AI會(huì)思考圍棋。但是，AI會(huì)思考么？我傾向于認(rèn)為目前的AI并不會(huì)思考，或者換個(gè)角度，目前的AI不會(huì)像人類(lèi)一樣思考。

柯潔大戰(zhàn)AlphaGo落幕已經(jīng)有一段時(shí)間了，蹭熱度的文章也已經(jīng)不少了。AI這個(gè)話題，又開(kāi)始被人們廣泛討論。其實(shí)在第一場(chǎng)棋后我就想寫(xiě)篇文章，終于還是拖了大半個(gè)月。

自媒體一如既往喜歡調(diào)動(dòng)民眾情緒，人工智能將取代人類(lèi)甚至統(tǒng)治人類(lèi)的觀點(diǎn)甚囂塵上。人們眼中的AI更多的是《終結(jié)者》和《西部世界》那樣的會(huì)思考且能力極其強(qiáng)大的存在。不了解AI的人，要么極度低估了AI，要么極度高估了AI，這樣的論調(diào)，就是屬于后者。

1. AI會(huì)思考嗎

在回答這個(gè)問(wèn)題之前，先分享一個(gè)答案。知乎上我回答了一個(gè)問(wèn)題——AlphaGo「理解」圍棋嗎？

答案如下：

一個(gè)東西，看起來(lái)像鴨子，叫起來(lái)像鴨子，那么這就是鴨子。

我們?cè)趺磁袛嗳死斫鈬澹靠梢院蛯?duì)手下棋，理解規(guī)則。有布局有細(xì)節(jié)操作，根據(jù)對(duì)手有針對(duì)性下法，懂得怎么贏下來(lái)比賽。所以我們覺(jué)得人理解圍棋。機(jī)器也可以做到相同的事情，甚至比人做得好。所以機(jī)器也理解圍棋。

只是人不理解機(jī)器而已。機(jī)器學(xué)習(xí)的算法，SVM也好，神經(jīng)網(wǎng)絡(luò)也好。不是機(jī)器不理解所輸入的樣本。而是人不理解怎么把機(jī)器輸出結(jié)果的邏輯，用人能理解的邏輯表達(dá)出來(lái)。

AI會(huì)思考圍棋。但是，AI會(huì)思考么？我傾向于認(rèn)為目前的AI并不會(huì)思考，或者換個(gè)角度，目前的AI不會(huì)像人類(lèi)一樣思考。

2. 人和AI的學(xué)習(xí)機(jī)制

人是怎么學(xué)習(xí)的呢？作為一個(gè)dota資深菜鳥(niǎo)玩家，當(dāng)我第一次玩王者榮耀的時(shí)候，選了英雄，看了技能介紹，第一局就拿到了非常好的數(shù)據(jù)。在這之前，我沒(méi)有看過(guò)任何王者榮耀的視頻或者介紹。而整個(gè)學(xué)習(xí)過(guò)程只有幾分鐘。

AI是怎么學(xué)習(xí)的呢?如果有一個(gè)dota碾壓職業(yè)玩家的AI，想學(xué)習(xí)王者榮耀，之前訓(xùn)練出的模型瞬間失效。這個(gè)時(shí)候只能拿到職業(yè)選手的大量比賽視頻，進(jìn)行算法訓(xùn)練。整個(gè)學(xué)習(xí)過(guò)程需要大量的計(jì)算資源，并且需要一段較長(zhǎng)時(shí)間的訓(xùn)練評(píng)估。

這里面看到了人類(lèi)為作為自然界46億年進(jìn)化出的生物算法，相比較嬰兒期的AI算法，具有一個(gè)絕對(duì)優(yōu)勢(shì)：快速遷移學(xué)習(xí)的能力。目前AI并不具有這種能力，而且在可預(yù)期的時(shí)間內(nèi)，不可能具有這種能力。

