IEEE專訪李開復：人類已開啟潘多拉盒子，封堵AI變革只會徒勞

來源：《IEEE Spectrum》，人工智慧學家（AItists），如涉及版權問題煩請聯絡刪除。

摘要

近期，李開復新書《AI·未來》在美國同樣反響不俗。在榮登多個排行榜後，IEEE旗下《IEEE Spectrum》，對李開復進行了專訪，談到了眾多當前AI領域最受關注的話題。而且從《IEEE Spectrum》的採訪中，也可能看出美國技術方面的核心人群，對中國和中國AI的關注。

李開復是AI領域的博士，師從CMU圖靈獎得主Raj Reddy，也是IEEE Fellow，而且還因連續擔任科技巨頭在華一把手，熟諳中美兩地的科技趨勢和背景文化。

於是，《IEEE Spectrum》的採訪，圍繞中美AI競速展開。

但李開復卻強調：AI變革之緊迫，不只有大國競速帶來的新格局，更關鍵的是隨變革而來的失業和教育等問題。

被問及AI產生的負面影響，是否能通過關閉或停止研發來應對？

李開復回答：我們已經開啟了潘多拉的盒子。

具體觀點如何，我們一起看採訪實錄。

中國AI速度會更快

《IEEE Spectrum》：就AI的研發和部署而言，為什麼你覺得中國很快就能趕上、甚至趕超美國？

李開復：首要原因是AI已經完成了從探索階段到應用階段的轉型。在探索階段，最先取得探索成果的人擁有絕對優勢；然而現在AI演算法已為諸多業內實踐人士所熟知。

所以，現在的關鍵在於速度、執行、資本以及對海量資料的獲取，而中國在以上每個層面都具有優勢。

這就是為什麼我在書的開篇就談到了中國的創業家精神。和矽谷不同，中國的創業公司並不是建立在諸如iPhone 的突破或者SpaceX的創新之上，而是基於堅苦卓絕的付出。

中國創業者的做法，通常是確定一個擁有足夠多的資料、且在AI應用上具備商業可行性的領域。然後，竭盡全力讓AI的應用得以落地，這中間的工作往往異常艱辛。

《IEEE Spectrum》：你提到，像騰訊這樣的中國科技巨頭在獲取訓練 AI所需的資料方面有顯著優勢。比起谷歌這樣的公司，它們真的擁有更多資料嗎？

李開復：我們可以從不同的角度來分析資料方面的優勢。第一是使用者的數量。谷歌是跨國公司，所以它的使用者群體很可能比騰訊更大。

第二個問題是：資料組的同質化程度有多高？谷歌從愛沙尼亞獲得的資料應該不會對他們在印度的業務有什麼幫助。

因此，最好的情況還是要掌握同類人群的豐富資料，即擁有相同的語言、文化、偏好、使用模式、支付方式等特質的群體。

第三個衡量標準，是對於個體資料掌握的多寡。騰訊有一個全能型應用——微信，它基本上囊括了使用者的所有需求。平均每位中國網際網路使用者有一半的線上時間都花在了微信上。

當你開啟微信，你就會發現那些美國使用者需要從不同平臺獲取的服務——包括Facebook、推特、iMessage、優步、Expedia、Evite、Instagram、Skype、PayPal、GrubHub、LimeBike、WebMD、Fandango、YouTube、亞馬遜和易趣等等——都可以在微信上找到。

《IEEE Spectrum》：你把中國的創業生態系統描繪成了一個“鬥獸場”，初創企業之所以能成功，不是因為他們有多創新，而是因為他們最擅長複製，而且工作也最拼命。

李開復：創新也包括在內，但它只是成功因素之一。其次就是複製。為了獲得成功、為使用者創造價值、賺取利潤，創業者們會想盡一切辦法。以微信為例，它不曾擁有像iPhone一樣讓世界為之傾倒的時刻。

