就会有许多有趣的解决方案。
方案一，让使用者自己选择。你可以自己评估情绪，再让算法依你的指示行事。不管你是想沉湎于自怜中还是兴奋地跳起来，算法都会像个奴隶般乖乖听你的话。算法也确实有可能学会在你自己还毫无察觉的情况下，就判断出你到底想要什么。
方案二，如果你不信任自己，则可以先挑选出你信任的著名心理学家，再让算法听那位心理学家的建议就可以了。比如，如果男友甩了你，算法或许能够协助你走过理论上“悲伤的五个阶段”：先用博比·麦克费林（Bobby McFerrin）的歌曲《不要忧虑，要快乐》（Don’t Worry， Be Happy）帮你否认发生的事；再用艾拉妮丝·莫莉塞-特（Alanis Morissette）的《你应该知道》（You Oughta Know）让你发泄愤怒；接着用雅克·布雷尔（Jacque Brel）的《不要离开我》（Ne me quitte pas）和保罗·扬（Paul Young）的《回来，留下来》（Come Back and Stay）鼓励你讨价还价；用阿黛尔·阿德金斯（Adele Adkins）的《如你》（Someone Like You）让你深刻体会沮丧；最后再用葛罗莉亚·盖罗（Gloria Gaynor）的《我会活下去》（I Will Survive）让你接受一切。
接下来，算法开始调整这些歌曲和旋律，为你量身打造。或许某首歌什么都好，只有一个地方让你不喜欢。算法知道这件事，是因为只要一到那个地方，你的心跳就会停一下，催产素水平也会稍微降低。而算法能做的，就是把那个讨厌的地方重写或干脆删去。
最后，算法就能学会编写整首曲子，人类的情绪就像钢琴琴键般任它们弹奏。有了你的生物统计数据之后，算法甚至可以量身打造出全宇宙只有你会喜欢的旋律。
常有人说，人类之所以喜欢艺术，是因为可以在艺术中看见自己。但如果脸谱网开始运用它对你所知的一切来打造个性化的艺术品，结果可能会出人意料，甚至造成危险。比如，如果男友甩了你，脸谱网呈现给你的可能是一首完全为你量身打造的歌曲，内容就是关于这个负心人的，而不是那个让阿黛尔或艾拉妮丝·莫莉塞-特伤心的不知名人士。这首歌甚至能提醒你在过去交往时那些只有你们俩知道的事情。
当然，为个人量身打造的艺术可能成不了流行，因为人还是喜欢大家都爱的玩意儿。如果这个曲调只有你知道，不就没办法和大家一起唱唱跳跳了？然而，比起制作个性化作品，算法可能更擅长制作全球热销作品。运用储存了数百万人数据的生物统计数据库，算法知道只要按下哪些生化按钮，就能在全球掀起热潮，让所有人在舞池里疯狂摇摆。如果艺术的重点真的在于启发（或操纵）人类的情绪，那么人类音乐家大概难以再与这样的算法匹敌，因为算法实在比人类更了解它们所拨弄的这个乐器：人类的生化系统。
这一切会带来伟大的艺术吗？这可能要看艺术是如何定义的。如果说听众觉得美就是美，而且顾客永远是对的，那么生物统计算法就有可能创造出历史上最佳的艺术。但如果艺术是一种比人类情绪更深层的东西，应该表达出超越生化震动的事实，那么生物统计算法大概就不会成为优秀的艺术家。然而，大多数人大概也成不了优秀的艺术家。只是为了进入艺术市场，取代许多人类作曲家和表演者，算法并不需要直接打败柴可夫斯基，先打败小甜甜布兰妮就行了。
新工作？
从艺术到医疗保健行业，许多传统工作将会消失，但其造成的部分影响可以由新创造出的工作抵消。例如，诊断各种已知疾病、执行各种常规治疗的全科医生，有可能被人工智能医生取代，这会省下很多经费，让医生和实验室助理得以进行开创性的研究，研发新药或手术方案。人工智能也可能以另一种方式协助人类创造新的工作：人类与其想赢过人工智能，不如把重点放在人工智能的维护和运用上。举例来说，因为无人机取代了飞行员，有些工作确实消失了，但同时在维护、远程控制、数据分析和网络安全等方面也创造出了许多新的工作机会。美国军方每派出一架“捕食者”（Predator）无人机或“死神”（Reaper）无人机飞越叙利亚，就需要有30人在幕后操作；至于收集完数据的后续分析则至少还需要80人。2015年，美国空军就曾经因为缺少足够的训练有素的人而面临无人操作无人机的窘境。
