人工智能不僅是一次技術層面的革命，未來它必將與重大的社會經濟變革、教育變革、思想變革、文化變革等同步。人工智能可能成為下一次工業革命的核心驅動力，人工智能更有可能成為人類社會全新的一次大發現、大變革、大融合、大發展的開端。
從工業革命到文藝復興
人工智能來了！AI正深刻改變我們的社會與經濟形態。歷史會將這個時代與20世紀70年代的PC萌芽、20世紀90年代的互聯網興起相提並論嗎？當史蒂夫·喬布斯、比爾·蓋茨為每個桌面、每個家庭都擁有一台電腦的夢想而努力創業時，當楊致遠、拉裡·佩奇、謝爾蓋·布林為整合全球信息、構建連接全人類的互聯網世界而銳意創新時，他們是否能預見到人工智能將如此快地來到我們身邊，並在21世紀早期就扮演如此重要的角色？
從技術的社會價值來看，我認為，人工智能的社會意義將超越個人電腦、互聯網、移動互聯網等特定的信息技術，甚至有極大的可能，在人類發展史上，成為下一次工業革命的核心驅動力。
回想一下，1760年前後，當改進的紡織機、蒸汽機開始在英國大量取代手工勞動，當林立的煙囪宣告工業時代的到來時，人類社會、經濟發生了多麼大的變化！大量依附於農業生產和小農經濟的手工勞動消失，農民和手工業者成千上萬地轉化成產業工人，進入工廠、礦山，人們開始利用火車、輪船出行，整個世界的格局徹底改變。類似地，19世紀以電氣技術、內燃機為代表的第二次工業革命，以及20世紀以原子能技術、信息技術、空間技術、生物工程技術等為代表的第三次工業革命，每一次都使人類的生活水平、工作方式、社會結構、經濟發展進入了一個嶄新的週期。
從18世紀至今，300餘年間，這個世界通過三次工業革命，完成了自動化、電氣化、信息化的改造。與工業革命前的中世紀相比，人類已經生活在一個完全不同的、由現代科技支撐和推動的全新家園。那麼，接下來，人類的發展方向又會是怎樣的呢？
如果說在21世紀，還有哪一種技術可以和歷次工業革命中的先導科技相提並論的話，那一定是正在步入成熟增長期的人工智能技術。以交通為例，蒸汽機、內燃機、燃氣輪機、電動機的發明讓我們的出行一下子從人抬馬拖的農耕時代，躍入了以飛機、高鐵、汽車、輪船為代表的現代交通時代；在人工智能時代，僅自動駕駛技術一項，就足以徹底改變我們的交通出行方式，足以和此前汽車、飛機的普及相提並論。事實上，人工智能技術在各行各業都可能引發顛覆性的變化，帶來生產效率的極大提高。歷史必將如實地記錄下這一次前所未有的產業變革——此變革的核心驅動力，必將是人工智能！
2017年1月，我在瑞士出席達沃斯世界經濟論壇時，有幸聆聽了牛津大學全球化與發展教授、著名經濟學家伊安·戈爾丁（Ian Goldin）對世界現狀與人類變局的看法。他說，今天世界面臨的最大的三個挑戰是：
1.人類趕不上科技發展的速度，來不及調整適應；
2.人類之間的相互連接以及信息的迅速傳播，既有好的一面，也有危險的一面；
3.對個人或國家短期有益的事情，有可能傷及世界的整體利益（如英國脫歐）。
伊安·戈爾丁教授並不是在用悲觀的心態來看待今天的世界。事實上，他是《發現的時代：應對新文藝復興的風險及回報》（Age of Discovery：Navigating the Risks and Rewards of Our New Renaissance）一書的作者。在該書中，他用詰問的方式，探尋以下問題的答案：
·我們生活在科技如此進步的時代，為什麼還會有這樣那樣的不平 等？
·人類的健康、人均壽命、全球的財富、教育、科學發現等，都有前所未有的發展，但人們為什麼還充滿了焦慮？
·發展的代價是什麼？
在伊安·戈爾丁教授看來，今天這個時代與發生在歐洲14世紀中葉到16世紀的文藝復興與啟蒙運動非常相似。例如，信息技術的發展不但是今天世界的科技主題，其實也是14世紀到16世紀間歐洲思想解放、文藝發展的根本原因之一。當年，以谷登堡印刷機為代表的信息傳播技術迅速將科技、文學與藝術知識推廣到歐洲的每一座中心城市，這與今天的互聯網普及有異曲同工之妙。
今天的世界，其實也像中世紀的歐洲一樣，面臨諸多棘手的難題，如世界範圍的貧富差距問題、環境污染問題、傳染病問題、戰爭問題等。一方面，科技快速發展，信息技術特別是人工智能技術引領時代潮流；另一方面，世界仍動盪不安。快速發展的科學技術與長期處於不穩定狀態的全球社會、經濟結構之間，存在著強烈的不平衡和內在的變革需求。
伊安·戈爾丁教授說：「科學的快速發展應該能讓大家看清我們許多舉動的後果，把全球的頭腦和智慧都加在一起，從科學和技術的角度來說，我們充滿能力。但是我們的政治系統，全球的政治結構、宗教機構等，都還停留在20世紀50年代，進化的速度出奇地緩慢……所以，在這個『發現的時代』，我們應該重新設置我們的頭腦地圖、政治地圖、經濟地圖。」83
伊安·戈爾丁教授將科技與文藝復興和思想啟蒙聯繫在了一起。這為我們認識人工智能等未來科技提供了一個新的視角。
如果我們僅僅將人工智能時代看作一次新的工業革命，那麼，我們的論述將局限於科學與技術層面，而忽略因技術變革而造成的社會、經濟、心理、人文等層面的巨大波動。
如果我們關注的是未來科技影響下的人類整體，是人與AI之間的相互關係，是人類社會在新技術革命的背景下如何轉型和演進，那麼，將今天這個時代稱為人類歷史上的第二次文藝復興也許就是恰如其分的。當哥白尼用日心說改變人類對天體運行的認知，與舊的世界徹底決裂時，今天的人工智能技術也正在徹底改變人類對機器行為的認知，重建人類與機器之間的相互協作關係；當哥倫布在大航海時代裡第一次站在新大陸的土地上，用航海大發現重構整個世界的地理與政治地圖時，今天的人工智能技術也正在用史無前例的自動駕駛重構我們頭腦中的出行地圖和人類生活圖景；當達·芬奇、米開朗琪羅等人用劃時代的藝術巨構激發全人類對美和自由的追求時，今天的人工智能技術也正在機器翻譯、機器寫作、機器繪畫等人文和藝術領域進行大膽的嘗試……
技術不僅僅是技術。技術的未來必將與社會的未來、經濟的未來、文學藝術的未來、人類全球化的未來緊密聯繫在一起。
