文章僅記錄【價值事務所】思想，不構成投資建議，作者沒有群、不收費薦股、不代客理財。
「這是價值事務所的第1043篇原創文章」
所長平時看書很雜，基本什麽書都看，如若無意間翻到一本書感覺很不錯，就會在較為集中的時間內批次看主題相似的書籍，如此就可以吸收不同作者對同一問題的不同看法，多角度了解一個事情，這樣吸收的新觀點就不至於太狹隘。
不過有一陣子，所長讀到的關於人工智能的書，感受都出奇相似，用兩個字形容就是焦慮，尤其是尤瓦爾·赫拉利的【未來簡史】、李開復的【AI未來進行式】，盡管他們描述的未來也有很多「美好之處」，但書中關於AI大量替代人類的工作，讓人類無事可做的描述還是讓所長很焦慮。
近些年確實各行各業都在上演自動化、數碼化，順豐的無人機、美團/京東的無人外賣/快遞、美的的工業機器人、小米的黑燈工廠、各個汽車廠商的無人駕駛技術……
雖然類似的事情不止一次在人類歷史中出現過，但基本上， 在工業化毀掉一些工作的同時，也會創造一些新的工作，而且技能的遷移非常簡單。
比如農民不種地了，稍加培訓，就可以變成工人；汽車出現後，馬車夫稍加培訓，就可以開小汽車。
但這次，這些書給所長的感覺就是：絕大多數工作都會被AI替代，不僅是重復性簡單工作，甚至包括很多白領的中端工作也會被替代，創造出來的新工作卻是如工程師、資料探勘師之類的「超高端」工作， 技術的遷移幾乎已不再可能 。
尤其是李開復的【AI未來進行式】，其中就提到了由北京智源人工智能研究院與清華大學研究團隊合作研發的類似於GPT-3的CPM中文語言模型所續寫的【紅樓夢】。
當時所長的第一反應就是，這樣下去，是不是過不了多久我也要失業了？
這種焦慮促使所長翻看了大量關於AI的第一手文獻資料，然後確定了一件事情，那便是，現階段的人工智能，可能被絕大多數人誤讀，甚至妖魔化了。
人工智能被妖魔化了
首先，我們要明確一個事情，那就是，工廠的智能化其實從很早就在進行了。
比如，在大家印象中傳統得不能再傳統的海天，很早就實作了智能制造，在他的2021年年報中有這樣一段話：「自主研發並引入各類先進 柔性化自動生產線，包括全自動超高溫滅菌產線、全自動封閉式圓盤制曲產線、全自動連續壓榨產線等，實作產品全流程柔性化生產 」。
這個營收近300億的公司，生產人員還不到2000個， 一條生產線上不過四五個工人作業 。
大家想過沒有，這麽多制造業公司早就實作了智能制造或者正在往智能制造的路上走， 為啥國內就業率整體還是很穩定 ？
而漂亮國不僅有智能化、自動化，還面臨發展中國家廉價勞動力的競爭，失業率除了近期因為疫情影響略顯失真外，一直都是下降的，在疫情前的2020年2月， 失業率只有區區 3.5%，是1970年以來的最好成績 。
可以說，不看疫情，當下是已開發國家就業最好的時期。
可見，至少在現在，人類的工作還沒有被機器搶走，即便有些被搶走了，也還有其他的工作可以做，比如，有一種說法就是：「在一個機器人主導的經濟裏，人類都成了市場行銷者。」
所長第一次看到這個說法時簡直醍醐灌頂，確實，絕大多數企業的制造費用是下降了，但行銷費用卻一直在上漲，人才招聘市場上，永遠都有公司在招銷售。現在重要的不再是商品生產，而是如何把過剩的商品賣出去。
比如現在，很多醫院都有智能繳費、掛號的機器，但是那些原來的掛號室員工也並沒有被裁掉，反而出現了很多小姐姐在機器旁邊笑容可掬地指導大家如何操作，讓大家合理有序地排隊繳費，醫院出現了越來越多的導醫。
再比如，還以醫院為例，越來越多的藥房開始自動取藥，但原來的藥劑科也沒有裁員，因為這些藥師從以前為大家抓藥、發藥的「人肉發藥機」變成了藥品覆核員（降低出錯率），另外更多要給患者交代用藥事項，甚至很多醫院開始出現了藥師門診。
機器可以進行一些生硬的、規定好的、重復性的勞動，但突發性的、復雜性的、服務性的事情，機器則無可奈何。
最簡單的例子，現在的自動駕駛，其實，目前各家的自動駕駛技術都到了「平時能用一用」的水平，但面對突發情況卻全都束手無策，還是只能依賴人類。
為啥，因為他們都是用數據餵出來的，數據是基於過去的， 平時訓練用的數據再多，也難保在實際套用中不會遇到意外情況 ，並且還有道德兩難，假設有突發事件，要麽自己出事要麽對面的人出事，怎麽辦？或者一邊三個人，一邊五個人，怎麽辦？
坐在車裏的人類，能把這個選擇權交給機器麽？
所以，人工智能、智能化、數碼化的出現讓人類大規模失業，至少目前沒看到這個跡象，可見的將來，也還不太可能。
當然，說到這裏，可能大家又要反駁所長了，這畢竟是現在，技術進步這麽快，將來的事誰又說得準？
