人工智能被廣泛視作第四次技術(shù)革命的核心推動(dòng)力。就像蒸汽機(jī)、電力以及互聯(lián)網(wǎng)一樣，人工智能已經(jīng)在生產(chǎn)制造、金融服務(wù)、娛樂、能源、農(nóng)業(yè)、政府等諸多垂直領(lǐng)域發(fā)揮作用，提高效率。隨著其所依賴的機(jī)器學(xué)習(xí)技術(shù)日新月異，業(yè)界專家普遍認(rèn)為人工智能還將進(jìn)一步改變?nèi)祟惖墓ぷ鞣绞?，極大地提高人類生產(chǎn)和生活的效率。

不經(jīng)意間，人工智能正在如何潛移默化地改變你的工作方式?為了回答這些問題，在SYNC 2017 硅谷科技峰會(huì)上，PingWest品玩請來了 OpenAI核心研究員、前初創(chuàng)公司 Dropbox 機(jī)器學(xué)習(xí)技術(shù)主管 Peter Welinder，與 Basis Set Ventures 創(chuàng)始合伙人蘭雪棹對談。

Welinder 指出人工智能在兩個(gè)方面改變了工作方式。

首先，人工智能正在接管一些十分復(fù)雜的，過去機(jī)器無法做到的工作，比如機(jī)器人和自動(dòng)駕駛汽車。而在不那么明顯的方面，人工智能強(qiáng)大的數(shù)據(jù)處理能力，可以對復(fù)雜結(jié)構(gòu)的數(shù)據(jù)進(jìn)行自動(dòng)化的收集、歸納和整理。一個(gè)很典型的例子就是 Google 搜索，以及背后由人工智能構(gòu)建的知識(shí)圖譜。“現(xiàn)在計(jì)算機(jī)能夠索引和理解更多數(shù)據(jù)。過去做研究需要一支研究院組成的大軍，現(xiàn)在可能只用一個(gè)人在網(wǎng)上搜一搜就夠了。”

最近五、六年依賴，由于神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，以深度學(xué)習(xí)為代表的人工智能新浪潮已經(jīng)襲來。Welinder 認(rèn)為這一波新浪潮創(chuàng)造出了一批新的知識(shí)型工作者，比如數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)工程師，也徹底改變了很多已有工種的工作方式，比如調(diào)查記者和分析師等，人工智能讓他們工作中重復(fù)性的部分變得簡單，讓創(chuàng)造性的部分變得更富挑戰(zhàn)。

蘭雪棹和 Peter Welinder 在 SYNC 2017 上

Welinder 指出，科技已經(jīng)讓很多本來人需要做的工作可以被產(chǎn)品取代，比如以前每個(gè)律師都需要配一個(gè)書記，而現(xiàn)在他們用 Word 就可以——即便如此，每個(gè)公司高管現(xiàn)在都還會(huì)配一個(gè)助理來安排時(shí)間。Welinder 希望未來的人工智能助手——Siri、Google Assistant、Cortana 和 Alexa 等——能夠成為一個(gè)真正的助理。“我認(rèn)為人工智能在這里有很多機(jī)會(huì)。”

我們也能擁有自己的人工智能助理嗎?這并非一個(gè)遙遠(yuǎn)的夢想。其實(shí)，閑暇時(shí)間寫代碼搞編程，用各種現(xiàn)有的 API “捏”出一個(gè)自己的助理，今年在硅谷還真挺流行，比如 Facebook 創(chuàng)始人 Mark Zuckerberg 就花一年時(shí)間做了一個(gè)和鋼鐵俠助理同名的“Jarvis”。

蘭雪棹就在用自己投資的一家創(chuàng)業(yè)公司 Clara Labs開發(fā)的助理“Clara”安排自己的日常事項(xiàng)。她之前在 Dropbox 負(fù)責(zé)投資并購和企業(yè)發(fā)展業(yè)務(wù)，最近剛成立了自己的基金公司 Basis Set Ventures，基金募集了 1.36 億美元，專門投資采用人工智能技術(shù)幫助提高白領(lǐng)和藍(lán)領(lǐng)職工生活和工作效率的早期初創(chuàng)公司。

另一個(gè)現(xiàn)場有趣的問題是：現(xiàn)在的機(jī)器人還是需要人去編程，告訴他在什么情況下該做什么;什么時(shí)候我們可以把機(jī)器人扔到水里，它自己就能走出來?

在 OpenAI，Welinder 的主要工作都和機(jī)器人相關(guān)。他借用 AlphaGo 的例子闡釋人工智能系統(tǒng)“自主學(xué)習(xí)”的模式：DeepMind 訓(xùn)練 AlphaGo 的方式其實(shí)是構(gòu)建兩個(gè) AlphaGo 然后讓它們互相下棋(所謂的左右互搏)，而 AlphaGo 背后的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)決定了這種訓(xùn)練做的越多，它的下棋技巧越好。這可能會(huì)是一種機(jī)器人獲得技巧和提高學(xué)習(xí)能力的方式，不過在短期來看，“通用人工智能”(General AI) 離人們還很遠(yuǎn)，機(jī)器人的智商或許已經(jīng)達(dá)到了 3 歲或者 5 歲幼兒水平，但它的學(xué)習(xí)能力還很差。“機(jī)器人還很傻，有時(shí)候它們轉(zhuǎn)一下胳膊反而打傷了自己，把傳感器都打壞了……想要讓機(jī)器人安全地探索一個(gè)陌生的世界，即便通過編程的方式也很難。”Welinder 指出。

所以，在相當(dāng)長的一段時(shí)間里，我們可以不用擔(dān)心機(jī)器人會(huì)殺死我們，或者取代我們的工作，因?yàn)槟銢]法指望人工智能會(huì)變得太聰明，一切還在摸索的階段。“肯定，一些工作會(huì)被人工智能取代，我也相信這個(gè)過程中會(huì)創(chuàng)造出更多的工作來。”蘭雪棹補(bǔ)充說。