杰瑞-卡普兰对话李开复：人工智能会加剧贫富分化

近日，硅谷著名连续创业家，斯坦福大学人工智能与伦理学教授，《人工智能时代》作者杰瑞-卡普兰来到中国，在清华大学和李开复等人谈及人工智能的未来。他们就“人工智能带来的社会结构的变化”、“人工智能领域的创业”等话题展开对话。

卡普兰认为，人类已经从人工智能技术的发展中受益颇多。人工智能技术的发展，让人们有了更多的个人时间去做更多更有意义的事情，从而催生更细分的用户需求，也同时催生细分行业，为我们创造更多新的岗位和劳动力就业。

人工智能未来将成为人类的主人，还是会沦为人类的奴隶？对于这两种极端观点，卡普兰认为，大众对人工智能的误解很大程度上是受科幻电影的影响。实际上，现实中应用的人工智能和科幻电影中的人工智能有很大区别。人工智能本质上是一门工程学科，和平时我们所接触的土木工程等没有本质区别。从根本上来看，机器学习并没有真正超越人类智能。

人工智能技术对人类社会的影响有利有弊。一方面，人工智能对劳动力市场结构产生了重要影响，并加剧了技术性失业问题。另一方面，人工智能会影响财富的再分配。如何处理好新技术发展带来的新社会财富，控制社会贫富差距，也是整个社会和政府机构面临的问题。

在接受新浪科技的采访中，卡普兰表示，目前人工智能已经在某些领域可以战胜人类，比如围棋，但是这样应用范围非常非常窄。AlphaGo打败李世石跟20年前深蓝在国际象棋领域胜过人类本质上没有太大差别。在问及未来人类会不会反过来向人工智能学习时，卡普兰说：“工程师到了一定的水平，无论是向谁来学习来提高自己的技能，都是没有问题的，包括像人工智能学习都没问题”。

以下是杰瑞-卡普兰演讲全文：

今天我想跟大家分享一下我对人工智能的理解。它的本质是一项技术核心，但普通大众实际上是误解了人工智能，而我今天我的分享角度比较实用，从实用的角度去理解人工智能，应该会对大家理解人工智能对日常生活、工作的影响带来一点启发。

人工智能时代的人机关系

大家一般会这么去理解人工智能：人工智能非常聪明，智能机器人可能会夺走人类的工作，让人类找不到饭碗，甚至会控制人类，最终会夺取这个星球。

除了上面这种人工智能看成敌人的观点，还有一种观点把人工智能当做人的奴隶，其实这个想法在几个世纪以前就有了。然而我并不完全同意上面这些观点，我认为，人工智能是在人类生活过程中自动化的延续。

我们可以在网上搜索一下人工智能的定义：人工智能就是AI，其一般性的解释是，其本质是计算机的理论和系统，使得那些传统需要人类去完成的工作，包括像语音识别、视觉感知、决策和不同语言之间的翻译等，都将逐步被人工智能所取代。但是，我认为，人工智能并不会取代人类、让人类完全失业，这样的观点是比狭隘的。

我们举个例子，人工智能在多大程度上能帮助人类进行决策呢？我们在进行晚上搜索的时候，可能会输入我们所需要的一些信息，同时网络会很快给你一个需要的答案和结论。大家想象一下，一个普通人能够阅读这么多网站信息、能够阅读那么多图书资料，并能够在这么短的时间内给出一个回馈，然后进行匹配吗？我认为，没有一个人能做到这一点。

当然我们并不是说搜索引擎在完成这个工作的时候，就显得人类无能了。举个例子，当计算机系统帮助我们完成这些人工智能所需要完成的工作时，明显比人类更有效率、更快捷，也不是说人类的智能就达到一个极限了，只是各取所长而已。

我觉得刚才我所介绍的关于人工智能和人类智能的知识并不陌生。举个例子，以前在美国，数学计算和运算是由专业的人承担的，人们将这些人称作计算师。而现在，即便没有通过长期、精密的训练，我们只需要花费极少的费用买一台计算机就能够完成过去需要很多计算师完成的工作。计算机及计算机系统在进行运算的时候要比人类快得多，那么是不是就可以说，计算机更聪明呢？

