打字猴:1.704605233e+09
1704605233
1704605234 最大的跳跃式发展之一发生在自动驾驶领域。1958年，为了应对苏联发射第一颗人造地球卫星“斯普特尼克1号”，美国总统德怀特·艾森豪威尔（Dwight Eisenhower）创立了国防部高级研究计划署（DARPA）。2004年，计划署首次举办无人驾驶汽车挑战赛。比赛目标是在没有人类的帮助下，让汽车在10小时内驾驶228.5km，穿越莫哈维沙漠。这些汽车最远行驶了11.4km，有几辆甚至都没有开出起跑线。因此也就无人赢得100万美元的大奖。但在2016年，世界上第一批自动驾驶出租车已经开始在新加坡载客了。
1704605235
1704605236 自动驾驶领域的最新进展要归功于大数据和巧妙的算法。如今，在一辆汽车内存储完整的路网图像已经成为可能，这种情况简化了导航问题。季节变化带来了下雪这样的挑战，这一直都是算法导航的关键技术瓶颈。但如今通过存储上次下雪的记录，人工智能已经能够处理这个问题。 21 人工智能研究者们已经表明，基于算法的自动驾驶系统现在已经能够识别环境中的道路施工等重大变化了。 22 我在牛津大学的工程学同事博诺洛·马蒂贝拉（Bonolo Mathibela）、保罗·纽曼（Paul Newman）以及英格玛·波斯纳（Ingmar Posner）在一项重要的研究中总结道：“因此，车辆如果在路上遭遇行人或其他可能导致车辆无法保持稳定的情境，能据此做好准备，从而像人类一样获得了情境意识的动态感知。” 23 
1704605237
1704605238 虽然自动驾驶汽车仍处在发展初期，但它已被广泛用于多种情境。一些农用车辆、叉车和货物装卸车辆已经实现自动驾驶。近年来，医院已经开始使用自动机器人运送食物、处方和样本。 24 2017年，英国－澳大利亚的金属和矿业巨头力拓集团宣称，2019年之前将把皮尔巴拉矿区的自动运输卡车车队规模扩大50%，操作实现完全自动化。 25 但截至目前，绝大部分自动驾驶车辆的使用都限于仓库、医院、工厂和矿山等相对结构化的环境。当计算机程序能对车辆可能遭遇的物体和场景范围进行更好的预测，自动化就相对简单了。通过显式的if-then-do的规则，程序能够在其他物体接近时告诉车辆停下或减速。然而，在非结构的环境（比如大城市的街道）中，可能的情况会非常多，以至于这种方法需要的类似规则接近于无穷。
1704605239
1704605240 最近，人工智能与廉价且强大的数字传感器相结合，优化了全自动驾驶车辆在非结构化环境中的应用前景。通过在车辆上配备大量传感器，如今的汽车公司收集了数百万英里的人类驾驶数据供算法学习。阿杰伊·阿格拉沃尔（Ajay Agrawal）、乔舒亚·甘斯（Joshua Gans）和阿维·戈德法布（Avi Goldfarb）写道：“通过将车外的传感器感应到的环境数据与车内的人做出的驾驶决策（转向、刹车、加速）关联起来，人工智能学习了人类对每秒从环境中接收的数据做出的反应并学会了做出预测。” 26 然而，所有人工智能模型都存在着一个明显的限制因素，也就是当它们的训练数据中未曾出现的新情况出现时，它们就很难做出预测。在城市交通中，车辆会不断遭遇新情况。解决问题的方法之一是降低环境的复杂性。在得克萨斯州的弗里斯科，Drive.ai公司使用自动驾驶的小型载客车载人，但它们只在特定的办公区和零售区域使用。工程师并没有尝试模仿人类司机，而是试图将事情简化。上车下车都被限定在了指定的站台：“乘客通过一款应用程序呼叫客车，然后走到最近的站台，等车辆出现，然后上车。” 27 
1704605241