人工智能不僅是一次技術層面的革命。人工智能因為對生產效率的大幅改進、對人類勞動的部分替代、對生活方式的根本變革，而必然觸及社會、經濟、政治、文學、藝術等人類生活的方方面面。人工智能的未來必將與重大的社會經濟變革、教育變革、思想變革、文化變革等同步。我們無法拋開可能產生的就業問題、教育問題、社會倫理問題等單獨討論技術本身，這就像我們無法拋開人類思想的啟蒙而單獨談論文藝復興時期的雕塑、繪畫與音樂作品一樣。
人工智能可能成為下一次工業革命的核心驅動力，更有可能成為人類社會全新的一次大發現、大變革、大融合、大發展的開端。
這是復興的時代，這是發現的時代，這是人工智能的時代。
AI會讓人類大量失業嗎？
將深度學習技術推向實用化並直接促成人工智能最新一撥技術熱潮到來的計算機科學家傑弗裡·辛頓教授在演講中經常用一個玩笑來開場：如果在座的有醫學院的學生，那你千萬不要去學放射科，不要去當放射科醫生，因為這個工作在未來5年內，就會被深度學習支持的人工智能應用所取代。84
說是玩笑，這又怎麼只是一個玩笑？自從2016年3月Alpha Go橫空出世以來，世界公眾不僅在關注機器是不是會毀滅人類，其實他們還更關心人工智能對工作、生活的直接影響，包括社會學家、經濟學家、政治家在內，大多數人最憂慮的一件事也許是：在未來的10年，到底有多少人類的工作會被機器全部或部分取代？
人類的工作被機器取代，這件事的隱含風險是不言自明的，那就是可怕的失業！
人類創造人工智能，不就是提高我們的生活質量、工作效率，不就是用來幫助我們人類的嗎？如果AI會造成大批人類失業，如果人工智能會讓這個本就經常受戰爭、貧困、恐怖主義、疾病困擾的地球再平添一道失業的傷疤，我們發明AI到底還有什麼用？
AI會讓人類大量失業嗎？
2016年年底，物理學家史蒂芬·霍金在英國《衛報》發表文章說：「工廠的自動化已經讓眾多傳統製造業工人失業，人工智能的興起很有可能會讓失業潮波及中產階級，最後只給人類留下護理、創造和監管等工作。」85
霍金的話代表了相當一部分學者和公眾對於人工智能取代人類工作、造成失業風險的擔憂。這種擔憂不能說完全沒有道理，但我覺得，霍金對於未來科技與世界格局關係的思考，過於片面和狹隘了。
人類文明史漫漫數千年，因為科技進步而造成的社會格局、經濟結構的調整、變革、陣痛乃至暫時的倒退都屢見不鮮。從局部視角來看，很多劃時代的科技成果必然引發人們生活方式的改變，短期內很可能難以被接受，但站在足夠的高度上，放眼足夠長的歷史變遷，所有重大的科技革命無一例外地都最終成為人類發展的加速器，同時也是人類生活品質提高的根本保障。從全局視角看，歷史上還沒有哪一次科技革命成為人類的災難而不是福音。
新型紡織機、蒸汽機等現代機器出現時，就曾在英國乃至整個歐洲引起農民和手工業者的恐慌。在當時的歷史條件下，也的確出現了以「羊吃人」的圈地運動為代表的，將農民趕出土地並逼迫他們成為廉價產業工人的殘酷事實。但從長遠來說，歷史無法抹殺工業革命對人類生產、生活的巨大貢獻。沒有現代機器的出現，我們就沒有今天這樣順暢的交通、高效的生產和遠比中世紀舒適、富足許多倍的現代生活。曾經因現代機器的出現被迫脫離傳統農業、傳統手工業的大量勞動力，後來大都在現代工業生產或城市服務業中找到了新的就業機會。即便以數百年前的第一次工業革命為例，我們也不難發現，科技革命不僅僅會造成人類的既有工作被取代，同時也會製造出足夠多的新的就業機會。
大多數情況下，工作不是消失了，而是轉變為了新的形式。
在西方城市裡，馬車被汽車取代是另一個非常好的例子。當年，汽車開始進入大城市並逐漸普及的過程中，曾經在數百年的時間裡充當著上等人出行工具的馬車，面臨著實實在在的「下崗」威脅。那個年代，倫敦、巴黎、紐約等大城市裡，馬車出行意味著一個完整的產業鏈條，有一連串與馬車相關的工種，比如馬車伕、馬匹飼養和馴化者、馬車製造商、馬車租賃商，根據馬車的需要維護道路的工人，乃至專門清理馬匹糞便的清潔工。汽車的大範圍普及意味著所有這些陳舊工種面臨失業的風險。但只要簡單地計算一下就能發現，新興起的汽車行業擁有比傳統馬車行業多出數千倍甚至數萬倍的產值和工作機會。原本只有中上等人才能享用的馬車出行，到了20世紀，迅速演變成幾乎可以被所有人公平享用的、更加廉價的汽車出行。製造汽車的大型工廠需要數以萬計的設計、製造、管理職位，遠比當年的馬車產業對整個社會的經濟貢獻要大得多。
其實，人類越發展，就越不擔心高新科技對社會、經濟結構的衝擊。如果說第一次工業革命時，歷史的進程還伴隨著資本原始積累時期的野蠻和殘酷，那麼，到20世紀第三次工業革命的時候，絕大多數新科技、新產業都是在很短時間內調整和適應，之後就迅速佔據了產業制高點，引領人類在一個更高層次上，重新安排更高品質的工作和生活。
例如，移動通信和互聯網的出現讓所有傳統的通信方式成為過去時，電報、紙質郵件、明信片、尋呼機等基本都退出了主流舞台。拿電報來說，今天的小孩子已經很難搞懂當年的人們是如何字斟句酌撰寫電報草稿的了。電報在全球使用超過100年，最終在移動通信與互聯網快速發展的浪潮中壽終正寢。根據維基百科的記錄：「香港的電訊盈科已於2004年1月1日宣佈終止香港境內外所有電報服務，在同一年，荷蘭的電報服務亦宣告停止，美國最大的電報公司西聯（Western Union Telegram）宣佈2006年1月27日起終止所有電報服務。」86在中國，今天也只有極少數的老電報人，還在象徵性地堅守工作崗位87。幾乎沒有人會質疑電報行業從業人員的工作被取代這件事，因為人們相信新技術的優越性，相信從電報行業內離開的電報人完全可以在今天這個多樣化的時代找到自己的新工作崗位。我們只有從一些懷舊文章中，才能多少瞭解到曾經的電報人在新舊更替的歷史大潮中，有著何種複雜、糾結的心情，但那種感情，已多半屬於對傳統和歷史的依依不捨了。
回到我們的核心問題：人工智能會讓人類大量失業嗎？
縱觀人類發展史，我對這個問題的回答是：如果把這裡的「失業」定義為工作轉變的話，那麼答案是「會的」。從短期看，這種轉變會帶來一定程度的陣痛，我們也許很難避免某些行業、某些地區出現局部的失業現象。特別是在一個適應人工智能時代的社會保障和教育體系建立之前，這一陣痛在所難免。但從長遠來看，這種工作轉變絕不是一種以大規模失業為標誌的災難性事件，而是人類社會結構、經濟秩序的重新調整，在調整基礎上，人類工作會大量轉變為新的工作類型，從而為生產力的進一步解放，人類生活的進一步提升，打下更好的基礎。