这样说来，2050年的就业市场的特点很可能在于人类与人工智能的合作，而非竞争。从警务到银行等各个领域，“人类+人工智能”的表现都能超越单纯的人类或单纯的计算机。在IBM的“深蓝”（Deep Blue）于1997年击败国际象棋特级大师加里·卡斯帕罗夫（Garry Kasparov）之后，人类并没有停止下棋。相反，在人工智能的协助下，人类的国际象棋大师水平比过去更高。至少有一段时间，被称为“半人马”（centaur）的“人类+人工智能”组合，在国际象棋比赛中的表现比单纯的人类或计算机都要出色。很有可能，人工智能也能如法炮制，协助培养出历史上最优秀的侦探、银行经理和军人。
然而，这些新工作很可能需要高水平的专业知识，因此无法解决无技能失业者的就业问题。让失业者接受再培训之后去做这些工作，可能还不如直接创造完全属于人类的全新工作。在过去的自动化浪潮中，劳动者通常可以从某个低技能的工作轻松转到另一个低技能的工作。比如，1920年，因为农业机械化而失业的农场工人可以在生产拖拉机的工厂里找到新工作；1980年，工厂工人失业后，可以去超市当收银员。这种职业转变在过去是可行的，因为从农场到工厂、从工厂到超市，都只需要稍加培训即可。
但是到了2050年，收银员或纺织工人的工作全部由机器人接手之后，他们几乎不可能变身为癌症研究人员、无人机驾驶员或“人类+人工智能”的银行团队中的一员。他们缺少必备的技能。在第一次世界大战中，派出几百万名毫无作战经验的士兵扛着枪一阵乱射，牺牲成千上万人，其实是有意义的做法，毕竟当时个人的技术好坏并不会造成太大差异。但是今天，就算无人机驾驶员和资料分析师的岗位确实缺人，美国空军也不会找个失业的超市收银员来填补空缺。你不希望有个没经验的“菜鸟”把阿富汗的婚礼派对误认为是塔利班的高层集会吧？
因此，虽然出现了许多新的人类工作，我们仍然可能看到新的“无用阶层”日益庞大。我们甚至可能两面不讨好：一方面许多人找不到工作，另一方面也有许多雇主找不到有技能的雇员。这有点儿像19世纪汽车取代马车时的情景，当时有许多马车夫转行当出租车司机，只是我们可能不是那些马车夫，而是被淘汰的马。
此外，由于机器学习和机器人技术还会持续进步，所以其实任何人类工作都有可能受到自动化的威胁。就算某位40岁失业的沃尔玛收银员靠着惊人的努力让自己改头换面成了无人机驾驶员，也很有可能在10年之后因为无人机也自动化了而必须再改头换面一次。职场波动如此剧烈，使得组织工会或保障劳工权益变得更加困难。我们现在就能够看到，即使是在发达经济体中，很多新工作的形态也是无保障的临时工、自由职业和一次性合作。如果某个专业在10年间就迅速起落，又怎么可能组织起工会呢？
同样，“半人马”组合很有可能变成一场人类与计算机之间不断的拔河角力，而不是稳定的终身伙伴关系。完全由人类组成的团队（比如福尔摩斯和华生），常常会形成长期的阶层和惯例，并能够延续数十年。然而，如果侦探和IBM的超级计算机系统“沃森”合作［该人工智能系统2011年在电视益智抢答节目《危险边缘》（Jeopardy!）中获胜］，会发现所有的阶层都可能被打破，所有的惯例也都可能被干扰。昨天的搭档，明天可能就成了你的主管；所有的规章和守则也都必须每年重写。
仔细观察国际棋坛的动态，或许可以预估未来世界将走向何方。“深蓝”战胜卡斯帕罗夫之后的几年间，人机合作是国际棋坛的热门形式。但近几年来，计算机已经变得非常擅长下棋，以至于人类合作者失去了他们的价值，而且可能很快就会变得完全无关紧要。
2017年12月7日，这是围棋具有里程碑意义的一天，但这一天并不是计算机击败人脑（那已经是旧闻了），而是谷歌的AlphaZero程序击败了Stockfish 8程序。Stockfish 8是2016年的全球计算机国际象棋冠军，运用的是几百年来累积的人类国际象棋经验，再加上几十年的计算机象棋经验，每秒计算7000万次走法。相较之下，AlphaZero每秒只计算8万次走法，而且写程序的时候完全没教它任何国际象棋规则，它连基本的起手下法都不会！AlphaZero完全是运用最新的机器学习原理，不断和自己下棋，就这样自学了国际象棋。虽然如此，在AlphaZero与Stockfish 8的100场比赛中，AlphaZero赢28场、平72场，完全未尝败绩。AlphaZero完全没向任何人类学习任何东西，许多获胜走法和策略对人类来说完全是打破常规的，可以说是创意十足，甚至是天纵英才。
