必然

数字神经网络在20世纪50年代就被发明出来，但是计算机科学家花费了几十年时间学习如何驾驭数百万甚至数亿神经元之间多如天文数字的组合关系。其中的关键在于将神经网络组织成叠层（staked layers）。可以用相对简单的人脸识别任务举例。当神经网络中的一组数位被发现能触发某种图案，比如一只眼睛的图像,这个识别的结果（“啊，是只眼睛！”）会被移到神经网络的下一层级做进一步解析。

下一层级可能会将双眼归在一组，并把这个有意义的数据块传到层级结构的更下一层级，该层级能够将双眼和鼻子的图案关联在一起。识别一张人脸可能需要数百万这类节点（其中每个节点产生一个计算结果供周围的节点使用），并需要叠加多达15个层级。2006年，当时就职于多伦多大学的杰夫·辛顿（Geoff Hinton）对这个方法做出了关键改进，并将其称为“深度学习”。他能对各个层的数据结果进行数学上的优化，从而加快了进一步叠层时的学习速度。数年后，当深度学习算法被移植到GPU集群上时，速度有了大幅提升。深度学习代码本身不足以产生复杂的逻辑思维，但它是当下所有人工智能产品的基本组成部分，这些产品包括IBM的沃森、DeepMind、谷歌的搜索引擎以及脸谱网的算法。

由并行计算、更大量的数据、更深层次的算法组成的这场完美风暴,让酝酿了60年的人工智能仿佛一夜间获得成功。它们的组合表明，只要这些技术趋势继续下去——没有不继续的理由，人工智能就将持续进步。

这样下去，这种基于云端的人工智能愈将成为我们日常生活中根深蒂固的部分。但这是有代价的。云计算遵循收益递增（increasing returns）法则，有时又叫网络效应（network effect）。这一法则指出，网络规模扩大的速度远远赶不上其价值增加的速度。网络规模越大，对新用户的吸引力越强，这就让它（的规模）变得更大，从而更具吸引力，如此往复下去。一个为人工智能服务的云端也将遵循这一法则。越多人使用人工智能，它就会变得越聪明；它变得越聪明，越多人就会使用它；当它更聪明时，就会有更多人使用它。一家公司进入这个良性循环后，规模会变得极大，发展速度极快，以至于对其他新兴竞争对手形成压倒性优势。结果就是，未来的人工智能将由两到三家寡头公司主导，并以基于云端的多用途商业产品为主。

1997年，沃森的前辈——IBM的（超级电脑）深蓝（Deep Blue）在一场著名的人机对弈中击败了当时具有统治地位的国际象棋大师加里·卡斯帕罗夫（Garry Kasparov）。当电脑又赢得了几场比赛后，人类选手基本上对这种比赛失去了兴趣。你或许会认为这就是故事的结局（如果不是人类历史的终结），但卡斯帕罗夫意识到，如果他也能像深蓝一样即时访问包含先前所有棋局中棋路的大规模数据库，就能表现得更好。如果人工智能选手使用数据库工具被认为是公平的，那么人类为什么不能使用呢？为了实现用数据库加强人类大师的心智的想法，卡斯帕罗夫率先提出了“人加机器”（manplus-machine）的概念，即在比赛中用人工智能增强国际象棋选手水平，而不是让双方互相对抗。

如今，这种比赛被称为自由式国际象棋比赛，它们和混合武术对抗赛相似，选手们可以使用任何他们想用的作战技巧。你可以在没有协助的情况下比赛；也可以成为极其聪明的国际象棋电脑的傀儡，仅仅按照它的指示移动棋子；或者你可以当一个卡斯帕罗夫提倡的“半人马”型选手，也就是人类和人工智能结合的赛博格（Cyborg）^[7] 。

这种选手会听取那些人工智能提出的走棋建议，偶尔也会否决他们，颇似我们开车时使用GPS智能导航的情景。对任何模式的选手开放的2014年自由式国际象棋对抗锦标赛上，纯粹使用人工智能国际象棋引擎的选手赢得了42场比赛，而“半人马”型选手则赢得了53场。当今世界上最优秀的国际象棋选手队伍就是“半人马”型的Intagrand，它由一个人类团队和几个不同的国际象棋程序组成。

