在通用人工智能的门槛上，你要学什么才不会失业？（组图）

不久，“超级人工智能”出现了，随即替代了所有人的工作。然而，只有一类人幸免：研究生。为什么呢？我们就去问了这个超级 AI，它回答：

“研究生太便宜了，我实在竞争不过。”

这当然是个笑话。

但是 ChatGPT 的出现让“人工智能导致失业”的威胁变得从未像今天这样清晰。

这家伙简直是一个完美的智能助理：它能翻译，能读懂报告并且做出总结，能写代码，能做 PPT，可以说它的技能基本上覆盖了当代白领群体 99% 的工作。

谁还没用ChatGPT来摸鱼辅助工作丨Giphy

再加上一直很火的 AI 绘画，看上去似乎那些传统上认为只有人类才能做的，需要高阶思考能力和创造力的工作，现在 AI 都可以代劳。于是人类只能去电子厂拧螺丝或者送外卖。

等等，为什么不是 AI 帮我们去送外卖或者拧螺丝呢？

当AI开始替代脑力劳动丨Giphy

古早的想象

在人工智能和机器人等概念最早出现的时候，人类对机器人的想象就是“智能较低，但是代替人类做体力劳动”这样一个角色。

在阿西莫夫著名的“机器人”系列里，人类发明了“正子脑（Positronic brain）”这种技术，从而可以大规模制造机器人。这些机器人一开始甚至还不会说话，但是却跟人类无异，有手有脚，跟人类干一模一样的活。于是人类就可以省下所有体力劳动的时间，专心于复杂的设计、控制、系统等脑力工作了。

《罗梭的万能工人》

提出robot一词丨维基百科

如果从文学史的角度来理解，这种对“机器人”的古早想象，是一种典型的“殖民主义”视角——“文明的”、“高级的”殖民者，对“低级的”、“不开化的”被殖民者的想象。当殖民时代过去，对象被简单的替换成了金属的人类，也就是机器人。

当我们回过头来从技术史角度来看，也会发现：

创造出跟人相似、有手有脚的机器人的确是早期机器人和人工智能开发的潮流之一。但是很快地，科学家和工程师就意识到“制造如同人类一样的机器人”这件事情，有着超乎他们想象的困难。

即使是其中看似最简单的一点——让机器人能够双足行走，也只有波士顿动力在最近几年才算有突破，还只是实验室条件。但凡做过类似开发的人都知道，他们拍摄的每一个精美的机器人越障视频背后，恐怕都有无数失败的案例。

而要再去模拟人手，就算是一个简单的“在一堆物体里识别出特定物体，并且抓取它放到一个特定位置”这样一个三岁小孩都能完成的任务，对于现在的机器人和人工智能来说，都是一个值得炫耀的突破。

机器人生产线丨Giphy

然而在另一方面，无论是当年的 AlphaGo 还是现在的 ChatGPT，都雄辩地证明了人工智能在处理那些复杂的、需要计算和推理的任务中，已经可以达到甚至超越了人类的水平。

怎么会出现如此戏剧化的情况呢？

在上世纪八十年代，人工智能学家汉斯·莫拉维克（Hans Moravec）和马文·闵斯基（Marvin Minsky）等人就发现了这个现象：

跟传统假设不同，那些被认为是人类独有的高阶智力（比如推理），往往只需要很少的计算力；但是无意识的技能（比如感知运动能力），则需要极大的计算力。

语言学家史蒂芬·平克（Steven Pinker）曾在他的《语言本能》里说过：经过 35 年的人工智能研究，发现的最重要的课题，是“困难的问题是易解的，简单的问题是难解的”——这个现象，就被称为“莫拉维克悖论（Moravec's paradox）”。

所有使用过扫地机器人或者自动驾驶汽车的人应该都对此有深切感触。

扫地机器人经常丢失地图，或者无法识别某些特定的污渍；以及自动驾驶汽车仍无法很好的应对哪怕对人类来说并不复杂的路面情况，实际上都是同样的问题：机器尚无法很好地感知整个外部世界，并且做出相应的决策。

