人工智能时代,决定未来的三个问题

人工智能
建构新型的经济形态,新型的社会组织,就必须用全新的思考来看待整个世界。

学习 & 进化

大家知道量子这个概念是120年前德国物理学家普朗克提出来的。那么,人们为了消化理解量子背后的伟大理想花了足足一百多年的时间。

所以今天我相信安德斯·因赛特先生的这本《量子经济》不完全是探讨经济学,他更重要的是提出一种新的思维方式,一种对新经济的思考的基础。

我要提几个问题跟大家一起来思考。

我的题目叫“再分工:数字世界的人际关系”。我们都知道,在过去的两年里,全球处在疫情肆虐的这种环境之下,但同时还有另外一股风潮,就是技术的发展。

我把过去两年里边技术方面的一些成功实践放在这里,好像做一个拼盘,大家从这里看看我们有什么启发。

比方中间的这幅画,这是非常常见的一幅风景画,带有后印象派的特点。但是,这幅画是机器画的,换句话说,这幅画完全是用人工智能的算法在电脑上,在数字空间里面生成的,像这样的画作在过去几年里面可以说层出不穷。

再比方说,旁边的这首诗,上面有一个叫“九歌”,这是清华大学的团队做的一套人工智能写诗歌的一套系统,你只要在里边写入一个关键词,比方“秋天”,它就可以给你生成一首诗,秒出。对于中国人来讲,这种五言诗,七言诗,律诗,或者宋词是非常熟悉的。

人工智能能够在写诗、作画、写文章、写报告这个领域达到一种惊人的地步,这对人们意味着什么?当然,很多人第一时间想到的就是它可能会夺走我的工作,它可能会把我变成一个无用之人,他会带来一种焦虑、恐惧。

两年前美国的一家公司OpenAI推出了这样一个系统之后,叫GPT-3,这样一个自然语言处理的一个软件算法之后,的确让很多人非常的惶恐,因为它就意味着未来的很多案头工作,写报告、写文章、写小说,这样过去需要由专业人士完成的事情,现在可能要交给机器。这是人们对技术感到非常忧虑的一种现象。

当然,大家也可以从上图中看到这样一个,叫“提前出示健康码”,技术在过去两年间为我们的抗击新冠疫情作出了突出的贡献。甚至有人总结,特别在中国,如果没有数字技术,很难想象我们在抗击疫情的过程中会做到如此有条不紊。

一方面,技术可以给我们带来很多有益的回报,有价值的回报;另一方面,技术可能又威胁到我们的生存。把这两件事情放在一起的时候,总是感觉到人们很难让它做到平衡。

所以,我觉得用安德斯·因赛特先生的话说,我们要重新学会学习,就是要在我们的头脑深处要理解技术发生了什么深刻的变化。

我想举一个简单的例子,就是我们的代步工具,从人类几千年前开始用独轮车、起码,进化到自行车、摩托车、汽车,代步工具的进化历史应该说书写了波澜壮阔的人类演化的历史。

但是,今天我们遭遇了无人驾驶,我们需要思考的一个点是什么呢?就是传统技术,就是从独轮车到汽车,这种驾驶技术和智能的无人驾驶技术,之间最重要的区别是什么?

我认为有两点,一点就是今天的智能技术已经具备了学习能力,今天的智能技术通过大数据、人工智能的算法,已经可以吸纳过去数十年,上百年人类积累的、可量化的知识。所以,今天的技术已经具备了学习能力,进而它有了第二个特点,它可以自我演化,它可以在虚拟空间里面探索更多的可能性,这是跟传统技术非常大的一个区别。

所以,智能技术的发展今天已经给我们提出了一个重大挑战,这个重大挑战很多人把它总结成未来决定现在,或者说我们一定要想象,由智能技术,代码、算法,可能会决定未来十年、二十年、三十年,甚至更远的世界是什么样子。

可是如果我们仅仅是在满怀焦虑的这种心态之下思考未来决定现在这个命题的时候,就很有可能陷入到一个陷阱。这个陷阱就是我们的技术观,我们的技术决定论,我们的非黑即白的思维方式,用安德斯·因赛特的话说,就是我们传统的技术理念和传统看待技术的方式就可能已经给出了答案,这个答案就是赢者通吃、唯快不办、互联网只有第一没有第二、颠覆……这样一些话语。

所以,我觉得今天的确我们已经到达了需要深刻的反思智能技术可能会带来什么,它会把我们带向何方,以及我们如何在智能技术的帮助下激发潜能的问题。

我想提三个问题,这三个问题我觉得在一定程度上代表了我对这个问题的一点点粗浅的思考。

第一个问题:“代码即法律,一切皆计算”?

