AI 奇點臨近？_風聞

縱使5G兵臨城下、AI狼來了，第六屆互聯網大會來得依舊沒有第七屆軍運會驚心動魄。

當然，在普羅大眾心中活在當下確實有可能比預設未來更加重要，尤其是在月初我們才剛剛經歷了一次全方位無死角的愛國教育。

再加上這羣高屋建瓴的互聯網大佬終究離我們太遠，屁股決定腦袋的話語説了太多，箇中真相誰能明白？

就好像百度李彥宏説：人工智能會讓人獲得“永生”；

騰訊任宇昕説：未成年人保護是企業發展的生命線。

我們不懷疑人工智能這根救命稻草對百度的重要性，也不否定科技向善有機會淡化騰訊居高不下的輿論危機；但人工智能八字還沒有一撇就被寄予厚望：矯正一家市值3.04萬億港元企業的價值觀，甚至是拯救一家市值363.01億美元企業於生死存亡，這壓力會不會有點大？

但不得不提百度和騰訊這兩位對於人工智能的預期才是最接近真相的，畢竟，和馬雲、王興、丁磊、楊元慶、曹國偉、張朝陽、梁建章這羣在互聯網大會上“尬聊”的人比起來，他們的話或多或少還與我們息息相關。

唏噓之後，又難免有些失望。

他們給我們的，真的就是9102年的人工智能麼？

怎麼左看、右看、上看、下看都不像。

不過對於這場能夠救萬民於水（量子速讀）火（量子暖宮）之中的“高科技聯誼”我們還是喜聞樂見的；至少，它能矯正我們即將崩壞的三觀。

要知道不到一個月前我們還在對谷歌的“量子霸權”耿耿於懷？

國外忙着用量子超算完成計算速度上的超越，國內還在忙着利用普通人對量子力學的無知雁過拔毛。

雖然我們依舊對5G、AI抱有戒心，它會加劇信息不對等的鴻溝、並人為製造出算力富集化的黑洞，最終，它們會帶來怎樣的未來，有可能會比量子力學收割智商税更加糟糕；但相比於遙不可及的量子計算，至少我們已然身處於5G元年，並和AI有過無數次親密接觸，在大國碰撞、烽火四起的當下我們有理由也有必要裹挾人類文明進入下一個週期：人類解決不了的問題，沒準人工智能都可以。

而在這個週期內我們會經歷什麼？

5G可見的萬物互聯似乎已經不足為懼。

而AI卻很有可能是一個“潘多拉的盒子”。

這不，美國在給中國5G建設拖後腿之後，又對人工智能下了狠手。

繼華為之後，海康、大華等中國AI+安防技術產業裏的半壁江山，也有諸如商湯、曠視等躺在資本風口上若干年的人臉識別獨角獸，還有中國A股市場最受關注的語音技術巨頭科大訊飛；8家“上榜企業”幾乎囊括了中國AI領域與安防技術領域最負盛名的公司，Time等外媒直呼“美國將中國人工智能企業列入了黑名單”。

而上榜原因與華為因“危害美國國家安全”而受到制裁略有不同，美國政府動手的理由是這8家企業“涉嫌侵犯中國部分少數民族人權問題”。

連理由都懶得找了，可見美國對於中國人工智能發展的忌憚；以及它為了維持自身的領導地位又大肆動用國家機器的用心。

當然，美國早在2016年就已經發布了第一個國家AI研發戰略計劃，2017年美國國防部成立“算法戰爭”團隊，2019年又對AI研發戰略計劃做了一次更新，該文件中有一個值得關注的判斷：人工智能已經準備好隨時有可能改變未來戰場；這也讓美國有了封殺中國AI企業的“合憲性”。

而近日美國國防後勤局也在大力推進人工智能技術在全球供應鏈體系中的運用。

小到科技向善、大到國防戰爭、遠到數據永生，人工智能似乎無所不能。

而在這恍如神靈、超能力一般的人工智能面前，我們作為人、作為創業者、作為工業設計師又該如何迎接這一場“0和1的最終幻想”？

①

AI發展簡史？

▽

仰望未來之前我們需要釐清它的發展脈絡。

人工智能是現代工業文明發展的必然產物。

1611年，早在“現代性”發端的時代就已經出現了“機械人”（Automaton）這樣的詞彙，它是那個時代想象的產物，借指用鐘錶齒輪技術製造出來的自動機械人偶；雖然這種人偶還不具備任何意義上的“智能”，但它卻體現了用機器模擬人類行動的初衷。