对于没见过的“障碍物”，自动驾驶无法做决策丨Giphy

深度学习加持的计算机视觉可以识别出道路上的反光，在训练集足够的情况下它可以判断出道路上的反光是水洼，但是它尚无法将“水洼”这个概念和“湿”联系起来，并且做出“现在是在下雨，路面摩擦力会减小，刹车距离会变长”这个决策。

2018 年 Uber 的自动驾驶事故就是如此：

自动驾驶系统早就识别出了前方的“障碍物”，但是人工智能因为无法确定究竟是什么，所以迟迟无法决策；等到系统确认了前方“物体”是行人，制动已经来不及了。

如果让人来做类似的决策，人类会在第一时间刹车，因为我们只需要确定前方有“某个物体”挡着，而这个物体的性质则无关紧要。

这种的情况大量出现在类似汽车行驶这样高度变化的、不确定的环境之中——在这种需要快速的识别周遭环境并且做出决策的情况下，人工智能的表现总是不尽如人意的。

它们的表现往往是两种：

一、能够快速的做出反应但是无法适应环境变化；

二、需要大量的数据和计算力来识别环境变化，从而发生严重的响应延迟。

为什么会存在“莫拉维克悖论”？

现在，我们可以重新审视“古早年代”的那个假设了。

这个假设认为，我们人类的高阶推理和计算能力对人类自己很困难，所以它应该对计算机也很困难；而人类的感知运动能力对人类自己来说很简单，所以它应该对计算机也很简单。

事实恰恰相反。

从演化史的角度来说，诸如语言、抽象概念、推理，和计算等人类之所以成为人类的高阶认知能力，实际上是最近几十万年才进化出来的，这些能力对人类自己来说都感觉困难的原因，是因为我们的大脑最近才开始运行这些功能——所以我们需要调动大脑里“并不怎么完善的结构”去运行这些程序。

而感知运动能力，可以说，自从地球上出现了动物，这方面的演化就已经开始。所有的生物都需要感知周遭环境，做出决策，驱动身体运动。感知运动和环境适应都是地球生物几十亿年进化的结果。也正是因为如此，几十亿年的演化压力将大脑这方面的功能打磨得相对尽善尽美，所以才让这些实际上极端困难的任务看上去似乎毫不费力。

机器人终于会“后空翻”了丨Giphy

因为这些任务基本上完全自动化了，所以我们人类在执行这些任务的时候是感知不到的。就像骑自行车：学习骑自行车需要付出主观的努力，但是一旦学会，这个技能就变成下意识的了。我们可以想象，在地球生物的演化史早期，很多生物的感知运动能力可能跟现在的人工智能差不多，而这些生物早就灭绝了。

所以，回到标题中的那个问题：

我们要怎么做

才能在这个 AI 时代不失业呢？

说实话，我不是 ChatGPT，没有办法自信满满地给出一个不知真假的答案。但我认为，我们可以将人类的技能分成两种：

第一种，是思维的技能，这需要运用人的高阶思考能力，推理，计算，创意，对抽象知识的掌握，等等，也就是现在人工智能强大的能力；

第二种，顺着“莫拉维克悖论”，我们可以将感知-运动能力翻译成“手眼结合”，或者概括为“手艺”。目前而言，人工智能在任何需要手眼结合的领域，其表现距离人类还是差得很远的。

好痒，要长“脑子”了丨Giphy

那么，作为人类我们要跟上 AI 的脚步，大概就要在这两个领域中择一——

能够将自己的高阶思维能力磨练到超过 AI 的水平，并且能够利用 AI 发展生产力；

干脆去学一门“手艺”，在 AI 暂时无能为力的领域保持竞争力。

人类如何才能保住饭碗？丨Giphy

当然，即使这样，无论怎么选，和你竞争的仍然是人类，无论何时何处，内卷继续。