不久，“超級人工智能”出現(xiàn)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(xiàn)讓“人工智能導致失業(yè)”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(jié)，能寫代碼，能做 PPT，可以說它的技能基本上覆蓋了當代白領(lǐng)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(tǒng)上認為只有人類才能做的，需要高階思考能力和創(chuàng)造力的工作，現(xiàn)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?nèi)ニ屯赓u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(xiàn)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(fā)明了“正子腦（Positronic brain）”這種技術(shù)，從而可以大規(guī)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(fù)雜的設(shè)計、控制、系統(tǒng)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，對象被簡單的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(shù)史角度來看，也會發(fā)現(xiàn)：創(chuàng)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(fā)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(fā)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(shù)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(wù)，對于現(xiàn)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(chǎn)線丨Giphy

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

怎么會出現(xiàn)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(fā)現(xiàn)了這個現(xiàn)象：跟傳統(tǒng)假設(shè)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·平克（Steven Pinker）曾在他的《語言本能》里說過：經(jīng)過 35 年的人工智能研究，發(fā)現(xiàn)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(xiàn)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(yīng)該都對此有深切感觸。掃地機器人經(jīng)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的應(yīng)對哪怕對人類來說并不復(fù)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(yīng)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(lián)系起來，并且做出“現(xiàn)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(tǒng)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(tǒng)確認了前方“物體”是行人，制動已經(jīng)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(zhì)則無關(guān)緊要。

這種的情況大量出現(xiàn)在類似汽車行駛這樣高度變化的、不確定的環(huán)境之中——在這種需要快速的識別周遭環(huán)境并且做出決策的情況下，人工智能的表現(xiàn)總是不盡如人意的。它們的表現(xiàn)往往是兩種：一，能夠快速的做出反應(yīng)但是無法適應(yīng)環(huán)境變化；二，需要大量的數(shù)據(jù)和計算力來識別環(huán)境變化，從而發(fā)生嚴重的響應(yīng)延遲。

為什么會存在“莫拉維克悖論”？

現(xiàn)在，我們可以重新審視“古早年代”的那個假設(shè)了。這個假設(shè)認為，我們?nèi)祟惖母唠A推理和計算能力對人類自己很困難，所以它應(yīng)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(yīng)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(diào)動大腦里“并不怎么完善的結(jié)構(gòu)”去運行這些程序。

而感知運動能力，可以說，自從地球上出現(xiàn)了動物，這方面的演化就已經(jīng)開始。所有的生物都需要感知周遭環(huán)境，做出決策，驅(qū)動身體運動。感知運動和環(huán)境適應(yīng)都是地球生物幾十億年進化的結(jié)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(wù)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(wù)基本上完全自動化了，所以我們?nèi)祟愒趫?zhí)行這些任務(wù)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(xiàn)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(yè)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(chuàng)意，對抽象知識的掌握，等等，也就是現(xiàn)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(jié)合”，或者概括為“手藝”。目前而言，人工智能在任何需要手眼結(jié)合的領(lǐng)域，其表現(xiàn)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(lǐng)域中擇一——要么能夠?qū)⒆约旱母唠A思維能力磨練到超過 AI 的水平，并且能夠利用 AI 發(fā)展生產(chǎn)力；要么就是干脆去學一門“手藝”，在 AI 暫時無能為力的領(lǐng)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(nèi)卷繼續(xù)。