但更让人意外的是人工智能的出现并未削弱纯人类国际象棋选手的水平。恰恰相反，在廉价且超级智能的国际象棋软件的激励下，下国际象棋的人数、锦标赛的数量以及选手的水平都达到了历史之最。

与深蓝首次战胜卡斯帕罗夫时相比，拥有国际象棋大师头衔的人数至少翻了一番。现今排名第一的人类国际象棋选手马格努斯·卡尔森（Magnus Carlsen）就曾和人工智能一起训练，并且被认为是所有人类国际象棋选手中最接近电脑的一个。他还是有史以来评分最高的人类国际象棋大师。

既然人工智能可以帮助人类成为更优秀的国际象棋选手，那么合理地推测，它也能帮助我们成为更优秀的飞行员、医生、法官、教师。大多数人工智能完成的商业工作都将由专注某个狭小领域的专门化智能软件负责。比方说，它能把某种语言翻译成另一种语言，但不能干别的；它可以开车，却不能和你交谈；它能记得YouTube上所有视频里每个像素，却无法预测你的日常工作。在接下来的十年里，与你产生直接或间接互动的人工智能产品有99%都将是超级智能的自闭型“专家”。

事实上，这并非真正的智能，至少不是我们细想后希望得到的。

其实智能或许是种累赘，如果说“智能”意味着我们特有的自觉意识、疯狂的自省循环以及凌乱的自我意识流，那么结论尤其如此。我们希望自动驾驶汽车能够超乎常人地专注于道路，而不是在纠结之前和智能车库之间的争执。医院里的综合“沃森”医生能一心扑在工作上，永远不要去想当初是不是该学金融专业。随着人工智能的发展，我们可能要设计一些手段阻止它们拥有意识，而当我们宣传最优质的人工智能时，很可能给它打上“无意识”的标签。

我们想要的不是智能，而是人工智慧。与一般的智能不同，智慧是专注的、能衡量的、专门化的。它还能够用完全不同于人类认知的方式思考。2014年3月，得克萨斯州奥斯汀西南偏南音乐节（South by Southwest festival）上的特技表演就是一个关于非人类思维的精妙例子。当时IBM的研究员给沃森加入了一个烹饪数据库，其中包含网上菜谱、美国农业部（USDA）营养成分表以及如何让配方更可口的研究报告。凭借这堆数据，沃森从味道资料以及现有的菜式中创制出新菜品，厨师则很乐意地把它们做出来。众人最爱的一道菜是美味版的“鱼和薯条”（fish and chips），它是用酸橘汁腌鱼和油炸车前草制成。在约克敦海茨的IBM实验室吃午饭时，我津津有味地品尝着这道菜以及另一道沃森的发明：瑞士/泰式芦笋乳蛋饼。味道不赖！

这两道菜怎么看都不像是人类所能想到的。

非人类智能不是一个程序错误，而是一项功能。会思考的机器最重要的特征就是它们思考的方式与人类有差别。

由于进化过程中的一种巧合，我们成为漫游在这个星球上唯一拥有自我意识的物种，这让我们误以为人类的智能是独一无二的。然而它不是。我们的智能只是某个特定社会的智能，和宇宙中可能存在的其他智能和意识种类相比，它只占据一个小小的角落。我们喜欢把人类的智能看作是“通用的”，因为和我们遇到的其他心智相比，人类的心智能解决更多种类的问题，但是当我们创建了越来越多的综合心智后，我们开始意识到人类思维并不通用，它只是思维的一种。

今天，不断涌现的人工智能的思维方式就与人类不同。它们在完成诸如下国际象棋、开车、描述一张照片的内容等我们曾认为只有人类能做的事情时，使用的方法也与我们不同。脸谱网通过加强他们的人工智能，能让它在看过一个人的照片后就能从网上约30亿人的照片中识别出此人。人脑无法提升到这种程度，因此这种能力完全是非人类的。众所周知，我们的思维方式不擅长做统计，所以我们制造出各种统计技术很强的智能设备，是为了让它们用不同的方式思考。让人工智能替我们开车的一项优势就是，它们不像我们那样容易分心。