1704605242 众所周知，通往自动驾驶的道路是一条影响深远的进步之路，但也是一条挫折之路。2018年在亚利桑那州的坦佩，一名骑车过街的女性不幸被优步（Uber）的自动驾驶汽车撞死了。这一事件引起了人们对安全的担忧，更重要的是它引发了人们对自动驾驶的未来的担忧。然而，类似的悲剧性挫折在早期的交通技术中同样普遍。正如第四章已提到的，1830年第一条公共铁路运行时，由于刹车反应很慢，一名议员遭受了致命伤害。几乎每家英国媒体都报道了这个事故，但它并没有阻碍人们使用铁路技术。在拖拉机加快推广前的1931年，《纽约时报》报道过在新泽西州萨默维尔，一辆拖拉机轧死了一名4岁男童。在另一次事故中，一辆拖拉机爆炸导致多人死亡。 28 同样值得注意的是，就在工程师不断推进自动驾驶技术发展的同时，人类司机造成的事故每一分钟都在发生。美国国家公路交通安全管理局（NHTSA）委托开展的一项车祸调查发现，人为错误占车祸原因的92.6%。 29 死亡人数很多：仅在2013年，全球就有125万人死于车祸，美国的数字为3.2万。 30 因此，自动驾驶汽车并不是要达到完美才可以正当使用。人类司机当然也不是。
1704605243
1704605244 仍有些情况是自动驾驶车辆无法处理的。尤其是在拥挤的城市，行人和骑自行车的人带来了额外的复杂因素。在新加坡，自动驾驶出租车上有在紧急情况下接手操控的安全司机，可以将事故的可能性降至最小。自动驾驶汽车虽然尚处于试验阶段，但已经能够在城市中成功使用。在东京，一辆配备安全司机的自动驾驶出租车已经开始搭载付费乘客了，“这提高了人们对2020年夏季奥运会的期待，届时自动驾驶汽车可能搭载运动员和游客在运动场和城市中心之间穿行。” 31 底层人工智能系统需要从车辆传感器收集数百万英里的真实数据，所以这些事件很重要。但是数据量并不是全部。在州际高速公路上开车、在一个安静的中西部小镇上开车和在曼哈顿开车，这三者大不相同。这对算法来说是如此，对人类司机来说也是如此。因此，允许在城市交通中使用算法是迈向无人驾驶交通时代的重要一步。
1704605245
1704605246 然而，由于城市之外的复杂因素更少，那里的进展可能会更快。2015年5月，戴姆勒－奔驰公司的第一辆自动驾驶卡车上路了。在得到内华达州的允许后，自动驾驶系统只能够在高速公路上运输货物（为了使事情暂时变得简单）。2016年10月，在科罗拉多州，一辆自动驾驶的半挂车成功地把5万罐百威啤酒从柯林斯堡运送到了科罗拉多斯普林斯。卡车在州际公路上自动行驶了161km，但到城市边界时，人类司机接手了。
1704605247
1704605248 这些成就得到的回应褒贬不一。如今美国有190万名重型卡车司机和牵引式挂车司机。虽然在未来几年不太可能，但人们普遍担心自动驾驶卡车会带来“海啸般的裁员”。 32 对于这些担忧，我们必须记住一点，那就是技术发展可能遭遇的壁垒不仅仅是技术方面的。正如我们在前面的章节已了解到的，如果工人们面临糟糕的替代选择，就会抵抗取代技术。我们又要回到这个问题上来。
1704605249
1704605250 当然，并不是说自动驾驶汽车一开始崛起，所有执行运输和派送任务的人都立马会面临风险。正如罗伯特·戈登等对人工智能持怀疑态度的人指出的那样，“即使亚马逊的汽车能开到我家门口，包裹又怎么从车里下来，来到我的门厅呢？我不在家的时候谁签收包裹呢？” 33 与此同时，我们能够通过精巧的任务重设，克服那些在过去看起来更加复杂的工程问题。正如汉斯·莫拉维克所指出的，计算机很难完成对人类来说非常简单的许多任务，而人类也很难完成对计算机而言十分简单的许多任务。然而，尽管这种情况仍然成立，但工程师也已经能简化任务，采取措施一步步解决莫拉维克悖论（见第九章）。
1704605251
