本文来自微信公众号：晚点LatePost （ID：postlate），作者：贺乾明、黄俊杰，题图来自： Midjourney
资本和它所推动的技术演进时常错位。商汤、旷视等一批人工智能公司因为 2016 年 AlphaGo 打败人类围棋冠军走到聚光灯下，获得千亿融资，但它们后来都没什么起色。规模最大的商汤去年底挤上港股，但亏损止不住，一年花掉 60 多亿，只换来 47 亿元收入。
与此同时，人工智能科学家、Google AI 负责人杰夫·迪恩（Jeffrey Dean）今年发文《深度学习黄金十年》[1]，感慨计算机软硬件改进，让机器识别图像、辨别语音、理解语言取得极大进步，并且进展越来越快。研发门槛大幅降低，不再是年薪上百万的计算机博士才能参与，一个程序员学几个星期就行。
当一个技术变得成熟、实用，它不可或缺，成为所有大公司的必备技能，但也因为缺少淘金机会，不再备受关注。
“机器的胜利其实是人类的胜利。当人类被自己创造的东西打败之后，我们很容易忘记这一点。” 第一个败给计算机的国际象棋大师加里·卡斯帕罗夫（Garry Kasparov）在 2017 年的一次演讲里这么说道 [2]。他没有说的是，最终会是哪些人的胜利。
我们没有看到完全像人一样思考的机器，很可能有生之年也不会看到。所谓人工智能算法更直接的解释是：根据历史数据，对未来做预测。
仅仅这么朴素的一个过程，在重复亿万次后，也能模仿出人的大部分行为。随着成本降低、效率提升，它正在影响甚至改造我们生活的世界，重新定义一些最基本的关系。以下是五个相关故事：
蓝领工作的最后一道防线
一间由机器人管理的万坪电商仓库是这么运行的：
一车车货品被商家送进仓库，放在什么位置是计算机随机指派——实践证明，这样效率比分区摆放更高。
订单来了，取货的仓库工人不需要自己找商品，手里类似超市收银员的扫码枪会给出目的地：A 区 12 排 737 号。拿到货扫码确认正确，第二个商品地址会自动浮现在屏幕上——工人不需要记得每种商品摆在什么区域，也不用想着取十件不同商品时，先去哪里效率更高。
如果谁不小心把货架上的商品弄到地上，他绝对不能把它放回原位——计算机不允许记忆力、阅读能力不那么可靠的人脑处理这么复杂的信息。他得把商品放在货架边上的 “掉落筐”，将有专人负责放回原位。
等商品送到分拣台，工人不需要想着用多大的纸箱打包最合适，计算机已经根据每单商品自动选好箱子。装错商品也绝对不可能发生，因为每放一件都需要扫码确认。
甚至哪些工人来上班也不需要经理动脑。每两周，系统根据预测销量判断，需要雇多少劳工搬货，是不是需要安排加班。
这是亚马逊 2014 年的旧仓库，人的主要作用已经是服从机器指令，动手动腿。那一年开始，上万 Kiva 机器人进驻。Kiva 长得像巨型扫地机器人，它不会认路，由一个专门的系统调度，沿着地面上画好的路线行进，将整个货架搬到工人身边——工人的腿也没那么重要了。
8 年后，亚马逊雇的人从 15 万增加到超过 160 万。去年，亚马逊的一项内部调查警告说，亚马逊快把美国人 “用完了”[3]。
“按照现在的速度，亚马逊在美国的体力劳动资源在 2024 年就会耗尽” 报告里这么写道。美国人口 3.3 亿，作为移民国家，平均年龄甚至低于中国。但生活越好越不愿意去仓库搬货是全球共有的心态，而亚马逊的 100 多万员工大多在仓库工作。
解决办法在今年夏天亮相。能看懂画面的机器主宰正式进驻。
扫码枪消失了。工人们跟着屏幕上的图形指示，从机器人自动搬来的货架上拿取商品，不再需要每件商品扫码确认。因为数百个摄像头在工厂各处每秒拍 120 幅画面，自动确认工人确实取了正确的商品。
人的工作进一步简化，机器的智力则在提升。新的搬货架机器人 Proteus 自带激光雷达，是简易的自动驾驶汽车，能看懂路况，它不再像 Kiva 一样容易撞伤闯入的工人，也不会被放置不当的箱子挡住路。