但今天的微信仍是一項令人驚歎的創新，而這並非因為騰訊的某個人在憑空設想後把微信創造了出來，然後令世人為之矚目。

騰訊所做的，只是不斷地把使用者需要的功能新增到產品中，不停地迭代、淘汰無人問津的功能，最後才有了這個最具創新性的社交產品。

微信實在是太成功，就連Facebook如今也在學騰訊了。

AI緊迫不在大國競速

《IEEE Spectrum》：你在書中寫道，AI最大的問題並非中國和美國誰將佔據主導地位，而是我們將如何應對“真正的AI危機”，也就是就業問題、貧富差距和人們的自我價值感。

李開復：許多職責和領域單一的工作將會被AI取代。當然，人類確實擁有AI不具備的能力，如形成概念、制定策略以及創造的能力。

雖說今天的AI還只是高智慧的模式識別機器，可以收集、優化資料，並在某一特定任務上打敗人類，但世界上有多少工作是可以改善的簡單性重複作業？又有多少工作完全不需要創造、制定策略或是形成概念的能力？

大多數工作都是重複性的，包括駕駛卡車、電話推銷、洗碗、採摘水果、流水線工作等等。在我看來，恐怕50%的工作都面臨AI的威脅。

這些工作會否在 15 年、20年或是30年後消失，仍是未知之數。但這個趨勢終究是無可避免的。AI不僅會做得更好，並且邊際成本十分低。

一旦建成了系統並投入使用，你就只需要支付伺服器、電力和頻寬費用。要獲得競爭力，公司將被迫自動化。而且這一變革的速度對於人類而言將是史無前例的。

《IEEE Spectrum》：科技烏托邦主義者認為，正如工業革命一樣，AI最終將會創造出全新的工種，為什麼你覺得這種想法是錯誤的？

李開復：有人認為工業革命創造的工作數量大於其引起的失業規模，他們還指出，電的發現也是如此。因此，人們不必杞人憂天，因為這次AI也將帶來相同的結果。如果我們擁有足夠的應對時間，我也會這麼認為。

那些早期的技術革命花費了一個世紀甚至更長的時間。雖然那時電的發現已超過100年，但人們仍然沒有電車使用，電網也還在完善。

這為人們提供了學習、進步以及創造就業的時間。然而，AI只給我們大約一代人的時間，相比之下這就倉促得多了。

《IEEE Spectrum》：你認為即使政府研究出相應對策，給失業人群發放補貼，危機也依然不可避免。

李開復：大多數人不僅僅把他們的工作視為收入來源。工作為他們的生活創造了意義，是為這個世界做出貢獻的渠道。現代社會就是遵循這種邏輯構建的：人們認為，雖然只是從事例行性工作，但他們能夠藉此賺錢養家，為家人創造更美好的生活。

如果他們賴以生存的工作被突然奪走，然後就被告知自己失業了，不過可以收下政府發放的補貼，那麼我覺得後果會很嚴重。

有些人會很高興能提前退休；有些人會學習新技能，找到新工作；但不幸的是，也將有許多人學習了錯誤的工作技能，從而再次失業。

很大一部分人將會感到抑鬱，覺得人生沒有意義，這或許會導致自殺、藥物濫用等問題。

AI革命是大勢所趨

《IEEE Spectrum》：如果AI的發展將不可避免地帶來這種經濟和社會動盪，我們是否有可能放棄這項技術，不再使用它？

李開復：個別政府當然可以決定放緩AI部署的腳步，但對於全人類來說，這是不可能的。我們已經開啟了潘多拉的盒子。

作為人類，我們確實成功控制了核武器的擴散，但核武器技術是保密的，而且還需要巨大的資本投入。

AI演算法已公之於眾，我們不可能禁止他人使用AI演算法，現在就連大學生都已經通過AI演算法創業了。

以自動駕駛卡車為例。目前中國正在為推進自動駕駛卡車的發展而改善城市和高速公路的基礎設施；與此同時，美國卡車工會卻向他們的總統川普申訴，請求禁止在高速公路上測試自動駕駛卡車。

