《第二次机器革命》书摘

《第二次机器革命》

 

“莫拉维克悖论,是人工智能和机器人研究领域有别于传统假设的重要发现,其含义是高层次的推理几乎不需要计算,但低层次的感觉运动技能则需要大量的计算。”

 

…当新一代的智能设备出现的时候,股票分析师、石油工程师和假释委员会成员的工作机会将最有可能被机器代替。但园艺师、接待员以及厨师在未来的几十年里丝毫不用为自己的工作机会操心。”
“人类最大的缺点是无法理解指数函数。”
——阿尔伯特·A·巴特利特(Albert A. Bartlett)
美国科罗拉多大学物理学荣誉教授
摩尔定律和热力学定律或者牛顿机械定律等物理学定律截然不同。那些定律所描述的是宇宙是如何运转的;不论我们做什么,它们都是真实存在的。相比较来说,摩尔定律所描述的是计算机行业工程师和科学家所做的工作;它评估的是,工程师和科学家们所付出的努力带来了多么持久和成功的进步。我们在其他行业是看不到这种持续进步的。
不过,尽管一些智慧人士一直在预测摩尔定律即将走向终点,但后来的事实证明,他们总是在反反复复地预测一个错误的结论。这并不是因为他们没有理解物质世界对数字世界的制约,而是因为他们低估了在计算机行业里那些努力开拓的人们。

 

“如果你仅仅使用同一种技术,那么原则上你很快就会走到尽头。实际上,40年来,每隔5~7年的时间,我们一直在提升和修补我们的技术,而且这样的做法没有尽头。”

 

当摩尔定律在处理器、存储器、传感器以及其他计算机硬件(一个极其例外的情况是电池,它的性能并不是以指数比率而提升的,那是因为它基本上是由化学成分构成的,而不是电子化产品)发挥作用时,它并不仅仅使计算机设备变得更快、更廉价、更小、更轻,它还使得这些设备的性能提升到我们之前根本就无法想象的高度。

当第一批智能手机投向市场的时候,他看到了一种可能性,于是在2008年他与尤里·莱文(Uri Levine)和阿米尔·希纳尔(Amir Shinar)一起创建了Waze。Waze的“天赋之处”是能够把所有使用该程序的智能手机都变成传感器,然后持续不断地把它们的位置和行驶速度信息上传到公司的服务器上。当越来越多的智能手机都在使用这种应用程序时,Waze就会获得一个特定区域越来越多的的车辆行驶状况。Waze程序所显示的不仅仅是一幅静态的公路地图,它也能实时地升级最新的交通状况信息。

“对信息流进行数字化的编码”。换一种说法,就是把所有的各种各样的信息和媒体形式——包括文本、声音、图像、视频以及工具、设备和传感器里的数据等等,转换成无数的“1”和“0”,也就是计算机以及其他同类产品能够识别的语言。
虽然一本书或一部电影的原始版本需要花费大量的成本去制作,但如果去复制更多的样本却几乎不花费任何成本。这就是所谓的“复制的零边际成本”。
所有这些例子都能说明,我们对这个世界的理解更深入了,预测也更准确了,或者说在数字化的世界里,我们的科学研究更加通畅无比了。哈

但创新还有一个最重要的影响力,就是它能使我们的社会变得更加富裕。

为什么创新就是一切
“因为一个国家在一定时间内提升其国民生活标准的能力,几乎取决于提升其人均产出的能力。”
“互联网所带来的利益非常真实,我要给这些利益唱赞歌,而不是去谴责它们……然而,所有的事实是这样的:正是因为互联网的存在,我们才获得了更多并且更‘廉价’的乐趣。

另一个思想观点认为,创新所做的真正工作并不是提出什么大的和新鲜的事物,而是把已经存在的事物重组起来。而且我们对实现创造和发明的相关领域的知识和能力的主要进展了解得越深入,这种重组的观点就显得越有意义。

