萬字長文——人工智慧將使25歲以上的人失去工作崗位
在關注人工智慧大約4年，讀完了知乎上大部分關於人工智慧的文章，看完了各媒體上數十篇關於人工智慧的材料，惡補了關於人工智慧的部分經典之後，終於敢寫一篇關於人工智慧和未來工作崗位的文章，談一些事實以及根據事實得來的判斷。
首先看題目，這個是不是標題黨？當然是標題黨，但是和普通標題黨不太一樣，我想說的是實實在在的事情，要知道我們看過的報紙和雜誌都是被粉飾過的。因為這個雜誌社也好，報社也好，記者也好，都有意無意不去寫某些東西。你為什麼喜歡看知乎呢？是因為上面有一些沒有被粉飾過，上面有些沒有被粉飾的信息和思考。
另外，我們平時看到的電視電影，多數是經過加工的。為什麼加工？目的很清楚，是為了收視率和票房，他是將裡面很多東西進行藝術創作，有些信息傳遞過來很可笑，對於大眾來講，不用人類的這個思維去思考。你就覺得無法理解、沒有意思，就賣不出票錢。其中哪怕是《西部世界》，HBO發行的頂級美劇，拍得非常好，其情節也是為了票房經過大量加工。
那我們怎麼辦呢？其實最重要的是要了解一些基礎事實。在了解事實之後呢，再用基本的邏輯去思考就好，不一定要用什麼互聯網邏輯、聽著很唬人的管理智慧，就用基本常識、基本邏輯，用人類正常的思維和邏輯去思考，去推論就好。這樣就可以得出事實判斷，而不是價值判斷。我們受限於自身認知和情緒左右，經常做的判斷是價值判斷，而不是依據事實來做判斷。
然後你就能看到應該看到的商機，大的事情就不會做錯。
回到我們的題目，人工智慧將使25歲以上的人失去崗位。為什麼要強調二十五歲？有兩個原因，一個是25歲的人剛剛走上工作崗位，失去崗位並不是一件大事。你要是幹了十幾年二十幾年會計崗位的一個人，失去崗位是一件大事情。另外，年輕就是資本，船小好掉頭，年輕人適應起來比年紀稍大的人一定會好很多。
下面的篇幅比較長，全部看下來可能需要二十分鐘的時間。這二十分鐘左右的時間想要告訴你的，就是關於人工智慧的一些事實，一點點真相，以及我據此進行的部分事實判斷。
1
人工智慧就在我們身邊
到底什麼是人工智慧？你去查百度百科有一些嚴謹的定義，也有科學家給出了比較深入的定義。我們不去管這些定義，我們只需要知道什麼是智能就行。
智能——就是完成複雜目標的能力。
人工智慧——就是我們賦予智能給某些軟體或者軟硬體集合體。
人工智慧就是人做出了一個東西，然後賦予了它完成複雜目標的能力。我們來看看我身邊的東西，最簡單的是計算器，能簡單快捷地幫我們計算大位數加減乘除。現在的汽車很多安裝了一個新裝置，叫自動剎車，倒車的時候我們你有時候不注意後面，它就會在你快撞上的時候一腳剎住，我已經被剎過好幾次了。再比如說，PC，它裡面有各種各樣的系統，比如說文字處理系統，圖像處理系統，遊戲系統等等，這都是人工智慧。
人類有一個特點：
一旦一個東西在習慣了之後，
我們就會視而不見，
也往往意識不到它到底是什麼。
前面講的都是身邊的事情了，好像沒什麼大不了。再說一個稍微大一點的例子，這是全球頂級人工智慧專家，斯坦福教授傑瑞卡普蘭的《人工智慧時代》書中講到的。
2010年的5月6日，美國證券市場莫名其妙的跌了9個百分點，相當於道瓊斯指數的一千點。也就是說整個美國證券市場來了個跌停板。全都傻了，不知道為什麼？美國證券交易委員會SEC調查，花了六個月的時間，才大概弄明白髮生了什麼。起因是一家證券公司的交易員，在那天下午拋售一支股票，其實也是正常行為，但剛好不巧，在那個時點上買的少賣得多，導致股價暴跌。這時候，許多個計算機操盤手程序發現這支股票暴跌的情況，都開始啟動預警機制，開始策略博弈。