1770年，在奧地利女皇瑪利亞·特蕾莎的宮廷上，一位叫做Wolfgang von Kempelen的發明家展示了一台下國際象棋的機器——土耳其機器人；這可能是最原始的“人工智能”，因為土耳其機器人那個櫃子裏面就藏着一個國際象棋大師。

1946年，賓夕法尼亞大學摩爾工程學院向記者公開展示電子數字積分計算機（ENIAC）對5000個數求和、以及在一枚炮彈從出膛到擊中目標所需時間之內演算出炸彈的飛行軌跡；但演示沒有披露的是這部計算機背後有一支6人組女性“人肉計算機”。

1950年，數字時代即將開啓之際，艾倫·圖靈提出“圖靈測試”；如果電腦能在5分鐘內回答由人類測試者提出的一些列問題，且其超過30%的回答讓測試者誤認為是人類所答，則通過測試；這篇論文預言了創造出具有真正智能的機器的可能性。

1956年，達特茅斯大學助理教授約翰·麥卡錫（John McCarthy）創造出“人工智能”（AI）一詞；它是一個通用術語，指的是表現出智能行為的硬件或軟件。

1957年，羅森布拉特發明神經網絡Perceptron誕生，被譽為邁向類人機器智能的第一步。

1968年，首台人工智能機器人誕生；美國斯坦福研究所（SRI）研發的機器人Shakey，能夠自主感知、分析環境、規劃行為並執行任務，可以根據人的指令發現並抓取積木；這種機器人擁有類似人的感覺，如觸覺、聽覺等。

1970年，能夠分析語義、理解語言的系統誕生；美國斯坦福大學計算機教授T·維諾格拉德開發的人機對話系統SHRDLU，能分析指令，比如理解語義、解釋不明確的句子、並通過虛擬方塊操作來完成任務；由於它能夠正確理解語言，被視為人工智能研究的一次巨大成功。

1980年，卡內基梅隆大學為數字設備公司設計了一套名為XCON的“專家系統”，“知識庫+推理機”的組合模式在1986年之前每年為公司節省下來超過4000美元經費；僅專家系統產業的價值一度高達5億美元。 

1984年，大百科全書項目試圖將人類擁有的所有一般性知識都輸入計算機，建立一個巨型數據庫，並在此基礎上實現知識推理；目標是讓人工智能的應用能夠以類似人類推理的方式工作。

1986年，辛頓與他人合作提出“反向傳播算法”，它為人工智能在最近十年的發展奠定了基礎。

1987年，蘋果和IBM公司生產的台式機性能超過Symbolics等廠商生產的通用計算機；從此，專家系統風光不再。

2006年，辛頓在神經網絡的深度學習領域取得突破，深度信念網絡讓我們又一次看到算法的可能性。

2012年，辛頓和他在多倫多的學生髮表論文表明，用反向傳播訓練的深度神經網絡在圖像識別領域打敗了當時最先進的系統——“深度學習”面世；同年，谷歌無人駕駛汽車上路。