人类和计算机之间的区别，本质上是一种思维方式、学习方式的不同。现在，我再举一个例子，就是翻译。在过去几年中，机器翻译应该说是取得了巨大的进展，这当然是得益于巨大的文本统计和数据分析。但是我们发现，人类翻译和机器翻译有很多本质的差别。

我们来看看人类翻译是怎么做的。首先，他需要两门或者多门语言，可能还要学习当地的文化和风俗习惯；他可能需要阅读大量有关这门语言的图书，以做到使翻译更为准确，符合说话人想要表达的意思。

而机器翻译和人类翻译的过程是截然不同的，当然，现在机器翻译学习的成果也不错，但两者在加工文本的过程和方向上是截然不同的。

机器学习让机器更智能

那么我们看下一个主题，在机器学习的时候，它是否有相关性呢？

人类学习和机器学习的过程是不一样的。比如，我们要教一台机器来识别猫的话，可能需要给这台机器提供超过100万张猫的图片，由它来识别。但是人类不一样，如果一个3岁的小姑娘在我身边，我告诉她“这是猫”，她可能马上就学会了。

但在过去几年，机器学习取得了非常重要的进展，为什么？因为它有了更多的数据统计和分析，能够通过标准逻辑和格式呈现给计算机。

所以我想跟大家阐述的就是，大众眼中的人工智能和现实社会中所应用的人工智能是截然不同的。如果大家看电影看得多的话，可能会认为，未来人工智能会通过各种高端计算机从人类手中夺权，但这种幻想和理念是不正确的。

比如一个洗衣机器人，这个机器人会照你安排的方式洗衣，因为所有的程序都是人设定好了，但机器人没有自己的意识，也没有办法去进行自我反思，自己设定自己目的的，因此我认为，这种洗衣机器人不会在某天工作的时候，突发奇想：“洗衣服、叠衣服太笨了，我应该去做建大楼。”

如果把“智能”这个词往广泛的角度去理解，让我们看看人类智能和机器智能或者说人工智能有什么样的差别和联系。

首先，我们现在很难有一个非常严格、非常精确的定义去界定所谓的人类智能或者人类智商、人类智慧，因为这个定义并不准确，你很难去定义。那么人类在多大程度上向机器的智能学习呢？

比如说在美国，我们如果要去测试一个人或者是一组人的智商的话，通常我们会用IQ测试。但这种IQ测试方式本身就是有问题的，因为人的智慧很复杂，怎么可以用一组数据、一组排名，甚至一些基本的格式来规范这个人的智商呢？比如我们找两个人，一个叫王明，一个叫王伟，结果王明在测试中比王伟高出了7分，难道就能说王明比王伟聪明吗？我觉得这种测试方式是非常简单粗暴的。

所谓的IQ智商绝对不是一组客观的数据，也不能通过一个简单的测试达到一个基本排名。我认为，所谓的人类智商是一种主观观点，在每一个文化背景下，人们对美的定义是不一样的。

我再举一个例子，刚刚我们在讨论的是关于人类的智商和智慧，那么现在如果把针对人发明的IQ测试，让机器做一下，它可能只需要花上百万分之一秒的时间，就能取得比人类高得多的成绩。那么，你会认为这个机器很聪明吗？

如果大家把人类智慧和机器智慧进行对比，就好比我们让一匹马和一辆车来比谁跑的快。当然，我觉得大家之所以有这种类比，是因为在过去几十年中，机器人的确在一些原来由人专属的行业取得了一些重大的突破和成果。比如在1997年的时候，IBM深蓝计算机就打败了当时的国际象棋冠军；在今年早些时候，谷歌的AlphaGo打败了韩国围棋冠军李世乭，可谓轰动一时。

通过刚刚所举的例子，大家可能觉得机器智慧很快就会超越人类智慧了，然而我并不这样认为，这只是两个特定的应用案例。随着技术的发展和时间的推移，机器智慧在特定的应用领域会逐渐成熟，但不意味着普通通用性的机器智慧会有极大的推进。也许通过特定技术的应用，它能够缓慢地推进普通机器智慧，但总的来说，它只是一项特定的应用功能。