3. 人和AI信息處理機(jī)制

腦科學(xué)領(lǐng)域研究目前沒(méi)有突破性進(jìn)展，我們并不知道人類(lèi)怎么思考。而在機(jī)器學(xué)習(xí)領(lǐng)域，算法從規(guī)則算法升級(jí)到機(jī)器學(xué)習(xí)之后，我們也不知道機(jī)器怎么思考。

但是如果把人和機(jī)器作為一個(gè)黑箱，我們發(fā)現(xiàn)人和機(jī)器作為不同的系統(tǒng)，信息處理能力非常不一樣。

在新場(chǎng)景下，人拿到的信息非常少，也能快速適應(yīng)，比如魯濱遜漂流荒島，可以迅速適應(yīng)并生存。而機(jī)器學(xué)習(xí)在缺少數(shù)據(jù)和規(guī)則不明確的情況下，無(wú)法發(fā)揮作用。

在穩(wěn)定場(chǎng)景下，有大量反饋數(shù)據(jù)的情況下，人的決策能力反而不如AI。這也是人類(lèi)個(gè)體單個(gè)大腦算力決定。在面對(duì)大量數(shù)據(jù)的時(shí)候，人會(huì)歸納數(shù)據(jù)，分析數(shù)據(jù)，并從數(shù)據(jù)中提取大量規(guī)則。在遇到問(wèn)題的時(shí)候用規(guī)則快速?zèng)Q策。

這個(gè)歸納數(shù)據(jù)，分析數(shù)據(jù)的過(guò)程，本身就是信息丟失的過(guò)程。換句話說(shuō)，拿到1000條數(shù)據(jù)和拿到10000條數(shù)據(jù)，對(duì)于人而言差別可能不大。而計(jì)算機(jī)基于統(tǒng)計(jì)算法和學(xué)習(xí)模型，最大規(guī)模的保存了信息量，數(shù)據(jù)量不斷增長(zhǎng)，決策效率也會(huì)不斷提高。

總結(jié)而言：人可以通過(guò)復(fù)雜的類(lèi)比、聯(lián)想等策略，在無(wú)明確目標(biāo)的新場(chǎng)景下表現(xiàn)良好。AI在明確的場(chǎng)景，并且有足夠數(shù)據(jù)反饋的情況下，可以超過(guò)人類(lèi)的決策。

4. 人類(lèi)哪些工作會(huì)被取代

人工智能會(huì)替代的領(lǐng)域有哪些？這是一個(gè)老生常談的問(wèn)題。

總結(jié)而言：長(zhǎng)期固定類(lèi)型的腦力勞動(dòng)工作者，決策數(shù)據(jù)來(lái)自線上數(shù)據(jù)庫(kù)或者可以被線上數(shù)據(jù)大量收集，工作效果可以有線上數(shù)據(jù)的反饋或者記錄。

在這些行業(yè)中，需要根據(jù)數(shù)據(jù)做出判斷。而由于數(shù)據(jù)過(guò)載，大量的數(shù)據(jù)人在決策是時(shí)候無(wú)法完全利用，只能挖掘數(shù)據(jù)中的一些規(guī)則，做出應(yīng)對(duì)方案。在這樣的領(lǐng)域，人是很容易被替代的。
比如運(yùn)營(yíng)排期，廣告投放，素材設(shè)計(jì)，醫(yī)生診斷，等等。

在互聯(lián)網(wǎng)中，活動(dòng)排期通常是需要依賴(lài)運(yùn)營(yíng)手動(dòng)配置，在個(gè)性化推薦引擎面前，千人一面的活動(dòng)排期本身就是有先天缺陷的。而個(gè)性化推薦引擎可以分期所有的歷史用戶行為，給出最優(yōu)結(jié)果。素材設(shè)計(jì)目前淘寶已經(jīng)上線，雖然有時(shí)候會(huì)有明顯的Badcase，但是根據(jù)每個(gè)人的歷史行為數(shù)據(jù)給出的banner素材，引流效果在總體上肯定是優(yōu)于千人一面的banner樣式的。

