硅谷风投大佬纷纷出场谈人工智能: 人类就业不会被机器碾压?

来看最近一周美国创投界最重要事情之前,我们先来看一张图:

人类就业机会不会被机器挤压?

这个图由硅谷早期投资机构 At16Z 合伙人 Chris Dixon 抛出,他在写了篇热文 What’s next in the computing 后,回答了一个问题:自动化的大量发生将对”社会”造成什么影响?也就是我们担心了很久的:机器/计算机可能对人类就业机会造成什么冲击。

Chris 两个观点是

  • 计算机会自动完成很多工作,但同时带来(商品)价格的下降;
  • 历史性看,新技术会引发工种消失,但人类原先根本没想过的新工种也会由此被创建。

上图就是很好例子:一个工种在 1984 年后持续下降;但另一工种,在这一时间段同时大幅上涨。因此 Chris 表示:

我对由此造成的“社会问题”乐观!

不过仔细想一想:这种乐观,只是对整体“人类学”意义上的乐观,因为从微观角度看:还是会有大量人失业,被淘汰掉工种的劳动力,未必就具有新工种所需要的技术含量,人类还是得内部消化……

达尔文的“物竞天择”依然残酷

拉里.佩奇观点?

如果我没记错,谷歌联合创始人拉里.佩奇其实也提出过他思考。他说:人会因为很多东西感到快乐,比如“占有性质”的那种快乐,像拥有房子、安全,以及让自己小孩能有很多机会等等诸如此类。

但这些资源创造,其实不难,而且要满足这些资源供给的劳动力也不需要那么多,可能只需要现在劳动力的 1%,甚至比例还要低。拉里进一步指出:所以认为每个人都需要疯狂去工作,以去满足人类需求,这种想法是非常错误的。

真正问题是:如果什么事都没得做,人这种动物会不高兴,因为他需要感觉自己“被需要”,包括觉得自己有价值/具备生产力。

拉里认为:这其实也是很多人会去疯狂做那些没必要做的事情的原因,包括破坏环境,因为他们需要释放,以及感到自己在做事情……

拉里的解决方案:

如果一个国家未来因为“自动化”问题产生大范围失业,国家可以把每个人的工作时间缩短,然后,尽可能去雇更多“兼职工”,而不是”全职工“,也就是把岗位需求“平摊”。但恐怕这个问题很难由市场机制解决,因为所有企业主都会喜欢生产力最高的员工,并希望将其占为己有,因此,只能由“国家”作为一个主体去作出调整,缩短每个人的每周工作时间。

下个 Wave 是什么?

不过,本周最好议题来自 At16Z 的 Benedict Evans,他提出一个命题引人深思,大概逻辑是:

电脑扰乱大型机,移动则反过来破坏电脑,而观察它们如何破坏或替代前者过程可以知道:首先第一步:是新生态系统产生了更大规模的消费级用户群(想想看,Smartphone 其实产生了很多新的不用 PC 的用户),并且只有在此之后,这个新生态系统才可能打败老的那个。

但问题是:未来几乎地球上每个人都会有智能手机,那么也就意味:要看到下个巨大生态系统会来自哪里的可能性已经非常困难,因为几乎很难看到还有生态系统在“规模化”上的巨大程度会超过智能手机。

要破这个题狠难

Benedict 继续推导:如果说下个 Wave 是物联网,物联网的确是产生了更多个人的“东西”,但它和 AR/VR 一样都有使用智能手机组件,这个意义上说:它们和智能手机生态系统的关系更像是一种“延伸”而非“替代”,这里似乎只有 AI 是例外,它无处不在,且确实会让人注意力从手机转移,就像移动做到了让人注意力从 PC 上转移一样,由此 Benedict 怀疑:AI 可能是下个 Wave。

他还用微软例子做了比喻

比方说,微软胜利时刻其实是在 1995 年的 Windows 95,之后,科技主题转向互联网,微软再没有在编程语言、文件格式及网络协议方面拥有过决定权。但微软在 1995 年后却销售出了非常多 Windows。毕竟,人们怎么才能上网呢?也就是说:Windows 在其中起到的“重要性”是越来越小了,不过,它的销售量却反而越来越多。

换句话说,Benedict 认为自己回答不了有什么和智能手机生态系统没相关性的东西在经济体规模化上会大到可以“替代”智能手机生态系统,因此引入“什么会让人类注意力从智能手机上转移”这一概念,这其实是进行了 Wave 界定的概念切换。

即:不需要彻底 Replace,只要能做到把人注意力转移就是下个 Wave,好比互联网其实没有真正替换掉 Windows,后者“经济体”在互联网成为主宰时实际上是越来越大,但互联网的确做到了把人类注意力从 Windows 转移。

Chris Dixon 则完全跳开这个逻辑推导而提出了另一个能自圆其说的答案,他认为:如果说以前技术周期都有一个唯一核心主题,比如某个时代是 PC,某个时代是互联网,某个时代是智能手机,那么“移动”可能是这种“唯一模式”的终结者,人类目前很可能已经站在多个而非一个时代的浪头。

可能也只有这个解释,能圆满回答我们如此好奇希望 Figout out 什么是“唯一性未来”的问题了。

这次真的不同?

下面是投资机构 At16Z 刚刚传上的一段音频核心思想,这个机构研究和交易团队的头 Frank Chen 以及 board partner Steven Sinofsky 分享了他们观点。

音频长度 30 分钟,讲了 AI 已经炒作和让人失望一段时间,比如打败这个、打败那个,但几度兴奋后,也没看到什么广义人工智能方面的大东西,那么,为什么“这一次”(谷歌 AlphaGo 战胜李世石)是真的不同呢?

终于讲到 AlphaGo 了……

“以前的话都是资料放在资料库,对方下一步,AI 马上进入资料库里找解决方案,这种方法不但慢,而且很占空间,这次 AI 采用的是新式对战方法 Deep Learning,通过无数次与别人对战来学习并教会自己如何去下,然后赢得比赛(就像人通过观看其他人怎么下棋,然后自己学习后超越那个人)。

1800-1900 时人们研究 AI 都是从模仿人类大脑等角度切入,比如 1900 年代有个实验,就是通过采访一个人,比如医生,然后问你们是怎么判断病人得了什么病需要什么治疗的?经过千百次的问,终于粗略把所有信息都输入 AI 记忆卡,希望以此可以让他模仿人类思考。

结果非常失败,因为他们终究不能思考,所以单单凭靠着资料还是不能很准确规划或治疗一位患者(医学上,每个患者都很特别,再精准分类也不能达到百分之 100 的正确率),这时科学家们还有各种对未来的规划和野心,因为发展方向不对所以都失败了,导致大家对 AI 很失望。

现在,人们不再以模仿人类大脑为目的设计 AI,因为说到底,我们自己都不知道大脑怎么工作,所以科学家们开始试图让 AI 自己思考,以庞大资料库为经验/参考,而不是刻板地把这些东西当作必循教规。

这种方法的确有效提高了正确率,但我们却也因此无法推测机器下一步想法,因此 AI 是通过自己经验来判断,没有规律可循,这方面 Debug 也几乎是不可能的:

  • Old AI: 有资料,需要用时才去找(死脑筋,不灵活);
  • New AI:有资料,它会看这些资料,然后通过这些资料去做最有利推测,比如:如何分辨一只真猫和一个猫的照片?
  • Old AI: 寻找之前关于猫的信息,根据资料辨别真假;
  • New AI:看完资料后,自己推测它是真猫还是照片;

发表评论

邮箱地址不会被公开。 必填项已用*标注