文/新浪財經意見領袖專欄（微信公眾號kopleader）專欄作家 何帆

　　機器取代人的方式無非有兩種，其一，機器人有了自我意識，不會再聽命于人的指揮；其二，人與機器融為一體。

　　企業管理顧問華倫·貝尼斯（Warren Bennis）講過一個笑話。他說，未來的工廠里只有一個人，一條狗。人是要喂狗，狗是要看住人，不讓他碰機器。

　　總有一天，機器人會替代人。如果對物種進化做一個預測，那么，人類之后的下一個物種應該是機器人。

　　推薦大家讀一本《如何思考會思考的機器》，里面匯集了全球各個行業頂級專家對人工智能的看法。當然，即使是專家，對人工智能的看法也大多是猜測。誰也不知道未來會出現什么變化。如果簡單地講，未來可能會有兩條路徑。

　　第一種路徑是機器人徹底替代了人。

　　機器人不僅學會了人的思維模式，而且比人類做得更好。機器人也學會了人類的情感，而且比人類更加理性。機器人有了自我意識，不會再聽命于人的指揮。這并非是不可能的。歸根到本源，人的思維、情感，無非都是物理和化學反應，只是我們對其原理了解甚少而已。

　　第二種路徑是人和機器人融為一體。

　　手機讓我們成為“千里眼”、“順風耳”，能夠實時地、不受地域限制地與其他人溝通。大數據可以方便我們更好地學習和交流。人用上了各種人造器官。以后，人們很可能會運用更多的科技改善我們的記憶、延長我們的壽命、調節我們的情緒。

　　·記性不好？外接一個U盤就行。

　　·性格暴躁？吃一片藥就改過來了。

　　·想體驗一下南極探險？你可以從別人那里購買一段個人回憶。

　　·聽不懂爪哇語？機器幫你直接翻譯。

　　無論出現哪種情況，我們都能想象得出最后的結果：人類這個物種，會被徹底地改變。生活、工作，都會和以往大不相同，甚至人類的生存都會遇到挑戰。

　　人工智能是如何出現的？這是一個很復雜的問題。

　　我們不妨從最簡單的角度來理解。過去的電腦都是靠“程序”運轉，程序員設想出可能會出現的各種情況，然后告訴機器，如果遇到某一種情況，該如何如何處理。

　　這就會帶來一個挑戰，如果是一個非常復雜的問題，有很多環節，機器在每一個環節上都要窮盡所有的可能性，那么，計算和判斷的復雜程度會呈指數型增長，直至機器徹底崩潰。

　　人每天也會遇到各種復雜的問題，要不要結婚，要不要生子，都是極其復雜的問題。人生有無窮無盡的可能性，有各種各樣的偶然性。人是如何處理復雜問題的？

　　我們的思維方式比較偷懶。好比，在第一個岔口，有兩個選擇，我們會隨便選一個，比如我們選A。再往前走，又遇到第二個岔口，又有兩個選擇，我們再隨便選一個，比如我們選A1。如果A1是個死胡同呢？我們趕緊退回最近的分岔點，選擇A2。

　　如此循環往返，直至找到合適的路徑。這種思維方式看起來很笨，這不就是靠碰運氣嗎？確實如此，這是因為人的記憶儲存能力和計算能力嚴重不足，才想出來的湊合的辦法，但事實證明，這是解決復雜問題的唯一正確路徑。

　　我們對智能機器人最直觀的體驗可能是家里的掃地機器人，一款叫Roomba的家伙。

　　最早設計Roomba的時候，設計師非常苦惱。每個家庭的房間都不一樣，有人住別墅，有人住陋室，有的房間方方正正，有的房間極不規則。如果想把所有的戶型資料都預先輸入，幾乎是不可能的。換個思路之后，就豁然開朗了。Roomba的設計思路是讓機器人自己去學習。

　　當Roomba剛到你家里的時候，它會像喝醉酒一樣，到處碰壁。其實它是在學習。碰墻沒有關系，它會把這當作一次失敗的嘗試，把結果記錄下來。只要它把每一次失敗都記錄下來，不斷修正，就能越來越熟練，最后，它就像在你家里盡情撒歡的小狗，來來去去，自如得很。