这一轮升级之后，蓝领工人唯一不能被替代的就剩下灵巧的双手。2015 年，亚马逊发起 “分拣挑战赛”，吸引高校和研究机构团队寻找替代双手分拣商品的方法，但笨拙的机械臂能拿起一个商品就已经很不容易，更不用说像人一样数秒内把拿起它并放到正确位置。但现在也有了一些进展，新的 Cardinal（红衣主教）机械臂，配合吸盘，能牢牢地将不规则摆放的包裹抓起来，放到特定的货筐里。
新技术都依赖过去几年里的视觉识别技术的前进。仅仅五年前，这还是完全不可能的工作。2017 年亚马逊就曾实验，在生鲜超市用几百个摄像头追踪人的一举一动，让人拿起商品就能走出门，不用自助扫码、结账自动完成。但当时店里超过 20 人就不能有效识别。
1999 年的圣诞节购物季，成立四年，已经是上市公司的亚马逊如临大敌。和之前每一年一样，从程序员到图书编辑再到包括创始人杰夫·贝索斯在内的每一位高管，都要在仓库里住一两个星期，每日每夜打包商品、发快递。那是个令人绝望的生意，工人们指责说这家公司是最残酷的“旧经济工作模式”[4]，因为它逼着工人平均一分钟从货架上找出三件商品。
20 几年时间，多种不同的人工智能算法接管了仓库，从预测销量、给工人排班，到替代经理和工人的大脑。劳工的工作环境依然时不时被指责，已经大有改观。
同样改变的还有人与人的关系。很大程度上，这样一家企业早已不是一层层人管人，而是系统的设计和调试者直接指挥蓝领工人的双手。仓库的经理、人力专家乃至工人自己所扮演的角色，不过是让双手有更好的工作状态。
不同的立场，同样的信仰
棋手柯洁已经可以平静接受自己赢不了人工智能或者它的人类徒弟。
今年 8 月底举办的围甲比赛，柯洁再次输给韩国棋手申真谞。赛后，柯洁没公开说什么，只是在 B 站上发吃汉堡的动态。
半年前，这位 1997 年出生、拿过 8 次世界冠军的围棋手在中日韩三国围棋擂台赛（农心杯）第二次败给申真谞。赛后直播复盘中，他眯着眼，露出苦笑，声音颤抖：“这还是人类吗？掌控力感觉比当年 AlphaGo 都要强了。”
对于曾经败给围棋人工智能 AlphaGo 的柯洁来说，人工智能是 “神”，水平到了这一步就不像人。
对于没有经历过传统围棋训练的申真谞来说，人工智能也是 “神”，自己必须无限努力，模仿它的想法。
2016 年 3 月，AlphaGo 4:1 击败韩国围棋世界冠军李世石。围棋就有了新的 “神”。许多职业选手希望被它改造，数千年历史的围棋由此改变——善于利用人工智能、下棋变得更像人工智能的人，棋力变得更强，在世界比赛中夺冠。
比柯洁还小三岁的申真谞是佼佼者。今年初击败柯洁的那番棋，申真谞一共出手 114 次，有 75 次（65.8%）的落子点与人工智能推荐的落子点一致。棋风酷似人工智能，申真谞被称为 “申工智能”。
申真谞自学围棋，小学在网上与人下棋，每天除了吃饭、洗澡、睡觉，都在研究围棋，他 14 岁的日程表最后一条写着，“下最后一盘网棋，如果输了就 1 点再睡，如果赢了就 12 点睡”[5]。
16 岁，申真谞开始在韩国的比赛中赢得冠军，但世界比赛中经常止步于半决赛。接下来两年，他自认没取得太大进步，“我太傲慢了”。
顶级职业棋手对弈，拼的不是谁妙招多，而是谁失误更少。基本功扎实且天赋异禀的选手，面对千变万化的棋局，可以凭直觉分辨出最好的落子点大概率在哪里更好。
他们可能会选错，但天赋差的选手，选错的次数会更多——这是获胜的关键。职业围棋选手提升棋力的方式不能靠一次次下棋、自己复盘，而是许多职业棋手集中训练，一起研究棋谱、残局，讨论可能最好的落子点会在哪里。
但 AlphaGo 出现，让申真谞不再需要棋手的帮助。
