微粒社会 数字化时代的社会模式

同样的事情正在全世界范围内发生。中国生产苹果手机的代工企业巨头富士康不久前宣布，为节约成本，将购置100万台机器人。在日本，数码相机巨头佳能曾计划于2015年在一些工厂完全利用机器人完成相机的组装，人只需要监督生产过程。相同的事情在大部分纺织工厂中早就成为现实了，就像一则行业笑话讲的那样：“一家现代化的纺织工厂只雇用了一个人和一条狗。雇用这个人是为了饲养这条狗，而雇用这条狗，是为了使这个人远离机器。”

那么，起作用的是这个等式：更多的机器=更少的工作？

答案是：上述两个等式都不对。因为技术进步带来的工作消失极不规律，而其带来的新工作也极不规律。一种职业是否受人尊敬或者被认为是高要求的，如今已经没有人们设想的那么重要了—随着智能机器的不断普及，人们更不会在意这些了。

当前，甚至一些高薪的律师也在经历这种状况。他们的职业长期以来被视为可以与自动化对抗。他们的主要工作是审阅一千份甚至几千份文档，将它们整理成具有可信力并且可以在法庭上呈现的证据。这项工作可能持续数周，而律师的工时费是十分高昂的。现在，计算机正在阅读这些文档。在一个名为“预测性编码”的实验中，人们会找出一些标准的档案模式，然后让计算机程序从中学习一篇文章的哪些内容和特征是重要的。随后，计算机就可以独立地寻找合适的文档，然后由人做出评价，并且在必要的时候为机器提供进一步的学习材料用于更加精确的筛选。通过与一台计算机合作，一位优秀的法律专家可以在几天时间里“阅读”10万份文档，而这项工作之前需要大量律师一起完成。

061

第二章智能革命

同样的事情也发生在医生群体中。一家大型医疗技术集团正在推销一种能够在肠道反射镜检查中替代麻醉师的系统。医生们当然会抗议，但是这种麻醉机器人已经在美国获得了应用许可，而且可能很快就能明显降低此类检查的费用。那么会不会更加危险呢？目前尚不清楚。

我们过去一直秉承的信念，即认知性的、高要求的、高价值的职业将会经受住自动化的冲击，已被瓦解。2001年，科学家戴维·奥托带领团队撰写了一篇备受关注的论文，他们在论文中预测了哪些职业会成为自动化进程的牺牲品，哪些不会。他们具有说服力地将工作划分成例行性工作和非例行性工作，以及手工操作性工作和认知性工作。他们的预测结果有点令人意外：大部分例行性工作将会由计算机完成。

但是例行性工作与非例行性工作的边界正在以迅猛的速度移动。2003年，奥托写道：“驾驶汽车穿越城市或者识别支票上的笔迹，这些并不会被视作例行性工作。”应该说，当时还没有计算机会运算得如此迅速。然而，两年后谷歌公司就展示了他们研发的自动驾驶汽车。那么利用计算机自动识别字迹呢？也不再是问题了。位于德国威斯巴登市的一家名为Vitronic的公司生产的摄像头正在当地的邮政机构完全自动化地识读邮包、信件或者支票上的手写地址，虽然这些摄像头在工作时会发出类似自行车运行时的嗡嗡声。

来自牛津大学的两位研究人员卡尔·贝内迪克特·弗雷和迈克尔·奥斯博纳不久前回顾了自2003年上述研究以来技术进步如何改变了职业的未来前景。他们发现智能的语言识别程序可以精确到使呼叫中心用这些程序替换60%—80%的雇员；他们惊羡于机器人可以完全自主地攀爬到风车上，维护涡轮机；他们佩服那些医疗机器人，虽然它们还不能自己去做手术，但是对于外科医生而言它们的辅助意义非凡—下一代机器人或许就能做一些简单的操作，并且会比人类更加精准。他们还发现了用来写软件程序的软件程序，而且好用得足以使程序员们失业一—程序员这个职业，是一个一直被认为不可替代的职业。