在一个联系超密集的世界中，不一样的思维是创新和财富的来源。仅仅聪明是不够的。商业动机会让与工业力量相关的人工智能无处不在，它们廉价而聪明，会被植入到所有我们制造的东西里。当我们开始发明新的智能种类和新的思维方式时，将获得更大的回报。我们目前还不了解智能的完整分类法。有些人类思维的特点将会是通用的（就像生物学中的左右对称性、细胞分裂、管状脏器）。但是很可能存在某种心智种类，和我们演化的结果大不相同，其思维方式并非一定要比人类更快、更强大、更深刻，有时反而更简单。

宇宙中潜在的心智种类数量庞大。最近，我们开始研究地球上动物的心智，而期间已经见到了许多其他种类的智能，伴随着更多的发现，我们会愈加尊重这个事实。鲸和海豚复杂而奇特的智能不断带给我们惊喜。很难设想如何准确地判断出一种心智比我们更高级。一种便于我们设想的手段就是着手建立一门心智分类学。这个心智的矩阵将包括人类心智、机器心智以及可能存在的心智，尤其是类似科幻小说家虚构的那种超越人类的心智。

这种异想天开的尝试是值得的，因为我们一定会在所有产品中加入智能，但加入哪种特质的智能并非显而易见，而是有选择空间的。

智能的特质将会决定其经济价值以及它们在我们文化中的角色。列出机器在哪些可能的方面比我们（即便是在理论上）更聪明将会帮助我们调整并约束智能的发展。一些非常聪明的人，如天文学家斯蒂芬·霍金，以及天才发明家埃隆·马斯克（Elon Musk）担心，创造聪明绝顶的人工智能是个错误，因而探究更多智能种类显得更为明智。

假设我们登上了一个外星球，如何衡量我们在那里碰到的智能的水平？这是一个极难回答的问题，因为我们对自己的智能并没有一个真正的定义（部分是因为至今为止我们不需要）。

现实世界遵循补偿的法则，哪怕在强大心智的世界中也是如此。

一种心智并不能把所有工作都完成得很好。一类特定的心智在某些方面的表现更为出色，在其他方面就会有所欠缺。比如，指导自动驾驶汽车与评估房产是两种差异很大的智慧；诊断疾病与监控住宅的人工智能所用的智慧有天壤之别；能准确预测天气的超级大脑与植入衣服中的智能分属两个完全不同的心智领域。心智分类学必须能反映出如何运用不同方法设计出具有补偿特点的心智。下面这份候选清单中我只列出了那些可能比我们更高级的心智，我排除了数千种将会大规模知化的物联网中那些平常的机器智慧，比如一个计算器中的智能。