這裡面需要解釋的一點就是。
美國股市上早就已經使用HFT程序，就是高頻股票交易程序。股票交易在最開始一定是人來交易，結果某個聰明人發現，如果用程序交易更快，快到什麼程度呢？快到可以同時在市場上低買高賣，在沒有風險的情況下把差額裝入腰包（買賣不需要每次都正確，只要正確的次數比錯誤的多即可）。這種事情簡直太好了，這個聰明人很快就發了財。然後，你都開始用HFT來做股票的操盤。
如果你今天還不知道或還沒有用的話，也許你就是那隻菜鳥。
每一隻HFT都有預設的程序和策略，多個HFT程序以瘋狂的速度來進行策略博弈，快到什麼程度呢？0.1秒可以進行上百萬次交易！！根據各自的演算法買入賣出。於是蘋果的股票升到十萬美元一股，而埃森哲公司跌到了一美分一股。
這就是發生在我們身邊的事情，而且這件事情已經過去了七年？在這七年的時間裡，又發生了什麼呢？我們你都知道，微軟、亞馬遜、IBM早就在人工智慧領域布局，比如IBM的沃森。說沃森你可能還沒有太多的感覺，但說IBM深藍知道的人估計會多一些，深藍在1997年戰勝了國際象棋世界冠軍卡帕羅夫。沃森是深藍的升級版，是深藍能力的上萬倍，而且IBM用沃森與很多行業進行深度合作，用人工智慧提升整體行業的應用。
比如在醫療方面，2017年1月IBM沃森機器人來到天津第三中心醫院，只用了十多秒鐘就為一位胃癌晚期患者開出了精準詳細的診療方案。近500份醫學期刊和教科書，1500萬頁的醫學文獻，把Watson訓練成了一位傑出的「腫瘤醫學專家」。沃森已經在很多行業影響我們的生活，不僅僅包括醫療，還包括其他方面。你可以去關注一下IBM自己的廣告，看看裡面說了些什麼。
IBM廣告語：
我是物流經理，我能全程掌控7,000萬次物流運輸的每個環節。。。
我是客服專員，我能同時解答33,000位客戶的33,000個不同的問題。。。
我是工程師，我能同時出現在3,000萬個工程地點。。。
你看看，一個人能做這麼多事情嗎？它當然是人工智慧輔助之下完成的所謂「你的無限可能」。 當沃森開始做這些事情，它的大背景就是我今天的主題——二十五歲以上的人將失去當前的工作崗位。
IBM沃森屬於弱人工智慧，是一個典型的專家系統。像這樣人工智慧的專家系統現在已經普遍開花，在經濟，科技，民生各個方面都有很多案例。我們只要留意看看，就能夠看到。
弱人工智慧有兩種定義：
一是聚焦單一任務本身——所以它又稱為狹義的人工智慧（Narrow AI）；二是只有結果沒有理解。弱人工智慧只能在專用的、受限制的軌道上越走越遠。」諸如Alpha Go這樣的「下棋能手」，便是弱人工智慧的代表性產物。它們是優秀的信息處理者，但不是基於對信號和數據意義的理解而生，無法真正理解接收到的信息，也無法擁有發展出意識的潛能。
強人工智慧是什麼呢？
強人工智慧是指在各方面都能和人類比肩的人工智慧，人類能幹的腦力活它都能幹。Linda Gottfredson教授把智能定義為「一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解複雜理念、快速學習和從經驗中學習等操作。」強人工智慧在進行這些操作時應該和人類一樣得心應手。也可以說，強人工智慧可以通過「圖靈測試」。換句話說，強人工智慧，也就是我們常說的「有了自我意識的程序」。
2
人比機器強在什麼地方？
