第12章 人類和機器

隨着成熟產業日漸蕭條，信息技術因迅猛發展而成為科技的代名詞。超過15億人利用攜帶型裝置及時獲取信息。如今，人們的智能手機已比指引宇航員登月時的計算機的處理速度快上千倍。如果摩爾定律繼續適用，今後的計算機會更加強大。

計算機在我們曾認為專屬於人類的活動中也有足夠能力打敗人類。1997年，IBM公司的深藍打敗了世界象棋冠軍加里·卡斯帕羅夫。2011年，智力競賽節目《危險邊緣》（Jeopardy!）的最佳選手肯·詹寧斯敗給IBM的沃森電腦。谷歌自動駕駛汽車已行駛在加州大道上。雖然知名賽車手小戴爾·恩哈特並未感受到機器的威脅，可是英國《衛報》為全球數百萬受雇於人的司機和計程車司機擔心，自動駕駛汽車「會帶來下一波失業浪潮」。

每個人都期待未來的計算機能幹更多的事情，多到有些人懷疑：30年後，人類自己還有什麼可做的事情嗎？風險資本家馬克·安德森斬釘截鐵地宣稱：「軟件正在吞噬整個世界。」而其同行安迪·凱斯勒在解釋提高生產力的最佳途徑是「擺脫人類」時，卻顯得很高興。《福布斯》則顯得憂心忡忡，向讀者提出了如下問題：機器會取代你嗎？

未來主義者似乎期待肯定的回答。勒德分子[3]則害怕被機器取代，寧可全面停止開發新技術。雙方都未質疑好的計算機必然取代人工這一前提。然而，這個前提是錯誤的：計算機是輔助人類的工具，而非替代物。未來幾十年，最具價值的產業還是由創業家建立，他們發展計算機是增強人類的能力，而不是淘汰人類。

全球化vs.科技

15年前，美國人擔心來自墨西哥的廉價勞動力的競爭，這講得通，因為任何人都可能被其他人替代。今天人們再次聽見羅斯·佩羅所說的「巨大吮吸聲」，這次循聲追溯到的不是提華納的廉價工廠，而是得克薩斯州的伺服器群。美國人害怕將在不遠的未來出現的技術，因為他們認為這是過去幾年全球化的重演。但現在情形已大不相同：人們會為工作和資源角逐，而計算機不會。

全球化意味着替代

佩羅就國外競爭提出警告時，小布希和比爾·克林頓在鼓吹自由貿易：每個人在工作上都有其專長，所以從理論上講，只要人們按照其自身優勢發展其專長，並以此互相交易，經濟就會使財富最大化。可是實際上，至少對許多工人來說自由貿易的成效並不是那麼明顯。相對優勢差異巨大時，貿易利益最大，但是全球願意從事低薪重複工作的人比比皆是。

人們不僅競爭工作崗位，也競爭相同的資源。美國人在低價購買從中國進口的玩具和紡織品的同時，需要以更高的價格購買汽油，因為數百萬中國車主也開始參與到對汽油的競爭中。不管是在上海吃魚翅，還是在聖地亞哥吃魚肉玉米餅，人們都需要食物，都需要房屋。人們也不只滿足於溫飽——隨着全球化的推進，人們的需求會不斷增加。既然數億中國農民最終達到了溫飽水平，他們自然希望多吃點兒肉，少吃點兒糧食。上層社會的慾望更是驚人的一致：從聖彼得堡到平壤的寡頭都喜愛水晶香檳。

科技意味着補充

現在想想來自計算機而非人類的競爭前景。供給方面，計算機和人類之間的區別遠大於人與人之間的區別：人類和機器所擅長的工作存在着本質上的差異。人類有意識，擅長在複雜情境下制訂計劃、做出決策，但不擅長大量數據的處理。計算機則恰恰相反，擅長高效的數據處理，卻做不出人類很輕鬆就能做出的基本判斷。

為了了解差異的程度，讓我們來看一下谷歌的另一個人機替代項目。2012年，谷歌的一台超級計算機掃描了1000萬張YouTube視頻縮略圖后，能夠識別出貓，其準確率達到75%，上了報紙的頭條新聞。這看似不可思議——但4歲小孩兒就可以輕而易舉地做到。最便宜的筆記本電腦可以擊敗最聰明的數學家，但即使擁有16000個中央處理器的超級計算機也不能和小孩兒在其他方面相抗衡，二者之間不只是一個比另一個強大的問題，而是具有本質上的差異。

人類和機器之間的顯著差別意味着，和計算機合作得到的成果遠高於與人交易得到的成果。正如我們不和家畜、燈具做交易一樣，我們也不和計算機做交易。重點是：計算機是工具，不是競爭對手。

