人工智能仍然不能做也不能理解的5個(gè)方面

就大量關(guān)于“殺手級(jí)機(jī)器人”的炒作來說，2017年在人工智能方面取得了一些顯著的進(jìn)步。阿爾法狗、冷撲大師等棋牌機(jī)器人能讓頂級(jí)玩家陷入絕望，在現(xiàn)實(shí)世界中，機(jī)器學(xué)習(xí)正被用于改善農(nóng)業(yè)，以及擴(kuò)大醫(yī)療保健的覆蓋面。

但你最近和Siri或者Alexa對(duì)話過嗎？如果有，那么你會(huì)知道，撇開這些炒作，以及躊躇滿志的億萬富翁們，還有很多事情人工智能仍然不能做也不能理解。

以下是五個(gè)棘手的問題，專家們將在明年為它們絞盡腦汁。為您一一道來：

語言真正的含義

在處理文本和語言方面，機(jī)器比以往任何時(shí)候都做的更好。 Facebook可以為視障人士讀出圖像描述。谷歌做了一個(gè)很不錯(cuò)的軟件，能在回復(fù)電子郵件時(shí)給出簡(jiǎn)短的建議。然而，軟件仍然不能真正理解我們的話語的含義，或我們想與它們分享的想法。波特蘭州立大學(xué)教授梅蘭妮·米切爾（Melanie Mitchell）表示：“人類能夠把我們學(xué)到的概念以不同的方式結(jié)合起來，并在新的情況下應(yīng)用。AI和機(jī)器學(xué)習(xí)系統(tǒng)則不能。”

Mitchell將今天的軟件面臨的問題描述為數(shù)學(xué)家Gian Carlo-Rota所說的“意義障礙”。一些領(lǐng)先的AI研究團(tuán)隊(duì)正試圖找出克服它的方法。

這項(xiàng)工作的一部分，旨在為機(jī)器提供關(guān)于常識(shí)和實(shí)體世界的認(rèn)知基礎(chǔ)——它們奠定了我們的思維。例如，F(xiàn)acebook研究人員正通過觀看視頻來教軟件理解現(xiàn)實(shí)。還有人在模擬我們可以用關(guān)于世界的知識(shí)做些什么。谷歌一直在試圖打造能夠理解隱喻的軟件。米切爾實(shí)驗(yàn)過一種系統(tǒng)，使用類比和概念存儲(chǔ)來解釋照片中發(fā)生的事情。

阻礙機(jī)器革命的“現(xiàn)實(shí)差距”

機(jī)器人硬件已經(jīng)發(fā)展的相當(dāng)不錯(cuò)了?；?00美元，你就能購買攜帶高清攝像機(jī)的手掌大小的無人機(jī)。搬運(yùn)箱子的機(jī)器人以及兩條腿走路的機(jī)器人也有所改進(jìn)。那為什么我們還沒有被繁忙的機(jī)械助手所包圍？因?yàn)楝F(xiàn)在的機(jī)器人缺乏能夠匹配他們先進(jìn)的肌肉的大腦。

讓機(jī)器人做任何事情都需要針對(duì)特定的任務(wù)進(jìn)行特定的編程。它們可以通過重復(fù)的試驗(yàn)（和錯(cuò)誤）學(xué)習(xí)操作，如抓取物體。但是這個(gè)過程相對(duì)較慢。一個(gè)有希望的捷徑是讓機(jī)器人在虛擬的、模擬的世界中訓(xùn)練，然后把那些來之不易的知識(shí)下載到實(shí)體機(jī)器人體內(nèi)。然而，這種方法被現(xiàn)實(shí)差距所困擾，具體來說，機(jī)器人在模擬過程中學(xué)到的技能，在轉(zhuǎn)移到實(shí)體世界中的機(jī)器時(shí)，并不總是有效。

這種現(xiàn)實(shí)差距正在縮小。十月，在虛擬和真實(shí)的機(jī)器人手臂拾取多種物品的實(shí)驗(yàn)中——這些任務(wù)包括膠帶分配器，玩具和梳子等等——谷歌報(bào)告了可喜的結(jié)果。