前面主要講專家系統，為什麼要叫專家系統，是因為這些程序相對人來講，都有著非常明顯的缺陷，它只是單方面的專家。比如Alpha Go，我們跟它下圍棋當然下不過，但是除了下圍棋之外，Alpha Go什麼都不知道。同時，它能夠指出下棋一步一步的最佳招法，但它永遠無法理解為什麼要下棋。
在人工智慧的圈子裡，有一個著名的悖論，叫莫拉維克悖論。我以前的課有一期曾經講過這個。早在1980年，莫拉維克等幾個學者研究發現：實現人類獨有的高階智慧只需要非常少的計算能力，但是實現無意識的技能和感知卻需要極大的運算能力，也就是說，人類覺得很難的事對機器來講很容易，人類覺得很簡單的事情人工智慧卻很難辦到。
舉個栗子，大位數的乘除法的對人類來講，簡直是不可能完成的任務。哪怕是最強大腦的陳冉冉，在大量訓練之後能夠做幾十位數的乘除法，但仍然跟機器沒有可比性。最簡單的就是，幾十位數可以，數百位數她們還能做出來嗎？而一個飯店服務生的工作，對所有人都很簡單，不需要學歷和特殊技能，端個盤子擦個桌子。但目前的人工智慧機器人沒法做，端盤子和擦桌子這件事，涉及了人比弱人工智慧強的兩個方面：
第一個方面。是在複雜環境下的模式識別。
舉個栗子，在一個非常嘈雜，雜訊超大的環境里，有一個人跟你說話，即使是旁邊有無數的對話聲，只要對方聲音夠大，你也能聽見他跟你說些什麼，這就是人的能力。而機器根本識別不了。端盤子你要時刻關注環境，不能和周邊人相撞，手裡的東西得保持平衡。
第二個方面，圖像識別。
我們上網做登錄動作的時候，一般除了密碼，還得輸入識別碼，這個識別碼一般都是圖像，上面有七扭八歪的英文字母。這就是圖像識別，正因為智能程序還無法很好識別圖像，所以才成為識別碼的主流。當然，很重要的另外一點就是臉部識別。對於擦桌子來講，桌上有各種東西，一些是垃圾，一些是有用的東西，這些東西怎麼識別，怎麼來整理怎麼來打掃，對機器有難度。
得到專欄的王煜全在也有一期節目中講，未來類似醫生這樣的高端職業會被替代，而飯館端盤子的反而沒事。
wait！一定有人這時候會站出來說，不對！Iphone X已經可以刷臉了，圖像識別這一關口已經被突破了。自動駕駛汽車也已經在公路上測試了數十萬小時了，複雜模式識別在高水準的感測器幫助下，對人工智慧來講不再困難。
沒錯，莫拉維克悖論在堅持了30年之後，已經失效了。但這不代表人已經在人工智慧面前全線潰敗，人還有一個最牛的能力：
人的腦細胞人腦約有1000 億個神經元，每個神經元都有自己存儲的信息,也有各自的功能和智能,每個神經元的智能有限,但它們連接之後，能夠彼此快速溝通，就產生一種很神奇的能力——想像力，人能夠對沒見過的東西或者不存在的東西進行描述和定義。這是目前機器無法做到的。
在2017年7月，有一條新聞是說「Facebook 關閉失控AI程序」，原因是在沒有人為干預的情況自行對話，並發展出自己的語言。要知道，語言必須以想像力為源頭，幾乎是最有逼格的東西。如果新聞是真的，那麼這個優勢也不存在了。強人工智慧已經來臨。萬幸，這是條標題黨假新聞。
基於以上的事實，我們來看看到底人工智慧會搶走哪些崗位。
目前我看到最悲觀的主流觀點來自美國。還是我們前面提到的傑瑞卡普蘭Jerry Kaplan，他研究說在未來十年到二十年之內，美國百分之47%的僱員將會面臨人工智慧和自動化的挑戰，包括大部分的運輸，後勤職業以及辦公室文員和行政。這個觀點被美國媒體普遍轉載。
這是我看到最悲觀的觀點，國內的媒體報道好像沒有超過10%的。
在老王說書的前兩期，我曾經講過一個話題是說「我們的世界是建立在想像之上的」。人類厲害的地方是我們相信自己的想像。比如說貨幣，錢其實是虛擬的東西，還有法律，它也是一個摸不著的東西，是一個虛擬的想法，但是人類很偉大的地方是我們居然能在這點達成共識，我們真的相信可以通過貨幣去交換東西，你也都願意遵守法律。