比如说现在我们用手机的时候，发现我们在下载软件的时候，速度越来越快，也越来越好下载了。你会觉得这个手机越来越聪明了吗？同理，看待人工智能各方面的技术、各方面的应用日趋成熟的时候，它和手机并没有太大差别。比如说地图功能、上网连接功能，这只是一项应用工具的不断完善，反而是人类越来越聪明了。现在人在学习微积分、学习哲学的时候，是不是要比以前省力很多？

我认为，人工智能就像一撮有魔力的金粉一样，撒在计算机上，让这些安装的程序也好、所赋予新的技术也好，越来越好用了。换一个更加通俗的说法，人工智能的本质就是一门工程学科，和我们大家平时所接触的土木工程、电力工程没有本质的差别。而早在几个世纪之前，甚至在第一次工业革命之前，就有专家提出过人工智能的本质，它就是建立在自动化应用基础上的一个自然延伸。

但很多人会担心，究竟机器人或者是人工智能是否会占领人类就业的“高地”呢？当然这种情况已经发生了，在很多地方，包括像证券交易所、农场，已经有机器人的大量出现了。

为什么现在越来越多的工厂、公司都使用机器人和人工智能呢？原因很简单，这不是因为它们很聪明，而是因为成本更低、生产效率更高、生产的产品质量更好。比如说我们用机器人和人工智能处理信息的时候，比传统上用人类手工填写纸质文件效率高很多，而且不会犯错。

所以下面我想跟大家介绍一下我所理解的人工智能和这种人工智能，究竟会对未来社会产生什么影响。

人工智能时代的社会大变革

在未来几十年，人工智能至少会在以下两个方面对社会产生重要影响，第一个是劳动力市场，第二个就是财富的再分配。

我认为，如果大家觉得有越来越多的机器人进入市场以后，会夺取人的工作，我觉得这样的想法过于简单。因为人工智能系统和机器人并不会主动完成一项工作，它们只是按照我们的设定，按照这种自动化的程序去“工作”，所以确切地说，越来越多的工作是由人类与人工智能一起配合共同完成的。

那什么样的工作会快速被机器人或者人工智能所取代呢？一些低技能的、单一的、重复的工种很快会被人工智能取代。但一些工作环境比较复杂，需要实时地提出解决方案，并快速地适应社会的变化，这样的工作是安全的。

我这边也举两个工种和大家分析一下。一个工种是大家熟知的银行柜员。他们主要完成四项基本工作，一是数钱，二是帮助客户存钱，三是核实现金数目，四是给客户开账户。而前面两项比较简单的数钱和存钱工作，机器人是可以完成的。而后两项工作需要和人、和客户进行面对面的沟通，还是会由柜员来完成，因为他们更有经验、更善于与人沟通。

另一个工种是泥瓦匠，他们每天的工作就是垒砖，这样的工作很快会被机器人取代，而且据我所知，已经有这样的机器人在研发了。

技术一方面能够帮助我们降低劳动力总数，另一方面又能够提高劳动生产率，比如有些传统意义上需要很多人的工作，现在只需要几个工人就行了。

在整个社会层面而言，由于整个社会生产力的提高、社会生产成本的下降，整个社会的富裕程度也会不断提高。随着整个社会变得越来越富裕，人们的需求变得越来越多元，人们会越来越关注自己真正的需求和需求的多样性。

当人类的需求变得越来越复杂、越来越精细、越来越高端化，而这些新需求会产生更多新的服务行业，从而产生更多新的工作岗位，雇用更多的劳动力。

当然，我们不能只看到好处，虽然就业的增加对整个社会而言是利好，但这种利好背后是工作技能的截然不同。用经济学家的话来说，随着技术进步所产生的失业就是技术性失业。如果这种失业所产生的失业劳动力不能被很好地安置，找到自己新的工作岗位的话，将会引起严重的社会问题。