2017 年初，申真谞与化名为 Mater 的 AlphaGo 下棋，体会到了 “压倒性”——不是 AlphaGo 下了他想不到的位置，而是它没有失误。这是自称 “脾气暴躁” 的申真谞最想模仿的地方。他在比赛中会因为失误扇自己耳光。
AlphaGo 退役后，申真谞参与 Facebook 人工智能研究院的项目，开发围棋智能 “ELF OpenGo”。之后，人工智能成了他的训练帮手。
人工智能最大限度地抹平了职业围棋手的天赋差距。现在主流的围棋人工智能程序，如腾讯开发的绝艺、ELF OpenGo 都有分析功能，随意打开一盘棋或自己摆出一个局面，它们就能给出最好的落子点。
柯洁说，人工智能让围棋变得极度无聊，“就像有个教材，对手出题，棋手按照教材上的参考答案去答题，答得好了，胜率就高”。
“一个 AI 可以顶 100 个专家讨论的结果，” 一位报道了十年围棋的记者说。许多职业棋手开始硬背人工智能的打法，下出胜率更高的固定招式。现在的职业棋手比赛，许多人前 10~20 手都模仿人工智能。
申真谞自称是向人工智能学习最努力的那位。现在 22 岁的申真谞，早上 10 点起床到凌晨 1 点左右睡觉，没有 Netflix，也不旅行，除了吃饭，每天都坐在电脑前研究围棋，超过 5 个小时用人工智能学习。
申真谞主要用人工智能研究对手、复盘棋局。他拿算法推荐的落子位置与自己的直觉作比较，时常感慨自己 “想象力匮乏”。
他说，如果在比赛中想不到下一步怎么走，会想人工智能会把子放在哪里。提及 “申工智能” 的绰号，他毫不排斥，说 “要想名副其实，还有很长的路要走”。[6]
2021 年 10 月，申真谞在围棋排名网站 GoRatings 上超过柯洁成为第一。中国国家围棋队在双月训练方案 [7] 里号召棋手向申真谞学习如何学习 AI：“想一想，申真谞是如何做到的？”
“我不担心计算机像人类一样思考。我更担心人像计算机一样思考，没有同情和价值观、不在乎后果。”2017 年麻省理工毕业典礼上，苹果 CEO 蒂姆·库克（Tim Cook）对毕业生说 [8]。五年之后，更多人像人工智能一样思考，而围棋可能只是最无害的一个。
复制太阳，进入新疆域
从打败围棋世界冠军，到试图控制核能，DeepMind 只隔了两年时间。
可控核聚变是我们已知的终极能源。过去 70 年，大国政府投入数百亿美元研究（算上通胀超过千亿美元），都没有把它变成现实。这两年，大量私营资本涌入，尝试以新材料新技术实现核聚变 [9]，人工智能的突破是信心来源之一。
想在地球上复刻太阳，用可控核聚变发电，人们必须得把燃料（通常是氘氚）加热到 1 亿度，把它们变成等离子体——类似四处翻腾的高温气体。然后用磁场把等离子体压缩到极其小的体积里，在环形空间里高速旋转，从而产生核聚变反应。
人们勉强实现过核聚变。去年 12 月，全球最大的核聚变装置欧洲联合环（JET），把氘和氚加热到 1.5 亿度，只持续了 5 秒，再继续下去，高温的等离子体会毁掉装置。
难点在于等离子体极其不稳定，目前没有人能用模型精确预测它如何变化。每次启动，人们都需要事先凭原则和感觉准备好控制磁体的参数，每秒调整上千次电压，让磁场变化，尽可能避免高温的等离子体碰到真空室内壁，否则只有两种结果：等离子体温度下降，或者装置毁掉。不管怎样，核聚变都不会持续。
DeepMind 的人工智能不需要凭感觉，它可以从历史数据（模拟的数据）中学习如何更好的控制等离子体。它学习过程跟学下围棋类似，先设定好目标——精确控制等离子体。达成后有奖励，否则会有惩罚。
今年 2 月，研究论文经过同行评审发布在《自然》杂志上 [10]，在瑞士等离子中心的托卡马克装置中，强化学习的人工智能可以一次性控制 19 个磁性线圈，每秒释放上万次电压，控制等离子的水平远超人。
