文章仅记录【价值事务所】思想，不构成投资建议，作者没有群、不收费荐股、不代客理财。
「这是价值事务所的第1043篇原创文章」
所长平时看书很杂，基本什么书都看，如若无意间翻到一本书感觉很不错，就会在较为集中的时间内批量看主题相似的书籍，如此就可以吸收不同作者对同一问题的不同看法，多角度了解一个事情，这样吸收的新观点就不至于太狭隘。
不过有一阵子，所长读到的关于人工智能的书，感受都出奇相似，用两个字形容就是焦虑，尤其是尤瓦尔·赫拉利的【未来简史】、李开复的【AI未来进行式】，尽管他们描述的未来也有很多「美好之处」，但书中关于AI大量替代人类的工作，让人类无事可做的描述还是让所长很焦虑。
近些年确实各行各业都在上演自动化、数字化，顺丰的无人机、美团/京东的无人外卖/快递、美的的工业机器人、小米的黑灯工厂、各个汽车厂商的无人驾驶技术……
虽然类似的事情不止一次在人类历史中出现过，但基本上， 在工业化毁掉一些工作的同时，也会创造一些新的工作，而且技能的迁移非常简单。
比如农民不种地了，稍加培训，就可以变成工人；汽车出现后，马车夫稍加培训，就可以开小汽车。
但这次，这些书给所长的感觉就是：绝大多数工作都会被AI替代，不仅是重复性简单工作，甚至包括很多白领的中端工作也会被替代，创造出来的新工作却是如工程师、数据挖掘师之类的「超高端」工作， 技术的迁移几乎已不再可能 。
尤其是李开复的【AI未来进行式】，其中就提到了由北京智源人工智能研究院与清华大学研究团队合作研发的类似于GPT-3的CPM中文语言模型所续写的【红楼梦】。
当时所长的第一反应就是，这样下去，是不是过不了多久我也要失业了？
这种焦虑促使所长翻看了大量关于AI的第一手文献资料，然后确定了一件事情，那便是，现阶段的人工智能，可能被绝大多数人误读，甚至妖魔化了。
人工智能被妖魔化了
首先，我们要明确一个事情，那就是，工厂的智能化其实从很早就在进行了。
比如，在大家印象中传统得不能再传统的海天，很早就实现了智能制造，在他的2021年年报中有这样一段话：「自主研发并引入各类先进 柔性化自动生产线，包括全自动超高温灭菌产线、全自动封闭式圆盘制曲产线、全自动连续压榨产线等，实现产品全流程柔性化生产 」。
这个营收近300亿的公司，生产人员还不到2000个， 一条生产线上不过四五个工人作业 。
大家想过没有，这么多制造业公司早就实现了智能制造或者正在往智能制造的路上走， 为啥国内就业率整体还是很稳定 ？
而漂亮国不仅有智能化、自动化，还面临发展中国家廉价劳动力的竞争，失业率除了近期因为疫情影响略显失真外，一直都是下降的，在疫情前的2020年2月， 失业率只有区区 3.5%，是1970年以来的最好成绩 。
可以说，不看疫情，当下是发达国家就业最好的时期。
可见，至少在现在，人类的工作还没有被机器抢走，即便有些被抢走了，也还有其他的工作可以做，比如，有一种说法就是：「在一个机器人主导的经济里，人类都成了市场营销者。」
所长第一次看到这个说法时简直醍醐灌顶，确实，绝大多数企业的制造费用是下降了，但营销费用却一直在上涨，人才招聘市场上，永远都有公司在招销售。现在重要的不再是商品生产，而是如何把过剩的商品卖出去。
比如现在，很多医院都有智能缴费、挂号的机器，但是那些原来的挂号室员工也并没有被裁掉，反而出现了很多小姐姐在机器旁边笑容可掬地指导大家如何操作，让大家合理有序地排队缴费，医院出现了越来越多的导医。
再比如，还以医院为例，越来越多的药房开始自动取药，但原来的药剂科也没有裁员，因为这些药师从以前为大家抓药、发药的「人肉发药机」变成了药品复核员（降低出错率），另外更多要给患者交代用药事项，甚至很多医院开始出现了药师门诊。
机器可以进行一些生硬的、规定好的、重复性的劳动，但突发性的、复杂性的、服务性的事情，机器则无可奈何。
最简单的例子，现在的自动驾驶，其实，目前各家的自动驾驶技术都到了「平时能用一用」的水平，但面对突发情况却全都束手无策，还是只能依赖人类。
为啥，因为他们都是用数据喂出来的，数据是基于过去的， 平时训练用的数据再多，也难保在实际应用中不会遇到意外情况 ，并且还有道德两难，假设有突发事件，要么自己出事要么对面的人出事，怎么办？或者一边三个人，一边五个人，怎么办？
坐在车里的人类，能把这个选择权交给机器么？
所以，人工智能、智能化、数字化的出现让人类大规模失业，至少目前没看到这个迹象，可见的将来，也还不太可能。
当然，说到这里，可能大家又要反驳所长了，这毕竟是现在，技术进步这么快，将来的事谁又说得准？