时代风口的抉择与机遇

我们都知道，中国第一大产业、也是最能够吸引最大劳动力的产业就是农业，2004年50%的人在务农；到了2014年，只有30%的人在务农。短短10年时间，随着技术的进步和自动化的推广，有20%的人从传统劳作中解放出来了。

而美国20%劳动力的解放花了40年的时间，从1875年到1915年。在过去40年中，当时的政治体系也好，政府的行为也好，没有为这些劳动力找到良好的出口，从而导致了大量的社会动荡。而中国在这一点上做得就相对好很多。中国政府更强有力地解决了这20%的劳动力盈余，同时保持了社会稳定。

因此，我非常认可中国政府的做法，它在短短10年内，大规模地降低了农业从业人口，同时又保持了经济地增长。不过中国也不能就此地懈怠，毕竟现代劳动力市场的这种变动，随着人工智能技术的介入和科学技术的革新，可能会带来越来越多的昕问题。不管是中国政府也好，美国政府也好，两国不仅要完善整个教育体系，还需要为社会提供越来越多的基于职业技能型的培训，来安置这些失业人口和一些随着技术性失业而导致无法就业的人群。

刚刚我跟大家分享的第一个问题是关于劳动力和就业的问题。第二个问题是财富分配问题，这个问题和之前的问题很相似，随着人工智能系统的发展和技术的进步，社会将变得越来越富有。那么这些社会财富究竟由谁掌握？我认为，这种自动化技术就好比资本要素，谁有自动化技术，谁就有能力去占领整个劳动力市场，谁就有能力去投资整个市场。

马克思曾经说过，资本和劳动力之间存在永远的矛盾，它们永远都不是朋友，因为在资源和劳动力竞争过程中，工人永远是输的一方，而资本家和资本拥有者永远是赢方，只有资本家才有能力去进行再投资，来提高生产力。我觉得这个方程式，跟这个人工智能和劳动力非常相似。

在过去的几十年中，美国随着社会的富裕，这种收入不平衡情况越来越严重，在中国也会有这样的情况，但目前的情况比美国好一些。

比如说早在1997年的时候，我发现，随着经济的发展，美国社会的财富越来越多地聚集在少数人手中，当时，自动化技术已经有了新发展。现在很多美国人对社会不平等现象和财富分配不均的现象非常不满意。

我当然知道中国和美国的经济、政治环境的不同，不会像美国这么严重，但中国如果不能解决财富分配不均的问题，对社会产生的影响也不小。

当然，我并不觉得自己适合给中国政府提一些政策上的意见，但我的书中有很多针对美国政府的建议，如果大家觉得有用的话，可以从中汲取一些有用的政策。

人工智能诞生之初的影响就像文字发明之初带来的影响非常相似。作为一个乐观主义者，我对人工智能的未来充满信心，我深信人工智能的发展会极大地提高社会的财富。但是另外一方面，以美国为例，资本主义肯定不是人工智能一个最佳的社会典范，因为它有时候很难处理好由技术性失业所导致的众多富余劳动力，所以我们应该能够找到更好的政策选择，为整个社会的财富分配、为剩余劳动力的解决作出应有的贡献。

未来10年，我们要应对人工智能系统和相应技术所带来的最重大的挑战，应该就在劳动力的变革和整个社会财富的分配方面，这将极大地影响社会的稳定。

那么为了迎来人工智能的黄金时代，我们在设计经济和社会政策的时候，应该更多地考虑如何去面对这些挑战，才能够真正迎来为所有人类，而不是仅仅为富人带来的黄金时代。谢谢大家！

对话：人工智能的未来，是裂变还是融合

主持人：

从我个人来说，正好我女儿是明年高考，这样还有一年的时间，可能有更多的理想。

接下来我们就进入下一个环节，请杰瑞-卡普兰和李开复老师进行一个对谈。

刚才李开复老师也提到了AlphaGo，这个是2016年全球很瞩目的世界，第一个问题也是围绕着AlphaGo之后人工智能可谓热火朝天。再往前看一下，人工智能未来发展会有什么样的瓶颈吗？根据当下的技术发展，这个瓶颈多久会出现？

