图灵奖得主杨立昆：谁将是人工智能的受益者？

人工智能引发了一系列的问题。它改变了社会，引起了经济变革，如同其他任何一项技术革命一样，它也创造了新的职业并使一些职业消失。谁将是其中的受益者呢？

谁将从人工智能革命中受益？

一些杰出经济学家将人工智能视为“通用技术”，认为它将在未来几十年中不断传播并深刻改变经济生活。我们在历史上创造的“通用技术”还有蒸汽机、电力、计算机等。像以前的技术变革一样，人工智能也将取代一些行业。

19世纪70年代时，法国有50%的人以农业为生，而这一比例在2019年降至5%。我们适应过时代，现在我们需要再次适应。部分就业人口的技能已无法应对社会的需要，他们必须接受新的职业培训以适应新的工作，或者由社会来接管他们。

我担心目前这种进展的加速会导致越来越多的人失业，但是专门研究这些问题的经济学家给我吃了一颗定心丸。例如，麻省理工学院的埃里克·布林约尔松（Erik Brynjolfsson）和其他一些经济学家曾断言，“通用技术”渗透经济的速度会受到工人学习如何利用它所需时间的严格限制，这个过程需要15～20年。

我不确定人工智能革命是否会让所有人受益。深耕于有资质的、创新型的、专注于人际关系或人力资源职位的人更有可能保住工作。

有一件事是可以确定的：人工智能及其应用无法参与竞争的东西会变得更有价值，这是已经得到证明的人类经验。自动化大幅度降低了制成品的价格，随着人工智能在工业界的渗透，这种趋势将会继续，甚至加剧，但是服务业、手工业和房地产业不会以相同的方式受到影响。

举个例子，我们每个人都可以花不到两欧元的低价或通过订阅的方式聆听最喜欢的音乐家的作品，然而如果要欣赏摇滚音乐会或歌剧，我们就需要支付50～300欧元。区别在于，独特的事物赋予了生命独特的时刻。一顿大餐，参观自然景点或博物馆，听一场爵士乐音乐会ÿÿ我因为能够做这些事情而感到高兴。我们越来越重视创造力和独到的体验，越来越不看重大众化的产品。在健康、艺术、科学、教育、体育等领域的职业中，感性的方面在未来将占有重要的一席之地。

如何解释人工智能？

一些悲观主义者认为深度学习系统是“黑匣子”，但他们错了。工程师可以深入检查神经网络的功能，包括所有的细节。诚然，当神经网络具有数百万个单位和数十亿个连接时，似乎很难完全理解它的每一个决策，但这不正是所有智能决策的特点吗？

我们不了解让出租车司机、工匠、医生或航空公司飞行员完成他们的工作的神经机制，更不了解用来寻找松露的狗如何挖掘出芬芳的“黑色钻石”，但我们相信他（它）们。为什么要对一台反应更快、不知疲倦、从不分心的机器提出更高的要求呢？当你可以证明它比人类更可靠时，为什么还要对它产生怀疑呢？

人工智能系统每天做出数万亿个决策，其中大多数都与查找、分类和过滤信息以及一些稍显无聊的应用程序有关，例如应用于照片和视频的效果。你是否真的愿意花时间和精力来详细了解它们？人工智能的工作能够带来令人满意的效果，这不就够了吗？

而且使用没有深入了解其运行机制的系统是一种常见的现象。许多常用药物都是通过反复试错获得的，而我们对其作用机制了解甚少。比如，锂通常被用于治疗躁狂抑郁症，但它的作用机制至今仍是一个谜。我们熟悉的且在日常生活中不可被替代的阿司匹林是有史以来使用最广泛的药物，它于1897年首次稳定合成，可是直到1971年我们才明确其作用机制。

当我们无法完全说明系统的行为时，那么其市场流通就必须经过测试过程，测试的协议是受控且开放的，例如在药品进入市场之前进行的临床测试，或者用于新飞机的合格认证程序。对于做出关键决策的人工智能系统也必须如此。

另一个问题：投入实际应用的人工智能是否必须100%可靠？没有必要。同样的道理，为什么对人工智能的要求比对其他决策辅助系统的要求更高？医学每天都在使用的测试系统，其可靠性并非完美无缺，但我们不会质疑其有效性。例如，疾病的检测始终存在一定比例的假阳性和一定比例的假阴性，并且必须在两者之间进行权衡。如果对检测结果有任何疑问，医生将无法下诊断。

既然如此，那为什么要对人工智能有更多的苛求呢？我的朋友莱昂·博图始终认为，现代社会产生的数据量与存储方式或网络速度一样，都在以相同的速度呈指数级增长。但是，人类处理这些信息的能力并没有如此迅速的增长，在某些时候，人类的大多数知识将由机器从数据中提取并存储。利用机器学习系统我们总可以轻松提出建议，无论建议的程度是深还是浅。我们需要做的是进行灵敏度分析，以便找到能够改变决策的最小输入干扰。

几个世纪以来，人类已经习惯自己的生理和心理能力被其他工具超越了：打磨过的石头和刀具比牙齿更坚硬；耕畜、拖拉机和挖掘机比我们的体力更强；马、汽车、飞机比我们的双脚移动得更快；计算机的计算速度比人脑更快。技术发现提升了我们自身的能力，机器智能也将延展人类智能。

就像其他技术革新的时代一样，人工智能正在颠覆我们的时代。于我而言，我相信人工智能具备大大改善我们生活的能力，但我也相信它有制造问题的能力。对认识自我的渴望驱动着我们对机器智能的探索与追寻，对人工智能的研究和对人脑的研究相辅相成。因此，人工智能也是未来几十年我们要面临的一项巨大的科学技术挑战。

杨立昆（Yann LeCun） | 文

杨立昆是图灵奖得主、Meta首席人工智能科学家。

内容发布于杨立昆《科学之路》一书，本文有编辑删减。

The Thinker

AI 时代，我们更加需要能够穿越学科边界、连接思想与现实、在长期视角中讨论技术意义的思考者。The Thinker 内容共创计划应运而生，希望在加速变化的时代，保持判断力，保留复杂性，为关于科技与社会的公共讨论提供理性的洞见。The Thinker 共创的内容将面向企业决策者、科研人员、政策与产业观察者等读者群体，形成长期可积累、可引用的思想内容。

欢迎向The Thinker专栏投稿，参与AI时代的公共讨论。

本文同步发表于《信睿周报》第167期

点击下方链接购买↓

联系方式

投稿、广告、内容和商务合作

newmedia@hbrchina.org