對(duì)于自動(dòng)駕駛汽車從業(yè)者來說，取得進(jìn)一步的進(jìn)步很重要。在機(jī)器駕駛競(jìng)賽中，眾多公司在在虛擬街道上部署虛擬車輛，他們希望能減少在實(shí)際交通和道路條件下測(cè)試所花費(fèi)的時(shí)間和金錢。自動(dòng)駕駛創(chuàng)業(yè)公司Aurora首席執(zhí)行官Chris Urmson說，使虛擬測(cè)試更適用于真實(shí)車輛是團(tuán)隊(duì)的優(yōu)先考慮之一。曾經(jīng)領(lǐng)導(dǎo)谷歌母公司Alphabet的自主汽車項(xiàng)目的Urmson說：“明年或以后，我們可以利用這種技術(shù)來加速學(xué)習(xí)?！?/p>

防范AI黑客攻擊

運(yùn)行電網(wǎng)，安全攝像頭和手機(jī)的軟件時(shí)常受到安全漏洞的困擾。自動(dòng)駕駛汽車和家用機(jī)器人的軟件想必也不會(huì)例外。事實(shí)上它們的情況可能更糟糕：有證據(jù)表明，機(jī)器學(xué)習(xí)軟件的復(fù)雜性引發(fā)了新的攻擊途徑。

研究人員今年表示，你可以在機(jī)器學(xué)習(xí)系統(tǒng)內(nèi)部隱藏一個(gè)秘密觸發(fā)器，讓它在一個(gè)特定的信號(hào)下轉(zhuǎn)為惡性模式。紐約大學(xué)的研究小組設(shè)計(jì)了一個(gè)街道識(shí)別系統(tǒng)，該系統(tǒng)看到黃色的便利貼就會(huì)停止正常工作。將一張便利貼貼在布魯克林的停車標(biāo)志上，會(huì)導(dǎo)致系統(tǒng)將該標(biāo)志報(bào)告為限速。 這些把戲的潛在可能性可能會(huì)給成自動(dòng)駕駛汽車造成問題。

這個(gè)威脅很嚴(yán)重，本月早些時(shí)候，世界頂級(jí)機(jī)器學(xué)習(xí)會(huì)議的研究人員召開了一個(gè)關(guān)于“機(jī)器騙術(shù)的威脅”的研討會(huì)。研究人員討論了一些惡魔般的騙術(shù)，比如生成一些在人類看來很正常、但是對(duì)軟件來說意味卻截然不同的手寫數(shù)字。例如，你所看到的是一個(gè)2，而機(jī)器視覺系統(tǒng)看到的是一個(gè)3。研究人員還討論了這種攻擊的可能防御方法，并且擔(dān)心人工智能被用來愚弄人類。

組織研討會(huì)的Tim Hwang預(yù)測(cè)，隨著機(jī)器學(xué)習(xí)變得更容易部署，功能更強(qiáng)大，使用該技術(shù)操縱人是不可避免的。他說：“你不再需要一房間的博士才能研究機(jī)器學(xué)習(xí)。”黃指出，在2016年總統(tǒng)選舉期間，俄羅斯的虛假宣傳運(yùn)動(dòng)是潛在的AI加持的信息戰(zhàn)的先行者。他說：“為什么從機(jī)器學(xué)習(xí)的領(lǐng)域看看這些活動(dòng)中涉及到的科技呢？” Hwang預(yù)測(cè)，其中一個(gè)格外有效的騙術(shù)可能是使用機(jī)器學(xué)習(xí)制造虛假的視頻和音頻。

超越桌游

Alphabet的國際象棋冠軍阿爾法狗軟件在2017年迅速崛起。五月份，一個(gè)更強(qiáng)大的版本擊敗了中國的圍棋冠軍柯潔。它的創(chuàng)造者，研究機(jī)構(gòu)DeepMind，隨后構(gòu)建了一個(gè)新的版本，AlphaGo Zero，不通過研究人類棋術(shù)而直接學(xué)習(xí)圍棋。十二月， AlphaZero又一次升級(jí)，它可以學(xué)習(xí)下圍棋和日本棋類游戲Shogi（雖然不是在同時(shí)）。

這種滾雪球般的捷報(bào)令人印象深刻，但同時(shí)也提醒人們AI軟件的局限性。國際象棋，shogi和圍棋都很復(fù)雜，但規(guī)則相對(duì)簡(jiǎn)單，且對(duì)手的玩法清晰可見。它們與計(jì)算機(jī)能迅速掌握的許多未來職位的能力非常匹配。但是生活中的大多數(shù)情況和問題，并不是這樣結(jié)構(gòu)整齊。