如果美國目前在自動駕駛卡車領域領先，但出於卡車司機會失業的顧慮而放慢研發腳步，那麼結果無疑是中國將迎頭趕上。

中國企業將測試卡車、收集資料、利用資料優化AI。

到技術成熟的時候，中國就將開始向世界其他國家出口自動駕駛卡車。到那時，美國就得向自動化妥協了。

面對死亡

《IEEE Spectrum》：在你眼中未來是嚴峻的，但你接著又表示希望仍然存在，人類蓬勃發展的潛能從未如此巨大。你自己也親歷過絕處逢生。可以和我們分享你抗癌的這段經歷嗎？

李開復：一直以來我都是個工作狂，工作一直是我生活的重心。直到我得了癌症、直面死亡時，我才意識到他人對我的愛是多少金錢、成功、名譽都換不來的。

當時，我非常後悔沒有以同樣的方式回報那些愛我的人。這次經歷為我敲響了警鐘。

在我情況好轉並且癌症得到控制後，我改變了自己的生活方式。並不是說我不再努力工作了，我依然熱愛我的事業。

只是我有了新的優先次序。我把我的家人放在首位，找到了更好的平衡。從前，對工作的全然投入給我帶來了金錢、成功和名譽，但我現在發現這些並不是真正對我重要的東西——儘管我曾經認為是的。

人機共生的歷史階段

《IEEE Spectrum》：所以這段經歷給了你靈感，讓你有了與AI共生的想法，即AI會為人們創造更多的時間來互相關愛。你寫道，我們必須“培養AI和人心之間的一種協同效應”。可否為我們舉例，這種協同效應會如何體現在就業市場中？

李開復：我覺得最有代表性的例子就是醫療行業。試想，在未來的診所中，升級後的病房配備了各種感應器，能夠讀取病人的身體資料，並把大量資訊傳送給人類醫生。醫生就會從中提取出相關資訊，如家庭病史和特殊症狀。

AI還可以做出準確的診斷，提出治療和藥物方案。在早期，AI會為醫生提供資料資訊，醫生來做最後的決定。

但最終醫生將不再凌駕於AI系統之上。屆時將由AI先做診斷，再由醫生以具有人文關懷的方式把資訊傳達給病人。

此外，醫生還會把更多的時間花在傾聽病人的具體情況上。在許多國家，每個病人只能佔用醫生五分鐘的時間。

儘管對於醫生而言五分鐘可能就足夠了，但病人需要更多的時間才會覺得醫生認真聽取了他們的情況，才會有機會提問，才會覺得安心。

如果醫生需要投入更多的時間到每位病人身上，就會需要更多的醫生。

或許未來他們不需要經歷整整十年的學術生涯和實習經驗來獲得醫學博士學位，畢竟到時醫生已經不再需要記住各種醫學症狀和治療方案了。

相反，這些醫生可能只需要四年的教育就可以成為善於關懷、富有同情心的護理人員，類似於護理師。

如此一來，醫療成本就會大幅下降，病人會得到更人性化的關懷，護理人員的數量也會大大攀升。

∑編輯 | Gemini

來源 | AI報導

更多精彩：

☞  哈爾莫斯：怎樣做數學研究

☞  祖克伯2017年哈佛大學畢業演講

☞  線性代數在組合數學中的應用

☞  你見過真的菲利普曲線嗎？

☞  支援向量機(SVM)的故事是這樣子的

☞  深度神經網路中的數學，對你來說會不會太難？

☞  程式設計需要知道多少數學知識？

☞  陳省身——什麼是幾何學

☞  模式識別研究的回顧與展望

☞  曲面論

☞  自然底數e的意義是什麼？

☞  如何向5歲小孩解釋什麼是支援向量機（SVM）？

☞  華裔天才數學家陶哲軒自述

☞  代數，分析，幾何與拓撲，現代數學的三大方法論

演算法數學之美微信公眾號歡迎賜稿

稿件涉及數學、物理、演算法、計算機、程式設計等相關領域，經採用我們將奉上稿酬。

投稿郵箱：math_alg@163.com