廣告投放也好，金融分析也好，都是需要分析歷史的結(jié)果，以及進(jìn)行不斷優(yōu)化過(guò)程數(shù)據(jù)，而高效處理數(shù)據(jù)則是算法的強(qiáng)項(xiàng)。

在醫(yī)生診斷領(lǐng)域，大量的檢查數(shù)據(jù)，需要有效的處理，要求醫(yī)生有足夠多的背景知識(shí)，而無(wú)論哪個(gè)醫(yī)生，有多么充分的經(jīng)驗(yàn)，都不可能了解所有的案例。一方面人工智能知識(shí)儲(chǔ)備和案例儲(chǔ)備遠(yuǎn)遠(yuǎn)超過(guò)人，另一方面，對(duì)圖像的處理和識(shí)別的能力也慢慢提高。人工智能通過(guò)大量的樣本學(xué)習(xí)，目前頂尖的人工智能診療在一些領(lǐng)域已經(jīng)超過(guò)了人類(lèi)醫(yī)生的水平。

當(dāng)然，隨著信息化程度變高，語(yǔ)義識(shí)別圖像識(shí)別的發(fā)展，計(jì)算機(jī)信息收集能力的提高。越來(lái)越多的固定直接可能被取代：同聲傳譯，金融分析，自動(dòng)駕駛等等。

5. 在AI普及的未來(lái)，人的位置在哪里

目前的計(jì)算機(jī)計(jì)算能力，和AI算法的發(fā)展情況來(lái)看，AI在短期內(nèi)會(huì)快速普及，并滲透進(jìn)信息化程度比較高，且人力成本比較高的行業(yè)。比如：互聯(lián)網(wǎng)廣告投放，互聯(lián)網(wǎng)運(yùn)營(yíng)，金融，醫(yī)療等等。但與此同時(shí)，這些行業(yè)的人并不會(huì)完全消失，而是需要更少的人，需要這些人有更多的技能。

機(jī)械化時(shí)代之前，農(nóng)民種地，一個(gè)人能照看土地也就幾畝，只要會(huì)翻地播種除草施肥就夠了。而目前現(xiàn)代化的農(nóng)場(chǎng)主。一個(gè)人可以照看公頃級(jí)別的土地。但是需要駕駛收割機(jī)，拖拉機(jī)，使用機(jī)械裝置施肥，播種。

計(jì)算機(jī)的發(fā)明，無(wú)數(shù)數(shù)學(xué)家物理學(xué)家從繁瑣的計(jì)算中掙脫，而探索新的領(lǐng)域。未來(lái)人需要不斷通過(guò)創(chuàng)造力發(fā)現(xiàn)和探索新的場(chǎng)景，而AI則可以通過(guò)數(shù)據(jù)，在定義好的場(chǎng)景下發(fā)揮到極致。

人雖然不能在醫(yī)療診斷中戰(zhàn)勝AI，但人可以研究新的診斷技術(shù)和方法。人雖然不能在Feed流排序的時(shí)候戰(zhàn)勝個(gè)性化推薦，但人可以探索新的用戶場(chǎng)景，引入新的內(nèi)容模式。一個(gè)特定的醫(yī)療診斷，一個(gè)確定樣式的Feed流，就是棋盤(pán)，人無(wú)法在這個(gè)棋盤(pán)上和AI爭(zhēng)勝負(fù)，但并非就此被取代。人類(lèi)要做的不是戰(zhàn)勝AI，而是用自己獨(dú)特的思考能力，不斷開(kāi)拓AI的使用場(chǎng)景。

人不能在圍棋上戰(zhàn)勝AI，但人可以發(fā)明圍棋。

#專(zhuān)欄作家#

潘一鳴，人人都是產(chǎn)品經(jīng)理專(zhuān)欄作家，THU/PM，知乎專(zhuān)欄：產(chǎn)品邏輯之美

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。