2019年6月，深度學習教父辛頓在谷歌I/O開發者大會上接受了《連線》雜誌的採訪表示：未來神經網絡可以重建人腦意識。

我們通常把1956達特茅斯AI的誕生作為人工智能的起點，此後的60多年又可以劃分為三個時期：

1956~1980：人工智能起步期，這個時代我們試圖通過算法模擬人類行為並理解人類語言。

1980~1990：專家系統推廣期，這個時代專家系統的出現為人工智能找到了商業化路徑。

2000~至今：深度學習崛起期，這個時代深度學習取代統計學習不斷向人類發起挑戰。

②

AI攻防戰？

▽

而在正視AI的發展前景之時，我們卻有必要立足於現實。

撇開中美雙方的AI博弈不説，AI這些年留下了無數傳説。

第一：AI打榜

1997年，IBM公司“深藍”超級電腦擊敗國際象棋世界冠軍卡斯帕羅夫。

2011年，IBM開發的人工智能程序Watson在一檔智力問答節目上戰勝了兩位人類冠軍。

2016年1月，AlphaGo以5:0完勝歐洲圍棋冠軍、職業二段選手樊麾。

2016年3月，AlphaGo與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4比1的總比分獲勝。

2017年5月，AlphaGo在中國烏鎮圍棋峯會上3比0打敗世界圍棋冠軍柯潔。

2018年6月，OpenAI宣佈其研發的人工智能OpenAIFive已經能在Dota2 5V5團戰中戰勝人類。

2019年7月，世界排53的國際特級大師Igors Rausis被拍到在廁所中使用AI作弊。

2019年10月，OpenAI通過強化學習訓練出來的AI系統可以支持機械手單手玩轉魔方，就算人類也難以做到。

在不斷優化的算法和日新月異的軟硬件設施保障“後勤”的前提下，AI就像是進擊的巨人一樣不斷突破人類堅守的圍牆，並在最後堡壘中“大肆破壞”；而面對這一切的人類卻似乎無計可施。

從最初深藍戰勝卡斯帕羅夫的震驚和恐慌，到AlphaGo戰勝樊麾、李世石、柯潔的驚奇和圍觀，乃至於面對Igors Rausis使用AI作弊的揶揄和鄙夷；不知不覺A戰勝人類精英已經不足為奇，甚至算是家常便飯，而我們再一次的震驚之餘也慢慢認同了一個無奈的現實：

AI本該比人類強大。

第二：AI進化

一方面是人類自身不斷失守，另一方面卻是AI不厭其煩的給自己的王冠上鑲嵌各種“頭銜”。

能夠自己學習發現原理也就罷了，它還能惟妙惟肖的模擬人類大腦和行為進行“藝術創作”。

2017年12月，《科學》雜誌上顯示：AlphaGo Zero在三天內自學了三種不同的棋類遊戲，包括國際象棋、圍棋和日本將軍棋，而且無需人工干預；最令人不可思議的是每秒只計算6萬個位置的AlphaGo Zero通過自主發現國際象棋的原理能夠“愚弄”並“癱瘓”每秒計算6千萬個的Stockfish，而且百場比賽無一敗績。

2018年5月，Google Duplex可以以假亂真地使用自然語言與真實人類對話溝通。

2018年11月，搜狗與新華社合作開發的全球首個全仿真AI合成主播亮相。

2019年2月，美國哥倫比亞大學團隊利用人工智能算法，訓練出了一款可以自主認識自己身體的智能機械臂，該機器人被定義為“具有自我意識”的新型機器人！

2019年8月，清華天機AI芯片登Nature封面，作為全球首款異構融合類腦芯片能夠實現自行車無人駕駛；Google帶來一種手語識別算法，可以幫助理解他人的手勢行為。

2019年9月，日本京都的數據網格有限公司開發了“自動生成全身模型 AI”，可以自動生成不存在的模特的高分辨率全身圖像。

2019年10月，中國平安人工智能研究院打造了全球首部AI交響變奏曲《我和我的祖國》；微軟帶來的AI新技術可以讓頭像照片動起來，並有感情的“講話”；而DeepFakes在換臉之後，還預謀進軍“全身”領域。

如果人工智能只是按部就班的超越人類精英，在視覺疲勞之後我們不會有任何意見。

但是人工智能擁有了一切近似於人類“本能”的天賦之後，在資本和利益的蠱惑下就難免失去試探某些邊界。

它從曾經的積極進取，表現出越來越強的“替代性”。

第三：AI危機

人工智能什麼時候才能完成覺醒天衣無縫的取代人類，我不知道。

但從材料、造型和情緒的設計趨勢來看，人工智能越來越像人了。

或許，廁所中向AI求助的象棋大師還能讓你哂笑。

而AI正在“成為大師”這條遠大前程上，一路狂飆。

5月份，微軟小冰就以中央美術學院研究生“夏語冰”的身份參加了央美的研究生畢業展；隱藏在“夏語冰”這個代號背後的微軟小冰並不起眼。

但在7月份，小冰在央美就有了自己的個展《或然世界》。

和倫勃朗的女兒、威廉·吉爾平的女兒、馬蒂斯的模特、伊藤博文的寵伎等人在一起的微軟小冰儼然正在走向“畢加索”的神壇。

而這還只是AI不經意間表露出的野心。

如果AI想要製造混亂，那再簡單不過。

與一夜之間在朋友圈掀起渲染大波的ZAO不同，Deepfake雖然低調但卻因為色情被推上風口浪尖，96%的視頻都是色情視頻一度讓Adobe、Google、Facebook如坐針氈。

