在通用人工智能的門檻上，你要學什么才不會失業？_今日關注

本文來自微信公眾號：果殼 （ID：Guokr42），作者：鄧思淵，編輯：沈知涵、臥蟲，題圖來源：《我，機器人》

(資料圖片僅供參考)

不久，“超級人工智能”出現了，隨即替代了所有人的工作。然而，只有一類人幸免：研究生。為什么呢？我們就去問了這個超級 AI，它回答：“研究生太便宜了，我實在競爭不過。”

這當然是個笑話。但是ChatGPT 的出現讓“人工智能導致失業”的威脅變得從未像今天這樣清晰。這家伙簡直是一個完美的智能助理：它能翻譯，能讀懂報告并且做出總結，能寫代碼，能做 PPT，可以說它的技能基本上覆蓋了當代白領群體 99% 的工作。

誰還沒用ChatGPT來摸魚輔助工作丨Giphy

再加上一直很火的 AI 繪畫，看上去似乎那些傳統上認為只有人類才能做的，需要高階思考能力和創造力的工作，現在 AI 都可以代勞。于是人類只能去電子廠擰螺絲或者送外賣。

等等，為什么不是 AI 幫我們去送外賣或者擰螺絲呢？

當AI開始替代腦力勞動丨Giphy

古早的想象

在人工智能和機器人等概念最早出現的時候，人類對機器人的想象就是“智能較低，但是代替人類做體力勞動”這樣一個角色。在阿西莫夫著名的“機器人”系列里，人類發明了“正子腦（Positronic brain）”這種技術，從而可以大規模制造機器人。這些機器人一開始甚至還不會說話，但是卻跟人類無異，有手有腳，跟人類干一模一樣的活。于是人類就可以省下所有體力勞動的時間，專心于復雜的設計、控制、系統等腦力工作了。

《羅梭的萬能工人》，提出robot一詞丨維基百科

如果從文學史的角度來理解，這種對“機器人”的古早想象，是一種典型的“殖民主義”視角——“文明的”“高級的”殖民者，對“低級的”“不開化的”被殖民者的想象。當殖民時代過去，對象被簡單地替換成了金屬的人類，也就是機器人。

當我們回過頭來從技術史角度來看，也會發現：創造出跟人相似、有手有腳的機器人的確是早期機器人和人工智能開發的潮流之一。但是很快地，科學家和工程師就意識到“制造如同人類一樣的機器人”這件事情，有著超乎他們想象的困難。

即使是其中看似最簡單的一點——讓機器人能夠雙足行走，也只有波士頓動力在最近幾年才算有突破，還只是實驗室條件。但凡做過類似開發的人都知道，他們拍攝的每一個精美的機器人越障視頻背后，恐怕都有無數失敗的案例。而要再去模擬人手，就算是一個簡單的“在一堆物體里識別出特定物體，并且抓取它放到一個特定位置”這樣一個三歲小孩都能完成的任務，對于現在的機器人和人工智能來說，都是一個值得炫耀的突破。

機器人生產線丨Giphy

然而在另一方面，無論是當年的 AlphaGo 還是現在的 ChatGPT，都雄辯地證明了人工智能在處理那些復雜的、需要計算和推理的任務中，已經可以達到甚至超越了人類的水平。

怎么會出現如此戲劇化的情況呢？

難解的悖論

在上世紀八十年代，人工智能學家漢斯·莫拉維克（Hans Moravec）和馬文·閔斯基（Marvin Minsky）等人就發現了這個現象：跟傳統假設不同，那些被認為是人類獨有的高階智力（比如推理），往往只需要很少的計算力；但是無意識的技能（比如感知運動能力），則需要極大的計算力。

語言學家史蒂芬·平曾在他的《語言本能》里說過：經過 35 年的人工智能研究，發現的最重要的課題，是“困難的問題是易解的，簡單的問題是難解的”——這個現象，就被稱為“莫拉維克悖論（Moravec"s paradox）”。

所有使用過掃地機器人或者自動駕駛汽車的人應該都對此有深切感觸。掃地機器人經常丟失地圖，或者無法識別某些特定的污漬；以及自動駕駛汽車仍無法很好地應對哪怕對人類來說并不復雜的路面情況，實際上都是同樣的問題：機器尚無法很好地感知整個外部世界，并且做出相應的決策。