2017年1月，我在達沃斯受邀與麻省理工學院媒體實驗室負責人伊籐穰一（Joi Ito）討論人工智能。其間，伊籐穰一曾說：「宏觀角度來看，我們無法否認人們會因『新技術總會導致人們失業』而恐慌，但隨著新技術的發展，某些領域又會誕生新的工作。……主導AI技術研發的各大科技巨頭，如果能為人們樹立一種正確的態度，驅散人們心中對AI技術的恐懼，也將會是一大利好。畢竟人們對AI技術的恐懼，絕大部分來自對AI的不解。要消除恐懼，我們需要在兩個方面努力：其一，是消除人們心中情緒化、非理性的恐慌心理；其二，則是理性解決問題。例如，我們必須對當前的教育體系以及職業資格認證等體系進行改革，這取決於未來機器發展的速度有多快。」88
大體上我同意伊籐穰一的觀點，不過我認為，我們需要更為急迫地喚醒社會集體意識來理解並準備AI時代的到來。當今時代變革的速度，比以往任何一次工業革命時期都要快。隨著AI技術的不斷完善，越來越多的工作如今開始被AI技術取代。舉例來說，中國有一批AI創業公司正在研究人臉識別，這類技術已能批量辨識20萬到30萬張人臉，這是一般人不可能達到的量級和精準度，諸如保安、邊防等從事辨識任務的從業人員，也勢必會被取代。在另外一些領域，AI處理人際和人機關係的能力確實還不如人類，醫療行業是最好的例證，醫療檢測中的某些涉及影像識別的崗位很快也會被AI技術所取代，但那僅僅是醫療專業的一小部分。
當前有兩項重大的任務等著我們去解決：其一，是思考如何調配未來20年大量被AI技術替代的工作者；其二，是我們的教育亟待改革。我們需要對我們的後代進行再教育，分析哪些工作不會輕易被替代，而不僅僅去幻想從事目前看似光鮮亮麗的工作。
機器帶給人類的不是失業，而是更大的自由與更加個性化的人生體驗。
未來是一個人類和機器共存、協作完成各類工作的全新時代。
我們無須擔憂和懼怕這個時代的到來，我們所要做的，應當是盡早認清AI與人類的關係，瞭解變革的規律，盡早制定更能適應新時代需求的勞動保障制度、教育制度等，以便更好地迎接新時代的到來。
哪種工作最容易被AI取代？
那麼，在人工智能快速發展的大背景下，哪種人類工作最容易被人工智能全部或部分取代呢？什麼樣的從業者應該盡早做好準備，以適應或轉變到全新的工作崗位呢？
對此，我有一個「五秒鐘準則」，這一準則在大多數情況下是適用的。李開復的「五秒鐘準則」一項本來由人從事的工作，如果人可以在5秒鐘以內對工作中需要思考和決策的問題做出相應的決定，那麼，這項工作就有非常大的可能被人工智能技術全部或部分取代。
比方說，傳統意義上，在股票交易市場工作的普通交易員只是起到一個信息錄入員或中間人的作用，他們在嘈雜、紛亂的市場裡，一邊關注買方訴求，一邊關注賣方訴求，他們所做的工作，只是根據買家或賣家的指令，完成實際的交易操作。對於一樁交易能否成交，他們只需要關注具體數字和市場行情就能做出判斷。基本上，每個獨立判斷，花兩三秒就能做出。今天的自動化技術和人工智能技術足以完成這類簡單的、中介性質的工作。這就是今天各大股票交易市場裡傳統意義上的交易員正大幅讓位於計算機的原因所在。
再比方說，駕駛汽車的時候，人類司機根據路況所做出的判斷，其實都是人腦可以在短時間內處理完成，並立即做出反應的。否則，如果人類司機對路面上突然出現的障礙物、交通標誌、行人等無法在一兩秒內做出即時反應，駕駛的危險性就必然大幅攀升。這其實從一個側面說明，汽車駕駛這項工作，需要的主要是快速感知外界環境、快速判斷並快速響應的能力。這種決策能力符合「五秒鐘準則」，因此，汽車駕駛工作終將被自動駕駛技術全面替代和超越。人工智能足以在更短時間內做出與人類一樣或比人類還精準的判斷，將駕駛安全等級提升一個檔次。
反之，如果你的工作涉及縝密的思考、周全的推理或複雜的決策，每個具體判斷並非人腦可以在5秒鐘的時間內完成，那麼，以目前的技術來說，你的工作是很難被機器取代的。
例如，新聞撰稿就有簡單和複雜之分。信息報道類的新聞撰稿，在很大程度上正在被人工智能的新聞寫作工具所取代。比如在體育類、天氣類、財經類的新聞報道中，人類記者通常所做的不過是簡單地組合事實，報告情況，並按照某些既定的格式完成文本寫作。這種工作不需要複雜的判斷，可以被機器取代。但是，同樣是新聞類寫作，如果你所撰寫的是《紐約客》類型的深度評述文章，每篇文章都需要大量採訪為基礎，並在原始素材之上，發揮作者的歸納和推理能力，提煉出相對複雜的邏輯結構，設計出最適合主題的表述形式，這些工作，每一項所需要的思考時間，都遠遠不止5秒鐘。有能力為《紐約客》撰稿的記者，在未來很長一段時間內，根本不用擔心自己的工作會受到人工智能的威脅。
類似地，如果你是一個可以創作鋼琴曲、交響樂的作曲家，如果你是一個可以製作深度訪談節目的電視導演，如果你是一個能夠從頭創建故事架構的電影編劇，如果你是一個可以用創造性的方法為學生講解複雜知識體系的教師……正在從事這些複雜工作的你，未來可以利用人工智能來提高工作效率，但根本無須考慮是否要將工作讓位於機器。
當然，這裡說的「五秒鐘準則」只是個經驗法則，我們可以舉出許多並不符合這一準則的個例。比如說，根據病人的化驗結果或醫療影像，對病人的病情進行診斷，這件事並不是一個醫生可以在幾秒鐘時間裡就能完成的。但隨著今天計算機視覺技術的發展以及人工智能在醫療領域的深入應用，人工智能確實可以代替一部分醫生的工作，快速完成基於數據或影像的初步病情篩查。再比如說，雖然許多簡單工作，比如病人護理，在工作中不需要特別複雜的決策過程，但接受護理的病人，很多都會特別在意自己與護理員的溝通，那麼，這樣一種需要人與人交流的工作，就很難被機器所取代。
基於「五秒鐘準則」，我個人預測，從事翻譯、新聞報道、助理、保安、銷售、客服、交易、會計、司機、家政等工作的人，未來10年將有約90%被人工智能全部或部分取代。如果就全人類的工作進行一個粗略的估計，我的預測是，約50%的人類工作會受到人工智能的影響。
人工智能對人類工作的可能影響包括三種類型：
·人類某種工作被人工智能全部取代；
·人類某種工作被人工智能部分取代；
·人類某種工作轉變為新的工作形式。