1704605252 事实上，一个普遍的误解认为，如果一个任务需要实现自动化，机器必须精确复制它要取代的工人的操作步骤。自动化发生的主要方式就是简化。就算最先进的机器人技术也无法复制中世纪工匠们的操作步骤。只是因为此前在工厂情境中的非结构化任务被细分、简化，生产自动化才得以实现。工厂里的流水线把手工作坊中的非常规任务变成了能够用自动化机器人完成的重复性任务。与之类似，我们并没有发明能够砍树、提水、把木头和煤炭从室外搬到炉子旁，并执行用手洗衣所需的动作的多用途机器人来实现洗衣的自动化。我们也没有发明把灯夫的工作自动化的能够爬上灯柱的机器人。
1704605253
1704605254 简化任务的一个当代实例就是预制（prefabrication）： 34 “现场建造任务通常需要高度的适应性，从而适应那些布局经常并不规则的、会随天气情况而变化的施工环境。预制就是在把建筑组件运送到施工现场之前就在工厂完成部分组装，这在很大程度上消除了对适应性的要求。它通过在受控条件下使用机器人来完成许多建造任务，消除了任务的复杂变化性。这种方式逐渐普及开来，特别是在日本。” 35 这种情况不仅出现在了建筑业中。零售业中巧妙的任务重设也带来了很有前景的效果。比如亚马逊采用了Kiva系统，在地板上放置条形码标签告知机器人物品摆放的精确位置，解决了仓储导航的问题。通过巧妙的任务重设，工程师们已经打破了“机器人能做什么”的规则限定。
1704605255
1704605256 20世纪90年代末，电脑为零售业注入了动力。但随着企业发展很快遇到瓶颈，生产率增长无法持续下去。商品仍然需要从工厂运到仓库，然后到零售店，最后到达终端消费者手中。卡车运输“根本就不是一项高效的活动，因为送货司机需要穿梭于拥挤又坑坑洼洼的街道，寻找停车位，按门铃，然后等回复”。 36 为了解决这个问题，亚马逊正在试验使用无人机（能避开拥挤的街道）配送。我们在回顾戈登提出的“包裹怎样才能从亚马逊的货车来到我的门厅”这一问题时发现，许多包裹不通过汽车派送的可能性越来越大。比如在伦敦，一家叫Skyports的公司计划将屋顶的空间改造成供无人机起降的垂直升降场。2018年3月，亚马逊获得了一项根据人类手势进行派送的无人机专利。这项技术应该有助于解决“飞行状态下的机器人如何与人类旁观者和等在门阶上的顾客进行互动的问题。据该专利描述，无人机可以根据人的姿势（大拇指向上的欢迎姿态、喊叫或疯狂挥手等）来调整自己的行为。它还宣称，无人机能放下运输的包裹，调整飞行路径以避免撞击，向人类提问题以及放弃派送”。 37 
1704605257
1704605258 在人工智能的辅助下，工程师想出了巧妙的方法来减少商店内的劳动力需求。而且这种方法不需要通过复杂的自助结账程序将本该由收银员完成的任务转嫁给消费者。亚马逊的无人零售店Amazon Go就是取代型技术的一个典型的例子。如今全美大约有350万收银员。但当你走进一家Amazon Go商店，你连一名收银员甚至一个自助结账台都看不到。顾客走进来，扫描手机，再拿着他们需要的东西走出去。为了做到这一点，亚马逊利用了计算机视觉、深度学习和传感器方面的最新进展，以此追踪顾客、他们接触到的物品和带出的物品。当顾客离开商店，经过旋转栅门，亚马逊就能发出信用卡账单并发送至Amazon Go的应用程序。虽然Amazon Go的原型店在华盛顿州西雅图首次展示时，因为在追踪多个用户和物体时出现了问题而造成了延迟。但现在亚马逊在西雅图开了3家Amazon Go商店，在伊利诺伊州的芝加哥开了另一家，还打算在2021年之前再开另外3000家。从全球范围来看，腾讯、阿里巴巴和京东这些公司也在通过投资人工智能来实现相同的目标。
1704605259