李开复：

其实我觉得机会要更大一些，因为其实现在所有的领域，尤其在国内，几乎都还没有用上AI，用上的领域太多了，忙不急去找投资的标的，甚至开始要想培训自己的学生，因为需要的人才远远不够，机会非常多。

它的瓶颈也是有了，比如说其实人工智能是没有办法解释它为什么做一个决定的？这个时候我们可能就卡住了，当你只知道做什么，不知道为什么，比如看AlphaGo为什么下这步棋，为什么输了，为什么赢呢？怎么输的？完全答不出来，答不出来的时候，很多领域就会有问题。

还有就是说一个机器现在还不能完整地复制自己，当然这也是一个担忧了，所以还是人的工具，自我复制能力不够强。

基本是在人所创造的框架下去做人给它布的这个局里面，去调一些参数和解决方案，它还没有自我开创的能力。

杰瑞-卡普兰：

我觉得大家好像普遍有一个误解，觉得未来所有的工种，所有的工作都能被们人工智能所取代，大家误会了。不管技术发展到什么程度，人类的部分工作是永远无法为机器所取代的，大家之所以提出这样的假象，是基于一种工程的观点，因为在工程师的眼中看到的只是一个结论，有时候会忽略整个过程。

有三大类的工作很难被计其所取代，第一类关于情感的表述和表达，有时候需要人与人之间的沟通，来给予安慰和慰藉的，这样的工作很难用机器去完成。

第二类需要成熟的艺术技能，比如作为一个小提琴家，你也不希望欣赏的是乐器的演奏。

第三类工作，哪怕在某些特定的情况下，能够用机器去制作一些高级的成衣，有时候你也希望是一些传统的手工师傅进行高级的定制，为你呈现一条手工制作的长裙，这三类工作在未来很难为人工智能和机器所取代。

张晓卿：

未来将会是一个人机共生的新生态，第二个问题，因为我们举办这个活动，我们出版了杰瑞的书，我想问一个问题，李开复老师在推荐序里面写道，当时你读GO公司的一个状态，有哪个故事和哪个观点给你带来比较深刻的触动？

李开复：

对于杰瑞-卡普兰先生所谈到未来人机如何能够非常和谐地相处，这方面我觉得是很大的一个机会和挑战，也就是说什么样的一个经济体系，还有那些所拥有资本市场或者资本主义国家里面，所拥有特别大的财团，他们怎么样能够用足够的社会责任感来去引导这个社会，而不是被诱惑地用这些大量的数据来占普通人的便宜，或者让贫富差距能够拉得更大。

杰瑞-卡普兰：

首先我觉得大家就如何为社会不同实体分配责任的这个大前提下，要以一种谨慎的态度来考虑，我觉得首先社会应该有一套比较严谨而理性的政策，这些政策就包括一些激励政策，能够鼓励所有的社会实体，包括企业在完成自我利益，实现自我发展的同时，能够向着整个社会全体利益的方向运行。

李开复：

想问一下一个问题，比如说在人工智能整个系统和技术的发展下，有很多工人可能就会失业或者找不到饭碗。某一些人群，他们可能会失业或者会找不到工作，那在这样的情况下，您觉得是谁有义务，有责任为他们提供再教育，或者是补偿，或者是别的相关的社会方面的支持呢？

杰瑞-卡普兰：

首先，我想这么来回答，当然我不是光说这一点可以在美国实行，我也不以美国为单例，我在美国买房子是要按揭，这个按揭的钱谁来付呢？可以来想这个问题。

如果某人失业或者是无法找到就业岗位的话，我觉得政府也好，雇主也好，他不应该来出这个钱为该名待业者去支付他受教育的费用，我觉得应该是这个待业者自己用自己未来的劳动收入来作为抵押品，你未来因为可能会赚到的某一部分钱，你把这些钱从雇主那边借过来，由新的雇主为你提供再就业和再培训的机会。