微粒社会 The Granular Society

062

面对这些新型计算机智能，还有哪些工作是需要由人来做的呢？弗雷和奥斯博纳得出的结论是，在就业市场上，敏感的、有同情心且感觉细腻的人类是有未来的。那些机器人最后要学会的能力就是人类的“社会知觉”“谈判艺术”以及“论证能力”。人类的“创造性”以及“变通性”同样突出。但是被弗雷和奥斯博纳视为尤其重要的，是人类“帮助其他人以及为其他人服务”的愿望和天赋。这些品质将人类塑造成社会智能的专家以及改编创作能手，而不是思想者或工匠。

根据人类剩余优势的这些标准，两位研究者分析了702种职业，并计算出了计算机在接下来代替人类的概率。这是一份令人吃惊的清单，比如在那些100%确定将要消失的职业中，就有信贷顾问，因为计算机算法会比人更加精确且更加客观地确定一位顾客的信用情况，而人会受到一些无关紧要的细节，诸如客户的着装、说话方式或者发型等的影响。此外，还有载重汽车驾驶员、裁缝、出纳员、算术一技术助理、保险业务员、快餐馆厨师、矿工，令人吃惊的还有模特—因为计算机会“构造”更好的身体。服装连锁专卖店H&M就在其网站上展示了由计算机生成的一系列女性模特，这些女性模特拥有理想的身材，可以方便且随时改变其肤色和发色。

063

第二章智能革命

仓库的雇员将会被机器人取代，因为机器人可以不知疲倦地全天候搬举150公斤重的集装箱；果品采摘员和芦笋雕刻师要为自动化的机械手臂让位；办公场所将在夜间由吸尘机器人打扫；自动化的药剂提取机将代替药剂师在柜台为病人提供服务。两位研究者认为一半的职业都处于危险之中。

通读了这份清单的人，会感觉像是听到了未来的音乐，而不是现在熟悉的旋律：超市的收银台最终将成为少数例外，由女性收银员占据；而载重汽车的驾驶室里坐着的仍然是男性司机。但是目前的形势已经发生了巨大的变化。人们正大批地转行到服务行业，而人类的社会智能、手工操作能力和个人专注正是这类行业极其需要的品质。1980—2005年间，美国的服务行业在整个就业市场中所占的比例增长了大约30%，德国的情况与之相似。这是一个戏剧性的逆转，在此之前数十年，此类职业在整个就业市场中的比例都是在下降或者保持不变。

我们正在经历已被证实的一种就业市场的结构性改变。智能将重新分配就业市场：计算机将利用在算法上可分解的任务承担那些定义明确的职业，而人类将承担那些模糊的、难以定义且复杂的工作（但是并不意味着这些工作就一定会得到好的报酬)。

微粒社会 The Granular Society

064

这份清单的另一部分是那些暂时被认为安全的职业：治疗医师、社会福利救助人员、营养顾问、牙医、心理学家、教师、运动健身教练、展览管理人、神职人员、护林员、护士、营销经理、董事会主席、乐队指挥、作曲家、环境工程师以及更多的其他职业。这些职业大都将对复杂情景的观察与创造力和对社会以及技术的敏锐感受联系起来。

看到这份清单的人，不可避免地会形成这样的印象：智能革命将首先使市民阶层享有特权。未来前景明朗的职业看重对感性的教育，这种教育正在那些拥有更高待遇的市区—柏林的夏洛腾堡区和汉堡的布兰肯内泽区展开。精英市民的感性将得到回报。

但是又有多少人能够成为治疗医师、教师或者艺术家呢?会有足够多的职位吗？或者我们必须要发明全新的、复杂的服务性职业，让人类换取报酬和面包吗？如果是，又将是什么样的新职业呢？

技术进步一直是把双刃剑。它会毁灭一些工作岗位，同时也能提高生产效率，使得商品更便宜，所有人的福祉也将因此增加。另外，它会使投资转向生产效率更高的行业中去，在那些行业中会产生要求更高的教育训练水平的新工作岗位。因此，一个具有决定性意义的问题就是：我们能够在“教育对抗技术”的赛跑中获胜吗？到目前为止我们可以，但是在未来就不敢保证了。可以想象，计算机很快就会挤压有创造力的、受过教育的、感性的和友善的人类的职业空间，那时人类就会输掉这场与技术对抗的赛跑。