1704605260 像京东这样的中国公司也开始加大无人仓库方面的投资。在位于上海的京东仓库内，图片扫描仪被用来引导机器。这些机器能处理所有的商品，其中大部分是消费类电子产品：“包裹在高速传送带上移动。遍布整个传送网络的机械臂会将物品放到正确的轨道上，用塑料袋或纸板包裹物品，并把它们放到电动圆盘上。电动圆盘运载着包裹穿行于一个像巨大棋盘一样的地板上，然后包裹被投入滑槽，进入袋子中。由计算机控制的带轮的架子将接收包裹并将其运到卡车上。在购物者下单后的24小时内，大部分商品就能通过卡车成功发出。” 38 如今，虽然京东在整个亚洲雇用了约16万工人，但它已经明确表示在未来十年内会将工人数量削减至8000以下。它预计那些剩下的工作所需的技能将大不相同。 39 
1704605261
1704605262 仓库仍雇用了大量工人，主要原因在于订单的分拣工作仍主要由人类完成。在复杂的感知和操作任务中，人类仍具有比较优势。但也是在这些方面，人工智能让最近的许多突破成为可能。埃隆·马斯克（Elon Musk）在加利福尼亚州的旧金山设立了OpenAI实验室，其中名叫Dactyl的五指机械手见证了近年的一些令人印象深刻的变化：“如果你让Dactyl向你展示一个字母积木，比如红色的O、橙色的P或蓝色的I，它就会向你展示，然后灵活地旋转、扭动和翻转它们。” 40 虽然这对任何人来说都是简单的任务，但是这一成就的达成是建立在人工智能通过反复试错让Dactyl自主学习新任务的基础之上的。
1704605263
1704605264 然而，机器人要成为高效的操控者，就必须学会识别和区分不同种类的物体。几年前，这一领域最好的例证可能就是The Gripper了。它是一个配备了两根机械手指的抓手，比五指要容易操控得多。它能够对熟悉的对象（比如螺丝刀或番茄酱瓶）进行识别、操纵和分类，但面对未曾见过的物体，这些功能就统统失效了。 41 在存储物种类有限的仓库，这可能不成问题；但当仓库存储着成千上万种物品且还在源源不断地接收新商品时，就需要那种几乎可以分捡所有物品的机器人了。在加州大学伯克利分校的机器人实验室Autolab，研究者们正在使用人工智能构建这样的系统：
1704605265
1704605266 伯克利的研究者们对一万多件物品进行了实体建模，以此来探索分拣物品的最佳方式。然后，这一系统通过名为神经网络的算法分析所有的数据，学会识别分拣物品的最佳方式。在过去，研究者们必须针对每项任务分别给机器人编程，但现在它们能自己学会完成任务了。比如在面对塑料尤达玩具时，系统意识到应该用抓手把玩具捡起来；但在面对番茄酱瓶子时，系统会选择吸盘。抓手可以通过搭配一个随机装满物品的箱子来完成这一点。这一系统并不完美，但能够自己学习，而且正以比过去的机器快得多的速度不断改进。 42 
1704605267
1704605268 因此，尽管在面对认知和控制任务时，机器人还远远比不上人类。但它们正变得足够精巧，能够在结构化的仓库环境中处理抓取物品、把物品放在托盘上然后把它们放在纸箱或盒子中等任务。正如进入工厂一样，机器人也逐渐被应用在了非制造业领域。如今的仓库自动化放在20世纪80年代也许就相当于工厂自动化。
1704605269
1704605270 诚然，上面讨论的许多人工智能技术仍是不完美的原型。但我们应该记住，几乎每一项技术在发展初期都是不完美的。比如对大部分观察者来说，第一部电话近乎荒诞。去适应通过听筒听到那种找不到来源的声音，这是一种完全不同于以往任何交流形式的体验。发表在《科学美国人》上的一篇早期的文章认为，电话是一项愚蠢的发明，人们会发现它几乎没用：“倾听者的存在是说话的尊严，对着一块铁说话简直荒唐。” 43 回顾过往，我们发现这种想法很愚蠢。但早期的电话是单线系统制作的，会有明显的失真：“在1878年，最近发明的电话只不过是一个科学玩具而已。为了使用电话，人们必须快速转动曲柄，对着话筒吼叫。只有在魔鬼般的尖啸和静电的闷声过后，人们才能隐约听到电话那头回复的声音。” 44 但仅仅10年后，这一技术看起来已经更有前景了。1890年，《时代周刊》的一名记者受美国电话电报公司（AT&T）的邀请，察看了长途电话的情况。项目总负责人A. S.希巴德（A. S. Hibbard）拨打了一个电话展示这项技术：“300英里外的波士顿的电话响起，然后有了一场愉快的对话。电话另一端的接听者是一位年轻女士，她立即就神智佛教的最新发展开始了热烈的讨论。她的嗓音不像平常说话时那么高，但电话的表现非常完美。” 45 