第一个问题是,过去十年来,特别是随着人工智能、区块链,还有最近半年的元宇宙的概念出现以后,流传于整个公众领域,或者业界的一句话,叫“代码即法律,一切皆计算”。这句话听上去那么的斩钉截铁,势不可挡,这句话经常被用来诠释未来的模样。

可是我们要思考这个问题的时候,要认真对待这个问题的时候,的确需要追溯一点它的源泉,然后思考一下这句话建立在什么样的基础之上。

“代码即法律”这句话最典型的是来自美国的一位法学家,哈佛大学法学院的教授莱斯格,莱斯格在十年前有一本书,叫《代码2.0》。莱斯格的这本书,他在第一章开篇就讲了这么一句话,叫“Code is law”,代码即法律。

那么,这件事情对西方人来讲是一个重要的里程碑。因为在西方历史上,特别是古希腊、希伯来文明融合的过程中,Code和Law的关系,Code在西方语言中,其实追溯到它的词源是Codex,就跟我们中文说的汇编成册。

也就是说,过去在西方文化中,他理解Code和Law的关系的时候,Law高于Code,Code只是立法的汇编成册的一种样貌,但是在今天,这个Code的含义已经不再是汇编成册的书册,它已经变成了另外一个现代含义,代码、编码、编撰、数字化。

也就是说,Code is law完全逆转了这样一种文化传统,他认为律法的源泉已经转化到编码者的手里。这是一个非常重大的变化。

所以,以至于我们今天之所以对这句话需要保持警惕,保持思考,就是因为,谁是立法的制定者?这是第一个问题,代码、法律的关系。

接下来是,“一切皆计算”,计算应该说是跟人类发展的整个历程是相伴而来,我们从过去测量,从过去探问的观测,大地的测量,和各种物产的测量,以及贸易过程中的计量,都需要用到计算。

但是,在过去一个世纪以来,关于计算的理解发生了一个重大的变化,画面上大家看到的这三位,中间的这位是著名的英国的数学家图灵,他是众所周知的计算机的鼻祖。可以说,我们今天所有的电脑都是基于图灵的思想。旁边的这位老者是图灵的老师,叫Church,美国数学家。在他的右手这边是美国的物理学家,叫Deutsch。

我把他们三位放在一起想说一个什么问题呢?就是计算在过去是属于人类历史活动中非常重要的一种支撑性的技术活动,计算过程是一个技术性的活动。但是经过这三位学者在思想上的提炼,今天的计算已经深入到了我们人生存的本质,成为一个支柱。

这就是著名的Church、图灵和Deutsch的命题,或者叫做原理。Church、图灵和Deutsch的命题说的中心思想就是这样一句话,就是凡是我们能想象到的计算过程,都可以通过图灵机来实现,并且包括量子计算。

这件事情听上去那么的斩钉截铁,以至于今天有太多的产业界的人士、太多的技术创新者拿Church、图灵和Deutsch的命题来预测未来。他们说未来一切都是计算,问题可以用计算搞定,天气预报可以用计算搞定,贸易可以用计算搞定,金融可以用计算搞定。

这里面真的一点问题都没有吗?所以,我想说,这里面提到的一个重要的问题就在于代码就是法律,一切就是计算,它其实隐含了一个非常重要的假设,这个假设就是技术是中立的。应该说,在过去的工业时代以前,这个假设是没有太大的问题,为什么呢?

因为工业时代以前的技术是死的,工业以前的技术是机器,而这种机器是冷冰冰的,是用物质,机械部件,用各种的元器件组合而成,这样的机器不管它再怎么精妙,它本身不具备学习能力,不具备进化能力,可是我们今天所说的智能机器已经与此不同。所以,技术是中立的这样一个假设可能不再合适了。

那么,就在这样一种底层逻辑已经发生变化的前提下,如果我们贸然去鹦鹉学舌地去讲“代码即法律,一切皆计算”,我们就会面临很大的困惑,我们就会面临很大的隐患或者挑战。

这里面其中有一个挑战已经出现,这个就是可解释的人工智能。

在过去五年间,我们都知道人工智能的算法已经达到了疯狂的地步,特别我前面提到的OpenAI的GPT-3,2020年5月份GPT-3发布的时候,让整个业界为之震惊,因为它包含的深度学习的参数多达1750亿个。1750亿,不是1750个,这就意味着今天的人工智能已经达到了一种我们可以称之为疯狂的地步。