一些新的心智包括：

✦ 一种心智与人类的心智相像，只是反应更快（我们最容易想到的人工智能）。

✦ 一种心智主要基于大容量存贮和记忆，有些愚钝但是信息面广博。

✦ 一种全球化超级心智，由数百万做着单调工作的智能体组成。

✦ 一种蜂巢型心智，由许多十分聪明的心智组成，但是自己却意识不到。一种博格型（borg）的心智，组成它的许多聪明心智意识到它们构成了一个整体。

✦ 一种心智被专门训练用来加强指定的人类个体，但是对其他人完全无效。

✦ 一种心智能够设想但不能制造比自身更强大的心智。

✦ 一种心智能够制造比自身更强大的心智，由于自我意识不足，无法设想自己制造的心智。

✦ 一种心智能够制造比自身更强大的心智。

✦ 一种心智能够创造比自身更强大的心智，而被创造出的心智能继续这么做。

✦ 一种心智拥有自身源代码的访问通道，因此可以修改自己的进程。一种心智逻辑能力超强并且没有情感。

✦ 一种心智能解决普遍问题，但没有自我意识。

✦ 一种心智具有自我意识，但不能解决普遍问题。

✦ 一种心智成长期很长，并且在它成熟前需要一个保护者。

✦ 一种很缓慢的心智，覆盖了很长的物理距离，因而在快速的心智看来，它是“隐形的”。

✦ 一种心智能够多次克隆自己。

✦ 一种心智能够克隆自己，并且与克隆体组成一个整体。

✦ 一种心智能从一个平台迁移到另一个平台从而保持永生。

✦ 一种快速、动态的心智，能够改变自己的认知进程。

✦ 一种纳米级的心智，它是所有可能的超级心智中（尺寸和能耗数据）最小的。

✦ 一种心智专门提出设想并做预测。

✦ 一种心智从不抹去或忘记任何事情，包括错误或虚假的信息。

✦ 一种半机器半动物的共生心智。

✦ 一种半人半机器的赛博格心智。

✦ 一种使用量子计算的心智，我们无法理解它的逻辑。

如果上述任何一种心智能够成为现实，也将发生在20年开外的未来。这张预测清单的重点在于所有的认知功能都是专门化的。从现在直到未来百年，我们制造的人工心智都将会是为专门任务而设计，并且通常是超越我们能力的任务。我们最重要的机械产品不是某样事情比人类做得更好，而是能做人类完全做不了的事情。同理，我们最重要的思维产品也将不是比人类想得更快、更好，而是能思考人类无法思考的事情。

想要真正解决当前关于量子引力、暗能量以及暗物质高深复杂的谜团，我们可能需要人类以外的其他智能。并且想要解决这些问题带来的更为困难的极端复杂问题，我们或许需要更不同、更复杂的智能。实际上，我们可能还要发明中间水平的智能，来帮助我们设计那些我们无法独自设计出来的更精密的智能。我们亟需不同的思维。

如今，许多科学发现要靠数百个人类的心智共同完成，而在不久的将来，或许会有很多十分艰深的问题，得借助数百种不同类型的心智才能解决。到那时，我们不会那么容易接受异类智能提供的答案，这将把我们带到文化的边缘地带。当我们在认可计算机做出的数学证明后感到不舒服时，这种情形已经出现了。与异类智能打交道是一项新技能，也是对我们自身的开拓。人工智能的植入会改变我们的科研方式。非常智能的工具会加快我们的测量速度并改变我们的测量方法；海量的即时数据会加快我们的模型思维速度并改变我们的模型思维方式；极具智慧的记录手段会加快我们了解事情的速度并改变我们“了解”的方式。科学方法是一种认识的手段，但它向来都是从人类的视角出发的。当我们把一种新的智能加入科学方法，科学一定会以不同的方式去认识和发展。到那时一切都将改变。

人工智能（AI）也可以表示异类智能（Alien Intelligence）。

宇宙中有十亿颗类地星球，我们无法确定未来200年内是否会接触到其中一颗上的地外生命，但几乎可以100%确定我们会制造出异类智能。当我们面对这些人造异类时将和遇到外星人一样，既会受益也会遭到挑战。它们会迫使我们重新评估自身的角色、信仰、目标和身份。人的目的是什么？我相信有一个答案是：我们要制造生物演化无法得到的新型智能。我们的职责就是制造能够用不同方式思考的机器，也就是创造异类智能。我们确实应该把各种人工智能称作“异类智能”。

人工智能会像外星人一样，用和任何人类厨师大不相同的方式对待食物，这将促使人类对食物进行不同的思考。这个例子同样适用于材料的制造、服装、金融衍生品、任意门类的科学和艺术。与人工智能的速度和力量相比，它的相异性对我们来说会更有价值。

如此一来，人工智能可以让我们更好地理解起初所说的智能的含义。过去，我们或许会说，只有那种具有超级智能的人工智能才能驾驶汽车，或是在《危险边缘》以及国际象棋中战胜人类。但是当人工智能做到了这些，我们就认为这些成就显然是机械的，几乎不能被称为真正的智能。人工智能的每一次成就都将自己重新划为“非人工智能”行列。

但是我们不仅在重新定义人工智能，也在重新定义人类。过去60年里，机械过程复制了我们过去认为人类独有的行为和能力，我们不得不改变关于人和机器之间差别的看法。当我们发明了更多种类的人工智能后，会在“什么是人类独有的”这一问题上做出更大让步。我们将在未来的30年，甚至一个世纪里陷入一种旷日持久的身份危机，不断扪心自问人类的意义。最大的讽刺是，日常生活中那些实用的人工智能带给我们最大的益处将不在于产能的提高、富足的经济或是新的科研方式，尽管这些都显而易见。人工智能时代的到来最大的益处在于，各种人工智能将帮助我们定义人性。我们需要人工智能告诉我们——我们是谁？

