讀AI新生：破解人機共存密碼筆記10人類角色

1. 工作

1.1. 技術性失業問題

1.1.1. 約翰·梅納德·凱恩斯（John Maynard Keynes）在其著名的文章《我們後代在經濟上的可能前景》中提出了技術性失業問題

1.1.1.1. 他在1930年寫了這篇文章，當時大蕭條在英國造成了大規模失業

1.1.2. 那些反對技術性失業概念的人經常提到銀行出納員和零售收銀員，銀行出納員的部分工作可以透過自動取款機完成，零售收銀員的工作則透過商品上的條形碼和RFID（射頻識別）標籤來加速

1.2. 技術的直接影響是雙向的

1.2.1. 透過提高生產率，技術可以降低一項服務的價格，從而增加需求以及增加就業

1.2.2. 技術的進一步發展意味著需要的人力越來越少

1.2.2.1. 當僱主發現可以用一種機械方法來完成以前由人完成的工作時，就業就會立即減少

1.2.2.2. 一幅迅速浮現的經濟圖景是，因為工作是不必要的，所以工作的人要少得多

1.3. 經濟學家曾試圖在自動化程度有所提高的各個行業中衡量這些影響的大小，但結果通常是不確定的

1.3.1. 自動化提高了生產率，從整體上說，人類的境況更好了，因為我們用同樣的工作量享受到了更多的商品和服務

1.3.2. 自動化增加了資本持有者（即房屋噴漆機器人的所有者）的收入份額，減少了勞動力（即曾經的房屋油漆工）的收入份額

1.4. 每一次卡車運輸的長途部分很有可能很快變成自主的，而人類將暫時處理城市中的運輸、接車和送貨

1.5. 在2018年的一次競賽中，人工智慧軟體在分析標準保密協議方面的得分超過了經驗豐富的法學教授，並且前者完成任務的速度比後者快了200倍

1.6. 常規形式的計算機程式設計，即今天經常被外包的那種程式設計工作，也可以實現自動化

1.6.1. 幾乎任何可以外包的東西都是自動化的絕好選擇，因為外包涉及將作業分解為任務，這些任務可以打包並以去情境化的形式分發

1.6.2. 機器人流程自動化產業生產的軟體工具完全可以在線上執行的辦公任務方面實現這種效果

1.6.3. 隨著人工智慧的發展，在未來幾十年裡，所有常規的體力勞動和腦力勞動基本上都將由機器以更低的成本完成，這當然是可能的，甚至實現的可能性非常大

1.6.4. 從幾千年前我們脫離狩獵採集者的角色以來，我們的社會就把大多數人當作機器人來使用，他們執行重複性的體力和腦力勞動，所以這些角色很快被機器人取代也許並不奇怪

1.6.5. 機械運輸變得比養馬更便宜，所以馬成了寵物

1.6.5.1. 面對等同於馬變成寵物的社會經濟問題，人類將會對他們的政府感到非常不滿

1.7. 資料科學對一艘巨大的遊輪而言不過只是一艘小小的救生艇

1.8. 普遍基本收入的資金來源是增值稅或資本收入稅，無論情況如何，普遍基本收入都會為每個成年人提供合理的收入

1.8.1. 對某些人而言，普遍基本收入代表了某種形式的天堂

1.8.2. 對另一些人而言，這代表著承認失敗，說明大多數人對社會沒有任何經濟價值

1.8.3. 真相總是介於二者之間，這在很大程度上取決於人們如何看待人類心理

1.9. 奮鬥和享樂之間的聯絡是我們理解如何創造美好未來的中心主題

1.9.1. 奮鬥是普通人的習慣和本能，是經過無數代人培養出來的，而不是“生活的真正價值”之一

1.9.2. 真正的享樂和持久的滿足來自擁有一個目標並實現它（至少是努力嘗試），這通常需要面對困難，而不是被動地消費眼前的快樂

1.9.3. 大多數人將從事提供人際關係服務的工作，這些服務只能由人類提供，或者說我們更願意由人類提供這些服務

1.9.3.1. 這類職業包括心理治療師、高管教練、導師、顧問、共事者以及照顧兒童和老人的人

1.9.3.2. “護理行業”