因此在2017年，DeepMind和Facebook都開始在多人游戲“星際爭(zhēng)霸”上下功夫。現(xiàn)在兩者的進(jìn)展都不大。目前最好的機(jī)器人是業(yè)余愛好者所建立的——即使是與中等技能的玩家相比，它們也無法匹敵。 今年早些時(shí)候，DeepMind研究員Oriol Vinyals曾表示，需要缺乏規(guī)劃和記憶能力才能精心組裝和指揮一支軍隊(duì)，同時(shí)期預(yù)測(cè)并對(duì)對(duì)手的動(dòng)作做出反應(yīng)，而他的軟件缺乏這種能力。無獨(dú)有偶，這些技能對(duì)于軟件更好地幫助實(shí)際工作也至關(guān)重要，如辦公室工作或真正的軍事行動(dòng)。 2018年“星際爭(zhēng)霸”或類似游戲的巨大進(jìn)步可能預(yù)示著人工智能的一些強(qiáng)大的新應(yīng)用。

教AI辨別是非

即使沒有在上述領(lǐng)域取得新的進(jìn)展，如果現(xiàn)有的AI技術(shù)被廣泛采用，經(jīng)濟(jì)和社會(huì)的許多方面也會(huì)發(fā)生很大的變化。企業(yè)和政府正急于這樣做，與此同時(shí)，有人對(duì)人工智能和機(jī)器學(xué)習(xí)可能造成的意外和故意傷害表示擔(dān)憂。

在本月的NIPS機(jī)器學(xué)習(xí)大會(huì)上，一個(gè)重要的討論話題是，如何使技術(shù)保持在安全和道德的范圍內(nèi)。研究人員發(fā)現(xiàn)，我們的世界本身遠(yuǎn)不完美，機(jī)器學(xué)習(xí)系統(tǒng)從中獲得訓(xùn)練數(shù)據(jù)，因而可能學(xué)會(huì)令人不愉快或者我們不期望的行為，如延續(xù)性別偏見和刻板印象。現(xiàn)在有人正在研究技術(shù)，用于審核人工智能系統(tǒng)內(nèi)部運(yùn)作，確保他們?cè)谕度虢鹑诨蜥t(yī)療保健等行業(yè)工作時(shí)作出公平的決策。

明年我們應(yīng)該會(huì)看到科技公司提出相關(guān)理念，關(guān)于如何讓人工智能站在人性光明面。谷歌，F(xiàn)acebook，微軟和其他人已經(jīng)開始討論這個(gè)問題，以及一個(gè)新的名叫“Partnership on AI”的非營(yíng)利組織的成員，該組織將研究和嘗試塑造人工智能的社會(huì)影響。更多的獨(dú)立組織也感受到了壓力。一個(gè)名為“人工智能倫理與治理基金會(huì)”的慈善項(xiàng)目正在支持麻省理工學(xué)院、哈佛大學(xué)等研究人工智能和公共利益。紐約大學(xué)的一個(gè)新研究機(jī)構(gòu)AI Now也有類似的任務(wù)。在最近的一份報(bào)告中，它呼吁各國政府發(fā)誓放棄在刑事司法或福利等領(lǐng)域使用沒有公開檢查的“黑匣子”算法。

麥肯錫：人工智能最大挑戰(zhàn)與機(jī)會(huì)

最近一段時(shí)間，我與眾多專家交流的過程中，關(guān)于人工智能的三個(gè)關(guān)鍵業(yè)務(wù)方面開始逐漸明朗化。

第一，人工智能是一個(gè)模糊的大概念，將數(shù)據(jù)與各種技術(shù)（例如模式識(shí)別和其他等技術(shù)）結(jié)合到一起，模擬人類的學(xué)習(xí)方式和智能性。“人工智能”這個(gè)詞是一種不夠精確的市場(chǎng)營(yíng)銷或者演示術(shù)語。企業(yè)采購者們應(yīng)該深入地了解這些對(duì)他們最有意義的技術(shù)。

第二，很少有企業(yè)大規(guī)模地部署了人工智能?，F(xiàn)在有大量原型和概念證明，但是對(duì)大多數(shù)企業(yè)組織來說，人工智能仍然是新的、具有實(shí)驗(yàn)性質(zhì)的。例如，SAS最近的一項(xiàng)調(diào)查顯示，“人工智能的采用仍處于早期階段”。