三年前Google公司的Alpha Go已经为全世界的人关于人工智能上了一堂生动的科普的教育课程,我们已经见识了人工智能的威力。

但是,对于很多的普通的大众来讲,在感叹人工智能的神奇之余,其实我们不知道的是,今天的人工智能算得快,算得猛,可以给出漂亮的结果,但是今天的人工智能不具备可解释性。我们只能知道它的结构是什么,我们只能知道它表现很优异,但是我们不知道为什么会这样。

所以,过去五年里,关于深度学习,神经网络,机器学习,大量的人工智能算法面临的一个非常重要的挑战就是其实没有办法给出解释。没有办法给出解释,就意味着关于整个世界的构建是建立在一个非常脆弱的基础上的。

就拿安德斯·因赛特先生刚才提到的,我们需要思考生命的意义何在,人类文明演进的意义、目的、方向到底是什么?如果我们关于人工智能这样林林总总的算法,它建立在一个什么样的机理的基础上都难以获得一个解释的前提下,我们怎么去思考它的意义问题呢?所以,这是一个非常重要的挑战。

第二个问题:数字世界的核心问题:重新审视“效率 vs. 公平”的关系问题

第二个问题我想切换到用经济学的视角来看问题,我们重新来看效率和公平的关系问题。

大家都知道,效率和公平的关系是经济学的一对基本的问题,过去我们曾经说有三次的工业革命,蒸汽机革命,250年前,或者150年前的电力技术革命,或者100年前的自动化、信息化的革命,今天很多人都提出工业4.0,数字孪生,或者工业互联网等等概念,把它描绘为第四次工业革命。

所以,我们用这样一幅图来表达一次、两次、三次、四次这种革命的前后相继的关系。

但是,有一个问题需要思考,就是所谓第四次工业革命跟前三次有什么不同?其实我们只是要简单地思考一下就可以发现,前三次工业革命有一个共同特点,就是它都强调速度和效率,也就是我们今天说的增长。那么,前三次工业革命由于使用了能源,改善了动力技术,所以,机器的劳动生产率大幅度提升。

所以,基本上前三次工业革命,不管从蒸汽能源、化石能源,还是电能源,都是一种体现为更高、更快、更强的效率革命。这是前三次工业革命的共性。

我们在今天面临数字革命,或者叫数字时代第四次工业革命,它跟前三次有什么不同吗?或者说第四次工业革命一次地提高次的提高效率,提高速度吗?如果是这样的话,我个人觉得第四次工业革命可能就没有太大的意义,它只是前三次的一个简单的延伸。

换句话说,就是我们今天的数字经济需要植根于什么样的经济学,这是一个大的问题。其实我们已经看到了一些端倪。比方说,在过去描绘自由市场经济学的时候,80年代有个词汇,叫“涓滴经济学”。一些经济学家认为通过“涓滴效应”就可以实现共同富裕。

大家看到的画面是这样的,像我们倒红酒一样,第一层倒满会流到第二层,第二层满了会流到第三层,经济学家非常形象地把它叫做“涓滴效应”,认为整个社会财富的分配就是通过“涓滴效应”达到公平。

但是,其实在现实中我们发现,远远不是如此。也就是说,第一层似乎永远倒不满,第一层的欲望在扩大。我看到过这样一个数字,100年前的工厂里CEO的工资和一线工人的工资最多不超过10倍,今天的跨国公司这个数据应该是300倍,500倍,甚至更多。

这就意味着整个社会财富的分配方式出现了很大的畸形,也就是说,过去通过工业革命、信息革命,整个世界解决了或者极大地改善了财富生产的问题,但是却忽略了财富分配的问题。

其实在过去几十年来,在欧洲和美国一些地区出现了这样一种思潮,这种思潮就是探讨如何让分配更加公平,如何缩小经济不平等,财富不平等。有个概念叫UBI(普遍基本收入)。

所以,我们需要反思的就是今天的经济学面临什么样的挑战,今天的数字技术在助力经济增长的同时是不是已经肩负了更大的历史责任,就是需要通过数字技术来看待公平和挑战的问题。坦率地说,我们过去很多的产业界的朋友们对这个问题是有所考虑,但是又很难找到抓手。

所以,下面我想通过一个非常简单的例子,我把它叫做一个思想的案例来看一看,数字人民币、区块链、央行数字货币这些概念,它有可能在哪一种情况下为我们的财富生产与财富公平的问题做出一点贡献。