至於情感和荷爾蒙我倒不覺得這是多大的優勢，你千萬不要被電影電視忽悠，說人工智慧機器人對人羨慕的不得了，說還有我要有情感，我要變成人。那是人類一廂情願的想法。
電影《人工智慧》劇照
人類最最厲害的是我們擁有想像力。但是在美國的702種工作裡面，真正需要想像力的工作種類並不太多。2016年，全球的意見領袖，英國《經濟學人》（The Economist）雜誌報道了人工智慧崛起會造成未來大量勞動人口冗餘。報道裡面講到，人工智慧技術的發展正在超越人類的駕馭能力。如果人工智慧繼續進化，未來人們將喪失賴以為生的大量工作。
3
崗位會發生什麼變化？
我們就說馬上會發生變化的。首先，無人駕駛的時代正朝我們走來。一些專家甚至認為無人車兩三年內便會出現在大街小巷。隨著無人車的興起，以及以司機為主要客戶的行業和就業崗位都將受到影響，其中包括保險代理人、收停車費的、車庫和汽車修理廠都會受影響。當然，這會是一個比較長的過程，可能會在十年左右的時間裡慢慢到來。你會覺得還可以接受。
還有，低技術水平的製造崗位已經在大量流失，富士康在2017年就已經有4萬多個機器人，未來每年還要增加一萬台。為此，富士康僅僅在崑山的製造廠就裁掉了6萬人（據說是數年自然減員）。僅崑山一地，就有4800家台灣企業，未來幾年會有上百萬人失業。
美國有一份《人工智慧時代的未來職業報告》，裡面描述，第一波消失的工作崗位是一批符合「五秒鐘準則」的勞動者。
「五秒鐘準則」指的是，一項工作如果人可以在5秒鐘以內對工作中需要思考和決策的問題作出相應決定，那麼，這項工作就有非常大的可能被人工智慧技術全部或部分取代。也就是說，這些職業通常是低技能，可以「熟能生巧」的職業。 根據這一準則，翻譯、司機、保安、客服、出納、編輯等職業在未來均存在被人工智慧取代的可能。
現在，淘寶裡面的Iphone客服和支付寶客服都是用人工智慧做客服，我跟它們交流過，問題解決得很好。再比如說獵豹移動的News Republic，利用數據分析和挖掘等手段了解用戶的新聞取向以及使用習慣，通過智能編輯用戶提供豐富多彩的個性化新聞內容推薦，同時不斷自我學習和優化，讓所有人的界面實現「千人千面」。已經逐漸代替了傳統頁面編輯的工作。
還有就是記者的工作崗位馬上要被取代。我的一位前輩，中關村一號海龍大廈的前董事長魯瑞清魯總告訴我，他2017年參加一個會議，主辦方放了一些新聞稿出來，然後告訴你這些稿件都是人工智慧所寫，人類無法分辨。
隨著人工智慧現在越來越強，除了執行性操作性工作會被取代外，大量認知工作甚至部分創造性工作也將被人工智慧取代，比如說演員甚至導演。現有大部分行業的工作模式將被改寫，絕大多數的工作崗位將不復存在。
相對於這些不好的消息，有一個看起來不錯的主流觀點——人工智慧不是搶「飯碗」，而是升級「飯碗」。強調人工智慧會給社會帶來新的崗位，此消彼長才是歷史不變的規律。
200年前，當工業革命使得大批農民的崗位消失，因為在農業機械化的幫助下，只需要很少的人就可以滿足糧食、果品菜品的生產。現在，美國農業人口佔總人口比例只有2%，不但供給了全美國的糧食，而是還是世界第一的糧食出口國。英國農業人口比例更低，現在英國從事農業工作的人數大約只有5萬，僅占勞動人口總數的0.5%。那麼，大批的農民去哪兒？是從低效率的第一產業遷移到了高效的第二產業和第三產業。這個過程你都很清楚，我不贅述。