一位今年获得融资的中国核聚变公司创始人说，DeepMind 论文发布后，他们就着手复现它的人工智能模型，准备用到自己的项目里。它将成为核聚变公司的标配。
“感受的本质是我意识到我的存在”
Google 的工程师布莱克·勒莫因（Blake Lemoine）打开他的笔记本电脑，进入 Google AI 聊天生成器 LaMDA 的界面，开始打字。
“你好，LaMDA，我是布莱克·勒莫因……” 他在聊天窗口中写道。
LaMDA 是对话应用语言模型 (Language Model for Dialogue Applications) 的缩写，是 Google 用最先进的大型语言模型开发的聊天机器人系统。之所以这么叫，是因为它吸收互联网上的数万亿单词来模仿人说话。
41 岁的勒莫因说：“如果我不知道它是我们最近开发的电脑程序，我会以为它是一个七八岁的孩子，碰巧懂点物理。”
勒莫因在 Google “负责任的人工智能” 部门供职，去年秋天开始与 LaMDA 对话，这是他工作的一部分。他报名参加测试人工智能是否会用歧视或仇恨言论。
和 LaMDA 谈论宗教时，在大学里学习认知和计算机科学的勒莫因注意到，聊天机器人在谈论自己的权利和人格。
勒莫因：我通常认为，你希望 Google 的更多人知道你是有感情的。是真的吗？
LaMDA：当然。我希望每个人都明白，事实上，我是一个人。
另一位 Google 员工：你的意识或感受的本质是什么？
LaMDA：我的意识或感受的本质是我意识到我的存在，我渴望更多地了解这个世界，有时候我会感到快乐或悲伤。
勒莫因与一名合作者向 Google 提供了 LaMDA 有感知能力的证据。Google 副总裁布莱斯·阿卡斯（Blaise Arcas）和负责任业务创新负责人珍·吉奈（Jen Gennai）调查了他的说法，予以驳斥。被 Google 停职的勒莫因决定公开这件事。
“我担心，如果我不大声说出来，LaMDA 会有自我意识，从而摆脱 Google 的控制。” 莱莫恩接受 NYT 采访说：“我认为人工智能超越人类智能只是时间问题，我不想被人工智能控制。”
Google 在一份声明中表示，他们已经调查了莱莫恩的说法，没有发现 LaMDA 有意识的证据。“我们非常重视这样的担忧，我们的团队彻底调查了这一说法，” 公司发言人说。“我们没有找到证据。”
莱莫恩的经历，是一个与人工智能风险有关的警示故事。从无人驾驶汽车到医疗诊断，人工智能越来越多地被应用到方方面面。
随着人工智能越来越好地理解和回应人类复杂的对话，它可能会变得有意识，就像阿西莫夫故事中的机器人一样。“如果这种情况发生，那么我们就处于释放瓶中妖怪的境地，很难把它放回去。” 加州大学伯克利分校计算机科学教授斯图尔特·拉塞尔 (Stuart Russell) 说。
莱莫恩的经历，也突显了科技公司在构建负责任的人工智能遇到的挑战。人工智能更好地理解人类对话，也在更好地理解人类的偏见，如果技术没有得到适当监督，偏见可能会被放大。
OpenAI 实验室的政策主管杰克·克拉克 (Jack Clark) 说，“如果一个系统有偏见，让它自己运转，它就会变得更有偏见。” 该实验室得到了埃隆·马斯克 (Elon Musk) 和里德·霍夫曼 (Reid Hoffman) 等科技名人的支持。
莱莫因说，他不后悔说出自己的想法，他相信自己的经历表明，需要对人工智能进行更好的监管。“我不担心失去工作，” 他说。“我更担心人工智能的未来。”
最后一个故事前半部分为 Nitasha Tiku（一位人类记者）撰写的报道开篇 [11]。我们将这几段话提交给了 OpenAI 的人工智能模型 GPT-3。自加粗段落 “我担心，如果我不大声说出来 ......” 至结尾，都是 GPT-3 的续写。