正如他在他的书《技术的本质》(The Nature of Technology)中所总结的:“创造某个东西,就是去之前存在这个东西的地方发现它。”

只要人们能把资源调动起来,并且按一定的方式重新配置,使得这些资源价值更大,那么经济增长就会发生

戈登问过一个激进性的问题:“增长终结了吗?”对此我们将代表韦茨曼、罗默和其他新增长理论主义者做出回应:“绝对没有。如果受阻,那是因为我们没有能力去处理和加工所有快速增长的新思想。

”引申到创新领域,完全可以这样说:“若有足够的眼球,多么强大的创新组合也能被发现。”

航空航天局最后把相关数据和关于对预测太阳粒子活动时所面临挑战的描述发送到创新中心网站InnoCentive上——一家为科学问题而设立的在线“票据交换所”。创新中心不设资历、证书门槛,也就是说,即使你没有博士学位或者在实验室工作的经历,也可以浏览问题、下载数据或者上传解决方案。任何人都可以尝试着解决任何学科的问题,比如物理学家就可以去钻研生物学问题。

也就是说,把创新挑战和解决问题的机会向更多的群体开放。这种现象可以称为开放式创新或者“众包”——一种非常高效的创新思路。

像创新中心网站一样,线上创业公司Kaggle也从全世界聚拢了一批无资历的人士,去解决各类公司和组织机构提交的难题。有别于应对科技方面的挑战,Kaggle公司专长于大数据分析,其目的是要对公司或组织机构提交上来的初始性基线预测进行更准确的预测。

第二次机器革命时代的一些显著特征:计算机大部分领域持续的指数级增长、数字化信息的爆炸式增长和重组式创新

我们为何如此确定?因为第二次机器革命时代指数级增长的、数字的和重组的力量使得我们人类越来越有可能创造历史上最重要的两个一次性的大事件:真正多用途的人工智能的出现,以及这个星球上大多数人可以通过共同的数字网络沟通互联。

它们结合在一起,就会比工业革命以来的任何推动力都要强大。它们将永久地改变这个物质世界的运转方式。

而由于拥有了现代人工智能,我们的数字化机器已经摆脱了发展的制约,开始在模式识别、复杂沟通以及其他极其人性化的领域展现出广阔的发展空间。
在2000年,全球有7亿移动电话注册用户,发展中国家所占的比例不到30%。但到了2012年,移动电话注册用户已经超过了60亿,而超过75%的用户在发展中国家。世界银行估计,全球已有3/4的人口拥有移动电话。在一些国家,移动电话的使用甚至比电力或自来水更加普遍。

无穷大的数据处理和运算让一切皆有可能。”

也就是说是生产率的增长。[在大部分情况下,这一术语也可以被看作劳动生产率,即一小时工作时间的产出(或者是每一个劳动者的产出)。]反过来说,生产率
的增长来源于科技创新和技术成果。

但当经济发生变化时,我们的评估标准也必须要改变。在第二次机器革命时代,我们关注越来越多的是思想,而不是事物;是比特,而不是原子;是交流,而不是交易。这个信息时代最大的讽刺是,在很多方面,我们实际上对经济中价值源泉的了解程度比50年前还要少