未来几年里，那些被赋予实体的异类智能将获得我们最多的关注。我们把它们叫做机器人。它们同样会有各种不同的形状、体积和功能配置。机器人已经低调地走进了我们的生活。不久，更张扬、更聪明的机器人必将出现。它们所带来的颠覆效果将直抵我们生活的核心。

试想，如果明天10个美国工人中就有7个会失业，他们该怎么办？

如果超过一半的劳动人口都拿到了解雇通知书，很难相信一个经济体还能继续存在。事实上，工业革命就让19世纪初的劳动力面临这种状况，只不过事情发生得较为缓慢。两百年前，70%的美国劳动力以农场为生。后来，自动化实现后，机器代替了农民以及在农场作业的动物，淘汰了大多数人的工作，只留下1%左右。但是被取代的农民并没有就此闲着。自动化转而在全新的领域中创造了亿万份工作。

曾经务农的人如今操纵着工厂中炮制农具、汽车以及其他工业产品的机器。从此，一浪又一浪建立在自动化之上的新职业潮水般袭来，包括家用电器维修工、胶印工人、食品化学家、摄影师、网站设计师。

今天，我们大多数人从事的工作是19世纪的农民无法想象的。

或许很难令人相信，但在本世纪结束前，如今人们从事的职业中有70%很可能会被自动化设备取代。不用说，亲爱的读者，你的工作会也会被机器取代。换句话说，机器人取代人工是必然的，一切只是时间问题。第二次自动化浪潮正引领这项变革，而人工认知、廉价传感器、机器学习和分布式智能将成为变革的焦点。广泛的自动化将会触及包括体力劳动和知识型工作在内的所有工种。

首先，已经实现自动化的行业中，机器会进一步巩固自身的地位。当机器人取代流水线工人后，它们会接着取代仓库工人。麻利的机器人能够从早到晚不断地抬起150磅的重物。它们把箱子取出来，分好类，然后装上卡车。这种机器人已经在亚马逊的仓库工作了。采摘水果和蔬菜的过程也将逐步由机器人接手，最后只有在特色农场里才能见到人类在采摘。药房里将会有一个配药机器人在后台工作，而药剂师专心回应病人的咨询。实际上配药机器人的雏形已经问世，目前正在加利福尼亚州的医院里工作。它们至今还未出现过一次弄错处方上要求的状况，这对人类药剂师来说很难做到。接下来，打扫办公楼这种相对精细的杂活也将由机器人在半夜完成。它们从简单的打扫地面和窗户开始，最终完成清洁厕所的要求。长途货运客车在高速公路上行驶时，将由驾驶室内置的机器人进行驾驶。到2050年，大多数货车将实现无人驾驶。鉴于货车司机是目前美国最普遍的职业，这件事的影响不容小觑。

机器人的触角终究会伸向白领工作。许多机器已经含有人工智能，我们只是没有称它们为人工智能机器人。请看谷歌最新的计算机之一，它能够为任意一张给定的照片写下准确说明。选取一张网上的照片后，它会“看着”这张照片然后给出完美的说明。它能持续地像人类一样正确描述照片上发生的事，却不会感到疲倦，还能阅读并概括出文本大意。任何与大量文书工作相关的岗位都可以由机器人从事，这其中就包括不少医疗岗位。任何较为机械的资讯密集型工作都能被自动化。无论你是一名医生、律师、建筑师、记者甚至程序员，机器人都将历史性地接管你的工作。

我们已经处在转折点上。

我们对于一个智能机器人的外形和行为已经有了先入为主的印象，这让我们意识不到身边发生的变化。要求人工智能效仿人类的智能，好比要求人工飞行模仿鸟类翅膀，在逻辑上是说不通的。

巴克斯特（Baxter）是Rethink Robotics公司的新型作业机器人。它的制造者是发明畅销吸尘器鲁姆巴（Roomba）系列产品的前麻省理工学院教授罗德尼·布鲁克斯（Rodney Brooks）。巴克斯特是一款较早被用来辅助人类工作的新级别工业机器人，但它看上去貌不惊人。当然，它和许多其他工业机器人一样有一条强壮的机械臂。