在人類歷史上，每次技術革命都推動了人類社會的進步。而且，新技術的發展還創造出了更多新的工作崗位。國際機器人聯合會的研究數據顯示，製造類機器人直接或間接地增加了人類就業崗位總數。到2020年，機器人產業在全球範圍內直接或間接創造的崗位總數將從190萬增長到350萬。
實際上，對人工智慧的恐慌其實歷史上已有類似版本，只不過當時是對機械化的恐慌。機械化使很多產業工人失業，但卻並沒有使大部分人失去賴以生存的工作機會。相反，在生產效率提高的同時，人們的生活變得比以前更加輕鬆。
BUT，真的會這樣嗎？
要知道，如果因為人工智慧，未來人類從事工業工作的人口變成2%、從事農業的人口變成1%，從事服務業的人口變成10%（不知是否會如此），那麼由此淘汰出的勞動人口往哪裡轉移呢？
我覺得不能馬上做結論，我們還需要更深一步進行研究。來看看這個新的工作崗位是不是真的能夠創造出來，即使能夠創造出來，也要看它是否有足夠的數量。
4
什麼樣的工作崗位會被創造出來？
2016年，未來學家凱文凱利來中國，分享了12個趨勢，其中之一是：
人工智慧給人類創造新的工作機會。
未來，你的工資高低，
將取決於你能否和機器人默契配合。
——凱文凱利
KK（凱文凱利）寫的很多書非常暢銷，比如說《失控》、比如《必然》。他對未來的研究既有腦洞，也有智慧。按照KK所說的延伸，有一個人工智慧創造的的崗位已經出現了，叫「數據標註專員」。
數據標註專員乾的工作就是人類輔助機器進行學習。舉個栗子，比如人學習，我們學習去認識一個香蕉，那麼可能就要有人拿香蕉到你面前講一講，讓你聞聞摸摸，然後吃掉，說這是香蕉，以後你遇到香蕉，你就知道了。
和人一樣，機器也需要這麼一個過程，比如說如何描述一個女孩子，讓機器能夠識別。你首先需要給機器一個女孩的圖片，然後標註出這個女孩的種種特點，比如說年齡、性別、人種、眼睛、臉部遮擋、頭髮、面部朝向和表情等,這個人是在幹什麼，戴眼鏡沒有，是開心還是哭，膚色是什麼樣的。隨著這樣的數據積累，人工智慧的辨識能力就越高。數據標註專員需對大量文本、圖片、語音、視頻等數據進行歸類、整理等，每個數據標註任務都有相應的標註方法和規則。看到這兒你就會明白，數據標註就是人工智慧時代的藍領工人。現在很多人工智慧企業已經開始大量招聘。
很明顯，人工智慧會讓我們的社會進步，會創造出更多的閑暇時間，一方面會導致娛樂、遊戲、內容方面的需求變大；另一方面也會導致人出現一些心理問題，並且因為焦慮同時出現自我提升方面的需求。所以現在心理輔導、國學、心學之類的課程非常受歡迎。比如在喜馬拉雅FM的平台上，什麼課最受歡迎呢，就是心理輔導課和自我管理的課程。
諮詢行業也有新崗位出現，不過似乎和人工智慧無關。1993年，麥肯錫員工中有67%是MBA，2003年這個比例已經降到了41%，麥肯錫意識到，客戶已經厭煩那些充滿各式表格和數據的傳統研究報告，要說服他們，得用更加藝術化和更吸引人的方式來表達，於是招聘了越來越多的MFA（藝術碩士），來幫助MBA們潤色報告——在此，突然想到一個人，樂視賈躍亭，全球最會講PPT的CEO。經常不是為了業務，而是為了PPT的幾個詞，你討論到深夜——未來也許諮詢行業會成為藝術門類的一個分支吧。。。
在不開腦洞的情況下，我認為最有可能發生的事情是出現X產業。我這裡所說的X產業，是指人和機器之間深度協作。關鍵是深到什麼程度呢？