與其他科學家或未來學家相比，我的預測比一部分人激進，比另一部分人保守。如果歷史進程如我所料，那麼，在未來10年裡，至少有一半人需要關心自己的工作與人工智能的關係，需要在未來的人機協作模式中，找到自己的新位置。
大部分工作將發生轉變而非消失
我曾向《人工智能時代》一書的作者，計算機科學家、連續創業家、未來學家傑瑞·卡普蘭提問，人工智能將在不久的將來造成人類多大範圍上的失業？由此引發的失業會成為一個嚴重的社會問題嗎？
傑瑞·卡普蘭的觀點非常明確：不是所有工作都會被人工智能取代。相反，很多工作都會轉變為新的工作機會89。
一個很好的例子是銀行的櫃員。過去，大多數銀行櫃員總是在做最基本的銀行交易。顯然，ATM自助服務終端的使用，已經代替了一定數量的銀行櫃員的傳統工作。但有趣的是，銀行櫃員的僱用數量不降反升，因為櫃員的工作轉變了。我們仍然管他們叫銀行櫃員，但他們的工作描述與20年前相比已經有了很大不同。大多數情況下，銀行櫃員不是坐在那兒等著幫你取錢、存錢。今天的銀行櫃員已經成為銀行各類業務的銷售員。你可以走進一家銀行的支行，跟櫃員就銀行業務展開交談。那些銀行櫃員可以為你提供所有幫助。這項工作已經不同了，但職位的名稱還沒有改變。技術讓銀行變得更加高效，更易擴展。銀行可以開更多的支行，僱用更多的員工，在新的領域投資並製造新的工作機會。
最近，一份來自詹姆斯·貝森（James Bessen）的報告顯示了在過去幾十年間全職銀行櫃員的數量增長趨勢90。據報告統計，隨著銀行自動櫃員機（ATM）的普及，美國全職銀行櫃員的數量先是在1990年前後有了一定規模的下降，隨後又逐漸回升，並慢慢在總量上超過了歷史最高點。也就是說，ATM的普及不僅沒有造成銀行櫃員人數的下降，反而給銀行提供了拓展業務的契機，銀行櫃員的工作轉變為新的形式後，銀行對於櫃員的需求也持續增加。
傑瑞·卡普蘭這一分析僅僅以銀行業過去幾十年間櫃員數量的增減為論據，可能會有些片面。我覺得，長遠來看，銀行是否總是需要那麼多客服人員，這是值得商榷的。因為人工智能對提升客服人員效率的作用必將越來越明顯。如果僅考慮銀行內部的工作轉變，我認為銀行櫃員數量在未來的總體趨勢還是會逐漸減少的。事實上，工作轉變和遷移不僅僅發生在一個行業內部，也許未來更常見的是跨行業的工作轉換。當銀行業不再需要這麼多客服人員的時候，這些人完全可以轉移到服務行業，從事那些必須人與人直接交流的工作。未來，我們希望能鼓勵更多人參與人際交往互動，建立機器與人類的交流溝通模式，而這些對於服務行業來說至關重要。AI技術能夠使未來的服務業更被人們期待和尊重，也完全可以讓服務業接納許多從其他行業轉移過來的勞動力。
在傑瑞·卡普蘭看來，人工智能可能取代的工作大多擁有清晰的評估標準，工作業績可以被客觀地衡量。人工智能無法取代的工作通常需要人類做出決策。例如，風險投資人仍然需要面對面地和創業者會談，以確定投資意向。即便是高級教育背景的人，也會花很多時間來做重複性的工作，而這些重複性的工作最容易被自動化。這可以讓那些高級人才將更多的時間用於那些最能發揮他們的技能特長，最不容易被自動化的工作部分。
對於某些工作，全部工作內容都可以被自動化，所以不再需要人類員工。例如，放射科醫師的工作就可以全部被自動化。但對另一些工作，比如普通醫生，你沒法將他們全部替換，因為你沒辦法徹底取消面對面的病情診斷。我們將會擁有自動輔助診斷系統，但這些系統只是讓醫生的工作更高效，從而讓醫生有更多時間來完成科研任務，或者接診更多的病人。今天，很多人因為醫療費用昂貴而不去看醫生。當人工智能被廣泛應用後，醫生可以更高效地接診病人。醫生的數量可能會下降，但人們可以更容易也更頻繁地去看醫生。
與傑瑞·卡普蘭的觀點相似，我認為在人工智能時代裡，人類工作的轉型在所難免，但這更多意味著新的工作方式，而非大量的失業。比如，我的大女兒在學習服裝設計。在過去的數十年裡，因為技術的發展，特別是因為互聯網的普及，服裝設計這個行業已經有了很大的變化。過去學服裝設計的人，必須親自學習從材料到設計再到剪裁的每一個細節，親自動手量體裁衣。但現在互聯網上出現了不少設計師與服裝生產環節之間的協作平台，通過互聯網進行分工合作，設計師只要負責款式設計，並把圖樣發給服裝製造的上游廠商，廠商就會根據設計師的設計，完成服裝的實際生產。在今天這個時代，設計師不用親手量體裁衣，就可以創造並擁有自己的時裝品牌，並利用互聯網的優勢，進行推廣和銷售，所有其他環節，交給更專業的人去完成。這是互聯網的興起，為時裝行業帶來的工作方式的轉變。那麼，未來隨著人工智能的應用，許多簡單的服裝製造環節，都可以由人工智能控制的機器來完成，時裝行業又會經歷一次新的轉變。在歷次變革中，懂得發掘美、展現美的時裝設計師，他的工作因為需要人的想像力、創造力而不會消失。產業鏈上其他相關的工作，則會因技術的引入而不斷變化。最終的結果不一定是從業人員的減少，更有可能的是服裝設計、生產效率的大幅提高，生產成本的大幅降低，在此基礎上，甚至可以為每個用戶配備「私人」設計師，根據用戶的個人愛好，來訂製最美的時裝作品——基於這個判斷，今後服裝設計師的數量一定會大幅增加。
也就是說，失業問題未必會如某些人想像的那樣嚴重。技術發展將造成一部分簡單工作、底層工作的消失或轉變，但由此也會催生更多新型的、更需要人類判斷力和創造力的工作類型。如設計師、架構師、建築師、流程設計和管理者、藝術家、文學家……其工作不但不會被取代，反而會成為未來的稀缺資源，吸引更多在社會和經濟轉型中願意嘗試新領域的人來從事類似工作。
AI只是人類的工具
擔心人工智能控制甚至毀滅人類的，是對超人工智能過於樂觀的「科幻」愛好者；擔心人工智能取代絕大部分人類工作，造成全球大範圍失業的，則是不相信科技進步能憑借自身力量優化社會資源分配、調整經濟結構、構建新就業秩序的保守主義者。
我想，在人類可以預見的近未來，上面這兩種極端情況的出現概率都非常小。最有可能變成現實的情形是全人類步入一個嶄新的人機協作時代，在這個時代，以人工智能為驅動的機器將大幅提高人類的工作效率，但無論從哪個角度說，機器都只是人類的工具。