對于沒見過的“障礙物”，自動駕駛無法做決策丨Giphy

深度學習加持的計算機視覺可以識別出道路上的反光，在訓練集足夠的情況下它可以判斷出道路上的反光是水洼，但是它尚無法將“水洼”這個概念和“濕”聯系起來，并且做出“現在是在下雨，路面摩擦力會減小，剎車距離會變長”這個決策。

2018 年 Uber 的自動駕駛事故就是如此：自動駕駛系統早就識別出了前方的“障礙物”，但是人工智能因為無法確定究竟是什么，所以遲遲無法決策；等到系統確認了前方“物體”是行人，制動已經來不及了。如果讓人來做類似的決策，人類會在第一時間剎車，因為我們只需要確定前方有“某個物體”擋著，而這個物體的性質則無關緊要。

這種情況大量出現在類似汽車行駛這樣高度變化的、不確定的環境之中——在這種需要快速識別周遭環境并且做出決策的情況下，人工智能的表現總是不盡如人意的。它們的表現往往是兩種：一，能夠快速做出反應但是無法適應環境變化；二，需要大量的數據和計算力來識別環境變化，從而發生嚴重的響應延遲。

為什么會存在“莫拉維克悖論”？

現在，我們可以重新審視“古早年代”的那個假設了。這個假設認為，我們人類的高階推理和計算能力對人類自己很困難，所以它應該對計算機也很困難；而人類的感知運動能力對人類自己來說很簡單，所以它應該對計算機也很簡單。

總得會點啥

事實恰恰相反。

從演化史的角度來說，諸如語言、抽象概念、推理，和計算等人類之所以成為人類的高階認知能力，實際上是最近幾十萬年才進化出來的，這些能力對人類自己來說都感覺困難的原因，是因為我們的大腦最近才開始運行這些功能——所以我們需要調動大腦里“并不怎么完善的結構”去運行這些程序。

而感知運動能力，可以說，自從地球上出現了動物，這方面的演化就已經開始。所有的生物都需要感知周遭環境，做出決策，驅動身體運動。感知運動和環境適應都是地球生物幾十億年進化的結果。也正是因為如此，幾十億年的演化壓力將大腦這方面的功能打磨得相對盡善盡美，所以才讓這些實際上極端困難的任務看上去似乎毫不費力。

機器人終于會“后空翻”了丨Giphy

因為這些任務基本上完全自動化了，所以我們人類在執行這些任務的時候是感知不到的。就像騎自行車：學習騎自行車需要付出主觀的努力，但是一旦學會，這個技能就變成下意識的了。我們可以想象，在地球生物的演化史早期，很多生物的感知運動能力可能跟現在的人工智能差不多，而這些生物早就滅絕了。

所以，回到標題中的那個問題：我們要怎么做才能在這個 AI 時代不失業呢？

說實話，我不是 ChatGPT，沒有辦法自信滿滿地給出一個不知真假的答案。但我認為，我們可以將人類的技能分成兩種：第一種，是思維的技能，這需要運用人的高階思考能力，推理，計算，創意，對抽象知識的掌握，等等，也就是現在人工智能強大的能力；第二種，順著“莫拉維克悖論”，我們可以將感知-運動能力翻譯成“手眼結合”，或者概括為“手藝”。就目前而言，人工智能在任何需要手眼結合的領域，其表現距離人類還是差得很遠的。

好癢，要長“腦子”了丨Giphy

那么，作為人類我們要跟上 AI 的腳步，大概就要在這兩個領域中擇一——要么能夠將自己的高階思維能力磨練到超過 AI 的水平，并且能夠利用 AI 發展生產力；要么就是干脆去學一門“手藝”，在 AI 暫時無能為力的領域保持競爭力。

人類如何才能保住飯碗？丨Giphy

當然，即使這樣，無論怎么選，和你競爭的仍然是人類，無論何時何處，內卷繼續。

本文來自微信公眾號：果殼 （ID：Guokr42），作者：鄧思淵，編輯：沈知涵、臥蟲

關鍵詞：