那在此，所長用大白話，給大家科普一下人工智能的原理，了解了他的原理後，你就懂了，為啥所長說在可見的將來，人工智能都不可能做到「超越人類」。
人工智能的原理
首先，現在的人工智能，其實是在模擬人的大腦，但很悲哀的一個事實是，人類的大腦至今都還是一個未解之謎，人類連自己的大腦如何運轉都不知道，如何來模擬對人工智能賦能？
現在，市面上所有的人工智能能做的事情，其實都只是模擬了人類大腦的一個功能，即模式辨識。
舉個例子，在一大群人中，我們能一眼認出來自己熟悉的人，但如果讓你說，我們是如何認出來他的，比起其他人他有啥鮮明的特征，或者進一步，為什麽那個人即便沒看到正臉，或者穿了不同的衣服，在人群中我們還是可以準確地辨認出他？
三個字：不知道。
很多在我們看來再正常不過的事情，如果真要這麽深究，都是三個字，不知道。
我們去看那些有小孩的家長如何教小孩，基本就是指著一個東西告訴他，這是xxx，然後下次再指著另一個同類的東西告訴他，這是xxx，然後小孩就知道了，哦，xxx是xxx。
並非家長給小孩下一個定義，具備哪些特征的東西是xxx。
學明白了的小孩，以後不論看到黑貓白貓還是花貓，大貓小貓還是老貓，都可以很清楚地知道那玩意兒是貓。
一開始，科學家們想讓AI變得智能，方法就是給東西下定義，但很快他們就放棄了這個思路，因為很多東西他們無法用明確、清晰的語言來下定義。比如，到底什麽是貓，為啥黑貓白貓花貓都是貓？
後來，科學家們參考人類大腦辨識東西的能力（神經網絡計算）來訓練AI，才算真正地拯救了AI。
所以，我們現在所有的實用AI，都是基於人腦的神經網絡計算發揮作用的，換句話說，我們現在所謂的AI全部都是模式辨識，全部都是基於海量數據進行的「神經訓練」。
理解了AI目前的原理，我們就能理解AI的局限性，顯然，我們的大腦並不僅僅只有模式辨識這一個功能，但AI目前卻有且僅有這一個功能， 即便他能將這個功能發揮到極致，但終究也逃不過「智障」二字 。
模式辨識，意味著知道山是山，水是水，但不知道為什麽，換句話說就是不知道因果關系，比如你問AI一件事，AI可以基於大數據告訴你答案，但你繼續追問AI原因，AI說：不知道。
那你還會願意聽AI的麽？
而且，正是因為AI不知道為什麽得出了答案，所以假設中間某些參數設定有問題，也就很難被發現，只有當AI捅了婁子時，我們可能才會意識到，這個AI的參數可能有問題。
其次，AI是數據餵出來的，但並非所有數據都有用，必須是專門的訓練數據才可以，所以現在有一個新職業叫AI數據標記員，已開發國家就有很多自由職業者在做。另外，數據並非通用的， 而且也會有偏見 。
舉個例子，現在各家電動車廠都在做自動駕駛，方法就是讓車在大街小巷到處開以便收集數據，但不同國家的交通訊號是不同的，所以，一家漂亮國的自動駕駛公司，它的AI技術可能很難直接拿到中國用，這其實就相當於，假設要在新場景使用或者老場景有更新，AI就必須重新訓練。
至於偏見就更好理解了，人類社會有種種不能用語言說出來、但大家卻正在做的事情，比如對某些人的歧視，AI並不了解因果關系，也沒有感情，更沒有道德感，如果用這些數據餵養它，以後難保不會被線性放大。
最重要的是，餵給AI的數據是過去的，過去僅代表過去，並不代表將來，人類社會是在變化的，雖然透過過去的數據能總結一些規律， 但這些規律並不全適用於未來 。
這就好比我們做投資看上市公司的財報一樣，財報僅僅代表過去，如果只按照過去推斷上市公司未來，一定會賠得底掉。
所以，即便你想讓AI給你做一個東西，他也只能根據過去做過的經驗給你做一個，讓他創造性地發明一個東西出來，就不要想了。
AI並不知道自己在做什麽，他的一切都依賴於過去的數據，他的表現也全部取決於那堆數據，所以，AI並非萬能，就目前而言，實際是個智障。
要想讓AI達到傳說中的無所不知、超越人類的水平，還路漫漫其修遠兮。目前的AI，只是對人腦某一功能的極致演繹而已，但人腦的功能卻遠不止這一個。
現在當然有研究者在嘗試用電腦模擬人類兒童的大腦，但非常困難。畢竟，對我們來說，在未來很長的時間裏， 大腦都是這個宇宙最神奇的東西， 想創造出超越人類的人工智能，那必然要先破解人類才行。
最後
不知道大家有沒有發現，很多新技術剛出來的時候，大家並不怎麽重視，覺得是「天方夜譚」，而一旦有種種證據、趨勢出現，讓我們開始關註了以後，往往又會過度重視，甚至開始編故事。
目前的AI，並非有取代人類的雛形，反而是弱得不行，因此，不要過於恐懼AI，至少在可見的將來，他還只能是我們的「智障」助手。
