财新传媒
位置:博客 > 奴隶社会 > 明白这三点,AI来了也不怕

明白这三点,AI来了也不怕

 
作者:肖璟,连续创业者,曾供职于麦肯锡金融机构组、小赢科技。互联网金融跨界人士,著有畅销书《风口上的猪》。本文来自:解题者 ( ID: imjietizhe )。
 
日前,我受邀去参加了Linkedin中国和IBM的一个A.I.(Artificial Intelligence,人工智能)主题报告发布活动。
 
中间有一个环节蛮有趣的 — 主办方邀请《奇葩说》的辩手们讨论一个辩题:“职场人士,是否需要恐惧A.I.?”
 
双方唇枪舌战,甚是精彩,最后王强老师得出个结论:无论恐惧不恐惧,如果不想那么快就被A.I.取代,我们需要积极迎接变化,才能保持自己的竞争力。
 
那么问题就来了,身处A.I.时代,我们要保持竞争力,该从哪方面下手呢?
 
01 未来该发展哪些核心竞争力?
 
要回答这个问题,我们要先看看,你究竟是和谁在竞争?
 
你的竞争对手有可能是其他人,也有可能是A.I.。我们一分为二来看好了。
 
1. 与其他人的竞争
 
胡渐彪老师提到:A.I.技术让人与人之间的能力差距在缩小。
 
比方说老司机,过往有经验的司机师傅之所以牛X,很大程度是因为他们认路。而导航APP普及后,老司机们的这个优势也就不复存在了,跟新手司机也没啥大区别了。
 
“老司机”们的优势确实会逐渐丧失。不过人与人之间还是会有能力层面的差距,只是这种差距会慢慢体现在其他方面 — 新技术的应用能力。
 
丛林法则还是起作用,环境变了,适合生存的能力不一样罢了。
 
每次技术迭代,技术都会改变我们所处的环境,进而改变了人与人之间差距所在的维度。比方说摄影,过往牛X的摄影师要精通暗房洗照片那一套,而现在,正片负冲啊什么的,一个滤镜按钮就搞定了。摄影的核心竞争力变成图像处理软件使用的熟练度。
 
在A.I.时代,我们与其他人的竞争自然也变成了A.I.操作能力的竞争,谁用得熟练,谁自然就有竞争优势。
 
当然,除了与其他人竞争,有可能我们还要跟A.I.竞争——
 
2. 与A.I.的竞争
 
如果哪天A.I.可以自主运行,那人类是不是就要丢饭碗了?
 
被A.I.替代似乎不是距离我们很遥远的事。前段时间看到一个新闻,投资银行Goldman Sachs的纽约办公室原来的600多个交易员现在只剩下两人,起因是他们研发了一套自动交易算法。
 
是不是很有危机感?那,有没有哪些核心竞争力是人类独有、A.I.取代不了的呢?
 
别担心,还真有。
 
A.I.的定位是人类大脑的外包,用来解放我们的脑力劳动、代替我们思考。
 
而回归A.I.目前的发展,大部分的应用仅仅是在思考速度上完虐人类。但在思考质量上,A.I.还远没有达到人类水平。
 
思考质量其实就是思考的等级。
 
类比一下,就像你玩角色扮演游戏,你的攻击速度是别人的100倍,但你一次只能造成1点伤害,对方一次攻击能造成10000点伤害,这个1与10000的区别,就是质量上的差别,你的速度再快也会被对方秒杀。
 
比如人类和猩猩就有思考质量上的差别 — 人类大脑有些独特的认知模块,让我们可以用复杂的语言沟通、让我们可以做抽象思考。猩猩则没有这些模块,就算把它们的思考速度加快到超越人类数倍,他们还是无法理解抽象概念。
 
那,思考质量最重要的是什么?
 
我们不妨先看看思考流程图,思考一般分为归纳(induction)与演绎(deduction)两种:
 
 
归纳过程是输入阶段,决定思考质量的是提炼能力;
演绎过程是输出阶段,决定思考质量的是应用能力。
 
输出后你会得到反馈,反馈又会成为你的输入,形成一个闭环。
 
接着,我们便来详细介绍下这两种A.I.短期内无法替代的能力。
 
- 提炼能力 -
 
当你把外部资讯内化(internalize)为自己的一部分时,势必要经历归纳的过程,而提炼能力往往决定着你归纳结果的质量。
 
我们可以一步步把数据提炼为信息,把信息提炼为知识,再把知识提炼为智慧。
 
A.I.也可以做到提炼。比如用数据挖掘(data mining)的方式从大量数据中提取信息,但提取出来的只是信息和知识,还没办法达到智慧的层面。
 
如果说从数据提炼信息、从信息提炼知识可以帮我们do things right,那么从知识提炼智慧可以帮到我们的是do the right things。
 
- 应用能力 -
 
说完归纳,我们来聊聊演绎。
 
演绎过程中对已有知识的应用并不难,难的在于举一反三的应用能力。
 
在麦肯锡工作时,一开始我做的大多都是金融机构组的项目,积累了不少金融行业的方法论。而后做房地产等其他行业项目时,发现很多方法论其实跨领域也是相通的。
 
而且金融行业的一些常见方法论,却不是其他行业从业者所熟悉的,举一反三往往可以出奇制胜。
 
而聪明人往往可以在多个领域都做到极致,举几个跨界的案例:
 
比如好友S,他总是自诩为“学会计里头最懂产品的(在美国出版过一本产品书籍),学产品里头最懂技术的(任职某投行CTO),学技术里头最懂会计的(大学专业会计学,且以一级荣誉毕业)”…
再比如《思考,快与慢》的作者Daniel Kahneman本职是普林斯顿大学的心理系教授,却获得了诺贝尔经济学奖…
还有最著名的跨界人士达芬奇,拥有一堆抬头:画家、天文学家、发明家、建筑工程师…
 
举一反三的应用能力仍是人类思考质量上特有的,A.I.暂时还做不到。
 
稍微总结一下,身处A.I.时代,我们在面对其他人的时候,核心竞争力应体现在A.I.操作能力;我们在面对A.I.的时候,核心竞争力应体现在提炼能力与应用能力。
 
搞清楚了我们该往哪些方面努力后,我们来看看下一个问题:
 
02 如何提高核心竞争力?
 