巴克斯特的双手和工厂机器人一样，能进行重复性的手工劳动。但是它和一般的工厂机器人之间有着三方面的重要区别。

第一，它能向四周看并且可以通过移动头部的动画眼睛提示它正在看的地方。它能感知附近工作的人类从而避免伤到他们，工人们也能知道自己是否被它看到。之前的工业机器人无法做到这些，这就意味着工作中的机器人必须与人类保持距离。典型的工厂机器人被关在一个铁丝网围栏或是玻璃笼子里。它们意识不到他人的存在，因此放在人的周围太过危险。这种机器人无法在一家难以将它们与人隔开的小商店中工作。理想情况下，工人应该能够在机器人身上存取材料，或者在日常工作中手动调整机器人的控制参数，而双方被隔开的话，此类动作就难以实现了。但巴克斯特能和人类做伴。它们使用力反馈（force-feedback）技术来感知自己是否触碰到人或另一个机器人，显得彬彬有礼。你可以在自家的车里接通它的电源，从容地在它身旁工作。

第二，任何人都能训练巴克斯特。它不一定像其他工业机器人一样迅捷、强大或精准，但它更聪明。要想训练它，你只需要抓起它的双臂并引导它们按照正确的次序做动作。这是一种“照着做”的训练方法。当巴克斯特学会动作后，就会不断重复练习。包括文盲在内的任何工人都可以进行这种展示。想要命令之前的作业机器人做最简单的任务改变，需要高度受教育的工程师和训练有素的程序员写数千条代码，还要进行调试。代码必须用批处理模式（batch mode）载入，比如大型非常用批处理文件。因为机器人一旦投入使用就不能被重新编程了。结果典型工业机器人的大量花费不是来自硬件而是它的运营成本。工业机器人的购买价为10万美元，然而在整个使用期中编程、训练和维护的费用是购买费用的4倍多。这些费用累加后，平均每个工业机器人的总花费超过50万美元。

第三个区别就在于巴克斯特更便宜。定价2.2万美元的巴克斯特与它的前辈机器人50万美元的总花费相比不在一个数量级上。使用批处理模式编程的老牌机器人就好像机器人界的大型主机，而巴克斯特好比第一台个人电脑。由于缺乏某些重要性能，如亚毫米级的精确度，这种机器人很可能沦落为机器爱好者的玩具。但是与个人电脑一样，却不同于过去大型主机的是：在不需要专家调试的情况下，用户可以即时与它进行直接交流，并且可以用它来做不太紧急，甚至是鸡毛蒜皮的事。它的价格足够低廉，因此小型工厂可以购买一台用来打包成品、喷涂定制化产品或者操作3D打印机。或者你也可以让它在生产iPhone的工厂充当工人。

巴克斯特诞生在波士顿查尔斯河畔一幢拥有百年历史的砖墙建筑中。1895年，这幢建筑是位于当时新制造业世界中心的一个奇迹。它甚至能发电供自己使用。百年来，这座围墙内的工厂改变了我们身边的世界。如今巴克斯特的性能以及即将到来的大量高级机器工人促使布鲁克斯思考一个问题：这些机器人会如何比上一次革命更彻底地颠覆制造业？看着办公室窗外那些比邻的工厂，他说道：“现在我们提到制造业就会想到发生在中国的情形。但是随着机器人带来的制造成本下降，运输的成本将成为远比生产成本更重要的因素。距离近就代表低成本。因此我们会看到这种本地特许经营的工厂组成的网络，所有的东西将在距离需求地5英里以内的范围内生产。”

这些对生产行业来说或许是正确的，但是许多人从事的是服务业。我请求布鲁克斯和我一起穿过一家当地麦当劳餐厅，并让他指出哪些工作可以被他的机器人取代。他犹豫着表示：“指望机器人为我们当厨师恐怕要等30年。在一家快餐店中，你不会一直干一种活，而是忙于在不同的任务之间转换，因此你需要一种特定的解决方案。我们不提供特定方案。我们正在打造一种能在人类身旁自主运行的机器人。”当我们能够与身边的机器人协同工作时，双方的工作内容必然会掺杂在一起，不久我们过去干的活将会由它们承担，而我们难以想象自己日后的新工作会是什么。

我根据人类和机器人的关系把工作分为四大类，希望能帮助我们更好地了解机器人将怎样取代人类。