这就要求我们金融行业可能要做一些金融方面的创新了，不过我觉得在整个实施的过程中有一个难点或者矛盾点，因为某一个失业者，他现在的技能是基于他原来受教育的程度，那他原来受教育的程度和现在的技能是有限的，他在进行估值的时候，其实相当于被低估了的，他能够获得的贷款比他真正获得的贷款要少。

不过我觉得这种方式，利用你自己未来的工资或者是未来潜在的技能去要求雇主对你进行再培训，这种方式可行。同时这也会进一步刺激现代社会整个教育体系的革新。

主持人：

我本来还有第三个问题，因为两位除了是人工智能方面的专家，另外你又是创业者，并且像杰瑞，你是连续的创业者，因为中国现在也在双创的时代，请你能够给出人工智能领域创业的人什么样的建议？在什么样的领域是可以有所突破的？

李开复：

人工智能创业其实是非常困难的，首先我认为你一定要有非常厉害的科学家和工程师，而且有愿意解决务实问题的这种心态，这个其实带来很大的挑战。因为大部分人认为这个博士、教授、研究员不见得是很好的创业者。但是做人工智能没有这批人还真做不出来，所以我觉得工程师和这些博士要能够很融洽地在一起工作。

根据我过去在一些大公司工作的经验是非常困难的过程，因为工程师总认为是我挣的钱，科学家总认为说我读的学位更高，这两个谁都不让谁，能够在一起工作作出很好的工程产品难度是相当高的，所以千万不要低估了创业的难度。

另外一个人工智能的门槛，今天懂人工智能的人很少，所以你可以靠技术成为你的第一个竞争优势。但是长期来说，真正唯一可持续的一个竞争优势，就是你有非常大量的数据，不断地被输送到你的系统。而且你可以产生更多的数据，而且这个数据不是公开可以获取，也不是可以简单靠人来标注的。比如说产生了这个良性循环以后，你的power特别巨大，比如百度知道，谁点哪个搜索结果，淘宝知道你购买了什么商品，可以不断地修正人工智能，可以让更多人在原来假设的情况之下购买商品。face++知道谁最终经过淘宝的验证，知道谁是骗子，谁不是骗子。

一个非常好的人工智能公司往往是靠特别大量数据的滚动，而且越强的公司就会越来越强，就像google、facebook，像中国的科大迅飞，它能把数据的累积、迭代和自动标注形成一个良性的循环，这是过去的创业者从来没有思考过的问题，而现在变成了一个特别核心的问题。

下面要有非常好的商业思维和逻辑，还有很好的耐心，因为做这种人工智能的产品，有时候不是一步登天的，比如说吴甘沙做一辆无人驾驶车，要多少年的堆积和累积才能做出来的。比如说我们希望能够做到一个第四范式，需要帮银行赚钱、省钱，这个也需要很多年做出来的。

这跟过往很多的创业不太一样，以前的创业比如说某些社交、直播、手游，只要抓对了时机，产品做得够好，然后快速地起量，似乎一个“独角兽”就可能产生，失败的概率很大。但人工智能创业绝对不是这样的，一定是一个多年的累积，你要累积人才，累积数据，累积产品用户反馈，而且它不是一个2C的产品，是一个2B的产品。所以人工智能的创业是门槛相当高的，刚才几个问题，技术的问题、人才的问题、融合的问题、数据的问题，还有耐心的问题，当然还要找对投资人，像创新工厂没问题。

要不然一个VC用正常的方法推你起量、变现就惨了，就完蛋了，一定要懂你这个行业的，门槛相当高，绝对没有任何的用意希望所有人走这一行，因为前景非常得多。

杰瑞-卡普兰：

其实我的建议是这样，我觉得一个人工智能的初创公司究竟能够成功与否，并不在于人工智能本身这个技术是不是足够好？足够强？我觉得关键是一个匹配程度。

做一个创业者，您应该有这种商业的敏感，在你选择技术的时候，这个技术是不是匹配你的目标市场？匹配你的目标人群？

同时作为一个创业者，你应该有足够的知识和足够的能量，去找到现在这个未成熟的技术和目标市场之间微妙的差距，和你是不是能够弥合这个差距重要的差别？我觉得找到目标市场，找到匹配的技术，才是成功的前提。