第三，對(duì)廠商的說法持懷疑態(tài)度。很多科技公司仍在試圖找到人工智能能在哪些方面改善他們的產(chǎn)品和自動(dòng)化流程。很多廠商通過收購人工智能初創(chuàng)公司來獲得專業(yè)技能和填補(bǔ)空白。

對(duì)于企業(yè)采購者來說，底線就是：學(xué)習(xí)這項(xiàng)技術(shù)，向你的提供商提出問題，通過挖掘內(nèi)部數(shù)據(jù)科學(xué)人才為人工智能做規(guī)劃。人才短缺是當(dāng)前的一個(gè)大問題。

在研究人工智能將會(huì)給企業(yè)組織和員工隊(duì)伍帶來怎樣影響方面，麥肯錫全球研究員（MGI）是全球重要的研究機(jī)構(gòu)之一。麥肯錫的研究將定量分析、與高管和業(yè)務(wù)運(yùn)營(yíng)者的廣泛訪談相結(jié)合，由此創(chuàng)建的報(bào)告是具有洞察力和價(jià)值。最近，麥肯錫的兩份報(bào)告重點(diǎn)關(guān)注了人工智能的商業(yè)價(jià)值，以及自動(dòng)化和人口統(tǒng)計(jì)對(duì)工作及經(jīng)濟(jì)的影響。

其中一位合伙人Michael Chui，負(fù)責(zé)麥肯錫全球研究院圍繞人工智能與相關(guān)技術(shù)所帶來的影響，他也是我所知的在這些方面最有信服力的人之一。

Chui提出了一些要點(diǎn)是我想要特別強(qiáng)調(diào)的。首先，一家企業(yè)組織在采用人工智能方面取得的成功，很大程度上是基于整體數(shù)字化成熟度的。那些積極推進(jìn)數(shù)字化轉(zhuǎn)型的企業(yè)在人工智能項(xiàng)目方面更有可能取得進(jìn)展。從我的角度來看，我們可以將人工智能項(xiàng)目視為數(shù)字化轉(zhuǎn)型——重新思考文化、思維模式和商業(yè)模式——的延伸，而不是孤立的技術(shù)項(xiàng)目。

其次，人工智能給各種工作帶來改變，使得部分勞動(dòng)力得到釋放，可以重新部署，所以需要從現(xiàn)在就開始思考，你要如何培訓(xùn)你的員工。Chui說，勞動(dòng)力的大規(guī)模重新部署可能是我們面臨的“重大挑戰(zhàn)”之一。

我與他的深入對(duì)話持續(xù)了45分鐘，下文描述了這位全球頂尖的人工智能業(yè)務(wù)研究員是如何看待今天的這些問題。下面是對(duì)這次深入對(duì)話整理的摘要記錄：

你如何定義人工智能？

你可以花幾個(gè)小時(shí)來探討這個(gè)問題。我們將人工智能描述為使用機(jī)器來做認(rèn)知工作，所有智能性都受限于我們的大腦，這是我們身體的一部分。因此，我們知道在很多情況下，人工智能本身會(huì)進(jìn)入物理世界中，化身成為機(jī)器人和自動(dòng)駕駛汽車等等。但是，這與智能是有關(guān)的，然后是實(shí)例化的機(jī)器。

你的研究得出了哪些重要結(jié)論？

我們稱之為人工智能的這些技術(shù)，蘊(yùn)藏著巨大的潛力。這些技術(shù)影響著我們的方方面面。原因之一就是，有大量潛在的人工智能應(yīng)用，是對(duì)人們已經(jīng)在數(shù)據(jù)和分析方面開展的工作的一種延伸。因此，我們研究了所有領(lǐng)域、所有功能方面的500種不同的人工智能使用實(shí)例。

有時(shí)候我們會(huì)說，是這些傳統(tǒng)分析方法給你帶來了如此大的影響。但是，當(dāng)你可以增加多維度的數(shù)據(jù)或者更多的深度學(xué)習(xí)技術(shù)，你就可以提高預(yù)測(cè)精準(zhǔn)度、或者提高OEE、或者減少浪費(fèi)，這些使用實(shí)例讓我們能夠做到。你可以把人工智能看作是你分析工具包中的另一個(gè)工具。我認(rèn)為這是一個(gè)廣泛的發(fā)現(xiàn)結(jié)果，幾乎會(huì)影響到業(yè)務(wù)的各個(gè)方面。