当商务旅行人士通过Skype(网络电话)给家里的孩子通话时,他对GDP的贡献率就是零——但这件事情绝对不是没有价值的。

从某些方面看,免费产品的扩散甚至还造成了GDP的下降。如果你仅花费几个便士——而不是数千美元,就能把一部百科全书存储到你的计算机里,那么你是很明智的。但你的花费少了,GDP就会下降,虽然我们个人的生活质量提升了,但GDP的统计数据却和我们生活质量的提升背道而驰。
在你选择了自己比较喜欢的商品目录之后,下一步就是要问我必须付给你多少钱,才能使你无视这两个目录之间的差别。在你计划从旧的商品目录中选择商品时,如果我能多付给你超过20%的价格,就能使你高高兴兴地从新的目录中选择商品,那么这时总的价格指数就增长了20%。如果你的收入没有发生变化,那么对购买力的侵蚀和冲击将会给你的生活标准带来下降;同样地,如果你收入的增长比价格指数增长得快,那么你的生活标准就是在提升。
还有一种衡量我们经济福利的标准来源于产品和服务的消费者剩余这个概念。消费者剩余比较的是消费者愿意为某种产品或服务所偿付的价格与他实际要付的价格。如果你愿意付一美元去读一份晨报,但这时你免费拥有了这份报纸,那么你就获得了一美元的消费者剩余。
虽然消费者剩余是一个不错的概念,但它同时也是一个很难衡量的概念。
1993年,埃里克撰写了一篇文章,计算出由计算机价格下降所带来的迅速增长的消费者剩余每年给我们增加的经济福利是500亿美元。

他们观察到,即便当人们不用金钱去偿付,他们在使用互联网时仍然需要放弃一些有价值的东西——他们的时间。不论我们贫穷还是富裕,我们每个人一天也只有24个小时。为了“消费”YouTube、Facebook或者电子邮件,我们必须付出更多的注意力。事实上,2000~2011年,美国人花费在互联网上的休闲时间近乎增长了一倍。

即使不考虑休闲时间,拥有更多的时间也是一件好事——我们可以通过节省时间做很多有价值的工作。
在20世纪90年代互联网繁荣的初期,风险投资者经常开玩笑说,在新经济中只有两个数字,一个是无穷大,另一个是零。当然,新经济中很大一部分的价值来源于很多产品的价格下降到了零。但这一图谱的另一端是什么呢(也就是价格从无穷大下降到限定的数字)?假设华纳兄弟娱乐公司制作了一部新电影,你可以花9美元去观看这部电影,你的生活福利是不是增长了?在这部电影构思、摄制和公映之前,你不会以任何价格购买到,哪怕是无穷多的钱。
第四个和最大的种类是人力资本的价值。我们所有人不仅在学校里学过很多年像阅读、写作和算术这类的学习技能,同时也学会并掌握了一些工作和生活方面的技能,所有的这些技能都能帮助我们提高生产效率,当然在一些情况下,还有助于我们获得更多的劳动报酬。
管理的一项基本原则是:可以衡量的工作才能够完成。现代GDP的核算体系当然是经济发展的一大进步。
还有一些经济学家正在使用夜间的人工光源卫星地图来评估世界不同地方的经济增长状况,以及通过评估Google搜索频率来了解失业和住房供给方面的变化。可以说,这类信息非常有助于我们了解经济的状况,就像它已经改变了市场、生产、金融、零售和商业相关的方方面面一样。
不论一盏路灯的灯光有多么明亮,你都不会在灯光下找到丢失的钥匙——如果你的钥匙不是在那个地方丢失的。我们必须努力思考什么是真正有价值的东西,什么是我们想要的,以及什么是我们不想要的。GDP和生产率的增长是重要的,但它们只是达到目的(生活福利)的手段,并不是目的本身。
“富裕与贫穷之间的不平衡是所有共和国最古老的、最致命的疾病。”
——普鲁塔克(Plutarch)
罗马传记文学家、散文家,柏拉图学派的知识分子

Facebook的用户数量在2012年就达到了10亿,它的雇员人数大约为4 600名,而工程师的数量差不多为1 000名。
。在几乎每一个行业,技术进步都能带来前所未有的红利——更少的工作也可以创造出更多的财富。
技术红利和财富分化的结合挑战了两个普遍却相互矛盾的观点。其中一个普遍性的观点是,技术的进步总是能促进收入的增长。另一个是自动化会给劳动者的工资带来损失,因为人被机器代替了。

美国财富增长的80%都被5%的顶层人士所瓜分,而1%的顶层人士获取了这部分增长财富的50%还要多

这在某种程度上反映出,在美国有1 300万家庭的净资产是负值。

如果你拿平均收入和中位数收入比较一下,就能很容易看出来,正常情况下,平均收入(全部收入除以所有人口)的变化和中位数收入(在收入分配体系中中间阶层的收入水平——有一半比他们收入多,另一半比他们收入少)的变化有着很大的不同。

