未来简史：从智人到智神

我们回想一下，马在工业革命开始后命运如何。任何一匹农场里的马，不论是在嗅觉、爱的能力、认人的能力、跳过栅栏的能力或是其他上千件事情上，绝对都远高于历史上首款平民汽车福特T型车，或是价值百万美元的兰博基尼。然而，马仍然被汽车取代，原因就在于汽车在社会系统真正需要的那少数几个领域中胜出。出租车司机很有可能也会步马的后尘。

事实上，如果规定所有车辆都不得由人驾驶，并将整个交通控制权交给计算机算法，就能将所有车辆连接成单一网络，大大降低车祸发生率。2015年8月，谷歌实验中的无人驾驶汽车发生了车祸。当时这辆车正接近一个十字路口，发现有位行人想过马路，于是刹了车。但接着这辆车就遭到后方车辆追尾，后面那辆车的人类司机心不在焉，可能正思索着宇宙的奥秘，结果就忘了看路。如果两辆车都是由互相连接的计算机来指挥，这种事就不可能发生。控制驾驶的算法能够清楚掌握每辆车在路上的位置和行动方向，绝不可能允许自己操纵的两辆车就这样相撞。如果能有这样的系统，就能大幅节省时间和金钱，并且拯救人的生命；只不过，这也会剥夺人类开车的体验，砍掉几千万人的工作机会。^[24]

一些经济学家预测，人类若不能变得更强大，迟早会变得完全没有用途。机器人和3D打印已经开始取代人力，比如制衣等手工业，而高智能的算法也即将在白领职业中掀起同样的风暴。不久之前，银行工作人员和旅行社工作人员似乎还不受自动化影响，但现在他们却濒临失业。如果我们只要用智能手机就能买到机票，为何还需要旅行社人员？

股票交易员同样面临这种危险。现在大多数的金融交易都已经通过算法来管理，只要一秒，能处理的数据量就比个人花上一年处理的数据量还要大，而且瞬间就能做出反应。2013年4月23日，叙利亚黑客入侵美联社官方推特账户。当天13点07分，他们发出推文，称白宫遭到攻击、奥巴马总统受伤。各个持续监控所有新闻媒体的交易算法瞬间做出反应，疯狂抛售股票。道琼斯指数如同自由落体，短短60秒大跌150点，相当于有1360亿美元瞬间蒸发！13点10分，美联社澄清，表示该推文并不属实。于是算法开始倒车，到了13点13分，道琼斯指数几乎已经完全收回先前的损失。

2010年5月6日，纽约证券交易所还经历过更剧烈的震荡。在14点42分到14点47分这不过五分钟的时间内，道琼斯指数狂跌1000点，1万亿美元烟消云散。但接着，只花了三分多钟，指数就回到了狂跌前的水平。把我们的钱交给超高速计算机程序来操作，就是会发生这种事。这次事件被称为“闪电崩盘”（FlashCrash），而专家还在努力研究这一切究竟是怎么回事。他们知道一定是算法出了问题，但无法确认错在哪里。美国部分交易商已经对算法交易（algorithmictrading）提起诉讼，认为这种做法是对人类的歧视，人类在反应速度上绝不可能与之匹敌。仅是讨论这是否真正构成侵权，就会给律师带来大量的工作，当然也有大量的收入。^[25]

这里讲的律师也不一定是人。在电影和电视上，似乎律师整天在法庭上喊着“反对”，然后发表慷慨激昂的演讲。然而，大多数普通律师得花上更多时间的，反而是翻阅海量文件，寻找判例、漏洞，或是那一丝丝可能相关的证据。有些得忙着找出某人被杀的当晚究竟发生了什么事，也有些忙着写出厚度惊人的商业合约，确保客户避开任何目前可知的风险。如果有一天，复杂的搜寻算法只要一天时间，找到的判例就能比一个人花一辈子找到的还要多，而且只要按个按钮进行脑部扫描，就能戳破所有的谎言和欺骗，这些律师该何去何从？仅靠观察脸部表情和说话语调，就算是经验极其丰富的律师和侦探，也很难准确判断对方是否心口一致。然而，说谎用的脑部区域和说实话的脑部区域大有不同，虽然目前尚未实现，但已经可以想象，在不太遥远的未来，功能性磁共振成像扫描就能用作几乎绝对精准的测谎议。这样一来，几百万的律师、法官、警察和侦探还能做什么？岂不是得回学校再学个新的专业？^[26]

