第9章 无用的阶级（1/2）

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群。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，一旦等到算法在记忆、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，经过数百万年进化自然选择而成。

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，算法是以碳来表现还是硅来表现又有何差别？

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，ibarry kasparov），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。2015年2月，由google deepd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（deis 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《吃豆人》（pac-an ）、《太空入侵者》（space vaders ）到各种赛车和网球游戏。而且，这套程序得到的分数多半都能打平甚至超过人类，有时候还会使出人类玩家从未想到的策略。 13

图45 “深蓝”击败加里·卡斯帕罗夫

不久之后，人工智能又获得了更惊人的成就：谷歌的alphago软件自学围棋这种古老的中国棋类游戏，而围棋的复杂度远超国际象棋，一般认为这并不在人工智能程序能够处理的范围内。2016年3月，alphago和韩国棋王李世石在首尔举行了一场比赛，alphago凭借出奇的下法、创新的战略，以4比1击败李世石，令各方大跌眼镜。赛前，大多数专业棋手都确信李世石能赢得比赛，但在赛后分析alphago的棋路后，多数人的结论则是人类在围棋上已不再有希望能打败alphago或其后来者。

近来，计算机算法也证明了自己在球类竞赛中的价值。几十年来，棒球队挑选球员靠的是专业球探和经理的智慧、经验和直觉。顶尖球员的身价高达数百万美元，自然财力雄厚的球队才能抢下一流球员，而经济拮据的球队只能勉强起用二线球员。但在2002年，预算有限的奥克兰运动家队（oaknd athletics）总经理比利·比恩（billy beane）尝试要打破这个格局。他决定根据经济学家和计算机怪才所开发的一套神秘计算机算法，找出人类球探忽视或低估的球员，打造一支常胜队伍。在保守派看来，比恩的算法根本是玷污棒球的神圣殿堂，他们大感愤怒。他们坚决认为球员的选择是一门艺术，只有长期亲近棒球、相关经验丰富的人，才有可能掌握。至于计算机程序，因为它永远无法懂得其中的奥秘和棒球的精神，所以永远都不可能学会这一套。

但没多久，令这些人颇感意外的是，比恩用算法打造的这支低成本球队（4400万美元），不仅能与纽约扬基队（125亿美元）这种传统棒球强队平分秋色，甚至还成为美国职业棒球大联盟史上第一支20连胜的队伍。只不过，比恩和运动家队没能得意太久。很快，其他球队也跟进使用同样的算法策略，而且由于扬基队和红袜队不管在球员还是计算机软件上能砸的钱都远远胜出，现在像奥克兰运动家队这种低预算球队，能打败整个体制的机会反而更小了。 14

2004年，麻省理工学院的弗兰克·利维（frank levy）教授与哈佛大学的理查德·默南（richard urnane）教授发表了一份关于就业市场的全面研究报告，列出最有可能走向自动化的职业。当时讲到在可预见的未来不可能实现自动化的职业时举的例子是卡车司机。他们表示，实在很难想象计算机可以在繁忙的道路上让汽车实现安全行驶。但才不过十几年，谷歌和特斯拉不仅想到了这一点，还在加紧研发。 15

事实上，随着时间的推移，不仅是因为算法变得更聪明，也是因为人类逐渐走向专业化，所以用计算机来取代人类越来越容易。远古的狩猎者只是想要生存下去，就得掌握各式各样的技能，也正因为如此，想设计狩猎机器人的难度非常大。这种机器人得要懂如何把燧石磨出尖头，在森林中找到可食用的蘑菇，跟踪猛犸象，与其他十几个猎人协调如何进攻，之后还得知道怎么用药草来治疗伤口。但在过去几千年间，人类已经走向专业化。比起狩猎者，出租车司机或心脏病专科医生所做的事更为有限，也就更容易被人工智能取代。我已一再强调，人工智能目前绝无法做到与人类匹敌。但对大多数的现代工作来说，99的人类特性及能力都是多余的。人工智能要把人类挤出就业市场，只要在特定行业需要的特定能力上超越人类，就已足够。

就连负责管理所有活动的经理，也可能被取代。例如uber（优步），就因为有强大的算法，只要几位工作人员，就能管理数百万的uber司机。大多数的命令都是由算法自动下达，无须人为监管。 16 2014年5月，专注于再生医学领域的香港创投公司deep knowled ventures（dkv）另创新局，任命一套名为vital的算法为董事会成员。vital会分析候选公司的财务状况、临床试验和知识产权等大量资料，据以提出投资建议。这套算法就像另外五位董事一样，能够投票决定是否投资某家公司。