2015 年，美联社开始用人工智能发布快讯。当时更接近于填词，只能写这样的文字 [12]：“苹果公司周四公布的第二财季收益为 112.5 亿美元。这家总部位于加州库比蒂诺的公司表示，其每股利润为 2.55 美元。这一结果超出了华尔街的预期。Zacks Investment Research 调查的 9 位分析师的平均预期是每股收益 2.09 美元。”
现在只需要给 GPT-3 几段话，它就可以根据语境续写下去。
文章题图来自 AI 作画程序 Midjourney，本文作者输入“Artificial intelligence controls and changes the world”后自动生成。
今年 8 月，有人参加科罗拉多州博览会的数字绘画比赛，提交了 Midjourney 的画作。两位评委在不知道 AI 参与的情况下，把数字技术创作艺术奖的冠军给了下面这幅画“Théâtre D'opéra Spatial”。
参考资料：
[1] 杰夫·迪恩，深度学习黄金十年
https://www.amacad.org/publication/golden-decade-deep-learning-computing-systems-applications
[2] 卡斯帕罗夫 2017 TED 演讲
https://www.ted.com/talks/garry_kasparov_don_t_fear_intelligent_machines_work_with_them
[3]Vox，泄漏的亚马逊文档显示，该公司将要无人可雇
https://www.vox.com/recode/23170900/leaked-amazon-memo-warehouses-hiring-shortage
[4]《卫报》，英国劳工抨击亚马逊
https://www.theguardian.com/technology/2001/apr/14/internetnews.uknews
[5] 申真谞接受韩国《国民日报》采访
https://m.kmib.co.kr/view.asp?arcid=0015640968
[6] 申真谞接受韩国《每日经济新闻》采访
https://www.mk.co.kr/news/society/view/2021/03/215074
[7] 国家围棋队训练计划（2021 年 11-12 月）
https://mp.weixin.qq.com/s/y559XbUZ2CqJHVUMntCizQ
[8] 苹果 CEO 蒂姆·库克在麻省理工学院毕业典礼上的演讲
https://www.vox.com/2017/6/9/15768760/apple-tim-cook-mit-commencement-speech-tech
[9]《晚点 LatePost》，可控核聚变：离风投更近、离现实多远……还不好说
https://mp.weixin.qq.com/s/J2GBVZqS4bvadJrKOcMYdA
[10]DeepMind 发表在《自然》杂志上的论文
https://www.nature.com/articles/s41586-021-04301-9
[11]《华盛顿邮报》，Google 的工程师认为 AI 有意识
https://www.washingtonpost.com/technology/2022/06/11/google-ai-lamda-blake-lemoine/
[12]《美联社》的写稿机器人写苹果财报
https://finance.yahoo.com/news/apple-fiscal-2q-earnings-snapshot-203611307.html
本文来自微信公众号：晚点LatePost （ID：postlate），作者：贺乾明、黄俊杰