本文由資本實驗室(ID:coinsa)授權(quán)轉(zhuǎn)載，編譯/導(dǎo)讀：齊達，原作者：lenrosen4

關(guān)于人工智能、關(guān)于自動化、關(guān)于未來生存，我們已經(jīng)討論得太多了。隨著技術(shù)的進步，未來人類的工作將朝著什么樣的方向發(fā)展？什么樣的技能才是未來社會所需要的？失去工作的人將會怎么辦？在未來，人與機器之間到底是怎樣的關(guān)系？

總體而言，我們需要關(guān)注的不應(yīng)只是未來變化的結(jié)果，而是未來的變化方向。只有把握變化的方向，才能無懼各種變化的結(jié)果。

自動化不可避免

迫使人類失去工作的不是機器人，而是各種形式的模式識別計算機技術(shù)。模式識別涵蓋了廣泛的人工智能功能，包括回歸分析、聚類分析、基因演算法、主成分分析、決策樹和神經(jīng)網(wǎng)絡(luò)系統(tǒng)。

人類作為一個擅長于模式識別的物種：從很早的時候就具備語言學(xué)習(xí)的能力，到學(xué)習(xí)閱讀，精通象棋和圍棋等游戲，發(fā)展天文、數(shù)學(xué)，將航天器發(fā)送到附近行星和月球上，并研究數(shù)學(xué)，解釋錯綜復(fù)雜的亞原子世界。

我們對模式識別的精通讓我們?yōu)殡娔X和其它機器賦予了相似的技能，這并沒有什么可驚訝的。因此我們能夠創(chuàng)造出可以在擁擠的車流中操作自如，且能夠在納秒內(nèi)做出決定的自動駕駛汽車。

因此，模式識別應(yīng)該遵循的是：在最根本的層面上，我們創(chuàng)造出的這些模仿我們思維的機器，相對于人類勞動力將有所突破，而不僅僅只會做繁重的工作。幾個世紀以來，人類勞動力一直以做繁重工作為特征。

我們目前發(fā)明的機器人按照某一特定模式設(shè)計，以執(zhí)行那些重復(fù)、乏味的任務(wù)，這些機器人的工作效果如果不優(yōu)于我們大多數(shù)人，那就與我們?nèi)祟愊嗖顭o幾。未來幾年，我們將看到許多這種類型的機器人（如下圖的Baxter）取代那些模式化的工作，如流水線上的組裝，或是倉儲、揀選和打包等工作。

在十年內(nèi)，將有更多精細的模式識別機器承擔(dān)更加復(fù)雜的任務(wù)，如自動運輸系統(tǒng)。該系統(tǒng)將涵蓋個人汽車、卡車車隊、公交運營和商用航空各領(lǐng)域。

人工智能開啟一個充滿新機遇的世界

據(jù)預(yù)測，到本世紀中葉，全世界人口將增長到105億。雖然20億或者更多人的工作會被模式識別機器取代，但我們?nèi)匀豢梢詾檫@些人找到新的工作機會。

屆時，人類是不會無所事事的，因為將會有大量有趣且激動人心的新工作誕生。這些工作可能是我們正在創(chuàng)造或維持的科技帶來的，也可能是創(chuàng)造新機遇的知識爆炸帶來的。

毫無疑問，自動化的世界將會需要更多人才來確保機器永遠為人類工作，而我們中的許多人將會成為熟練的技術(shù)人員，能夠維持和強化我們的自動化世界。其它人則會通過改進人工智能的算法，來推動人工智能的發(fā)展。

STEM教育會成為我們孩子未來的中心。什么是STEM？這是一種跨學(xué)科課程，集中向?qū)W生傳授科學(xué)、技術(shù)、工程和數(shù)學(xué)在研究和應(yīng)用方面的知識。而編程就是STEM的課程之一。

編程將成為21世紀人類和機器協(xié)同工作的一項必備基礎(chǔ)技能，將會與語言能力同等重要。這里所說的編程不同于寫下一行又一行可編程指令的傳統(tǒng)方式。相反，這種編程將會像互動培訓(xùn)，有時是腦力的，而有時又是體力的。

機器和人類將運用自然語言或是身體動作，通過交流進行學(xué)習(xí)。是的，機器和人類互相學(xué)習(xí)。這就會加速、擴大人類的教育成果，并可能使人類承擔(dān)新的責(zé)任，發(fā)展新的技能組合，而這些都需要機器伙伴從全球數(shù)據(jù)庫中提供豐富的信息。

自然語言交互是關(guān)鍵

人類喜歡講故事，我們從故事中學(xué)習(xí)。正因為我們所知道的許多內(nèi)容將會融入到我們創(chuàng)造的機器中，這些機器不僅僅將成為我們21世紀的工作伙伴，還會成為故事講述者和我們的老師。

事實上，一臺具有聆聽、交談等自然語言能力的模式識別機器，當(dāng)其有權(quán)限進入全球知識數(shù)據(jù)庫時，將能夠比大多數(shù)人講出更精彩的故事。同時，機器將能夠獲取更多的信息，并將知識融入與人類伙伴交互的背景，幫助人類獲得新的見解和技能，以找到新的工作。

不同于人類需要四年才能獲取在某一領(lǐng)域工作的學(xué)術(shù)資格，模式識別機器將會不斷地工作和學(xué)習(xí)，具有組織并構(gòu)建大量知識的能力，以幫助創(chuàng)造專家。這看起來似乎不切實際，但現(xiàn)實就是這樣。

人工智能、復(fù)雜模式識別和自然語言處理與交互的結(jié)合正在進行，只是剛剛起步。未來十年內(nèi)我們將會看更多公司創(chuàng)造的成果，例如IBM及其人工智能Watson，谷歌、微軟及其在神經(jīng)形態(tài)計算和神經(jīng)網(wǎng)絡(luò)系統(tǒng)方面的成果。這些公司開發(fā)的成果將會導(dǎo)致學(xué)習(xí)的變革。

例如，一個醫(yī)生將不再需要經(jīng)過6年的實踐才能在檢測、診斷和治療疾病方面變得熟練。相反，一個醫(yī)生會與一個人工智能伙伴并肩合作，這個伙伴既能夠充當(dāng)一個知識庫，還可以指導(dǎo)醫(yī)生提高其認知能力，以及為病人服務(wù)的技巧。

教會機器辨認對錯

在21世紀中期，語言學(xué)家、心理學(xué)家、社會學(xué)家、哲學(xué)家甚至是人類學(xué)家將會變得更為重要，因為人工智能對世界和我們的了解，變得比以往任何時候都更加深刻。

為了讓機器成為更好的伙伴，他們需要學(xué)習(xí)更多的人文學(xué)科知識。他們不僅需要明白句子的字面意思，還要明白這些句子的深層意義、人類的肢體語言以及與他們進行互動的人的文化背景。

除了硬件連接以外，一個道德編碼，我們的模式識別，自然語言交互，人工智能將需要能夠在社會和心理上實現(xiàn)進化。

也就是說，在本世紀中期，那些研究人文學(xué)科的人將會擁有重要的工作，以使人類和機器共同創(chuàng)建的社會保持協(xié)同發(fā)展。