这是怎么发生的呢?让我们来思考一个简单的例子。有10位银行职员在一间酒吧里喝啤酒。他们每个人一年能够挣到3万美元,因此,他们几个人的平均收入和中位数收入都是3万美元。这时走进来一位首席执行官,他也点了一杯啤酒。现在,他们这个群体的收入立刻飙升起来,但中位数收入却没有发生变化。一般情况下,收入水平越不平衡,平均收入就越偏离中位数收入。这种情况不仅发生在我们假设的酒吧里,在整个美国也是这样。

中位数收入水平的增长之所以如此低,主要是由增长的不平等引起的。

一边是供应的增加,另一边是更高的薪水,这两者的结合意味着对高技能劳动力的需求要比劳动力的供应增长得更快。与此同时,对高中辍学生能从事的工作的需求却迅速下降,以至于市场对这类劳动力的需求迅速饱和——虽然他们的工资级别和待遇也在降低。

创造能力和组织再造是数字化技术投资的关键所在。
要把工作分成一个二阶矩阵,即:认知类的工作(类似脑力类的工作)vs.体力类的工作,程序性工作vs.非程序性工作。他们发现,对程序性工作的需求已经大幅下降,不论这种工作的性质是认知性的,还是体力性的。这种状况导致了工作的两极分化:对中间收入的工作需求急速下降,而对非程序性的认知类工作(比如财务分析)和非程序性的体力类的工作(像美发工作)需求相对旺盛。

如果生产率在增长,而劳动力作为一个整体并没有在攫取价值,那么谁攫取了价值?在很大程度上说,是实体资本的所有者。
赢家通吃的市场:数字化时代的生存逻辑

在很多行业,第一和第二之间的差别堪称是天壤之别。正像一个备受争议的耐克广告所宣传的,“你不是赢得了银牌,而是输掉了金牌”。

首席执行官与普通职员所获得的薪酬比率已经从1990年的70∶1扩大到2005年的300∶1。

突然之间,二流的生产商再也不能依靠消费者的无知或者地理的障碍来保护他们的边际利润了。

正像我们在这一章的开始所讨论到的,砌砖工人的收入差异要远远低于应用程序开发人员在赢家通吃市场下的收入差异,但这并不是唯一的不同。在稳定的市场分配模式下,营业收入和个人所得都是跟天分和努力分不开的,与之相反的是,在赢家通吃市场中存在着极其不稳定、也不均匀的竞争。
如果美国的收入分配模式遵从的是一种正态分布,那么中位数收入将会随着平均收入的增长而增长,但当然,实际情况并不是这样的。正态分布的另一个特征是,当你从平均数往两边看时,你会发现特征极端的人越来越少,而且下降的速度会越来越快。
哪一个更大,红利还是收入分化

事实上,技术的发展与进步既给我们带来了红利,也给我们带来了收入的分化,而且这种变化会日渐明显,最终会产生一个重要的问题:既然有如此多的红利,我们还要担心收入分化吗?
很多美国人认为,他们仍旧生活在一片机遇重重的土地上,国家能给他们提供最好的发展机会。但这已经不再是事实。