我有另外一位同事也在直接接觸那些正在考慮或者正在使用人工智能的客戶，從中我們了解到的，人工智能還處于非常早期的階段。雖然還有改善經(jīng)濟(jì)的巨大潛力，但是無論在高層次還是低層次，只有非常少數(shù)的企業(yè)已經(jīng)在大規(guī)?；蛘咴诤诵臉I(yè)務(wù)流程中部署了人工智能。

這個(gè)情況每天都在發(fā)生變化，因?yàn)橛性絹碓蕉嗟钠髽I(yè)部署這項(xiàng)能力，去了解關(guān)于人工智能的更多信息，他們可以把人工智能潛入到企業(yè)組織的流程中，在某些情況下，這是很難的一件事情。我們還在學(xué)習(xí)曲線的初期，這其實(shí)是一個(gè)很陡峭的學(xué)習(xí)曲線，但是我們還處于早期。還有很大的潛力，但是我們還處于早期。

你研究的眾多行業(yè)之間有哪些共同點(diǎn)？

有很多行業(yè)，他們的價(jià)值是源自于與客戶的交互。如果你是一家零售企業(yè)，如果你是一家消費(fèi)品包裝企業(yè)，那么考慮人工智能和這種功能的價(jià)值，是有意義的。另一方面，如果你的運(yùn)營(yíng)效率驅(qū)使你這么做，如果你從事制造業(yè)，你要交付和出貨產(chǎn)品，如果你從事物流業(yè)，那么也許這些運(yùn)營(yíng)需求是更優(yōu)先一些的。我認(rèn)為至少在高層方面，這是一種考慮人工智能的方式。

我們發(fā)現(xiàn)的另一個(gè)共同點(diǎn)就是接下來的事情，也就是，我認(rèn)為通常你發(fā)現(xiàn)了一項(xiàng)具有潛在變革性影響的技術(shù)，你會(huì)說“天啊，就沒有捷徑可走嗎？我能不能直接使用它就能提高競(jìng)爭(zhēng)力？”

事實(shí)上，我們需要大量的訓(xùn)練數(shù)據(jù)，我們發(fā)現(xiàn)正在進(jìn)行數(shù)字化轉(zhuǎn)型的行業(yè)和企業(yè)之間具有高度的相關(guān)性——能夠在他們的核心流程中使用數(shù)字化技術(shù)來改善流程效率。這與為人工智能做好準(zhǔn)備之間也是有高度相關(guān)性的。

還有一個(gè)我們發(fā)現(xiàn)的共同點(diǎn)是，很難加速你的數(shù)字化之旅。你需要走上數(shù)字化之旅來讓你自己為人工智能做好準(zhǔn)備。我認(rèn)為這是另一項(xiàng)發(fā)現(xiàn)。

如果你希望加速人工智能發(fā)揮潛在影響，你就需要加速你的數(shù)字化之旅。

人工智能對(duì)員工問題會(huì)帶來怎樣的影響？

有一些潛在影響，是那些原本我們付費(fèi)讓人們做的工作，被這些技術(shù)變成了自動(dòng)化。

我們對(duì)個(gè)人活動(dòng)進(jìn)行了研究（不止是職位），目前在全球經(jīng)濟(jì)中我們有2000種不同的活動(dòng)是付出成本去做的。人們近一半的付費(fèi)工作時(shí)，是用在了理論上我們可以采用現(xiàn)有技術(shù)實(shí)現(xiàn)自動(dòng)化的活動(dòng)上。這聽起來很可怕，對(duì)吧？這是一個(gè)很大的比例，但這并不是說我們預(yù)測(cè)明天就有50%的失業(yè)率。開發(fā)這些技術(shù)也是需要花費(fèi)時(shí)間的。

你需要一個(gè)正面的商業(yè)案例。新技術(shù)剛開發(fā)出來的時(shí)候總是很貴的，不管是自動(dòng)駕駛汽車還是人工智能算法。因?yàn)槟柖桑@個(gè)成本會(huì)逐漸降下來。你需要和人工成本進(jìn)行對(duì)比，全球各地的人工成本是各不相同的。