這還只是AI在作惡方面的小試牛刀。

而一旦AI耍起心眼人類就像個白痴：

在谷歌和斯坦福2017年的一項研究中，為了完成圖像轉換的任務，CycleGAN在訓練過程中通過人類無法察覺的某種“隱寫術”，騙過了它的創造者，給自己留下了隱秘的“小抄”，然後順利完成了任務。

在OpenAI 2018舉辦了首屆強化學習競賽Retro Contest中，有一個案例的人工智利用遊戲中Bug更加快速的完成任務。

一羣研究者2019年在整理AI為了完成任務作弊List中發現，AI在玩俄羅斯方塊的時候會直接暫停遊戲，在玩井字棋的時候，會做出奇怪的步驟讓對手崩潰。

當AI在能力上勝過了人類精英、在潛力上又擁有無限的可能；或許，我們不怕人工智能在極短時間內掌握人類無法企及的專業技能，但它們也能走“捷徑”的小聰明卻是有點讓人觸目驚心。

哪怕，2018年12月，歐盟已經為此準備了一份“人工智能道德準則草案”，但這有沒有用還需要打一個問號。

第四：AI脱繮

當然，我們怕的不是人工智能超越人類本身，也不是人工智能超神達到了人類無法企及的高度；畢竟，現在在某些領域我們早就不是機器的對手了。

我們真正怕的是人工智能超出我們的掌握，而現在它已然靠近了我們的警戒線。

在大多數科幻電影裏，人工智能就是一部沒有感情只有理智的機器；但在現實生活中人工智能卻沒有想象中的那麼不食人間煙火，以至於AI繭房、偏見和暴力愈演愈烈。

AI繭房不必多説，尤其是現在的“個性推薦算法”大行其道，不管是資訊、購物還是短視頻它們已經深度滲透我們的生活。

雖然短時間內似乎沒有什麼惡果，而且還能“精準”推薦我們想看到的內容；但長此以往在這種虛假繁榮之下，被相似內容“投餵”的我們就可能喪失主動探索這個世界的興趣。

AI偏見這個比較容易理解，畢竟不管是統計學習還是深度學習AI它們都少不了巨量的數據；而數據本身就不存在絕對的公正，人工智能又如何能夠獨善其身。

2016年5月， ProPublica的調查記者披露全美用於預測未來犯罪情況的軟件COMPAS對非洲裔美國人存在偏見。

2018年2月，麻省理工學院Joy Buolamwini發現IBM、微軟和中國公司Megvii最新的性別識別AI可以在99%的情況下準確從照片中識別一個白人的性別，但女性黑人準確率會降至 35%。

AI暴力也不難理解，不管是“算法沒有價值觀”、還是“唯算法論”，這都不是AI撇清責任的依據；而現階段AI無法承擔的責任自然就需要AI的所屬主體分擔。

2018年3月，Uber無人駕駛測試車撞死行人，當時車上還坐着一名司機。

2019年4月，波音公司CEO米倫伯格就兩起波音客機墜機事故導致近350人喪生向遇難者家屬道歉，表示事故原因在波音公司一方；波音承認事故的主要原因是飛機的自動防失速系統(MCAS)“故障”。

2019年9月，10架無人機攻擊沙國國家石油公司（Saudi Aramco）的兩處設施，已造成兩設施暫停部分原油生產。

在AI越來越普及，逐步進入手機、電視、傳統家居乃至於城市衞生、醫療和交通系統的當下，AI但凡有一點小問題都有可能被整個社會系統無限放大。

而一旦出現問題，AI就有可能變成一匹脱繮的野馬。

③

一個好消息？

▽

作為第四次工業革命的主題，好消息是人工智能沒有我們想象中的那麼先進，它的真實狀態甚至遠遠落後於我們所相信的技術神話。

雖然大多數研究成果都是真的，在事先明確環境和問題的前提下，基於算法和大數據的深度學習的確都有着不錯的表現；但是不排除資本藉助人工智能進行過度炒作，我們有必要面對一個骨感的現實：如今的人工智能，智能的成分很少，它們一如既往的笨拙。

從某種程度上來説，當下的人工智能更像是機器學習和大數據雜糅出來的東西，人工的成分太過明顯，智能的成為卻少得可憐；因此也就有人説當下人對於AI的過度解釋和焦慮不安都是臆想出來的，人工智能或許就跟永動機一樣是永遠都不會實現的東西。

而這也是不少人斷定現在的人工智能是假人工智能、弱人工智能、甚至只是機器智能的緣故。

當然，考慮到部分人的立場，離資本更近的他們確實沒有看到AI更大的商業變現價值；但這不妨礙他們對AI趨勢的判斷、以及在這一塊早早的佈局：從AI芯片、雲服務、實用算法、企業解決方案到垂直解決方案，圍繞AI我們已經形成了一套相對完整的生態雛形。

© Best Practice AI Ltd.