1704605271
1704605272 下一次浪潮
1704605273
1704605274 越来越多的工作走向了自动化，但仅凭传闻我们无法知道未来的工作会在多大程度上被取代，哪些类型的工作会受影响。因此在2013年，我和我在牛津大学的同事迈克尔·奥斯本发表了题为“就业的未来：工作有多容易受计算机化影响”的文章，把寻找近期自动化的工程瓶颈问题作为评估当前的工作受人工智能领域最新工作进展的影响的手段。如前所述，计算机在基于规则的常规任务中具有相对优势，人类则更擅长其他事情。
1704605275
1704605276 常规工作在20世纪80年代开始大批消失，但一些经济学家仅仅通过观察计算机做的事情就准确预测了哪些领域的工作将更早被取代。1960年，劳动统计局开展的一项案例研究发现：“在受变革影响的员工中，从事过账、检查和维护记录、文件存档、计算、制作表格、用打孔机打孔及其他机器相关操作在内的常规工作的比例略高于80%，剩余的主要是行政、监督和会计工作。” 46 但若要给一个人颁发诺贝尔奖，因为他预测了工作的未来，那赫伯特·西蒙（Herbert Simon）应该获这个奖。他在1960年首次发表了题为“公司：它会由机器管理吗”的文章。 47 当然，西蒙也因对经济组织内的决策过程的研究而获得了诺贝尔奖。尽管西蒙没有列出一个清晰的框架，但他在观察技术趋势后做出了准确的判断。他认为计算机会接替工厂与办公室里的许多常规工作，这一想法是正确的。他准确地预测了将来仍会有许多产品设计、流程和综合管理方面的工作。他还预见到越来越多人会从事个人服务工作。换句话说，他早在中产阶级中空化现象发生前几十年就预测到了这一现象。
1704605277
1704605278 现在的问题是：在人工智能时代，计算机能干什么，不能干什么？
1704605279
1704605280 确定自动化的工程瓶颈显然不是一个经济问题，所以我很幸运迈克尔已经研究这个主题有一段时间了。在研究技术变革时，经济学家们面临的问题是他们必然会后知后觉（西蒙不仅是经济学家，也是一位备受推崇的计算机科学家）。我很难跟上实验室的所有最新进展。在我写经济学论文的时候，迈克尔一直在开发算法，拓展计算机如今能够完成的任务集。
1704605281
1704605282 在西蒙的精神指引下，我们着手去推断人类在哪些领域仍具有比较优势。我们并没有提出与超智能的前景相关的无法回答的问题，也没有试图预测将来的伟大发明，而是着眼于近在眼前的技术。用托马斯·马尔萨斯在工业革命开始时的话来说，“世界上的许多发现，在根本不可预见和意想不到的情况下就出现了……但如果谁在没有从过往的事实中得到任何类比和指引的情况下，就预测到了这些发现，他更应该被称为先知或预言家，而不是哲学家”。 48 本书讨论到的很多技术虽然仍是雏形，但我们仍可以预测它们可能会出现在市场上。虽然这些技术并不完美，但每一场技术革命在一开始都不完美。早期的蒸汽机只能用于矿井排水，但就算在排水领域它们的表现也不是很好。然而，托马斯·萨弗里、托马斯·纽科门和詹姆斯·瓦特都意识到蒸汽机是一项通用技术，并为蒸汽机设想了很多应用场景。如上所述，人工智能是另一项通用技术，现在已经在脑力和体力工作上都有应用。
[ 上一页 ]  [ :1.704605233e+09 ]  [ 下一页 ]