那在此，所长用大白话，给大家科普一下人工智能的原理，了解了他的原理后，你就懂了，为啥所长说在可见的将来，人工智能都不可能做到「超越人类」。
人工智能的原理
首先，现在的人工智能，其实是在模拟人的大脑，但很悲哀的一个事实是，人类的大脑至今都还是一个未解之谜，人类连自己的大脑如何运转都不知道，如何来模拟对人工智能赋能？
现在，市面上所有的人工智能能做的事情，其实都只是模拟了人类大脑的一个功能，即模式识别。
举个例子，在一大群人中，我们能一眼认出来自己熟悉的人，但如果让你说，我们是如何认出来他的，比起其他人他有啥鲜明的特征，或者进一步，为什么那个人即便没看到正脸，或者穿了不同的衣服，在人群中我们还是可以准确地辨认出他？
三个字：不知道。
很多在我们看来再正常不过的事情，如果真要这么深究，都是三个字，不知道。
我们去看那些有小孩的家长如何教小孩，基本就是指着一个东西告诉他，这是xxx，然后下次再指着另一个同类的东西告诉他，这是xxx，然后小孩就知道了，哦，xxx是xxx。
并非家长给小孩下一个定义，具备哪些特征的东西是xxx。
学明白了的小孩，以后不论看到黑猫白猫还是花猫，大猫小猫还是老猫，都可以很清楚地知道那玩意儿是猫。
一开始，科学家们想让AI变得智能，方法就是给东西下定义，但很快他们就放弃了这个思路，因为很多东西他们无法用明确、清晰的语言来下定义。比如，到底什么是猫，为啥黑猫白猫花猫都是猫？
后来，科学家们参考人类大脑识别东西的能力（神经网络计算）来训练AI，才算真正地拯救了AI。
所以，我们现在所有的实用AI，都是基于人脑的神经网络计算发挥作用的，换句话说，我们现在所谓的AI全部都是模式识别，全部都是基于海量数据进行的「神经训练」。
理解了AI目前的原理，我们就能理解AI的局限性，显然，我们的大脑并不仅仅只有模式识别这一个功能，但AI目前却有且仅有这一个功能， 即便他能将这个功能发挥到极致，但终究也逃不过「智障」二字 。
模式识别，意味着知道山是山，水是水，但不知道为什么，换句话说就是不知道因果关系，比如你问AI一件事，AI可以基于大数据告诉你答案，但你继续追问AI原因，AI说：不知道。
那你还会愿意听AI的么？
而且，正是因为AI不知道为什么得出了答案，所以假设中间某些参数设置有问题，也就很难被发现，只有当AI捅了娄子时，我们可能才会意识到，这个AI的参数可能有问题。
其次，AI是数据喂出来的，但并非所有数据都有用，必须是专门的训练数据才可以，所以现在有一个新职业叫AI数据标记员，发达国家就有很多自由职业者在做。另外，数据并非通用的， 而且也会有偏见 。
举个例子，现在各家电动车厂都在做自动驾驶，方法就是让车在大街小巷到处开以便收集数据，但不同国家的交通信号是不同的，所以，一家漂亮国的自动驾驶公司，它的AI技术可能很难直接拿到中国用，这其实就相当于，假设要在新场景使用或者老场景有更新，AI就必须重新训练。
至于偏见就更好理解了，人类社会有种种不能用语言说出来、但大家却正在做的事情，比如对某些人的歧视，AI并不了解因果关系，也没有感情，更没有道德感，如果用这些数据喂养它，以后难保不会被线性放大。
最重要的是，喂给AI的数据是过去的，过去仅代表过去，并不代表将来，人类社会是在变化的，虽然通过过去的数据能总结一些规律， 但这些规律并不全适用于未来 。
这就好比我们做投资看上市公司的财报一样，财报仅仅代表过去，如果只按照过去推断上市公司未来，一定会赔得底掉。
所以，即便你想让AI给你做一个东西，他也只能根据过去做过的经验给你做一个，让他创造性地发明一个东西出来，就不要想了。
AI并不知道自己在做什么，他的一切都依赖于过去的数据，他的表现也全部取决于那堆数据，所以，AI并非万能，就目前而言，实际是个智障。
要想让AI达到传说中的无所不知、超越人类的水平，还路漫漫其修远兮。目前的AI，只是对人脑某一功能的极致演绎而已，但人脑的功能却远不止这一个。
现在当然有研究者在尝试用计算机模拟人类儿童的大脑，但非常困难。毕竟，对我们来说，在未来很长的时间里， 大脑都是这个宇宙最神奇的东西， 想创造出超越人类的人工智能，那必然要先破解人类才行。
最后
不知道大家有没有发现，很多新技术刚出来的时候，大家并不怎么重视，觉得是「天方夜谭」，而一旦有种种证据、趋势出现，让我们开始关注了以后，往往又会过度重视，甚至开始编故事。
目前的AI，并非有取代人类的雏形，反而是弱得不行，因此，不要过于恐惧AI，至少在可见的将来，他还只能是我们的「智障」助手。