事实上已经有一种经验性的证据表明，这是有可能发生的。加拿大经济学家保罗·博德里正在论证，自2000年以来，对高技能型人才的需求正在下降。原本对于认知性有高要求的任务需求量应该随着高科技行业的发展而上升，但是博德里和同事们从数据中解读出来的情况是，在2000年这一年出现了一个时间节点：对高技能人才的需求提升并没有与技术进步相伴而来。虽然从中提取出深远的结论还为时尚早，数据量还不够充分，而且其他的相关解释还须进行核查，但是答案关系着我们是否还能保持一个以中产阶层为主的社会。

065

第二章智能革命

无论如何，一种社会分裂正在显现：在有人道主义倾向的和感性的人类建立起对抗机器的堡垒的同时，出现了一个由专家组成的新阶层，他们与机器结成联盟，实现真正的高效率。

与机器共同进化

1996年2月，当时的世界象棋冠军与一台计算机进行了第一次人机象棋比赛。为应对来自超级电脑“深蓝”的挑战，当时史上评价最高的象棋选手加里·卡斯帕罗夫接受了这样的评语：“这次比赛是整个人类种族的一场防御战。计算机在现代社会中发挥着巨大的作用，它们无处不在，但是存在一条计算机不能逾越的边界—它们不应当在人类的创造性领域挺进。”

然后卡斯帕罗夫就震惊了人类，在那次比赛中他输掉了首个回合。不过无论如何他还是咬牙坚持，并最终以令人信服的4:2的比分赢得了这次较量。但是一年以后，他以2.5:3.5的比分输掉了整场比赛。在最后一个回合的较量中，他甚至遭受了职业生涯中最快的失败。机器因此羞辱了人类。

微粒社会 The Granular Society

066

这个故事经常被谈及，但是象棋比赛的后续进展如何却很少被关注。有一段时间，象棋比赛是人类和机器分开进行的，但是纯粹的计算机象棋让人感到无聊：一方面计算机常常无法理解象棋的精妙，另一方面在对弈的过程中它们缺乏感情。而且机器被很快证实并非是最好的象棋玩家。受益于它们的数据库，计算机可能知道所有曾经对弈过的赛局，它们可能提前分析了好多步，它们可能会打败世界冠军—但是它们并非是不可战胜的。

关于人和机器谁更厉害的问题，现在有了非常清楚的答案，那就是：不是两者中的任何一方，而是两者结合在一起。

在国际象棋中，这种人机联合被称作自由式国际象棋。人类与机器结盟，象棋水平达到了史上最高。自由式国际象棋界的一位大师名字叫Ibermax或者Intagrand。其后隐藏着安森·威廉姆斯，一位来自伦敦的、拥有非洲加勒比血统的、瘦削的、笃信宗教的工程师和程序员，他虽然热衷于电脑跑车游戏，技艺高超，而且不看乐谱就可以弹奏约翰·塞巴斯蒂安·巴赫最难的钢琴曲，但是在国际象棋领域充其量是一个中等棋手。如果没有他的计算机，没准他经过努力有可能在当地的象棋俱乐部称雄，但是有了计算机，如虎添翼，他可以与世界象棋精英争锋。

在自由式国际象棋竞赛中，威廉姆斯几乎不看木质棋盘，而是从一台电脑前迅速移动到另一台电脑前，这些电脑中同时运行着不同的计算机程序。威廉姆斯的艺术在于，他极为清楚每一个程序的优点和弱点，并且知道在哪种位置上程序需要花费更多时间或者什么时候在某个位置通过冒险“出击”可能使对手面临全新的问题。他还能从对手的棋步中推断出其是否相信某种特定的象棋程序，然后利用对手的弱点。

067

第二章智能革命

在2007年于西班牙本尼多姆举办的自由式国际象棋竞赛中，威廉姆斯曾战胜过一位国际象棋大师，他通过在一个毫无希望的位置上疯狂快速地走出一系列由计算机计算出的棋步，使得对手完全失去招架之力。在经过多达111步的高强度较量后，那位大师精疲力竭地放弃了。

最优秀的自由式国际象棋选手好像具有超自然的天赋，他们能够认识到什么时候应该信任计算机，什么时候应该信任自己。他们异常清楚地知道计算机的弱点，同时也清楚自己的弱点。正是因此，即使是比较差的象棋选手也能在自由式国际象棋比赛中表现出色：他们谦虚却不自负，他们知道自己并不一直比计算机更了解象棋，只是有时候而已。