傑弗裡·辛頓教授在接受採訪時說：「機械式挖掘機和自動櫃員機通過替代人類的簡單、重複勞動，提高了生產效率。沒有幾個人會說，我們不應該引入這些自動化的機器。在一個公平的制度中，可以提高生產效率的技術進步會受到所有人的歡迎，因為它們會為每個人帶來更為優越的生活。技術本身不是問題，問題在於制度是否能保證每個人都獲益。」91
傑瑞·卡普蘭認為，一個關於機器智能的更好的思維方式是：我們擁有了新的科技手段，我們可以將這些新技術應用於新的問題領域。因為機器學習技術的進步，我們現在正處於最好的時期。「當你擁有一把錘子時，所有東西看起來都像釘子。」今天在美國，所有人都在嘗試，看看我們該如何應用人工智能技術，可以應用得多麼深入。我們正在解決自然語言處理問題、翻譯問題、機器視覺問題、機器人問題等。有些地方，人工智能工作得很好，有些地方，它們還難以滿足實際需要。驅動這種進步的主要力量並不是智能本身，而是大數據以及使用更快、更便宜、更簡單的方式訪問大數據的能力。
今天人們對於機器學習的興趣與曾經的每一次新技術革命並沒有本質的不同。例如，機器學習和當年關係型數據庫的發展非常類似。我們當年使用基於層次模型和網絡模型的數據庫，關係型數據庫的出現改變了一切。借助關係型數據庫，任何人都可以將數據庫當成一個方便的工具，而不需要僱用許多專業的工程師。人工智能就是這樣一個可以為我們帶來巨大改變的便捷工具，就像關係型數據庫在幾十年前所做的一樣。92
AI只是人類的工具。技術本身不是問題，問題是我們如何使用技術以及如何圍繞人工智能這樣一種革命性的新科技，建立與之配合的社會和經濟結構，用制度來保證人人都可享用人工智能帶來的巨大收益，同時不必擔心失業等潛在風險。
自動駕駛：AI最大的應用場景
自從谷歌正式對外宣佈自動駕駛汽車項目以來，自動駕駛行業已呈現出整體佈局、多元配置、多角度切入的格局，5到10年後可具備千億美元乃至萬億美元規模的龐大產業生態已具雛形。我們也許還無法準確預測，全功能、最高等級的自動駕駛汽車會在什麼樣的時間點，真正走入普通人的生活，但毫無疑問的是，這一次人工智能熱潮中，自動駕駛一定是最大的應用場景。
自動駕駛帶給我們的有關未來生活的想像空間，幾乎是無窮的。這絕對不是未來的汽車都不需要司機，我們可以躺在車裡睡覺、聽音樂這麼簡單的一件事。
例如，當汽車不再需要司機的時候，我們為什麼還要像今天這樣，在家裡保有一部到兩部私家車呢？滴滴、優步等共享經濟已經為我們揭示出了一些未來生活的樣子：大多數汽車可以用共享經濟的模式，隨叫隨到。因為不需要司機，這些車輛可以保證24小時待命，可以在任何時間、任何地點提供高質量的租用服務。這樣一來，整個城市的交通情況會發生翻天覆地的變化。因為智能調度算法的幫助，共享汽車的使用率會接近100%，城市裡需要的汽車總量則會大幅減少。需要停放的共享汽車數量不多，只需要佔用城市裡有限的幾個公共停車場的空間就足夠了。停車難、大堵車等現象會因為自動駕駛共享汽車的出現而得到真正解決。那個時候，私家車只用於滿足個人追求駕駛樂趣的需要，就像今天人們會到郊區騎自行車鍛煉身體一樣。
更重要的是，汽車本身的形態也會發生根本性的變化。一輛不需要方向盤、不需要司機的汽車，可以被設計成前所未有的樣子。比如，因為大部分出行都是一兩個人，共享的自動駕駛汽車完全可以設計成比現在汽車小很多，僅供一兩個人乘坐的舒適「座艙」，這可以節省大量道路空間。道路上，汽車和汽車之間可以通過「車聯網」連接起來，完成許多有人駕駛不可能完成的工作。比如，許多部自動駕駛汽車可以在道路上排列成間距極小的密集編隊，同時保持高速行進，統一對路面環境進行偵測和處理，而不用擔心追尾的風險。再如，一輛汽車在路面上可以通過自己的傳感器發現另一輛汽車的故障，及時通知另一輛汽車停車檢修。未來的道路也會按照自動駕駛汽車的要求來重新設計，專用於自動駕駛的車道可以變得更窄，交通信號可以更容易被自動駕駛汽車識別。
在自動駕駛時代裡，人們可以把以前駕駛汽車的時間用來工作、思考問題、開會、娛樂。一部分共享汽車可以設計成會議室的樣子，人們既可以圍坐在汽車裡討論問題，也可以在乘車時通過視頻會議與辦公室裡的同事溝通。今天駕駛汽車時，最多只能聽聽廣播或音樂。未來乘坐自動駕駛汽車的時間，完全可以用來享受汽車座椅內置的全身按摩服務，或者接入虛擬現實（VR）設備來一次穿越奇幻世界的冒險。自動駕駛時代，人類生活將更有品質也更加快樂。
自動駕駛的普及對產業結構、經濟格局的影響將極其深遠。想像一下，在過去的100多年，汽車工業是如何徹底改變了全球、全人類的生活方式，如何創造出了一大批市值百億美元、千億美元的大型跨國公司，如何帶動了從設計、生產到零件、外包、服務、咨詢、培訓、交通、物流等數百個相關的生態產業，如何在短短數十年裡讓美國成為「車輪上的國家」，又如何在短短十幾年時間裡在中國小康家庭中普及了汽車出行的現代生活方式。如此龐大的汽車工業，正面臨著以人工智能為依托的自動駕駛技術的改造。生態中的每一個子產業都可能在未來10年內發生翻天覆地的變化。即便不提整車製造，單是自動駕駛技術需要的廉價、可靠的傳感器（如激光雷達），就可能成為一個千億美元規模的大產業。或者，針對未來的自動駕駛技術，對現有道路進行改造升級，這又將涉及龐大的固定資產投資和相關產業的升級。無論如何樂觀地預測自動駕駛對全球社會、經濟發展的貢獻，也許都不為過。
麥肯錫公司預測，到2030年時，自動駕駛技術的普及將為現有的汽車工業帶來約30%的新增產值，這部分銷售額包括受益於自動駕駛技術而獲得更大發展空間的共享汽車經濟（例如，在目前的交通擁堵和人口稠密地區、遠郊區域等，利用自動駕駛技術可大幅提高共享經濟的發展空間），因自動駕駛技術的普及而發展起來的車上數據服務，如應用程序、導航服務、娛樂服務、遠程服務、軟件升級等。今天全球汽車工業的整車銷售總額大約是2.7萬億美元，售後服務銷售額大約是7200億美元，共享經濟等新興業務的銷售額只有約300億美元。而到了2030年時，前兩項業務的銷售額將穩步增長，而由自動駕駛技術驅動的新興業務的銷售額將大幅增長到1.5萬億美元，成為刺激汽車工業增長的最大因素。93
自動駕駛技術發展簡史
真正由機器全面接管的自動駕駛，最早出現在空中而非地面。這是因為，對於在高空飛行的飛機而言，行駛路線上的交通狀況遠好於地面。在飛行器上進行感知和操控，環境複雜度遠低於由交通標誌、移動車輛、可能出現的障礙物、隨時可能闖入路面的行人等組成的地面交通生態。