大家都知道,在中国尝试数字人民币已经有五年的历史,探索数字人民币已经有五年的历史。过去两年很多地区,国内有10个城市在进行数字人民币的试点。今年可能这件事情会继续加速。我们很多朋友已经在使用数字人民币,在日常的消费场景中这些越来越常见。

那么,数字人民币未来在财富生产和分配的过程中会扮演什么角色呢?我想给一个思想案例,也就是说,他在现实中可能还没有看到这种案例,但是它可能可以帮助我们去思考这个问题。

我们先看一下这个画面,就是传统的财富分配生产是什么样一个过程。我们就拿一瓶啤酒来说。比方这瓶啤酒十块钱,我们想象一下我们是怎么消费它的呢?我们用手机扫一下二维码,啤酒拿回家,或者在餐饮店就可以消费它。

那么,这个图表达了这样一个商业逻辑,就是消费者的十块钱通过扫码支付到达了杂货店主或者餐饮店主老板的手机里,然后这个手机里的十块钱就变成了零售商的收入。3个月以后,零售商要跟他的批发商结一次账,半年之后批发商要跟啤酒厂结一次账,他们的商业逻辑就是这么简单。

这个画面我们可以总结两句话:第一句话,资金的流向是逆向的,啤酒的流向是正向的。所以,资金的运动方向和啤酒的物流方向是相反的。第二点,资金的逆向运动永远滞后于啤酒的生产和消费,这个大家应该说非常好理解,因为这十块钱到了小老板的手机里,3个月之后他要给批发商结账,半年后又要给啤酒厂结账。

今天用数字技术,其实我们仅仅是加快了资金结转的速度,我们只是加快了支付的效率,这还不是真正的数字时代,真正的数字时代是这样子的,这个就是我们要想象十年以后,我们这瓶啤酒是怎么喝的。

十年之后,我们可以想象,消费者、零售商、批发商、啤酒厂,所有的供应链,相关的服务生态都在一个区块链上,或者都在一个数字支付平台上,这是数字基础。

在这个基础之后,这瓶啤酒怎么喝呢?当我们把十块钱的这瓶啤酒,还是扫一下二维码支付,这时候瞬间发生一个很大的变化,这十块钱不再是到小老板的手机里,这十块钱因为它是数字货币的形态,所以它瞬间可以分解成100个支付项目,50个支付项目,碎片化成100个支付单元。

瓶子盖两毛钱,它就直接到瓶子盖厂的那里;啤酒瓶五毛钱,它就到瓶子厂;这个啤酒上面贴的那个商标需要印刷,三毛五,它就到印刷厂。

好了,大家这时候就可以想象,这瓶啤酒中所涉及到的所有的物料,它的材料成本、加工成本,以及分摊的电费,分摊的银行贷款的利息,以及在这瓶啤酒生产过程中连接的物化劳动,其实就可以瞬间实现向终端分配。

这时候我们就想象一下,设计师这时候他的手机叮咚响一声,就收到两分钱,叮咚又响一声,又收到两分钱。也就是当一瓶一瓶啤酒被卖掉、被消费的那一刻,所有跟它有关的生产机构、支持机构、服务机构,有关的人员都可以拿到这一瓶啤酒中他可以得到的那一点点收入所得。

这个我把它叫做生产、消费和分配平行,或者叫叠加。这是一个非常重要的画面,这也就意味着,如果我们不从底层上思考商业逻辑的变化,我们怎么去面对人类向哪里发展,如何缩小不平等,如何共同富裕这样的宏大命题呢。

第三个问题:数字化转型的使命:重新思考“人-机再分工”

第三个问题我想谈一谈人和机器的分工的问题,而且我想说人和机器正在面临一次再分工。大家知道,过去几年里,机器人技术已经应用非常广泛,很多的制造业企业都在探讨大量的使用机器人替代人工,也有人提出来“黑灯工厂”。

这意味着什么?这就意味着大量的车间现场,大量的农场,大量的林场、养殖场,可能是无人化的。这当然首先意味着大批工作岗位的消失,这个会引发非常强的社会问题。

但同时也需要触动我们去思考,出现“黑灯工厂”,在经济学的基本理论需要做哪些修正?