技术性失业:未来你的工作机会在哪里

如果技术能够使劳动者的工作效率增加,那么正像国家科学院的经济学家团队所指出的,这不会自动导致对劳动力需求的减少。更低的成本有可能会带来更低的产品价格,进而更低的价格会带来对产品的更大需求,并最终会带来对劳动力需求的增长。这种情况实际上能不能发生,要取决于弹性需求,可以解释为产品价格每一百分比的下降会带来多少百分比产品数量的增加。
匮乏的经济学问题完全被如何处置充裕的财富和空闲时间这一更有吸引力的问题所替代。正像阿瑟·C·克拉克(Arthur C. Clarke)曾经评论过的,“未来的目标是完全失业,那时我们就能够发挥作用了”。
因此,人类劳动力的最低工资有一个底线。然而,这个底线也能够导致失业:那些想要工作的人们却找不到工作机会。如果劳动者和任何企业家都认为,一份赢利的工作可能不再需要劳动者的技能和能力,那么这位劳动者将确定无疑地面临失业。从历史上看,这发生在很多对曾经有价值的生产投入的过程中——从鲸油到马匹。在今天的经济形态下,即使是零价格也不需要这些投入了。也就是说,正像技术创造了不平等一样,它也能带来失业。从理论上看,这种情况能够影响很大一批人,甚至是人口的大多数,即使整体的经济份额一直是在增长的。
当机器人充满了世界

因此,当技术超越我们人类之时,它会不给我们哪一代人在所有领域(或者至少是大部分领域)留下发展的机会吗?
答案是不会。即使在那些数字化机器远远超越人类的领域,人类还是能够发挥关键性的作用的。这听起来有些自相矛盾,但象棋游戏能够说明为什么不会。

人类的优势

他完全赞同拉里·佩奇所说的:“在某种程度上,教育培训的目的不是要让你遵从规则和秩序,而是要让你学会积极主动,敢于怀疑这个世界的一切,敢于做与众不同的事情。

然而,他们也发现,在每一所大学都有大学学习评估成绩获得很大提升的学生。一般情况下,这类学生花费在学习上的时间都更多(尤其是独自学习的时间),他们对阅读和写作的课程需求更多,也需要更多的指导。
“大学的影响基本上是由个人努力以及学术氛围、人际交往和学校的课外活动这些综合因素决定的。”

从这一点上我们可以给学生们和家长提供一个基本的建议:努力学习,使用科技手段和其他一切可以利用的资源把你的“工具箱”填满,并且还要获得第二次机器革命时代所需要的技能和能力。

大学教育之所以会升值,部分是因为很多种的原始资料和数据正在变得极其廉价,而当资料和数据变得廉价时,逐渐增加的瓶颈是阐释和使用这些资料和数据的能力。这也反映了Google首席经济学家哈尔·瓦里安经常提到的就业建议:针对将要变得廉价和充裕的事物,寻找必不可少的填补。例子包括数据科学家、移动电话应用程序开发人员,以及基因咨询师——当越来越多的人需要基因排序时,这一职业就有了需求。比尔·盖茨曾经说过,他选择进入软件产业只是因为他看到了计算机——尤其是微型计算机,正在变得廉价和无所不在。

今天,大学毕业生的认知技能,不仅包括科学、技术、工程和数学——也就是所谓的STEM(Science、Technology、Engineering和Math的缩写)学科,还包括人文学科、艺术和社会学科,往往都是低成本资料和数据以及廉价计算机的补充。这都可以帮助就业者获得升值工资。
正像兰佩尔写道的:“大学学位正在变成新的高中文凭——新的最低要求,虽然它是昂贵的,即使是为了获得低层次的工作……从工业到地理学领域,其他很多并不需要一份文凭的工作——像牙科保健员、货运商、店员和理赔人员等职位,对文凭的需求也在增加。”这种“学位通货膨胀”正在带来很大的麻烦,因为大学教育是昂贵的,它会让很多人陷入债务深渊。

像这类的结果说明,厨师、园艺师、修理工、木工、牙医和家庭健康护理员在短时期之内是不会被机器代替的。所有这些职业都牵涉到感觉运动,而且它们之中的很多工作也需要思维能力、大框架的模式识别能力和复杂的沟通能力。当然,并不是所有的这些工作都能获得丰厚报酬,但它们也是在与机器竞赛中最不可能与机器迎头相撞的工作。
然而,这些职业可能也是最容易面临激烈竞争的。随着劳动力市场两极分化日益加剧,中产阶层出现了持续的空心化,那些之前从事中等技能知识工作的人们也开始寻找更低技能和工资水平的工作。