1912年，人類發明的第一架固定翼飛機首飛不到10年，為飛機製造導航儀表的Sperry公司就研製出了第一套自動駕駛系統，並於1914年在巴黎做了演示飛行。Sperry公司這套系統使用陀螺儀來判定飛機航向，使用氣壓高度計來測定飛機高度，根據系統感知得到的航向和高度數據，通過液壓裝置操控升降舵和方向舵。
Sperry公司為飛機研製的第一套自動駕駛系統雖然簡單，但具備了一套自動駕駛裝置必備的幾個組成部分。
·感知單元：主要由各種傳感器和智能感知算法組成，用於感知交通工具行經路線上的實時環境情況。
·決策單元：主要由控制機械、控制電路或計算機軟硬件系統組成，用於根據環境信息決定對交通工具施加何種操作。
·控制單元：主要通過交通工具的控制接口，直接或間接操控交通工具的可操縱界面（如飛機的操縱面或汽車的方向盤、踏板等），完成實際的駕駛工作。
無論是飛機的自動駕駛，還是汽車的自動駕駛，無論是早期系統，還是結合了深度學習算法的現代系統，大抵都符合這樣一個基本的概念模型。
圖37 自動駕駛系統的基本概念模型
因為高空的環境複雜度較低，飛行器的自動駕駛系統發展很快。兩次世界大戰前後，飛機自動駕駛或輔助駕駛技術不斷改進。1947年，美國空軍用一架道格拉斯C-54運輸機完成了一次橫跨大西洋的飛行，飛機全程使用自動駕駛系統控制，包括起飛和降落環節，這是自動駕駛系統在航空工業中走向普及的標誌性事件。今天，現代客機、貨機、戰鬥機絕大多數都擁有自動駕駛或輔助駕駛系統，可以大幅減輕飛行員的工作強度。在大部分氣象條件下，只要飛行員允許，飛機的自動駕駛系統都可以自動完成包含起飛、降落在內的全部飛行控制操作。為了解決較複雜的降落段自動駕駛問題，全球各大機場還根據情況，安裝了不同級別的儀表著陸系統（ILS），使用無線電信號或高強度燈光陣列，來為飛機提供精密引導。
自動駕駛系統在航空領域取得的巨大成功也為汽車的自動駕駛系統提供了有價值的參考，這包括：
·飛機飛行過程中需要感知的環境信息，幾乎都可以由已有的機上傳感器提供。而目前大批量生產的普通汽車，通常只裝配了感知自身行駛速度的簡單傳感器。為現有汽車安裝附加傳感器，是實現汽車自動駕駛的必經之路，但也客觀上增加了自動駕駛系統的成本。為汽車設計生產廉價、精準、可靠的傳感器，是未來自動駕駛行業的重心之一。
·因為環境簡化，飛機的感知和決策過程相對簡單，系統算法通常不需要涉及複雜的深度學習模型。即便如此，目前從事貨運、客運航空飛行時，飛行員仍需要全程監控，與自動駕駛系統協同工作。完全不需要飛行員的無人機只在軍事領域得到了廣泛應用，進入大規模商業客運、貨運飛行還為時尚早。這提醒我們，為汽車研發自動駕駛系統的時候，也不能急於求成，從機器輔助人類駕駛開始，逐漸過渡到人類輔助機器駕駛，最終實現無人駕駛，才是理性和正確的選擇。
·正如機場可以安裝儀表著陸系統（ILS）來輔助降落一樣，對道路的改造（如新的易於識別的交通標誌、與汽車傳感器配合的信號源等）也許是簡化汽車自動駕駛系統實現難度的一條捷徑。
談到汽車的自動駕駛系統，很多人是通過谷歌公司發佈的自動駕駛汽車認識這一現代科技成果的。其實，在谷歌之前，大批公司和科研機構，已經對汽車的自動駕駛系統做了多年的研究。
最早在20世紀20年代，當時的主流汽車廠商就開始實驗自動駕駛或輔助駕駛功能。現代意義上的第一輛自動駕駛汽車，出現在20世紀80年代的卡內基-梅隆大學計算機科學學院的機器人研究中心，它的名字叫Navlab。1986年製造的第一輛Navlab汽車上安裝了3台Sun工作站、1台卡內基-梅隆大學自行研製的WARP並行計算陣列、1部GPS信號接收器以及其他相關的硬件單元。限於當時的軟硬件條件，這部自動駕駛汽車的最高時速只能達到32千米，而且還很不實用，但起碼算是具備了現代自動駕駛汽車的雛形。1989年，卡內基-梅隆大學還在自動駕駛系統中，使用神經網絡技術，進行了感知和控制單元的實驗。大約在同一時期，奔馳、通用、博世、尼桑、豐田、奧迪等傳統汽車行業的廠商也開始加大對自動駕駛系統的投入，陸續推出了不少原型車。
在中國，早在1987年，國防科技大學就研製出了一輛自動駕駛汽車的原型車，雖然這輛車非常小，樣子也與普通汽車相差甚遠，但基本具備了自動駕駛汽車的主要組成部分。2003年，國防科技大學和一汽集團聯合改裝了一輛紅旗轎車，自動駕駛最高時速可以達到130千米，且實現了自主超車功能。2011年，改進後的自動駕駛紅旗轎車完成了從長沙到武漢的公路測試，總里程286千米，其中人工干預里程2240米。此外，清華大學、中國科技大學等國內科研機構，也各自開展了自動駕駛技術的早期研究。
雖然在實際測試效果上還遠未達到自動駕駛的要求，但上述國內外廠商、科研機構的積累，為谷歌自動駕駛汽車取得突破性進展奠定了技術基礎。事實上，被譽為谷歌自動駕駛汽車之父的塞巴斯蒂安·特龍（Sebastian Thrun）在加入谷歌之前，就曾帶領著斯坦福大學的技術團隊研發名為Stanley的自動駕駛汽車，並參加了美國國防高等研究計劃署（DARPA）的自動駕駛挑戰賽（DARPA Grand Challenge）。塞巴斯蒂安·特龍主持研製的Stanley汽車贏得了2005年DARPA自動駕駛挑戰賽的冠軍。
圖38 塞巴斯蒂安·特龍團隊基於柴油版的大眾途銳研發的Stanley自動駕駛汽車
Stanley自動駕駛汽車使用了多種傳感器組合，包括激光雷達（LIDAR）、攝像機、GPS以及慣性傳感器，所有這些傳感器收集的實時信息被超過十萬行軟件代碼解讀、分析並完成決策。在障礙檢測方面，Stanley自動駕駛汽車已經使用了機器學習技術。塞巴斯蒂安·特龍的團隊也將Stanley汽車在道路測試時，不得不由人類駕駛員干預處理的所有緊急情況記錄下來，交給機器學習程序反覆分析，從中總結出可以復用的感知模型和決策模型，用不斷迭代測試、不斷改進算法模型的方式，讓Stanley汽車越來越聰明。
其實，塞巴斯蒂安·特龍主持研製Stanley汽車時，就有十幾名谷歌工程師加入了團隊，參與研發工作。瞭解了這樣的背景，大家就完全不會奇怪，為什麼研製Stanley汽車的有用經驗幾乎全部被谷歌自動駕駛汽車項目繼承過去了。