所以,我说我们还需要回去看《资本论》,在马克思的《资本论》的第一卷里边有两章在谈分工,第十二章谈分工是资本统治劳动的条件,第十三章谈机器是生产剩余价值的手段。这两句话我们都非常熟悉,马克思创立了剩余价值理论。所以,分工和大机器生产是剩余价值非常重要的制造机器和生产手段。

今天如果是无人工厂,那么,这意味着什么?我认为这意味着一个非常重要的实现人的价值的第一步。

怎么讲呢?在传播经济学里有这样一句话,土地、资本、劳动力是生产要素,今天我们又增加了第四个要素Data(数据),我们已经都知道数据也是生产要素。可是我们把这三个要素和数据这个要素放在一起,是不是说数字经济就是四种生产要素呢?“3+1”这么简单吗?

我认为不是,我认为的未来真正的数字经济依然是三个生产要素,资本、土地、数据,劳动力去哪里了呢?劳动力不是生产要素。

换句话说,劳动力将退出生产要素。只有劳动力退出生产要素,才能实现人的价值,才能实现人的意义。这就是前面我提到的,为什么过去几十年来UBI(普遍基本收入)成为越来越多人的共识。这就意味着什么?人和机器的再分工,人和机器的关系就发生革命性的变化。

英国有一位互联网思想家,叫弗洛里迪,他在15年前写了一本书,提出了信息哲学,8年前他有一本新书叫《第四次革命》。正好这个《第四次革命》,他提出了一个非常重要的思想,就是人类发展的大尺度的历史,将会从今天的历史变到下一步数字时代的超历史,而这个标志在什么地方呢?就在于界面的消失。

什么是界面呢?界面就是所有的认知界面、劳动界面、工作界面,所有跟人的沟通、通讯相关的技术界面消失了。消失不是不存在,消失只是说它从过去那种有形的状态进入的无形的状态,从过去那种零星散状的状态进入到了无所不在的状态。

所以,我说我们经常需要在畅想未来的时候,需要脑洞大开去想象未来十年、二十年之后,技术如何生动的嵌入到我们的生活、工作和周边环境当中。

比方我们浑身上下都有100个传感器,比如我们的家庭、工作环境、整个城市都充满着传感器的时候,我们需要思考的是,这个世界将建立在什么样的哲学基础之上,这个哲学基础跟工业时代一定不同。

小结:理解数字世界的三个要点

所以,我今天就想通过提出这三个问题来谈,我们理解未来的数字世界需要思考三个要点。未来一定是深度的互联互通,我们今天有幸连接在一起,将来的连接可能比今天更具有沉浸感,更具有穿透力,更能够变成一种切身的体验。

那么,在这种情况下,人和智能机器之间将会有一种革命性的分化,要想把这样的革命性的分化在这个基础上建构新型的经济形态,新型的社会组织,就必须用全新的思考来看待整个世界。

说到安德斯·因赛特先生的《量子经济》,我感觉到我最后总结的边生产、边消费、边分配的平行世界,跟安德斯·因赛特先生的《量子经济》多少有一些暗合。什么是量子呢?量子就是同时存在,量子就是整体关联,量子就是动态平衡。所以,未来的世界需要我们打开更大的想象空间。

最后,就想说,用马克思的这句话,“一切坚固的东西,都烟消云散了”。那么,在理解今天的世界依然非常贴切,我们的底层逻辑、我们的认知需要重启,我们需要拥有后天的想象力,而不只是想象明天,因为后天一定会到来,而这个后天就是在我们今天的定义之中,我们如何理解今天的世界,其实是决定了后天这个世界的走向。


责任编辑:华轩 来源: 大数据DT
相关推荐

2018-11-07 14:20:35

人工智能未来教育

2021-09-12 22:44:36

人工智能机器学习技术

2021-04-10 16:09:18

人工智能AI深度学习

2023-07-26 11:26:42

2018-03-30 14:47:13

2024-01-10 14:21:58

人工智能AI数据存储

2022-06-26 23:20:47

人工智能设计行业AR/VR

2020-07-13 10:20:01

人工智能技术IT

2022-06-20 11:05:58

通用人工智能机器人

2020-11-06 12:56:59

人工智能机器学习技术

2023-09-26 09:48:05

人工智能AI

2018-03-23 07:52:05

2022-02-07 22:23:34

人工智能数字化转型数据集

2019-11-19 15:52:03

人工智能生产力数据隐私

2021-06-28 16:15:57

人工智能AI

2022-07-08 11:02:01

人工智能AI

2022-11-03 15:16:27

人工智能

2022-01-13 15:08:31

人工智能科技手机

2023-12-26 07:46:35

2022-08-31 11:42:19

人工智能AI边缘计算
点赞
收藏

51CTO技术栈公众号