但等到他们进了教室，却很可能发现等着他们的还是算法。Mindojo之类的公司，正在开发互动算法，不只能教授数学、物理、历史，还能同时研究教授对象这个人。这种数字教师会仔细监测我答了什么，花了多长时间。一段时间后，它们就能判断出我个人独特的优缺点，也知道什么能让我精神一振，什么会叫我眼皮下垂。它们可以用最适合我人格类型的方式来教我热力学或几何学，无须担心这种方式并不适合其余99%的学生。这些数字教师永远不会失去耐心，永远不会对我大吼大叫，也永远不会罢工。问题在于，都已经有了这样有智慧的计算机程序，我为什么还需要学习热力学或几何学？^[27]

就连医生也无法幸免。大多数医生最主要的任务，就是正确诊断疾病，制定最好的治疗方案。如果我因发烧、腹泻去诊所，病因可能是食物中毒。然而，同样的症状也可能是因为肠胃病毒、霍乱、痢疾、疟疾、癌症，或是什么未知的新疾病。医生只有几分钟时间就要做出正确的诊断，因为我的保险就只付得起这么多时间。所以，医生只能问几个问题，或许再快速做个简单检查，接着就得用这少得可怜的信息，结合我的病史以及所有人类的疾病来做出判断。唉，不管医生再怎么认真，又怎么可能记得住我以前生过什么病、做过什么检查？同样，没有哪位医生能够熟悉每种疾病和药物，也不可能读过医学期刊上的所有最新文章。最重要的是，医生如果累了、饿了，甚至生病了，都会影响判断。这也就难怪医生有时会误诊，或者给出的并非最理想的疗法。

现在让我们来看看IBM著名的超级计算机“沃森”，这套人工智能系统2011年在电视益智抢答节目《危险边缘》（Jeopardy!）中获胜，击败该节目史上最强的两位参赛者。而目前“沃森”的工作则严肃许多，主要就是诊断疾病。像“沃森”这样的人工智能，比起人类医生会有某些巨大的潜在优势。第一，人工智能可以将史上所有已知疾病和药物的信息全部存在数据库里。而且这种数据库还能每天更新，不仅包括最新研究结果，还能接收到世界上所有相关诊所和医院收集到的医疗统计信息。

第二，“沃森”不仅能熟知我的整个基因组、完完整整的病史，甚至连我的父母、兄弟姐妹、表亲、邻居和朋友的基因组和病史，它也一样了如指掌。“沃森”能立刻知道我是不是最近去过热带国家，是否胃部感染痼疾，家族是否有肠癌病史，又或者是不是最近全城的人都在抱怨腹泻。

第三，“沃森”永远不会说它累了、饿了或病了，它能随时为我诊断。我可以舒舒服服坐在沙发上，回答几百个问题，告诉“沃森”我究竟感觉如何。对大多数患者来说（或许除了疑病症患者），这会是个天大的好消息。但如果你今天才进医学院学习，希望自己在20年后能当个家庭医生，或许就该重新考虑了。有了这样的“沃森”，哪还有福尔摩斯出场的机会？

这种威胁影响的不仅是家庭医生，就连专科医生也无法幸免。而且事实上，钻研于相对专精领域（如癌症诊断）的医生，可能更容易被取代。最近一项实验中，计算机算法能够正确诊断90%的肺癌病例，但人类医生的正确率只有50%。^[28]所谓的未来，其实已经来临。目前，用专门算法处理电子计算机断层扫描（CT）和乳房X射线照相检查已是常规，不仅能够为医生提供参考意见，有时还能发现医生未注意到的肿瘤。^[29]