需求方面的差別更大。不像工業化國家的人，計算機不渴望奢華大餐，不追求法國卡普費拉的海景別墅；它們需要的只是微不足道的電量，它們甚至不夠聰明來提出要求。我們開發新的計算機技術來解決問題，這意味着我們擁有了一個超級專業的夥伴為我們提供高效的服務，卻不和我們爭奪資源。準確地說，科技是在這個全球化的世界中逃避競爭的唯一方式。雖然計算機越來越強大，但它們不能取代人類：它們只起補充作用（見表12–1）。

表12–1全球化與科技的不同

人機互補之於企業

人類與計算機的互補不僅僅是宏觀事實，而且是創立偉大事業的途徑。在PayPal的經歷使我明白了這一點。2000年年中，我們成功度過網絡公司的破產危機，並快速增長，但仍面臨一個巨大難題：每月都因信用卡詐騙損失上千萬美元。每分鐘處理成百上千筆交易，因此不可能一一檢查——任何質量控制團隊都達不到這種速度。

因此我們做了任何工程師團隊都會做的事情：採用自動化技術找到解決方案。首先，馬克斯·列夫琴組建了數學家精英團隊來仔細研究欺詐性交易。然後利用研究結果，編寫自動識別軟件，實時取消欺詐交易。但這一措施很快就失效了，因為一兩個小時后，竊賊就發現了，他們改變了策略。我們的對手適應性很強，而我們的軟件反應緩慢。

詐騙犯雖然躲過了我們的自動檢測演演算法，但我們發現，他們不能輕易騙過人類分析師。因此馬克斯帶領工程師用混合策略重寫了軟件：程序將可疑的交易標記在設計好的用戶界面上，然後人工審核其合法性。多虧了這個混合系統，我們抓住了那個吹噓自己無人能敵的俄羅斯竊賊，所以我們給這套系統起了個俄羅斯的名字——「Igor」。而且，有了這套系統，我們在2002第一季度扭虧為盈（而2001年的每季度我們還損失2930萬美元）。美國聯邦調查局來問我們是否願意出借Igor，以協助他們偵測金融犯罪。這讓馬克斯自詡為「網絡密探福爾摩斯」，他也的確是。

這種人機結合的做法讓PayPal得以在商界立足，成百上千的小商家才願意通過網絡收款來發展壯大。沒有人機結合的解決方案，就不會有這些成果——雖然多數人對它一無所知。

2002年出售PayPal后，我依然在人機結合上下功夫：人機結合比單打獨鬥效果顯著，那麼在此核心基礎上可建立什麼有價值的事業呢？第二年，我和斯坦福大學的老同學亞歷克斯·卡普、軟件工程師斯蒂芬·科恩動了創辦公司的念頭：利用PayPal安全認證系統的人機複合模式來辨識恐怖分子和金融詐騙。我們知道美國聯邦調查局興趣正濃，於是2004年我們共同創辦了帕蘭提爾公司，一個幫助人們從不同信息來源提取有用信息的軟件公司，到2014年，帕蘭提爾公司的銷售額已達到10億美元。《福布斯》稱帕蘭提爾的軟件是「殺手軟件」，因為謠傳它幫助美國政府找到了奧薩馬·本·拉登。

對於操作細節，我無可奉告，但可以說僅憑人類智慧或計算機，並不足以保證我們的安全。美國兩個最大的情報機構使用的方法截然不同：中央情報局傾向於用人，而國家安全局傾向於使用計算機。中央情報局的分析師要排除的干擾太多，很難識別嚴重的威脅。國家安全局的計算機處理數據的能力很強，但機器自己不能鑒別是否有人在策劃恐怖行動。帕蘭提爾致力於克服這兩種缺陷：運用帕蘭提爾的軟件分析政府提供的數據（比如，也門極端主義教士的通話記錄、與恐怖活動關聯的銀行賬戶），然後標記出可疑活動，供訓練有素的分析師審核。

除了幫助查找恐怖分子，使用帕蘭提爾的軟件，分析師還可預測阿富汗的叛亂分子放置爆炸裝置的地點；起訴引人注目的內幕交易案件；打擊全球最大的兒童色情團伙；支持疾病控制預防中心對抗食源性疾病的爆發；通過先進的詐騙檢測軟件，可以使商業銀行和政府每年減少上億美元的損失。

先進的軟件為此提供了可能性，但更為重要的是人類分析師、檢察官、科學家、金融專家，沒有他們的積極參與，軟件毫無用處。

想想如今專家的工作內容。律師必須用不同方式講述棘手問題的解決方案——依據委託人、對方律師、法官等談話對象的改變，變換說辭。醫生要有能力與非專家的普通病人溝通診療結果。好老師也不只是精通自己教授的學科知識，他們還必須了解如何根據學生的興趣和學習方式調整教學方法。計算機或許可以執行部分任務，但不能有效加以整合。法律、醫療、教育領域的先進技術不能替代專家，只能幫助專家做得更好。