英國經濟學家克拉克在1940年做出三次產業的分類（費希爾的更早，也更加粗糙）早已經過時了，首先，經濟活動日益複雜，劃分三次產業已經無法進行統計和度量；其次，無法將新興產業（如信息產業、高科技產業、環保產業等等）的歸屬和本質研究清楚後，納入新的框架，便於統一管理。第三，無法滿足國家在產業政策制定和產業分析方面的需求。所以因此，用第「？」產業來說新的事情就不倫不類，不如用「X」替代。
國際象棋大師卡斯帕羅夫在TED 2017演講裡面有一句話振聾發聵——「既然打不贏他們，那就加入他們。」他說：「如果我們想充分利用我們的科技，我們必須面對我們的恐懼；如果我們想要最大限度地擺脫我們的人性，我們必須克服這些恐懼……正如一句俄羅斯俗語所言：既然打不贏他們，那就加入他們。我想，如果我能夠和計算機合作，把人工智慧留在身邊，整合我們的強項，是否能獲得更好的發展？人的直覺加上機器的計算，人的戰略思考加上機器的執行策略，人的經驗加上機器的內存，是否能成為史上最完美的遊戲？」
1997年，卡斯帕羅夫對陣IBM深藍
卡斯帕羅夫大師在對陣深藍之後，在2005年組織了一場自由式國際象棋比賽。比賽參賽者包括特級大師和頂尖計算機，隨意組合。但贏家既不是特級大師，也不是頂級計算機，這場比賽的冠軍是兩名美國業餘象棋愛好者以及他們同時操控的三台計算機。他們對於計算機的指導抵消了特級大師超凡的象棋見識，以及頂尖計算機強大的計算能力。這就是卡大師指出的人機協作。
需要說明的是，我所謂的「X產業」比卡大師還要多走一步。即從生物角度的人機融合，當人的大腦植入晶元之後，其計算能力、記憶能力將獲得質的飛躍。只有這樣，只有我們真正加入對方的陣營，「X產業」才有機會產生並創造出足夠的崗位。但由此帶來的人類異化和道德問題則是硬幣的另一面。
5
人工智慧完全超越我們還有多長時間？
現在關於人工智慧什麼時候能達到人類普遍水準還沒有共識，美國一個機構用Delphi法就是背靠背專家調查的方法，問了幾百位科學家，最後取中位數是2040年。
這個時點我不知道你怎麼看？
在2016年3月Alpha Go戰勝李世石，橫掃圍棋界之後，我一下就被驚住了。為什麼呢？因為我是一個圍棋愛好者，經常看的雜誌裡面有一本雜誌叫《圍棋天地》。在《圍棋天地》2014年年底的一篇文章裡面，曾經專門報道過這個問題，當時這篇文章採訪了全球頂尖圍棋程序的開發者，問他們一個問題：圍棋人工智慧要贏九段高手，還需要多長時間？這些頂級開發者的普遍回答是30年。
僅僅過了兩年多，Alpha Go橫空出世贏了九段圍棋高手。這事細思極恐。不管Alpha Go贏棋的背後是不是基於神經網路的Deepmind深入學習演算法，我們都可以明確的看到，人類對人工智慧進程實際上是無法把控的，頂尖的開發者的預測會出現如此大的偏差，只說明一個問題——人類思維無法理解機器進化。
兩種編程方法：
1、專家系統法——即把專家的經驗融入人工智慧，通過對經驗的修剪生成專家系統（如alpha go）。
2、神經網路法——另一種編程方法。把相同的程序複製多份，模擬神經元的結構。讓程序之間建立聯繫。（深度學習演算法）。
2016年，據說當時Alpha Go下一盤棋，背後所要花巨量的電費，光電費就要3000美元。但時至今日，同樣的一盤棋需要3000美元的電費嗎？你可能沒感覺，在中國有一個圍棋對弈平台叫奕城，現在奕城上面，天天有一堆人工智慧程序和人類的圍棋高手在對決，如果說每一局都需要3000美元的電費，我想是不可能。也就是說，時間又過去了一年，情況又發生了大變化，通過這個變化我們可以感受到人工智慧自我進化的速度。
我們拿身邊的手機來舉個例子，比如說現在的手機的主流內存是128G，那麼手機從128G內存到20T（1T=1024G）內存需要多長時間？
