错误的人工智能？人工智能与未来劳动力需求解析

文丨达龙·阿西莫格鲁 帕斯卡尔·雷斯特雷珀

AI（人工智能）是当前正在研发和应用的技术中，前途最为光明的技术之一。从广义上说，AI指对“智能（机器）代理”的研究和开发。“智能（机器）代理”指能够通过识别周围环境并对其做出反应，进而采取智能行动的机器、软件或算法。

谈到AI对我们的安全、社会和经济产生的意义，很多人激动不已，很多人大肆宣扬，还有不少人忧心忡忡。不过我们普遍忽略了一个关键问题：我们是否在投资“正确”的AI技术，即可以最大程度地提高生产率，创造出普遍繁荣的AI技术？迄今为止我们还没有一个明确的答案，实际上没有人知道它的答案。不过目前我们仍然可以影响AI的研究方向以及研究前景，所以现在是提出这个问题的绝佳时机。

人类（或自然）智能包括多种心智活动，如简单计算、数据处理、模式识别、预测、各类问题解决、判断、创造力和沟通。在20世纪50年代，马文·明斯基等计算机科学、心理学和经济领域的研究者首次提出AI。

早期的AI力求开发出可以从事各类心智活动的机器智能，以创造出真正的智能机器。譬如，赫伯特·西蒙等人在1958年时声称，“现在世界上已经存在可以思考、学习和创造的机器。此外，它们完成这些任务的能力会迅速提升，直至——在可见的未来——它们能够解决问题的范围与人类心智可达的范围不相上下”。

这些模棱两可的目标很快就破灭了。20世纪90年代，AI再度盛行，但它的志向和之前迥然不同，而且不再那么高调——它的目标是复制并提高模式识别和预测方面的人类智能（早在AI出现前，计算机就已经在计算和数据处理方面超越了人类）。

我们日常从事的很多决策问题和活动可以看作模式识别和预测的范例，如（可视数据中的）人脸识别，（听觉数据中的）语音识别，从人们提供的数据中识别抽象范式，根据过去的体验和现有信息做出决策。尽管研究者从事的领域叫作“通用人工智能”（Artificial General Intelligence），但绝大多数研究和AI的所有商业应用几乎都集中在“窄人工智能”（Narrow AI）这个更狭窄的领域，不过相关应用不胜枚举而且五花八门。AI在硬件和算法方面取得的重大突破使人们重新对它欢欣雀跃。

这种突破可以对海量非结构化数据进行处理和分析（譬如，无法用常规结构方法，如类似Excel表的简单数据库展示的语音数据）。AI能够卷土重来的核心原因始终是机器学习的方法和所谓的“深度学习”。机器学习的方法是指帮助计算机和算法在没有显性编程的情况下从海量数据中学习、预测并完成任务的统计学技巧。“深度学习”指利用多层次方案（如神经网络）提升机器学习、统计推断和实现最优化的算法。

即使我们聚焦于狭义AI，仍然应该把AI看作一个科技平台——人们可以通过多种方式将AI技术开发为商用技术或生产技术，而且它的具体应用变化多端，包罗万象。在某种程度上，所有技术集群都表现出这种特点，但在AI上表现得尤为明显。

为了更清楚地展示这一点，我们将AI与另一个息息相关但迥然不同的新科技——机器人学——进行比较。机器人学常常利用AI和其他数字科技处理数据，不过与其他数字科技不同的是，它的关注点在于和实体世界的互动（如四处走动、变形、重新摆放物体或把物体连接起来）。工业机器人已经广泛用于很多制造业和零售/批发机构中，不过它们的经济用途只用于特定领域，而且重点关注有限领域内的任务如何实现自动化操作。换句话说，它们要用机器取代之前由人类完成的特定活动和功能。

……

全文共8678字