未來，真的有90％的人找不到工作嗎？

文 | 張良計

烏鎮圍棋峰會上，AlphaGo 首輪擊敗了世界排名第一的柯潔，輿論嘩然。一時間，關於人工智慧是否將取代人類的爭論再度掀起波瀾。

前段時間李開復演講時的那一句「未來，90%的工作會被人工智慧取代」又被拿出來提綱挈領，成為媒體點題的金句之筆。

而更多的人開始擔憂，生怕自己的工作未來全部交給機器人做，自己的價值被人工智慧所磨滅。

今天這篇文章筆者簡單分享一些自己的看法。先說核心觀點：人工智慧並不會取代人類，相反我們未來要學會與人工智慧展開協作。

下面進入正文。

人工智慧改變了什麼？

百度百科裡對人工智慧的定義是：人工智慧（Artificial Intelligence）是研究、開發用於模擬、延伸和擴展人的智能的一門新的技術科學。它屬於計算機科學的一門分支，包括語言識別、圖像識別、自然語言處理、機器人和專家系統等。

而我們普通大眾對人工智慧的了解，更多應該是來源於文學和影視劇作品。從經典的《終結者》三部曲，到阿西莫夫的機器人三大定律，到史上最賣座的科幻電影系列《黑客帝國》，再到前段時間大熱的《西部世界》，這些科幻作品都展現了機器人在未來以更優異的信息處理能力取代了人類的工作，甚至開始「統治」人類的情景。

電視劇《西部世界》講述了一個人工智慧如何反抗人類的故事

但今天我們暫且撇開人工智慧的道德倫理因素不談，只從人類社會的發展進程來看人工智慧到底影響了什麼。

我們知道，歷史上幾次重大的工業革命都是以生產力的大幅提升和生產關係的改變為重要標誌的。第一次工業革命以蒸汽動力取代手工勞作為代表，帶來工業無產階級和資產階級的興起；第二次工業革命以電力的發明為代表，帶來了資本主義生產力的大幅提升，壟斷經濟組織開始出現；第三次工業革命以信息化技術的飛速發展為代表，科學技術成為第一生產力，由此催生了一大批新能源、生物科學、互聯網等高新企業。

如果說，人工智慧將在未來帶來下一次工業革命的爆發（實際上很有可能），那麼它最終改變的同樣是生產力和生產關係。生產力的提升自不用多說，而生產關係上的變革我認為是：

由過去人與人之間的協作，轉變為人與機器之間的協作。

機器不再將只作為一種工具，為人類提供服務，它將會為生產價值而服務。這意味著未來人和機器在社會勞動分工中將處於同等的地位，而不是像現在機器的一切行動都要遵從人類的指令。人要學會和機器共同協作，取長補短，發揮各自的優勢。未來我們很可能和機器一起商議房地產開發規劃，或者和機器一起設計一座博物館，再或者與機器一起開發一個新菜品。

可未來人工智慧這麼牛逼了，它需要人類嗎？我的答案是要，讓我們繼續往下看。

人工智慧沒有改變什麼？

目前的人工智慧在本質上是一個模擬系統，而不是一個創造系統。它遵循的是「量變到質變」，而不是「質變到另一個質變」。它必須基於已有的大量經驗、知識和數據來通過演算法推演出規律，然後做出決策。 AlphaGo 就是典型的例子，它通過研究和模擬人類歷史上所有棋手的棋局（深度學習），再通過精確演算法來推演出最適合當下對局的走法。

換句話說，它是一種在既定規則之下通過大量的數據輸入，然後進行分析和推演，最後進行決策輸出的工具。所以沒錯，假以時日人工智慧發展成熟，許多需要數據分析，商業決策，以及不需要太多腦力的工作都可以由機器來完成。因為人工智慧大大提高了分析演算的速度，從而能大幅提升工作效率。

但它無法取代人類的創造力。

既然人工智慧遵循的是「量變到質變」，那麼首先得有連續的、大量的數據做基礎。但是人的思維是可以「跳躍性」的。用大白話說，人是有「靈感」和「頓悟」的。機器是不可能看到蘋果從樹上掉落下來，從而發現物理力學定律；機器也不可能通過研究自己的經歷，從而寫出一本劇情跌宕起伏的小說。但是人可以。