無論如何，未來40年中，全球50%的活動(dòng)可能都不會(huì)被自動(dòng)化，到了2055年也是如此。但是，我們會(huì)設(shè)想一個(gè)20年前的場(chǎng)景，一個(gè)20年后的場(chǎng)景。我們知道，有越來越多我們付費(fèi)去從事的活動(dòng)將實(shí)現(xiàn)自動(dòng)化。

那么問題來了，是否會(huì)有對(duì)勞動(dòng)力的充足需求，即使是那些可能被自動(dòng)化的事情？我們上個(gè)月的報(bào)告表明，答案是肯定的。

想想不同的潛在催化因素——無論是全球各地的復(fù)蘇；未來幾十年將有10億人進(jìn)入消費(fèi)階層；無論是你在談?wù)摾淆g化問題，一個(gè)令人不安的問題，因?yàn)楣ぷ魅藬?shù)在不斷減少，但是另一方面，老齡化問題卻驅(qū)動(dòng)了對(duì)醫(yī)療保健的需求。

未來我們將會(huì)看到基礎(chǔ)設(shè)施方面的投資不斷增加，這對(duì)消費(fèi)階層來說是有利的，也是對(duì)我們現(xiàn)有基礎(chǔ)設(shè)施的修復(fù)和改善。我們將會(huì)看到能源結(jié)構(gòu)和效率方面的變化，甚至還會(huì)有大量目前是無償性質(zhì)的工作越來越多地進(jìn)入市場(chǎng)，例如很多女性在家中做的兒童保育、烹飪和清潔的工作。

如果你把所有這些因素都放在一起來看，甚至把這些與人工智能和機(jī)器人可以做的事情進(jìn)行對(duì)比，我們?nèi)匀豢梢钥吹接写罅抗ぷ饕?，足以抵消自?dòng)化帶來的影響。

但是有一個(gè)廣泛的問題是，如果你認(rèn)為大規(guī)模失業(yè)不會(huì)成為問題的話，那么大規(guī)模重新部署就是問題所在了。

我們認(rèn)為，未來數(shù)十年最大的一個(gè)挑戰(zhàn)就是，我們?nèi)绾螌?duì)那些技能被取代的數(shù)百萬工作者進(jìn)行重新培訓(xùn)？我們需要讓他們保持一直工作的狀態(tài)，以維持經(jīng)濟(jì)增長(zhǎng)，但是從大規(guī)模來看，要重新培訓(xùn)這些人來渡過他們的第一個(gè)二十年，我恐怕要說，這是我們一直沒有完全解決的問題。這是我們亟待解決的問題。

業(yè)務(wù)領(lǐng)導(dǎo)者應(yīng)該開始現(xiàn)在就開始考慮員工再培訓(xùn)的問題，還是為時(shí)過早呢？

眼下就需要對(duì)這個(gè)問題給予一定的關(guān)注。雖然很多變化不是在一夜之間就發(fā)生的，特別是在人工智能方面。但是，如果我們更廣泛地考慮自動(dòng)化技術(shù)的話，事實(shí)上我們已經(jīng)開始看到一些變化的發(fā)生，無論是機(jī)器人流程自動(dòng)化，還是制造工廠、物流還是配送中心的物理自動(dòng)化。這些技術(shù)正在發(fā)揮著作用。

雖然我們會(huì)把這定義為一個(gè)跨度達(dá)數(shù)十年的趨勢(shì)，宏觀上是需要一定時(shí)間的，但是對(duì)于個(gè)人來說，這個(gè)變化很快就會(huì)發(fā)生。對(duì)于單個(gè)的員工來說，很快就會(huì)發(fā)生。而且，再培訓(xùn)也需要時(shí)間。我們認(rèn)為這是一個(gè)巨大的挑戰(zhàn)。通常來說，巨大的挑戰(zhàn)不是一朝一夕就能解決的，所以我認(rèn)為企業(yè)領(lǐng)導(dǎo)者就員工再培訓(xùn)這個(gè)問題要持續(xù)地考慮，應(yīng)該是他們開始考慮員工策略的時(shí)候首要想到的。