這正是領英公司協助招聘專員做的事。領英在2003年創立時，既沒有徵求招聘專員的意見，以找到需要改進的地方，也沒有編寫完全替換招聘專員的軟件。招聘工作一半是偵探工作一半是推銷工作，招聘專員需要仔細審核應聘者經歷、評估其動機和適應能力、說服最優秀的人才加入團隊。讓計算機高效地完成所有工作是不可能的，因此領英從改變招聘專員的工作方式入手。現在，超過97%的招聘專員使用領英的網絡，運用其強大的搜索過濾功能篩選應聘者，該網也為數億個使用它來管理個人品牌的專家創造了價值。如果領英公司只是用技術取代招聘專員，那麼它不會形成今天的規模。

對計算機科學的認識

為什麼如此多的人忽視與計算機互補的力量？這要從學校教育談起。軟件工程師致力於開發取代人力的項目，這是他們的職責所在。學者通過專業研究揚名立萬，他們的主要目標是發表論文，而發表意味着尊重特定學科的界限。對計算機科學家來說，則意味着讓人類的功能減少到只限於完成特殊任務，而計算機經訓練后可將各項任務一一完成。

在當今計算機科學最前沿，「機器學習能力」這一詞語激起了機器代替人類的幻想，其宣揚者似乎相信只要輸入足夠的訓練資料，計算機就可以執行任何任務。網飛公司（Netflix，網絡影視光碟租賃公司）和亞馬遜的用戶親身體驗了計算機學習的效果：兩家公司都依據消費者瀏覽及購買的歷史，運用特定演演算法來推薦產品。輸入的數據越多，得到的建議就越好。谷歌翻譯也是如此，它支持80種語言的翻譯，雖然粗糙，但勉強可用，這並不是軟件懂得語言，而是它能對巨大語料庫的文本進行統計分析，提取句型。

另一個體現機器會取代人類的傾向的流行語是「大數據」。如今的公司對數據情有獨鍾，它們錯誤地認為數據越多，能創造的價值就越多。但大數據通常都是沉默的資料，計算機能找到人類沒有注意到的模式，但無法比較不同資料來源整理出來的模式，也不能用這些資料解釋人類複雜的行為。可行的見解只有人類分析師（或者說那種只存在於科幻小說中的人工智能）才能給出。

我們痴迷於大數據僅僅是因為覺得科技很奇特。我們為計算機單獨取得的一些小成就而驚嘆，卻忽視了人類在計算機的輔助下取得的巨大進步，因為人類的參與淡化了其神秘性。沃森、深藍電腦和越來越厲害的演演算法雖然很酷，但未來最有價值的公司肯定不是靠計算機單獨解決問題，而是關注計算機如何才能幫助人類解決難題。

聰明的計算機：是敵，還是友

計算機運算的未來充滿了未知。像Siri（蘋果手機語言助理）和沃森這些預示著未來趨勢的越來越高明的機械人智能，越來越普及；一旦計算機能回答我們的所有問題，它們就可能會問，為什麼它們要完全屈從於我們？

替代派思維的邏輯終點是「強大的人工智能」：計算機使得人類在每個重要領域黯然失色。當然，勒德分子被這種可能性嚇壞了。這甚至讓未來學家也心神不寧，因為還不確定強大的人工智能會拯救人類還是會毀滅人類。技術應該增加人類對自然的控制力，減少人類生活中的偶然性；建造聰慧過人的計算機一定是利弊參半。強大的人工智能就像宇宙彩票：我們贏了，得到理想國；我們輸了，被天網（Skynet）取代。

但即使強大的人工智能不是不可預測的謎團，而有真實存在的可能，那個時代也不會很快到來：被計算機取代是22世紀人類該擔憂的問題。對遙遠未來的不確定的恐懼不應阻止我們現在制訂明確的計劃。勒德分子認為我們不應該製造未來可能取代人類的計算機，狂熱的未來學家則持相反的觀點。這兩種觀點相互排斥，但不能代表所有的觀點：在這兩個極端之間還有巨大的空間，未來幾十年，理智的人可以建設美好的世界。我們在計算機使用上的創新，不僅能夠幫助人類做好已有工作，還能幫助人類做到之前不可想像的事情。

圖12–1強大的人工智能的未來發展

[3]勒德分子是19世紀英國工業革命時期因為機器代替了人力而失業的技術工人。現在引申為持有反機械化以及反自動化觀點的人。——編者注