而且,教育程度最高的地方,像德克萨斯州的首府奥斯汀市、波士顿、明尼阿波利斯市、旧金山,都拥有较低的失业率,这绝对不是一件巧合的事情。

正像我们今天只听世界上最出色的歌手或者大提琴手演唱和演奏的作品一样,学生们将能够很快地接触到最令人兴奋的地质学演示图表,听到对文艺复兴时期的艺术最具深刻见解的讲解,以及使用学习和掌握数字化技术最有效的练习方法。

MOOCs(大规模网络开放课程)是一个值得提倡的大规模教育创新实验。
延长学习年限可能尤其对贫困家庭的孩子更有利,因为研究发现,在学校上课的时候,富家子弟和贫困家庭的孩子的接受能力基本是相同的,但贫困的孩子在放暑假之后就落在后面了。

我们拥护企业家精神,但不是因为我们认为每个人都能或者应该开一家公司。相反,那是因为企业家精神是创造工作和发展机会的最好思路。随着一些传统工作种类的消失——伴随着消失的还有对相应技能的需求,经济体系必须创造新的工种和行业。对此最为擅长的是富有开创精神的创业家们,而不是有心无力的政府领导者或者只是空想的学术专家。

他们这个研究小组发现,初创公司在大萧条期间以及之后都能创造更多就业市场重新洗牌的机会,这意味着在经济困难时期,初创公司对转移工作机会的劳动者能提供更多的需求。

一变化在硅谷表现得最为明显:1995~2005年间,在那里创建的超过一半的公司至少有一位创建者是移民。而在2006~2012年间,这一比例几乎下降了10个百分点——即43.9%。

持续了25年之后,美国联邦政府对基础学术的研究却在2005年开始下降了。这一问题应该引起我们的关注,因为从经济学的角度来看,基础研究能够产生很大的正面外部效应。

“厌倦、恶习和欲望——工作把人从这三大恶果中拯救出来。”
——伏尔泰(Voltaire)
法国启蒙思想家、哲学家、作家、历史学家

很多人参加工作最重要的原因不仅仅是他们要获得金钱,也因为工作是他们获得其他很多事物的重要方式之一——包括自我价值、团体意识、契约精神、健康价值、结构体系和体面尊严等。

看起来好像在这个世界上,人们想要摆脱“厌倦、恶习和欲望”,想要实现“专精、自主和目的”,都要通过工作来达成。

在过去的5年时间里,线上零售业巨头亚马逊意识到,在它数百万的销售产品网页中有不少重复的内容。仅靠运算法则很难把搜索引擎管理好,因此由亚马逊员工彼得·科恩(Peter Cohen)引领的一个团队开发了一套软件,通过这套软件把可能重复的内容发送给一些人,让他们最终发现重复的内容。科恩和亚马逊很快意识到这是一个可以普遍应用的创新。它把一个大问题(在数百万网页中找到重复的内容)分解成很多小任务(这两页内容有重复吗?),然后把这些任务发送给一大批人,收集他们的反馈,利用他们解决问题(消除重复)。
这是亚马逊首席执行官杰夫·贝佐斯所称的“人工的人工智能”的一个例子,它是人类与机器进行竞赛的另一种方式——虽然这是一种代价并不高昂的方式。
TaskRabbit让人们以群体的形式提供劳动力,而Airbnb让人们提供有用的资产。在这种对等经济模式下,这两种类型的公司已经出现了很多。“众包”劳动力市场存在于一些特殊的领域,像编程、设计和清洁,以及一些普通任务的执行和操作。而且现在人们可以利用网站和手机应用程序出租他们的相机、工具、自行车、停车位、狗舍以及任何他们可能拥有的东西。

这一事实并不意味着对等经济不应该得到鼓励和支持。恰恰相反,对劳动力未来所带来的挑战最好的解决方式——事实上也是唯一真正的解决方式,将来自市场,来自创新者和企业人士的技术创造。