實際上，這也是在人工智慧研究領域科學家們的一個普遍共識，即：目前的人工智慧還處於一個非常「低智」的階段，它不能獨立思考。

而創造力，恰恰來自於思考。這是目前人工智慧無法改變的，也是我們的優勢所在。

人工智慧和「我」有什麼關係？

之所以前面說這麼多是因為我認為，任何一個新事物的出現，我們都不能孤立地來看待。而是要把它放在橫向延伸和縱向縱深的系統維度里，由點及線，由線及面地去分析。

今天我們看到的是AlphaGo 擊敗了人類最厲害的圍棋選手，而這一條新聞背後所反映的是人工智慧學習和分析能力的更上一層樓，它帶來的不應該是威脅，而是機會。

我們回到文章的標題，未來，真的有90%的人找不到工作嗎？我認為很有可能，但這並不是因為我們的工作都被人工智慧取代了，而是因為我們沒有學會如何與人工智慧一起協作。換個角度來看，未來擅長與機器進行無縫協作的人才將大受歡迎。

這也是為什麼李開復在新書《人工智慧》里說：「未來十年，每個人都要在人機協作中找到自己的新位置。」 那麼如何找到自己的新位置，我認為下面兩種能力是一定要具備的。

A. 對信息的加工處理和建模能力

隨著網路技術的發展，信息的獲取成本幾乎為零。 只要渠道和方法得當，我們可以在網上找到一切想要的信息。

但是獲取信息並不等於運用信息。運用信息意味著要對既有信息進行刪減，進行對比，進行重組，進行再加工...直到從信息中挖掘到洞察。它遵循的是提出假設－驗證假設－推翻假設－再次提出假設的思考模型。

未來，機器能夠幫助我們迅速搜尋和篩選出我們需要的一切信息數據，但是基於這些信息數據進行模型建立是必須由人來完成的。我們可以藉助機器分析來得到全中國人民對於小龍蝦的口味偏好，但要從這些大數據中抽離出抽象的計算模型來開發一款新的小龍蝦品種......機器是不懂品嘗的。

就像前文所說，人工智慧是一個模擬系統，而不是創造系統。它首先需要大量的數據輸入才會有價值輸出。而人是會「跳躍性」思維的，這是不需要數據輸入的。正是這種看似和機器相「矛盾」的思維方式恰好能夠和機器進行互補。

B. 跨學科、跨行業的通用學習能力

我曾寫過一篇文章《提升思維力的秘訣：絕不做工具的奴隸》，裡面提到了每個人都擁有的、最基本的兩項重要認知能力：類比和聯想。這是幫助我們實現跨領域學習的基礎。譬如我們來看下面這三個問題，各位可以想想如何去解答。

1："原位癌」是怎麼一回事？

2: 第一次買保險，應該如何做出選擇？

3: 去美國旅遊，如何制定最佳的遊玩路線？

以上三個看似風馬牛不相關的問題，分別涉及到醫學、金融和旅遊三個領域，但學習和解決的方法都是一種。拿第二個問題舉例，作為一個從沒有買過保險的「新手」，我是這樣去解決這個問題的：

第一步，通過周遭朋友介紹和網路搜索，找到比較知名可信的保險品牌；

第二步，對比不同保險公司之間的一些主流產品和專業術語，分別去理解它們的含義；

第三步，主動聯繫保險經紀人（4-6個），分別和他們見面，理解他們家的產品優勢和側重點；

第四步，梳理自己購買保險產品的核心需求；

第五步，再次和保險經紀面談，做出購買決策。

以上總結下來十個字：搜索，摘取，匹配，評估，應用。其他兩個問題，一樣可以用這一套方法去理解，大家有興趣也可以試試。以後有機會這一塊筆者也會單獨寫文來講。

這就是通用學習。上面每一個步驟其實都可以和機器來協作完成（比如用機器馬上列舉出過去20年間信譽良好、理賠服務質量高的保險公司排名並給出建議），但是其中又有需要人為參與的部分，比如需求梳理，溝通談判等等。

未來行業和行業之間界限會越來越模糊，這就更要求我們學會跨領域的通用學習，而人工智慧可以在這方面大大提高我們的學習和決策效率。

最後再說一點，既然人工智慧和人之間的協作這麼重要，那是不是一定要學會編程能力？我個人倒認為未必，但你一定要了解人工智慧背後的工作原理，以及缺陷不足，只有這樣才能制定恰如其分的解決方案。其他的技術問題交給術業有專攻的人。

未來人工智慧發展成熟，勢必會掀起一場巨大的社會生產力變革。無論是擔憂還是憧憬，它都一定會到來。在這之前，與其擔心自己被淘汰，不如趕緊去了解，學習和應用。

謝謝各位的時間，共勉 ＝）

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！