目前仍有许多技术问题，让“沃森”及类似的人工智能不可能明天一早就忽然取代大多数的医生。然而，虽然这些技术问题确实棘手，解决后却是一劳永逸。人类医生的培训是一个复杂而昂贵的过程，费时多年。而且，经过大约10年的学习、实习，终于完成整个过程之后，也只是培养出了“一位”医生。想要两位医生，只能从头再来一遍整个过程。相对地，只要解决了阻碍“沃森”的技术问题，能得到的不是一位而是无数位医生，能够在全世界每个角落、全年无休提供服务。因此，就算得花上1000亿美元才能解决这个问题，长远看来，还是比培训人类医生便宜得多。

当然，并不是所有的人类医生都会就此消失。至少在可预见的未来，那些需要创意而不只是日常诊断的工作，还会继续由人类完成。正如21世纪的军队逐步扩增精英特种部队，未来的医疗也可能有更多等同于医疗界游骑兵或海豹突击队员的医生。但正如军队已不再需要几百万士兵，未来的医疗也不会需要几百万名家庭医生。

医生面临的情境，对药剂师来说更是如此。2011年，旧金山就开了一家药店，由机器人担任药剂师。顾客上门之后，机器人只要几秒就能接收到这位顾客的所有处方、服用药物的详细信息，以及顾客可能对哪些药物过敏。机器人会先确认新的处方不会造成过敏，也不会与其他药物产生不良反应，接着才会为顾客配药。开业第一年，机器人药剂师开出超过200万张处方，一个错都没犯。而平均来说，人类药剂师配药错误的比例大约占所有处方的1.7%。也就是说单单在美国，每年就会有超过5000万张处方配错！^[30]

又会有人说，就算算法在专业技术方面优于医生和药剂师，却永远无法取代人性的温暖。假设CT扫描显示你得了癌症，你希望告诉你这个消息的是一台冰冷的机器，还是一个会注意到你情绪的人类医生？如果还有另一台机器能注意到人类情绪，会依据你的感受和人格特质调整用词，这下该怎么选？请别忘了，生物也是由各种算法构成，而“沃森”探测人类情绪的准确度，可以和探测肿瘤的准确度一样高。

“沃森”分析这种外部信号的准确度不仅高于人类医生，甚至还能同时分析一般人看不到、听不到的内部指标。“沃森”能够靠着监测你的血压、脑部活动和其他无数生物计量资料，清楚知道你的感觉。而在分析数百万笔过去收集的社交信息后，“沃森”就能用最适当的音调、你最想听的词语，告知你需要知道的事情。虽然人类总对自己的情绪智能洋洋得意，却也常常受情绪影响，做出消极反应。比如你遇到一个愤怒的人，自己也开始大吼大叫；听一个忧虑的人讲话，自己也忧虑了起来。“沃森”永远不会被这种诱惑影响，它没有自己的情绪，所以永远只会依据你的情

绪状态做出最恰当的反应。

这种概念目前已经应用到某些客户服务上，比如芝加哥的Mattersight公司就设计出此类软件。Mattersight的产品广告词是：“是否曾和某个人说话，觉得心弦被触动？那种神奇的感受，正是人格匹配的结果。Mattersight将让全世界的客服中心都能创造这种感受。”^[31]通常，打电话咨询客服或投诉的时候，大概要花个几秒钟，把电话转给专员。而在Mattersight的系统里，电话会由一套聪明的算法来负责转接。算法会先请你说出致电原因，接着聆听问题，分析你用的词语和语调，以此推断你当时的情绪状态甚至性格类型（内向、外向、反叛或依赖）。根据这套信息，算法再为你转接至最适合你当时心情并符合你个性的专员。算法能够判断，你需要的该是具备同情心、能够耐心听完投诉的客服，还是毫不废话、立刻提出技术解决方案的客服。搭配越得当，顾客就越满意，客服也就能降低服务时间和成本。^[32]