对这种背景进行调查和分析之后,我们非常有信心地认为我们现在正处在一个重大的转折点上——和工业革命所带来的深刻变革几乎相同的重大转折的早期阶段。不仅仅是新技术指数级、数字化和组合式的进步与变革,更多的收益还在我们的前面。在接下来的24个月的时间里,这个星球所增长的计算机能量将超过之前所有历史阶段的增长总和。在过去的24年时间里,这种增长可能已经超过了1 000倍。我们已经数字化的信息是以艾字节为计量单位的,但这些已经数字化的数据信息还在以比摩尔定律更快的速度增长。

我们这一代将很可能会幸运地经历人类历史上两个最让人吃惊的事件:真正的智能机器被创造出来,以及所有人通过共同的数字网络彼此互联。

任何将复杂性和紧密性整合在一起的系统都有两个相互关联的弱点。首先,更容易看到一些微小的疏漏以让人无法预料的序列连续发生,就有可能变成更大的、更具破坏性的大事故。

其次,集复杂性与紧密性于一体的系统更容易成为那些间谍、犯罪分子以及追求极大破坏性的极端分子的选择目标。最近的例子是超级工厂病毒(即Stuxnet蠕虫病毒),它可能就是在政府的实验室里培育的。
直到最近,我们人类还不具备摧毁自身的能力,但今天做到了。而且,由于技术正在变得强大而廉价——而且更加无处不在,所以越来越多的个人手中都已经掌握了这种力量。掌握这些力量的个人并不都是理智的、意图良好的。正像比尔·乔伊(Bill Joy)和其他人士所注意到的,基因工程和人工智能都能创造自我复制的实体。这就意味着,在地下实验室工作的某个人,有一天就可能利用这些技术发动足以影响整个地球的破坏性攻击。

“技术奇点”这个词是1983年由科幻小说家弗诺·文奇(Vernor Vinge)创造的,他预测:“我们很快就能创造比我们自己更高的智慧……当这一切发生的时候,人类的历史将到达某个奇点,这种智力的转变,就如同黑洞中心错综复杂的时空一样令人费解,而这样的世界将远远超出了我们的理解能力。”

文奇和其他一些人士认为,到达这一奇点的进程要受到摩尔定律的驱动。它的成倍累积效应将最终创造出计算处理能力和存储容量比人类大脑还要强大的计算机。

对于数字化的所有事情,最明智的做法就是“永远也不要说绝不会”,但我们仍旧有很长的一段路要走。

因为它们是数字化技术做“类人”工作的例子,它们会使我们认为技术本身正变得像人类。然而,它们却不是。我们人类创造机器的目的是为了做这个世界上动物和人类曾经做过的事情,而不是以自然创造我们人类的方式来创造机器。正像人工智能先驱弗雷德里克·贾里尼克(Frederick Jelinek)精彩表述的:“飞机不会拍打它们的翅膀。”

总而言之,当前的人工智能看起来很智能,但它只是“模仿”的相似。这种状况可能在未来会改变。我们可能已经开始创造跟我们的思维更接近的数字化工具,甚至可能利用我们迅速提升的技能去扫描并描绘我们的大脑图谱。如果我们能做到这些,那些数字化的思维将大大增强我们的思维能力,甚至可能最终把人类思维融入其中,或者它们自己的思维也会具有自我意识。

如果第一次机器革命时代帮助打开了封锁在重塑物理世界的化学键中的能量之源,那么第二次机器革命时代真正的前景就是,它将帮助打开人类的创造之源。

发表评论

Fill in your details below or click an icon to log in:

WordPress.com 徽标

You are commenting using your WordPress.com account. Log Out /  更改 )

Google+ photo

You are commenting using your Google+ account. Log Out /  更改 )

Twitter picture

You are commenting using your Twitter account. Log Out /  更改 )

Facebook photo

You are commenting using your Facebook account. Log Out /  更改 )

Connecting to %s