这些自由式国际象棋选手就是这样以某种方式克服了加里·卡斯帕罗夫描绘的矛盾：比赛中的关键不再是人与机器的对战，而是两者的共生。一些人因此将这种比赛称为“半人马象棋”①，这是根据希腊神话中一个人与马混合的半人半马怪物命名的。自由式国际象棋选手在回答人与机器谁有优势的问题时会视情况而定。其中的艺术在于发现哪一方应该在哪种情况下掌握领导权——是人还是数字化智能。这是未来所有领域都将面临的问题，而且我们所有人都必须以某种方式学习自由式国际象棋。

微粒社会 The Granular Society

068

① 此处德语原文为Zentauren-Schach，Zentauren是一个希腊神话中半人半马的怪物，正好契合文中人与计算机的联合。——译者注

首先，我们应该树立不再与机器对抗而是与其合作的观念。这适用于医学、法律、科学领域或者工厂。在个体生活中，我们早就理解了这一点，没有人会反对自己的智能手机；而在社会层面，我们仍然将人类智能和人工智能描述成对立的事物。

这种对立之所以发生在我们身上，原因在于我们经常认为机器会在某一天取代我们。这当然不符合实情。机器最多会顶替一些职位或者工作流程，但是它们不能取代人类—与人类相比，它们完全是另外一回事儿。而这对于理解微粒社会是具有决定性意义的：对于我们人类而言，机器永远都是外来物种，是异类，这样它们才能作为可爱的机器人或者无害的屏幕出现。因为对于我们而言，它们的优势建立在完全不一样的能力之上。

它们不知疲倦，而且能够在任何时间通过一款新的、更好的软件得到升级。这虽然好，但不是决定性的。更重要的是，智能机器不必与我们大脑所负载的一切竞争。它们没有意识、感觉和愿望，也没有希望和渴望，只是使用符号，使用数字和信号。这些东西意味着什么，对它们而言无关紧要。

本来计算机只能做一件事情—运算，但是人类生活中可以数字化的东西多得令人吃惊。比如象棋是由具有某些特定值的坐标组成的坐标网络，是可以计算出来的；视频是不同色彩强度值和使其转变成其他色彩的指令；歌曲是不同频率的波谱；潜在的恋爱对象是各种参数间的相关性和发生概率；声音对于“社会测尺”而言就是利用音高所计算的讲话速度。

069

第二章智能革命

相反，人类必须一直从所有事物中感知到意义，这是费力的，同时这会急剧地拖慢我们的生活节奏——但会使我们的生活有价值。一朵花对于一台计算机而言就是色彩值、像素大小；但是对于我们来说，它要么意味着对上一次生日的回忆，要么是哀悼某个喜欢花的已故的女朋友，要么是某个博物馆的一幅图片，要么是春天草地的香味，或者让人想到普罗旺斯厨房桌上那朵枯萎的花……

我们想知道计算机会在哪些方面超过我们。严格来看，计算机不过是利用1和0的差异在工作。但是在计算机代码之上，重要的是区分不同的状态。意大利女哲学家埃莱娜·埃斯波西托曾写道：“机器只是在利用这样的差异。”因此，它们具有“意想不到的解析能力和解构思想的能力”。

机器与人类的这种根本差异，可以通过谷歌搜索引擎直观地看到。谷歌搜索引擎具有一种“记忆”功能并且可以“记起”所有的网页，可以说，比我们曾经所能做到的好得多。但事实是：机器根本没有记住任何东西。我们以为它们要认识甚至理解那些网页，要顾及这些网页的上下文和存在用途。但是谷歌搜索引擎是通过大约200种变量最终计算出搜索结果的，而这些结果和某个网页的内容几乎一点关系都没有，关键的是链接、点击量和其他更多的东西。

谷歌只是没有被与我们相关的内容拖累，它才可以如此迅速。它之所以“记得”那么好，是因为它忘记了很多或者说根本就不知道。谷歌最大的优势就是忘记的能力，而我们人类最大的优势就是不会忘记的能力。因此我们拥有历史或者某个故事，而计算机拥有的是计算路径(可能还有未来）。

微粒社会 The Granular Society

070