无用阶级

21世纪经济学最重要的问题，可能就是多余的人能有什么功用。一旦拥有高度智能而本身没有意识的算法接手几乎一切工作，而且能比有意识的人类做得更好时，人类还能做什么？

纵观历史，就业市场可分为三个主要部门：农业、工业和服务业。在大约公元1800年前，绝大多数人属于农业部门，只有少数人在工业和服务业部门。到了工业革命时期，发达国家的人民就离开了田野和牧场。大多数人进入工业部门，但也有越来越多的人走向服务部门。到了最近几十年，发达国家又经历了另一场革命：工业部门的职位逐渐消失，服务业大幅扩张。2010年，美国的农业人口只剩2%，工业人口有20%，占了78%的是教师、医生、网页设计师等服务业从业人员。但等到机械的算法在教书、诊断病情和设计方面比人类更在行的时候，我们能做什么？

这个问题以前就出现过。自工业革命爆发以来，人类就担心机械化可能导致大规模失业。然而，这种情况在过去并未发生，因为随着旧职业被淘汰，会有新职业出现，人类总有些事情做得比机器更好。只不过，这一点并非定律，也没人敢保证未来一定会继续如此。人类有两种基本能力：身体能力和认知能力。在机器与人类的竞争仅限于身体能力时，人类还有数不尽的认知任务可以做得更好。所以，随着机器取代纯体力工作，人类便转向专注于需要至少一些认知技能的工作。然而，一旦算法在记忆、分析和辨识各种模式的能力上超过人类，会发生什么事？

如果认为人类永远都能有自己独特的能力，无意识的算法永远无法赶上，这只能说是一厢情愿。对于这种空想，目前的科学反馈可以简单概括为三项原则：

1.生物是算法。每种动物（包括智人）都是各种有机算法的集合，是数百万年进化自然选择的结果。

2.算法的运作不受组成物质的影响。算盘的算珠无论是木质、铁质还是塑料质，两个珠子加上两个珠子还是等于四个珠子。

3.因此，没有理由相信非有机算法永远无法复制或超越有机算法能做的事。只要运算结果有效，算法是以碳为载体还是以硅为载体又有何差别？

确实，目前还有许多事情是有机算法比非有机算法做得更好，也有专家反复声称，有些事情非有机算法“永远”都无法做到。但事实证明，通常这里的“永远”都不超过一二十年。就像在不久之前，大家还很喜欢用面部识别举例，说这项任务连婴儿都能轻松办到，可是最强大的计算机却无力完成。但到了今天，面部识别程序辨认人脸的速度和效率都已经远超人类。警方和情报机构现在已经很习惯使用这种程序，扫描监控录像机无数小时的视频资料，追踪嫌犯和罪犯。

20世纪80年代讨论到人类的独特之处时，很习惯用国际象棋作为人类能力更强的主要证据。他们相信计算机永远不可能在国际象棋领域打败人类。但在1996年2月10日，IBM的超级计算机“深蓝”（Deep Blue）就打败了世界国际象棋大师加里·卡斯帕罗夫（GarryKasparov），推翻了这个认为人类能力更强的论点。

“深蓝”算是有些取巧，因为编写程序的人不仅写入了国际象棋的基本规则，还加入了详细的棋局策略。但新一代的人工智能更喜欢让机器自己学习。2015年2月，由Google DeepMind人工智能公司所开发的一个程序，就自己学会了如何去玩49款经典的Atari游戏。开发者之一戴米斯·哈萨比斯（Demis Hassabis）博士解释道：“我们提供给系统的唯一信息就是屏幕上的原始像素，以及指示系统要努力得到高分。剩下的一切都是它自己解出来的。”而这套程序也成功找出了交给它的所有游戏的规则，从