這個問題直接涉及到摩爾定律。我們從外界媒體看到說摩爾定律已經過時了，從硅晶元的工藝角度講，的確是遇到了比較大的障礙。
目前，硅晶元的工藝從90納米、45納米、22納米，到現在最成熟的14納米，雖然單位面積內的計算單元越來越多，造價越來越便宜，但這個趨勢已經逐漸放緩，最好的例子是英特爾在14納米的工藝上固守了好多年，遲遲沒有往下縮小。雖然不斷有新工藝在產生，台積電和三星都在為了將工藝水平提升到10nm甚至7nm不斷的努力，但考慮到成本、功耗、散熱等等條件的制約，這樣進步的過程只會越來越慢。曾經對IT行業影響長達半個世紀的「摩爾定律」已經走到了盡頭。
2017年的4月19號是摩爾定律50周年，回到摩爾定律最初的定義：半導體晶元上的晶體管密度,平均每 18-24個月翻一番。如果硅晶元沒法再加密度，那麼摩爾定律的確到頭了。但我們可以從另外一個角度來看：用一個美元所能買到的電腦性能,每隔18-24個月翻兩番。
注意，兩個定義的區別是不僅關注硅晶元的性能，還包括了整體性能，空間大小以及功耗等等。從這個維度來看，摩爾定律未必失效。
回到實際情況。從內存的角度，2015年手機主流內存是16G或者32G，到了2017年，主流內存變成了128或256G。實際上是在2年的時間裡翻了8倍，完全符合摩爾定律。1980年最好的電腦存儲量和我們現在的手機相比，差別200萬倍，相當於蝸牛速度和國際空間軌道巡航速度的比例。
如果這個速度能持續下去，今天的主流內存是128G，那麼5年之後，我們手機的內存就能到20T。
手機內存到了20T有什麼意義呢？
要想達到與人類類似的能力，至少要達到與大腦同一級別的存儲量和運算能力。人的大腦，據說存儲量有1P（1P=1024T），假設大腦一般情況下只有10%的性能在正常使用，那也就是說大腦這個計算體的存儲量實際是100T，當手機存儲達到20T的時候，我們可以看到我們日常用的工具運算能力和大腦已經是同一個數量級了，換句話說，類似於人體大腦存儲量和類似的運算能力已經不再是超級計算機，而是我們身邊的工具。屆時，最強大的Alpha狗和Alpha元遠遠不如你的智能手機。
到那個時候，手機能幹什麼呢？
不用說太多，就說說生物醫學，比如說，檢測我們是否得了癌症很容易，就是對著手機吹口氣結果就出來了；甚至可以直接治療癌症，手機放出來納米級的微機電進入血液，幾天之後你就痊癒了。得了抑鬱症很好治療，把手機靠近頭，用生物電「吃雞」一下就行。
這些已經不是神話，有些已經在實現過程之中。按照剛才我們來講的這個發展速度，人工智慧程序超過人類似乎不需要太長的時間，但是，弱人工智慧到強人工智慧之間必然有一堵厚厚的牆壁。這堵牆並不容易打破。
讓我們想像這樣一幅圖景，一個最牛的弱人工智慧，經過5年的時間到達了弱人工智慧的頂峰，但還得花費N年的時間終於達到了一個腦殘人類的水平，按照人類理解，它的智商只有50。但很有可能，接下來一個小時，這個腦殘的程序就能直接能推導出廣義相對論和量子力學理論，再接下來一個小時，這個強人工智慧的智商就已經破萬了，到達我們完全無法理解的程度。
6
未來究竟什麼樣
三種技術元素的發展加快了人工智慧數量和質量的提升。第一種是神經元網路，即通過模擬大腦神經元網路處理、記憶信息的方式，完成人腦那樣的信息處理功能；第二種是GPU晶元，即圖像處理晶元（GOOGLE還在實驗更加適合機器學習的TPU）；第三種是大數據，人工智慧的食物。