2009年，谷歌基於塞巴斯蒂安·特龍的團隊正式創建了自動駕駛汽車項目。這個項目最早在谷歌內部被命名為「chauffeur」。「chauffeur」這個詞源自法語，原本是加熱、變熱的意思。蒸汽機發明後，因為蒸汽機驅動的車輛需要先把水燒熱，人們就用「chauffeur」來指代操作蒸汽機的人，或駕駛蒸汽機驅動車輛的人。再後來，雖然汽車已經與蒸汽機毫無關係，「chauffeur」這個詞還是被用於指代司機，或專指私人僱用的司機。谷歌對外幾乎從未提及「chauffeur」這個內部項目代號，但在谷歌正式申請的美國專利，如專利US9134729B1中，我們還是發現，技術示意圖的註釋文字裡包含了「chauffeur」字樣。
圖39 示意圖來自谷歌為自動駕駛的用戶操作界面申請的美國專利，注意註釋文字裡出現了「chauffeur」的字樣94
圖40 谷歌第一代自動駕駛汽車，基於豐田普銳斯汽車改裝（CC BY-SA 2.0，Wikipedia）
2009年，谷歌內部舉辦了一個名為「Goo Camp」的技術交流活動，在那個活動裡，少數工程師第一次體驗了谷歌自動駕駛汽車的神奇。那時，被邀請乘坐谷歌第一代自動駕駛汽車的工程師們既興奮又緊張，儘管預定的乘車路線很短，只是繞著谷歌總部的核心園區轉一圈，從未乘坐過自動駕駛汽車的人還是難免要擔心計算機會不會出現這樣那樣的問題。結果，測試效果很好，基於豐田普銳斯汽車改裝的第一代自動駕駛汽車頂著圓筒狀的激光雷達等傳感器裝置，有些憨態可掬地完成了直行、轉彎、上坡、下坡、避開路面其他車輛等基本任務，全程只出現了一個有驚無險的狀況：在做一個相對比較急的右轉彎時，自動駕駛系統給汽車的操作指令有些過於生硬，汽車轉彎的動作有些「生猛」，坐在駕駛座位上的測試員不得不手動干預了一下方向盤。
在那一次內部交流活動中，有工程師問「chauffeur」項目的研發人員：「這樣的自動駕駛汽車在實際路面上測試時，警察會不會找麻煩？」研發人員回答說：「我們在斯坦福大學做測試時，有一次，好奇的警察發現這是一輛不需要司機操控的汽車，就上前盤問道：『這是輛什麼車呀？』我們回答：『自動駕駛汽車。』警察聳了聳肩說：『酷！』嗯，當時的情況就是這樣。」
2010年，美國公眾已開始注意到谷歌自動駕駛汽車的存在，法律界人士也已經認識到，自動駕駛汽車在路面上行駛，必然會對已有的公路交通法規、保險體系等帶來新的挑戰95。支持新興科技的律師和政界人士開始呼籲政府立法，批准自動駕駛汽車合法在公路上開展測試活動。2012年5月，谷歌自動駕駛汽車正式獲得了美國內華達州車輛管理局（DMV）頒發的執照，這也是美國歷史上為自動駕駛汽車頒發的第一張執照。截止到2016年3月，美國已經有加利福尼亞州、密歇根州、佛羅里達州、內華達州、亞利桑那州、北達科他州、田納西州、哥倫比亞特區等地區允許自動駕駛汽車在公共路面上進行測試。
2012年，谷歌自動駕駛汽車已經取得了超過30萬英里的公路行駛經驗。基於雷克薩斯RX450h改裝的自動駕駛汽車也已上路運行。也正是在這一年，谷歌將自動駕駛汽車的路面測試範圍，從簡單的園區路況和普通高速路況，擴展到了包含複雜交通環境的城區路況。截止到2016年，谷歌自動駕駛汽車的實際測試里程已經超過200萬英里。
2014年，一輛嶄新的、長著可愛的卡通版身軀的谷歌無人駕駛汽車在著名的谷歌X實驗室問世。這輛汽車除了萌萌的造型之外，最大的與眾不同之處在於，這是一輛完全不需要人工干預的自動駕駛汽車，它沒有方向盤，沒有油門，沒有剎車踏板！乘客只要上車，說出自己要抵達的目的地，就可以享受世界上第一輛完全意義上的「無人駕駛」汽車的周到服務了。
圖41 在實際路面上進行測試的谷歌新一代無人駕駛汽車（CC BY-SA 4.0，Wikipedia）
應當說，在人工智能大發展的時代裡，谷歌在自動駕駛領域最早投入研發力量，最早獲得技術突破，在過去的數年間完成了累計里程最長的高級別無人駕駛道路測試。但對普通人來說，谷歌的無人駕駛汽車雖已是硅谷道路上的常客，但其商業模式卻一直滯後，基本上停留在市場宣傳層面，面向最終消費者的銷售遙遙無期。這主要是因為谷歌對於自動駕駛技術的高度謹慎。
2016年5月7日，發生在佛羅里達州的特斯拉電動汽車致死事故，其中的原因之一就是車主過度信任特斯拉汽車的Autopilot模式（其實這一模式在當時是不折不扣的「輔助駕駛」，而不是「自動駕駛」），對突發情況沒有做出及時的人工干預。而谷歌認為，要保證自動駕駛的絕對安全，就一定不能依賴於人的參與，必須讓自動駕駛汽車的人工智能技術能夠應對所有（至少是極其接近100%的）極端路況，否則，就無法銷售尚有風險的汽車產品。
因為對100%自動駕駛的高標準追求，谷歌的自動駕駛汽車研發和商業化之路無法在短期內獲得收益。就在谷歌不懈追求最高水準的自動駕駛系統的同時，特斯拉、優步、百度、蘋果、英偉達（NVIDIA）等高科技公司紛紛加入自動駕駛研發的陣營，並大多採用從與谷歌不同的角度切入市場，如關注輔助駕駛的特斯拉、關注汽車資源共享的優步、關注自動駕駛計算平台的英偉達等。傳統汽車廠商如通用、奔馳、寶馬、豐田等也陸續調整自己的技術戰略，跟上最新的無人駕駛風潮。初創公司如以色列的Mobileye、Oryx Vision，美國的Nu Tonomy、Zoox、Drive.ai、Nuro.ai，國內的馭勢科技（UISEE）、初速度科技（Momenta）等，則瞄準了整個自動駕駛產業鏈中的特定應用場景（如小區通勤、卡車運輸等），特定解決方案（如視覺解決方案、地圖解決方案等），或特定功能模塊（如激光雷達傳感器、視覺模塊、決策模塊、控制模塊等），發揮初創公司靈活、高效的特點。
相比之下，谷歌的自動駕駛團隊多少有些「揀盡寒枝不肯棲，寂寞沙洲冷」的脫俗意味。追求最佳的安全和行駛體驗，遲遲不進行商業化的開發，這讓谷歌自動駕駛團隊在許多新聞評論中成了「起個大早，趕個晚集」的揶揄對像96。因為產品商業化遲緩，谷歌自動駕駛團隊的許多技術人員都已離開谷歌，成為各大科技企業和初創團隊中研發自動駕駛技術的領軍人物。創始人塞巴斯蒂安·特龍已將精力放在了教育項目優達學城（Udacity）上；團隊骨幹安東尼·勒萬多斯基（Anthony Levandowski）帶著自己熟悉的三名同事創立了Otto繼續做自動駕駛，這家公司已被優步收購；創始團隊CTO克裡斯·厄森（Chris Urmson）2016年8月離職；另一名技術專家朱家俊也離職組建了Nuro.ai。