但這裏也不缺乏異類，比如馬斯克就曾聲稱人工智能是人類文明的最大威脅，蓋茨也曾發表過言論人工智能在未來幾十年有可能成為人類的心頭大患。

而這些大佬的擔憂也在影視作品《終結者》《生化危機》《西部世界》《銀翼殺手》和《流浪地球》中有過淋漓盡致的表現。

但與其説我們對於人工智能的恐懼來源於影視文學創作的放大，不如説是來自於我們對於未知世界的恐懼？

現如今普通人對於網絡、尖端科技對於計算機的依賴程度太高了；從原子裂變、聚變到量子通信、計算，進入微觀、納米世界已經無法離開機器智能的輔助，就像小麥馴服了農耕文明一樣；人工智能也在某種程度上淬火了整個現代文明。

對於人工智能從業者來説，AI是有跡可循的；但在旁觀者看來，這一切有如神蹟。

我們無法想象人類失去了計算機文明會倒退多少年，而失去了計算機之後這一代的人類又是否能夠從0開始重建互聯網文明我們不得而知，哪怕我們有着前人的遺澤。

在我看來：

人工智能是一種集羣算力，只要硬件許可、軟件沒有限制，它可以像癌變一樣擴散。

這種擴散決定了人工智能的“成長”幾乎不需要時間，而它的“增殖”也不是加法、不是乘法、甚至不是指數遞增，而是冪次效應。

這樣簡單粗暴的算力堆疊可能會造成一種結果，人工智能會像基因編輯一樣變成“特權”加速社會的倫理危機，它會像一把“剪刀”一樣刪減人類幾千年來建立的社會文明。

當然，這種看法可能依舊有些激進，畢竟連圖靈測試都無法通過的它們現在還只是個“孩子”，即使這個孩子身上有着“超人”的基因。

但有一點可以確定的是：面對人工智能的積極進取人類正在化主動為被動讓渡自己的決策權。

例如用户出行和城市交通，每時每刻都會產生龐大的數據，人類處理不過來就只能交給人工智能算法的“黑盒子”。

鑑於這一次中國市場對於5G前所未有的推進力度，更快的軟硬件設施、更開放的互聯網市場以及14億公民產生的龐大數據集將有可能把人工智能的科技紅利留在中國；普華永道（PwC）預測，到2030年人工智能將為全球經濟帶來16萬億美元的增長。

④

一個壞消息？

▽

對於人工智能來説壞消息是，人工智能所謂的智能依舊談不上“智能”。

而被業界奉為圭臬的機器學習也並不是機器在進行主動學習，只是被“訓練”而已。

而作為人工智能背後最有力的推手也在逐漸對它失去信心：縱使AlphaGO神擋殺神佛擋殺佛，卻依舊無法避免其背後的公司DeepMind去年一年虧損5億美元。

一方面AI的明星公司正在虧損，另一方面類腦人工智能計劃：遠有日本雄心勃勃打造的能像人一樣推理的“第五代計算機”破產、近有耗時10年燒光10億歐元試圖模擬大腦86億個神經元和100萬億突觸的“藍腦計劃”涼涼。

這些都為人工智能“智能化”蒙上了一層陰影。

而近年來AI已然認識到人腦生物系統本身處理信息上的優越性，正在試圖通過“腦機合體”突破“模擬程序智能”對AI的桎梏；而伯克利大學的研究人員也在探索神經網絡的“無意記憶”。