這種討論中會(huì)涉及到普遍基本收入的概念嗎？

普遍基本收入（保證最低收入）這個(gè)想法，是需要大筆資金的。我現(xiàn)在在舊金山，我發(fā)現(xiàn)這里有很多人在談?wù)撨@個(gè)話題，當(dāng)然也有很多的爭(zhēng)論。

其中一個(gè)觀點(diǎn)就是，如果我們認(rèn)為機(jī)器要接管每個(gè)人的工作，我們會(huì)有大規(guī)模的失業(yè)，那么我們需要確保每個(gè)人有足夠的收入，讓他們實(shí)際上可以養(yǎng)活自己、養(yǎng)活家人。我認(rèn)為，現(xiàn)在談普遍基本收入這個(gè)觀點(diǎn)還太早，因?yàn)檫@個(gè)觀點(diǎn)的前提是假設(shè)有大規(guī)模的失業(yè)。其實(shí)我們要說的是，我們確實(shí)需要大規(guī)模再調(diào)配，而不是大規(guī)模事業(yè)，才能確保經(jīng)濟(jì)有足夠的增長(zhǎng)。

我們的觀點(diǎn)是，我們要看過去五十年的經(jīng)濟(jì)增長(zhǎng)情況，其中一半是因?yàn)楣ぷ鞯娜嗽絹碓蕉嗔恕Ｓ捎诶淆g化，我們也將會(huì)失去很多勞動(dòng)力。所以思考這個(gè)問題的一個(gè)因素是，我們會(huì)面臨沒有足夠勞動(dòng)力的問題。我們需要所有的人工智能、機(jī)器人等也工作起來，再加上我們需要人類勞動(dòng)力來實(shí)現(xiàn)經(jīng)濟(jì)的增長(zhǎng)。而且，如果你認(rèn)為UBI是基于將會(huì)有大規(guī)模失業(yè)這一事實(shí)的話，我認(rèn)為你已經(jīng)放棄了，事實(shí)上，你需要向前邁一步想想。

另外一方面我認(rèn)為可能會(huì)起到幫助作用，因?yàn)槲覀兞私饬巳斯ぶ悄芎推渌夹g(shù)的潛在影響，外加這些額外的驅(qū)動(dòng)因素，我們可能會(huì)繼續(xù)看到有收入差距擴(kuò)大或者收入不平等的現(xiàn)象。你可能會(huì)問，“看，我們紙需要人們有足夠的報(bào)酬?！蹦敲矗绻銖墓舱叩慕嵌葋砜创@個(gè)問題，也許你可以針對(duì)補(bǔ)貼類型，例如所得稅抵免，既可以起到作用，有可能為人們提供額外的收入。我認(rèn)為，要考慮所有這些可能性。

現(xiàn)在，UBI對(duì)于發(fā)展中國家來說，它可能會(huì)讓人們?cè)谀茏鲈诠ぷ髦惺裁捶矫嬗懈蟮淖杂?。但是，在發(fā)達(dá)國家，因?yàn)橹С鲆约八哪繕?biāo)并不是為人們爭(zhēng)取工作，所以我認(rèn)為這是有挑戰(zhàn)性的。總的來說，我們從歷史中發(fā)現(xiàn)的另一個(gè)要點(diǎn)，也是我們希望將繼續(xù)下去的，雖然我們并不認(rèn)為所有人都會(huì)完全停止工作，但是工作周已經(jīng)減少了，平均來看，在過去幾十年和幾百年間的減少幅度達(dá)到了兩位數(shù)。

希望我們大家有更多的休閑時(shí)間。而且，休閑會(huì)激發(fā)新的活動(dòng)，新的職業(yè)。這就是另一些我們需要做的事情。我們需要繼續(xù)創(chuàng)造新的活動(dòng)和職業(yè)。工作周將繼續(xù)減少，至少，在可預(yù)見的未來，工作周不會(huì)減少到零的。

那么改變?nèi)丝诮y(tǒng)計(jì)呢？

人口統(tǒng)計(jì)是件有趣的事情，包含一些強(qiáng)大的因素。上個(gè)月我們發(fā)布的報(bào)告中提及了這個(gè)話題。首先，每個(gè)國家的人口差異很大。對(duì)于很多國家來說，他們正在經(jīng)歷著老齡化，使得這個(gè)問題進(jìn)一步加劇了。我們沒有足夠的勞動(dòng)力來維持我們這么多年來一直的經(jīng)濟(jì)增長(zhǎng)。我們現(xiàn)在比父輩甚至是祖父母那一輩生活得更好的原因，正是因?yàn)槎嗄陙淼慕?jīng)濟(jì)增長(zhǎng)，而這個(gè)增長(zhǎng)有一半是來自于有更多的勞動(dòng)力在工作。