那么，AlphaZero从零开始学习国际象棋，用了多久才准备好与Stockfish 8的对局，而且发展出天才般的直觉？答案是4小时。你没看错，就是4小时。千百年来，国际象棋一直被认为是人类智慧的绝顶展现。但AlphaZero只花了4个小时，完全没有任何人类指导协助，就从一无所知变成创意十足的大师。
AlphaZero绝不是市面上唯一能够拥有想象力的软件。现在许多程序已经不只在单纯的运算次数上超越人类棋手，就连“创意”也不在话下。现在在限定人类参加的国际象棋比赛中，裁判会不断注意是否有棋手偷偷用计算机作弊。而抓到作弊的方法之一，就是观察棋手所展现的原创性高低。如果有人走了极具创意的一步，裁判常常会怀疑这不是人走出来的，肯定是计算机走出来的。所以，至少在国际象棋这个领域，创意已经不是人类的专利，而是计算机的专利！以前会用金丝雀来侦测煤矿里是否出现有毒气体，而如果国际象棋是我们的煤矿金丝雀，我们已经收到警告：这只金丝雀正面临死亡。而现在发生在人类与人工智能国际象棋组合上的事情，未来也可能发生在警务、医药和银行业。
因此，创造新的工作、让劳动者接受再培训而重新就业，并不是能够一劳永逸的方法。人工智能革命不会是一个单一的分水岭，可别以为在这之后就业市场就会达到新的平衡状态。相反，破坏只会像雪崩般扩大。现在已经很少有人认为自己能够一辈子都做同一份工作。而到了2050年，别说同一份工作，就连同一个专业领域也不太可能让人待一辈子。
就算我们真的能够不断创造出新工作，让劳动者接受再培训，但像这样生活永无宁日，一般人的精神又是否能撑得下去？变化总会带来压力，21世纪初的纷纷扰扰，已经造成全球性的压力蔓延。而随着就业市场和个人职业生涯的波动不断加剧，人类是否真能应对？或许，人类将会需要更有效的减压方式（从药物、神经反馈到冥想等），来避免智人精神崩溃。到2050年，“无用阶层”的出现可能不只是因为找不到工作、没受过相关教育，还可能因为精神动力不足。
显然，以上大部分只是猜测。在本书写作的此时（2018年年初），自动化已经对许多产业造成影响，但尚未导致大量失业。事实上，在美国等许多国家，失业率已降至历史最低点。没人能够确定机器学习和自动化究竟会对未来的各种行业产生怎样的影响，想预估相关时间表也绝非易事。特别是这一切不只要看科技上的突破，各种政治决策与文化传统的影响也至关重要。因此，就算已经证明自动驾驶汽车比人类司机更安全、更便宜，政客和消费者仍然可能会在几年甚至几十年间抗拒改变。
但我们也不能过于乐观。一心认为会有足够的新工作来弥补被淘汰的工作，将会十分危险。在过去的自动化浪潮中曾发生的这一事实，并不能保证一定会在21世纪这个极为不同的情境下再次发生。一旦真的发生系统性大规模失业，潜在的社会和政治干扰将会极为严重，因此就算发生系统性大规模失业的可能性非常低，我们也必须严肃对待。
19世纪工业革命兴起之后，当时的社会、经济和政治模式都无法应对相关的新情况和新问题。封建主义、君主制和传统宗教不适合管理工业大都市、几百万背井离乡的工人，并面对现代经济不断变化的本质。于是，人类必须开发全新的模式——自由民主国家、独裁政权、法西斯政权，再用超过一个世纪的惨痛战争和革命来测试这些模式，去芜存菁，以找出并实践最佳解决方案。狄更斯笔下的煤矿童工、第一次世界大战和1932—1933年的乌克兰大饥荒，都只是人类付出昂贵学费的一小部分。
信息技术和生物技术在21世纪给人类带来的挑战，会比蒸汽机、铁路和电力在上个时代带来的挑战大得多。由于现代文明的破坏力过于惊人，人类实在禁不起更多的测试失败、世界大战或血腥革命。现代如果测试失败，可能导致的就是核战争、基因工程怪物或生物圈的彻底崩溃。所以，我们只能比面对工业革命时做得更好才行。
编辑：www.monseng.com
作者： 尤瓦尔・赫拉利
精选留言