但這隻能説我們找到了方向，目前的人工智能依舊“弱智”。

那麼人工智能真的就無法擁有真正的智能嗎？

考慮到人腦智能的實現是通過化學物質來傳遞激活、抑制的信號，這對於0和1的納米制程芯片似乎也不是無法模擬的存在。

只能説我們暫時還沒有找到那個“更合適”的算法，而我們此前所做的一切都是在試錯。

“意識”覺醒之後的人工智能到底選擇是作“齊馬藍 ”，還是“奧創”，我們不得而知。

而對於普通人來説壞消息就是，不管人工智能有沒有可能誕生意識，我們都要被動讓出一部分工作崗位。

即使機器的出現在替代一份工作的同時也會創造新的工作，但這裏的效率不可能對等。

而在這些即將被替代的工作中，曾經我們一度以為最危險的是那些體力工作者，但事實上最危險的可能是一些腦力工作者、一些白領工作；體力勞動者一方面因為人力成本更加便宜、另一方面因為非標準化很難被取代；而流水線上的產業工業就很容易被取代，而一些看護老人、小孩做衞生等工作因為不標準機器人很難普及；但是白領工作很多崗位並沒有絕對的壁壘，諸如電話推銷員、打字員、會計、保險業務員、銀行政府職員、前台客服等。

就算曾經被我們寄予厚望的創意產業，也正在被人工智能入侵。

人工智能已經可以寫詩作畫、就算是做設計、寫文案也不再話下（阿里巴巴鹿班、京東莎士比亞），它們正在取代門檻沒那麼高的工作職能。

⑤

我們拿什麼來戰勝AI？

▽

把計算交給AI，把勞動交給機器人，人類的未來在哪裏？

AI的危險在於它試圖取代我們“雙手”的同時，還在試圖代替我們“思考”。

久而久之，就會形成一種“異化”：我們創造出了機器，讓它取代了我們的工作，接着又把思考的權利交給了它們，然後沉浸在機器為我們編制的烏托邦中。

這又何嘗不是另一種奴役？

或許，我們的未來就像是《機器人總動員》中那一羣“豢養”在太空飛船中的“肥球”。

我們真的已經做好準備迎接AI時代的到來嗎？

很顯然我們沒有。

但慶幸的是人工智能暫時還只聞其聲不見其人。

嚴格意義上我並不是一個人工智能悲觀主義者，就目前而言我們也不用擔心人工智能會搶了我們的工作，但是眼光放長遠一點：在不需要薪水、無需休息、不會請假、不會犯錯、沒有情緒，關鍵是成本還比僱人要便宜很多的人工智能面前我們似乎“毫無勝算”。

最悲觀的未來，或許是人類成為人工智能這種硅基生物王冠之上的一顆明珠；作為鋼筋鐵骨之上的那一抹血肉。

回到工業設計行業，很不幸，國內工業設計80年代剛剛起步，還未有過輝煌就已經與人工智能不期而遇；而一旦我們安於現狀被AI取代就是早晚的事。

畢竟，AI最大的特質在於用充沛的算力加速，甚至取代一切需要“過程”的工種；只要給出一個目標範疇，輸入需求特質，它就能幫你合成一切；嫌它提供的選擇太少，加錢啊、加參考系，提高算力，它就能窮極所有的可能。

那麼面對人工智能，當資本、趨勢和政策都不站在我們這邊的時候，工業設計師真的就只能負隅頑抗了嗎？

未必。

創意人最大的優勢就是“開荒”，將自己的創意發揮在熟悉的領域固然能夠熟能生巧，但也難免會落入俗套。

只有將自己的創意揮灑在人工智能“前所未見”的領域，我們完全可以做未來城市設計、太空設計甚至是火星移民設計；永遠比它快一步、倒逼自己，甚至成為人工智能的“參考系”才能保持自己的優勢。

當然，在這裏我們也有必要理解人工智能的語言，嘗試把它“馴化”成為自己“創作”的紅袖添香。

而一旦我們能夠跳出人工智能的威懾，有能力基於標準化人工智能打造一套屬於自己的工業設計標準；或許，這才是一個工業設計師前所未有的高度。

互聯網已然顛覆第三產業，人工智能即將“改造”第二產業並滲透第一產業；在這個過程中必然會造成一波財富的重新分配，但由於它離資本太近離普通人太遠，所以我們大可不必抱有太多不切實際的幻想：努力堆疊自己的才能增加人工智能取代的門檻，才是解決之道。

工業革命都幾百年了，地主還是地主，普通人還在流水線上。

但不管現在的人工智能是否算是“真的”智能，至少它們真的很有用；而且對於人類總體來説它利大於弊，失去時、也是未來；因為它們有機會倒逼整個人類社會的產能升級。

PS：部分資料參考@36Kr @CSDN @虎嗅 @Medium       文章首發於公眾號：玩意東西工業設計