　　一言以蔽之，這種設計思路就是“試錯法”。機器學習就是一個計算機算法在分析和預測中不斷自我改進的過程。

　　認知機器人的方法論無非是最基本的概率論，但它的技術進步在于，認知機器人已經開始理解更復雜的非結構化信息。也就是說，機器人不僅能夠像過去那樣理解數字，還能夠“看懂”圖像、“聽懂”人的講話，等等。

　　以機器翻譯為例。IBM在開發翻譯軟件的時候成立了一個團隊，最早，他們雇傭了很多語言學家，希望語言學家能夠教會機器不同的語法，然后讓機器根據語法學習各種語言。后來，他們發現這樣根本行不通。最簡單粗暴的辦法就是把海量的語言資料都輸入電腦，讓電腦自己去“試錯”。

　　一開始，電腦的翻譯一定是不倫不類的，但慢慢地，如果你給電腦足夠多的正確和錯誤的示例，它就會慢慢弄明白，哪些說法是不地道的，哪些是更地道的。它的學習就越來越快。它可以用同樣的方法學會中文、俄語、班圖語、尼泊爾語：其實它不是在學外語，而是在處理統計數據。以后，我們很可能不用再學習外語了，人工智能會比我們做得更好。它能夠掌握各種語言，靠的就是大數據和“試錯法”。

　　說起人工智能，我們常常會有一種恐懼，認為我們的工作很快就會被機器替代。確實，越來越多的工作會被機器替代，但距離我所預言的那個機器人取代人類的時代還早得很。我們仍然處在人工智能的初級階段。

　　現在的人工智能大多局限在一個特定的領域。Roomba是負責掃地的。有的人工智能是為了翻譯語言、或是幫助醫生診斷疾病。它們各有分工。在其各自的領域，它們完全有可能替代很多常規性的人類的工作，但機器人會不會突然變得全知全能呢？你家的Roomba會不會有一天掃地掃膩味了，自己決定不想掃地，要設計汽車了？至少目前來看，這種可能性為零。

　　任務自動化和工作崗位自動化是兩件不同的事情。工作崗位自動化是指機器完全替代了人，任務自動化是不會搶走人類的工作的。

　　舉例來說，由于工業革命，紡織行業在19世紀就從手工業變成了現代化工業。紡織行業中98%的勞動被自動化了，那么，紡織行業的就業人數是否相應地減少了98%呢？

　　沒有。紡織行業的就業人數反而增加了。這是由于生產力大幅度提高之后，產品的價格會下降，對產品的需求就會增加。過去，許多人只有一套衣服，而且是媽媽手工縫制的。過去是“慈母手中線，游子身上衣”。現在，游子穿的都是買來的衣服，每個人的衣櫥里都塞得滿滿的。此外，對窗簾、地毯、沙發罩，各種各樣紡織品的需求也大幅度增加，于是，需求的增長抵消了機器對勞動力的替代。

　　同樣的故事今天仍然在發生。自動取款機是在20世紀90年代之后開始出現的。當初，人們認為有了自動取款機，就不再需要銀行柜員了，結果呢？

　　銀行柜員的人數卻增加了，而且比美國整個勞動力市場就業人數的增加速度更快。

　　條形碼是從20世紀80年代開始出現的。掃描條形碼，能讓收銀員的結賬時間減少18-19%，但收銀員的人數反而增加了。

　　20世紀90年代末以來，律師事務所越來越多地使用電子文檔檢索軟件，這本是律師助理要做的工作，但律師助理的人數反而快速增長。

　　我們都聽說過，技術可以創造出全新的崗位需求，比如數據科學工程師。但與此同時，技術也能改變很多傳統的常規工作。

　　銀行柜員不需要再收付現金，他們可以花更多的時間幫顧客處理更復雜的事務。

　　律師助理不用再在檔案堆里找文件，他們可以幫助律師們更好地維護客戶關系。

　　會看CT片子的電腦沒有完全替代醫生的工作，醫生可以借助電腦，進一步提高診斷質量。

　　各種設計軟件也沒有替代設計師的工作，相反，會有更多的人更容易地進入這一行當。

　　所以，好消息是：未來的工廠里，會有一臺機器，一個人，一條狗。有的工作是人來做主，機器輔助；有的工作是機器做主，人來輔助。至于那條狗嘛，它安安靜靜地趴在那里，像一個哲人一樣若有所思。

　　(本文作者介紹：中國人民大學重陽金融研究院首席經濟學家)