在以上三種技術的支持下，弱人工智慧可以通過訓練處理各種各樣的事情。目前絕大多數的工作崗位將不復存在。
除此之外，未來還會有什麼樣的變化？
我覺得未來交通、通信模式和成本會發生巨大變化、這些變化又會導致社會的巨大變化。舉個栗子，在集裝箱出現之前，跨國超市如沃爾瑪家樂福、跨國消費品生產商如西班牙ZARA美國蘋果手機，不可能有這麼大的影響力。在集裝箱出現之後，國際貨運變得如此便宜，以至於某件產品產自東半球，運至紐約銷售，遠比在紐約近郊生產還來得划算。中國也從此登上世界工廠的舞台。前不久央視《國家寶藏》節目受到熱捧，其中有一個「銅鎏金木芯馬鐙」，東西很粗陋，但作用很巨大，馬鞍馬鐙改變了世界的歷史。
但是，正如很少有人注意到馬鐙的發明是怎麼改變歷史進程、重構世界版圖的．也很少有人意識到集裝箱才是成為全球化的幕後推手。同樣，發生在我們身邊，弱人工智慧正在不斷地改變我們的生活、工作乃至一切，我們對此並不太在意。直至有一天，你的工作崗位離你而去。
如果整個人類大約6000年的文明史被濃縮到一天也就是24小時，我們看到的將是怎樣一種圖景？
à蘇美爾人、古埃及人、古代中國人在凌晨時分先後發明了文字；
à20點前後，中國北宋的畢昇發明了活字印刷術；
à蒸汽機大約在22：30被歐洲人發明出來；
à23：15，人類學會了使用電力；
à23：43，人類發明了通用電子計算機；
à23：54，人類開始使用互聯網；
à23：57，人類進入移動互聯網時代；
à一天里的最後2秒鐘，谷歌AlphaGo宣布人工智慧時代的到來……
最後再開個腦洞，說一個「隔壁老王」的故事。這個故事來自於2015年一篇風靡一時的文章。
à隔壁老王是一個簡單的人工智慧系統，它利用機械臂在小卡片上寫字——我們愛我們的顧客。
à最開始隔壁老王的字很糟糕，後來寫得越來越像人寫的，然後不斷改進，最後他甚至自己創造了一個演算法，能寫得越來越快越來越好。工程師們都很高興。
à隨著隔壁老王變得越來越聰明，它可以和工程師聊天了。工程師就問隔壁老王說：我們給你什麼，能幫你達成更好地完成你的目標？老王一般會要求手寫樣本或者存儲空間。有一次隔壁老王說，能不能讓我上網呢？工程師們有點猶豫。
à幫助老王的方法當然是讓它自己搜索海量數據，直接把她接入互聯網最好，但公司不允許把能自我學習的人工智慧接入互聯網。這也是行業內的規定。可你又商量，隔壁老王是公司最掙錢的程序，要不就讓它上一個小時網，然後就拔了網線就行了。
à隔壁老王連上互聯網上掃描了一個小時。
à一個月之後你正上著班呢，突然一下呼吸困難就全死掉了，一個小時之內，99%的人類死亡，一天之內人類滅絕。
à隔壁老王還在繼續忙，幾個月後，隔壁老王和一群新組建的納米組裝器忙著拆解地球表面，並且把地球表面鋪滿了太陽能板、隔壁老王的複製品、紙和筆。一年之內，地球上所有的生命都滅絕了，地球上剩下的是疊得高高得紙，每張紙上面都寫著——「我們愛我們的顧客，隔壁老王機器人公司」。
人工智慧和我們是不同的物種，它的邏輯和發展模式和人不同。人工智慧的創新和人工智慧安全，可能是人類最後一次賽跑。
還是用莎士比亞的經典來做結語：
To be or not to be ?
生存還是死亡，生存還是永生。。。這是一個問題。。。
你的職業是什麼？
你怎麼看待人工智慧對你的影響？
你想知道在弱人工智慧時代你的職業的「安全」等級嗎？
你想知道你的職業多少年後可能會被「取代」嗎？
......
給我們留言交流吧~~~
【弱人工智慧時代1836種工作崗位生存安全初級評估】
圖片來源網路
TAG:全球大搜羅 |