针对前述的能力,我也有一些落地的方法可以分享给大家:
 
1. A.I.操作能力
 
A.I.操作能力属于技能的一种,而技能的评价标准是熟练程度。熟练程度与使用程度成正比。
 
换句话说,越早用A.I.的人、用得越频繁的人自然就越用得越溜。
 
这不得不提 Everett Roger 的创新扩散理论:
 
 
根据该理论,不同的人接受创新的速度是不一样的。
 
不懂A.I.技术的我们或许没法成为那前2.5%的创新者(innovators),但我们可以保持好奇心,尽可能成为早期使用者(early adopters)。
 
个人觉得在这方面有3点可以做的:
 
一是多看看科技博客:TechCrunch、36氪、钛媒体、PingWest等等;
二是多更新硬件设备:不特指A.I.设备,比如不少人总会买最新一代的iPhone,甚至去kickstarter等众筹网站买一些创新硬件;
三是多和技术领域大牛聊天:看看最近圈里有哪些新的技术趋势。
 
2. 提炼能力
 
对于很多人而言,读书的效果并没那么立竿见影。
 
套用前述的DIKW金字塔,这完全是因为,大多人读书时,对于资讯的接受还停留在数据和信息层面,压根都没有往知识或智慧的层面提炼。而提炼能力,是可以通过知识内化练习提高的。
 
这个练习分3步:
 
步骤1:读书
可以适当地通过读书笔记记录重点内容。
 
步骤2:复述
我们读完书、听完课后,可以尝试用自己的语言复述你学到的知识架构和主要观点。可以对着镜子自己复述,也可以对着你的朋友。
 
步骤3:内化
聪明人往往有自己的既有知识体系。他们可以很快地把新接触的信息、知识内化为自己知识框架里头的一个分支。
 
在内化的过程中,如果发现所学的新知识与既有知识体系有冲突,需要进一步辩证地思考、判断。
 
不断重复“读书 - 复述 - 内化”这个知识内化过程,便可以锻炼你的提炼能力。
 
3. 应用能力
 
分享1个简单的锻炼应用能力的方法:解题训练。
 
这是前几天和好友Z一起吃饭,他分享的方法(顺带一提,这哥们是福布斯的 30 under 30 Asia 其中之一)。
 
他每天饭后会抽1到2个小时做这个思考训练:
 
一个人找个空旷的地方散步,选择一个自己以前从没系统性思考过的问题,不一定和自己的工作相关,可以是跨行业的,也可以是生活方面的。
 
我这一系列文章其实也是一样的思路。毕竟,你很少会看到一个咨询出身、做互联网金融的人,用纯理性思维写情感类文章,而且还在知乎被一堆人咨询情感问题。
 
稍微回顾一下,以下是我们的竞争力发展方法总结:
 
 
接下来的部分我要开开脑洞,如果对人工智能不感兴趣的朋友们欢迎直接跳过。
 
我不懂人工智能技术,以下内容仅供开脑洞,不喜可喷。
 
03 A.I.的思考质量有可能赶超人类吗?
 
人工智能被分为3种:
 
 
大家不难发现,前面的讨论其实我们都没有跳出弱人工智能范畴。
 
不过根据科学家预测,2040年前后强人工智能就有可能会实现。
 
那么,如果人工智能的思考质量真的赶超人类,达到强人工智能甚至超人工智能,那会有怎样的可能?
 
可能性1:与A.I.的融合,迈向永生
 
其实我更愿意相信我们会跟A.I.融合,变成像《攻壳特工队》里头的半机器人。
 
先别忙着抗拒,其实我们现在已经算是半个机器人了。
 
你想想,现在我们每天的生活离得开手机吗?你需要用它来导航叫车、点外卖、查餐厅位置…手机已经变成你身体的一部分,其实你就是半个机器人。
 
随着我们慢慢的A.I.化,未来我们可能会变成像《超验骇客》(Transcendence)里的Johnny Depp那般,变成了完全的A.I.,可能会有另一个可怕的结局可能会出现:统一意志。
 
这也是不少科幻作品对人类社会最终形态的一个解答。
 
我们的输入是人类社会能接触到的所有信息,我们的逻辑是求解最优解的统一逻辑。输入一致、计算逻辑一致,输出自然也会是一致的。
 
可能性2:灭绝?
 
这么负面的可能性我就不多说了,这里推荐一个知乎回答《为什么有很多名人让人们警惕人工智能》。不少哲学家关于这个可能性的思考,引人深思。感兴趣的读者可以移步知乎了解。
 
参考文献:
[1] Tim Urban, , Waitbutwhy, 2015
[2] Jennifer Rowley, , 2007
[3] Everett Rogers, , 1962



推荐 8