1.9.3.2.1. 對於提供護理的人有積極的含義

1.9.3.2.2. 對於接受護理的人有依賴和無助的負面含義

2. 人類角色

2.1. 擁有人性是我們的主要“賣點”，那麼製造人造人類似乎是一個壞主意

2.2. 我們不應該費太大的力氣去製造具有最明顯的人類特徵而非智力特徵的機器，比如人形機器人

2.2.1. 其結果就像人造假花一樣，不倫不類

2.2.2. 除了透過面部表情和動作來傳達非語言資訊的基本能力（即使兔八哥也能輕鬆做到這一點），我們沒有充分的理由要讓機器人具有人形

2.2.3. 不去製造人形機器人也有很好的實際原因

2.2.3.1. 例如與四足運動相比，我們的兩足姿態相對不穩定

2.2.3.2. 也許四條腿，兩隻手，人首馬身的形態會是一個很好的標準

2.3. 2017年10月25日沙烏地阿拉伯授予索菲婭公民身份，索菲婭是一個人形機器人

2.4. 從長遠來看，為機器人創造一個具體的法律地位，至少可以讓最先進的自主機器人獲得電子人的地位，為它們可能造成的任何損害負責

2.4.1. 機器人自身將承擔其造成的損害的法律責任，它的所有者或製造商則不用負責

2.4.2. 這意味著機器人將擁有金融資產，它們如果不遵守規則，就會受到制裁

2.4.2.1. 從字面上看，這是沒有意義的

2.4.3. 除了毫無必要甚至荒謬地提高機器人的地位之外，在影響人類的決策中越來越多地使用機器還可能降低人類的地位和尊嚴

2.5. 對人類尊嚴的侵犯

2.5.1. 透過賦予機器凌駕於人類之上的權力，我們把自己降到了二等地位，並失去了參與影響我們的決策的權利

2.5.1.1. 一種更極端的形式是賦予機器殺人的權力

2.5.2. 即使你認為做決定的不是機器，而是設計和委託製造機器的人，這些人類設計師和專員卻認為在這種情況下權衡每個人類主體的個人情況並不值得，這表明他們認為他人的生命價值不大

2.5.2.1. 由人類服務的精英階層與由機器服務和控制的廣大社會底層之間開始嚴重分化的一個徵兆

2.6. 趨勢是明顯的：在許多領域，機器在越來越高的權力級別上做出決策

2.6.1. 航空公司為例

2.6.1.1. 首先，計算機幫助編制航班時刻表

2.6.1.2. 很快，它們接管了機組人員排班、預訂座位和日常維護的工作

2.6.1.3. 接下來，它們被連線到全球資訊網路，向航空公司經理提供實時狀態報告，以便經理能夠有效地應對異常情況

2.6.1.4. 現在，它們正在接管管理異常情況的工作：更改飛機航線，重新安排工作人員，重新為乘客訂票，以及修改維護計劃

2.7. 人類變成了計算機系統的工具，即人類在必要時提供資訊並修復漏洞，但不再深入瞭解整個系統是如何工作的？

2.7.1. 2018年4月3日出現的一次“計算機故障”導致歐洲1.5萬個航班嚴重延誤或取消

2.7.2. 2010年交易演算法導致紐約證券交易所“閃電崩盤”，幾分鐘內1萬億美元蒸發，此時唯一的解決辦法是關閉交易所，而人們連發生了什麼事還都沒弄清楚

2.8. 在一切技術都沒出現之前，人類和大多數動物一樣，只能勉強餬口

2.8.1. 技術逐漸讓我們登上了機器的金字塔，擴大了我們作為個體和物種所能涉及的範圍

2.8.2. 我們可以用不同的方式來設計人與機器之間的關係

2.9. 如果我們設計機器是為了讓人類保留足夠的理解、權威和自主，那麼系統的技術部分就可以極大地放大人類的能力，使我們每個人都能站在一個巨大的能力金字塔上，如果願意，我們可以說人類成了“半人半神”

3. 偏見

3.1. 對自主決策的所有擔憂都源自潛在的演算法偏見

3.1.1. 機器學習演算法傾向於在貸款、住房、工作、保險、假釋、判決、大學錄取等方面產生不恰當的有偏見的決策

3.1.2. 並不意味著透過將種族排除在資料之外，我們就一定能做出不帶有種族偏見的決定

3.2. 決策過程必須服從檢查，以確保不會出現其他“偶然”的偏見

3.3. 演算法偏見產生的原因可能在於資料，而不在於公司故意作惡

3.3.1. 產生資料的文化中預先存在偏見

3.3.1.1. 男性CEO的數量遠遠多於女性CEO

3.3.2. “偏見主要存在於資料中”這一事實並不意味著我們沒有義務採取措施來解決這個問題

3.4. 機器學習方法的幼稚應用會產生有偏見的結果，這裡面還有其他更偏向技術性的原因

3.5. 機器無法維持長時間的對話，也缺乏對廣泛決策相關因素的基本理解