德國的勞動(dòng)力正在減少，日本的勞動(dòng)力正在減少，擁有15億人口的中國不久也要減少了。這些國家根本沒有足夠的勞動(dòng)力來支撐經(jīng)濟(jì)增長(zhǎng)。在這方面，人工智能和機(jī)器人可能會(huì)扮演一些勞動(dòng)力的角色，可以填補(bǔ)可工作勞動(dòng)力的一些空白。

也就是說，還有其他一些國家像印度、以及非洲大陸上的國家，還處于發(fā)展早期，他們的人口金字塔看起來很不一樣。我們擔(dān)心的是，如果自動(dòng)化人工智能、和這些技術(shù)開始發(fā)揮作用，這些國家需要?jiǎng)?chuàng)造的工作崗位就更多了，怎么辦？例如，在印度就是這樣的，還有1.5億人是需要工作的。

我們考慮了所有額外需求的潛在驅(qū)動(dòng)因素，挑選了其中7個(gè)。我們知道還有更多的因素，甚至我們的模型也是有局限性的，特別是在那些還很“年輕”的國家，這些國家仍然對(duì)經(jīng)濟(jì)增長(zhǎng)有很高的要求，在人均國內(nèi)生產(chǎn)總值方面起步較低。因此，這會(huì)產(chǎn)生對(duì)人力、機(jī)器人和人工智能的大量需求。甚至在這些國家，我們看到了很多工作的潛力，很多要做的工作。

回到再培訓(xùn)和教育的話題上來。我們能夠讓人們從事這些工作嗎？你是否能以某種方式部署這些技術(shù)，正如我之前所說的，人工智能和機(jī)器人技術(shù)需要在數(shù)字化旅程中作為基礎(chǔ)？即使是那些發(fā)展中和還很年輕的國家，也需要走上數(shù)字化旅程，以便利用其他這些技術(shù)，提高生產(chǎn)力的同時(shí)，為人們創(chuàng)造新的就業(yè)機(jī)會(huì)。

給那些知名企業(yè)組織你有怎樣的建議？

首先是投入一些時(shí)間和資源去了解這項(xiàng)技術(shù)和它具備的潛力。我認(rèn)為一開始要了解它的潛力。然后是同樣的測(cè)試和學(xué)習(xí)方法，在數(shù)據(jù)和分析方面廣泛有效的，我認(rèn)為也同樣適用于這里。

另外一點(diǎn)，特別是針對(duì)那些在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面表現(xiàn)出色的技術(shù)。這些技術(shù)是基于訓(xùn)練數(shù)據(jù)集的，我認(rèn)為制定一套嚴(yán)密的數(shù)據(jù)策略是很重要的。

例如，我有機(jī)會(huì)和深度學(xué)習(xí)和機(jī)器學(xué)習(xí)方面的先驅(qū)者之一Andrew Ng交流，他談到了一些在部署人工智能方面走在前沿的企業(yè)，這些企業(yè)會(huì)花很多時(shí)間多層次地了解收集或者訪問哪些數(shù)據(jù)是很重要的，而且這樣持續(xù)了多年事件。他把獲得重要數(shù)據(jù)類比成多維度的國際象棋游戲。

現(xiàn)在最大的挑戰(zhàn)之一就是人才問題。以前是數(shù)據(jù)科學(xué)家的匱乏。到了某種程度上，我們會(huì)談及很多人工智能使用實(shí)例是分析使用實(shí)例的擴(kuò)展?，F(xiàn)在關(guān)于分析人才的挑戰(zhàn)也擴(kuò)展到人工智能方面，所以將會(huì)有很多對(duì)人才的爭(zhēng)奪戰(zhàn)，那些深度了解這些技術(shù)的人才。

當(dāng)然，這種情況也在變化，隨著越來越多的人在利用在線資源、參加課程等等。供求關(guān)系在不斷變化中。目前需求如此之高，供應(yīng)相對(duì)有限。最大的挑戰(zhàn)之一，就是有能力的人才。