2016年12月，谷歌宣佈，自動駕駛團隊正式分離出來，成立了一家名叫Waymo的新公司。這一舉措也許意味著谷歌自動駕駛汽車正式走向商業化的開始，也許是谷歌為了應對人才流失和市場競爭的無奈之舉。無論如何，我們還是更願意看到谷歌自動駕駛汽車項目繼續引領自動駕駛的科技革命，未來能繼續代表自動駕駛技術的最高水平。
圖42 Zee.Aero公司申請的「飛行汽車」專利中的圖示97
順便提一下，除了公路上跑的汽車，包括谷歌創始人拉裡·佩奇以及塞巴斯蒂安·特龍本人在內，都在關注甚至投資研發更加科幻級的自動交通工具。據說拉裡·佩奇秘密投資了兩家神秘的「飛行汽車」初創公司Zee.Aero和Kitty Hawk，而Kitty Hawk正是塞巴斯蒂安·特龍創立的。目前，有關這兩家神秘公司的公開資料少之又少，人們只能從一些隻言片語，或是已申請專利中一些非常早期的概念圖來猜測，這兩家公司想做的是像飛機一樣在空中自由飛行，又像汽車一樣方便乘坐和停放的新一代交通工具。98
AI小百科 自動駕駛的六個級別
和「人工智能」一樣，「自動駕駛」也是一個有歧義，經常被人用不同方式解讀的概念。
例如，有人喜歡用「無人駕駛」來描述相關技術與應用，但「無人」一詞帶有鮮明的「100%由機器操控」的含義，無法涵蓋輔助駕駛等初級功能。事實上，許多汽車廠商都把計算機輔助駕駛稱為「自動駕駛」。大家應該知道，裝配有碰撞告警、車道保持、定速巡航、自動泊車等自動化功能的汽車好多年前就已經開始在市場上銷售了，廠家在做廣告宣傳時，就將這些輔助告訴人類駕駛員，並將輔助完成特定操作（如泊車）的系統稱作「自動駕駛」，但這和谷歌研發的全功能的自動駕駛汽車顯然不是一個級別的技術。
從中文語義上來說，「無人駕駛」的語義過於狹窄，而「自動駕駛」的語義過於寬泛。即便在英文文本中，「self-driving car」「driverless car」「robotic car」和「autonomous car」等術語之間，內涵和外延也並非完全一致。
從理想的情況看，人類當然希望盡早看到完全「無人駕駛」的汽車取代現有的所有人類司機，但從自動駕駛技術的發展進程看，未來將存在10年或更長時間的過渡期，各種不同類型、不同層次的自動駕駛技術將呈現共同發展，各自覆蓋不同需求、不同路況、不同人群、不同商業模式的情況。因此，用內涵單一的術語不利於自動駕駛技術目前的發展階 段。
為了更好地區分不同層級的自動駕駛技術，國際汽車工程師學會（SAE International）於2014年發佈了自動駕駛的六級分類體系，美國國家公路交通安全管理局（NHTSA）原本有自己的一套分類體系，但在2016年9月轉為使用SAE的分類標準。今天絕大多數主流自動駕駛研究者已將SAE標準當作通行的分類原則。
SAE標準將自動駕駛技術分為0級、1級、2級、3級、4級、5級，共六個級別。具體的級別劃分和描述如下頁圖表99所示：
在SAE的分類標準中，目前日常使用的大多數汽車處在第0級和第1級之間，碰撞告警屬於第0級的技術，自動防碰撞、定速巡航屬於第1級的輔助駕駛，自動泊車功能介於第1級和第2級之間，特斯拉公司正在銷售的Autopilot輔助駕駛技術屬於第2級技術。
按照SAE的分級標準，第2級技術和第3級技術之間，存在相當大的跨度。使用第1級和第2級輔助駕駛功能時，人類駕駛員必須時刻關注路況，並及時對各種複雜情況做出反應。但在SAE定義的第3級技術標準中，監控路況的任務由自動駕駛系統來完成。這個差別是巨大的。技術人員也通常將第2級和第3級之間的分界線，視作「輔助駕駛」和「自動駕駛」的區別所在。
當然，即便按照SAE標準實現了第3級的自動駕駛，根據這個級別的定義，人類駕駛員也必須隨時待命，準備響應系統請求，處理那些系統沒有能力應對的特殊情況。使用這個級別的自動駕駛功能時，人類駕駛員是沒法在汽車上看手機、上網、玩遊戲的。
所以，雖然從技術標準上說，第3級自動駕駛有它存在的必要，但在實際應用場景裡，這一級別的自動駕駛是否真正可用，是很值得我們懷疑的。人類駕駛員一旦發現機器可以應付大多數情況，就會分心去做其他事情，以至於在機器遇到特殊情況時，無法及時、正確響應，並釀成事故。
谷歌曾經在員工中做過一個有趣的實驗。自動駕駛團隊在谷歌內部招聘了一批數量不多的志願者，每個志願者可以「認領」一輛測試用途的自動駕駛汽車回家。這些志願者都被告知：用於測試的汽車並不完善，仍然需要志願者坐在駕駛位置，隨時準備應對汽車無法處理的路面突發情況。但谷歌的自動駕駛團隊發現，志願者幾乎很少聽從這個忠告。因為在絕大多數情況下，谷歌的自動駕駛汽車表現得非常好，完全可以自如應對路面上發生的各類複雜情況。這樣一來，幾乎每個志願者都會100%放心地將駕駛操作交給汽車，自己則利用乘車的時間，做起任何自己想做的事情來：有乘車時看地圖的，有乘車時看視頻的，有乘車時躺在後座打盹兒的，有乘車時跟女友親熱的……
這次志願者測試項目讓谷歌自動駕駛團隊明白了一點：一旦自動駕駛汽車達到了足夠高的水平，車內乘客就會想當然地將所有操控權交給汽車。無論這時候自動駕駛汽車的軟件是否還有風險，無論路面上那些極端的路況是不是能被自動駕駛汽車正確處理，車主都不會保持100%的高度警覺。
也就是說，第3級的自動駕駛，目前還很難被不受限制地應用於所有場景。其實，之前已經討論過，即便是特斯拉基於第2級自動駕駛的Autopilot技術，也存在這方面的問題。從商業化的視角來看，第2級或第3級的自動駕駛技術，將來只會被用於有限的場合，而直接面向第4級甚至第5級的自動駕駛，才是未來最大的商業機會。
自動駕駛的普及：中國有機會扮演關鍵角色
毫無疑問，自動駕駛將在不久的將來走進我們的生活。但真正意義上的，第4級或第5級的自動駕駛技術何時可以商用，人們有各種各樣的預測。
初創公司Nu Tonomy希望能在2018年前後在新加坡提供擁有自動駕駛功能的出租車，並在2020年擴展到10座城市100。Delphi和Mobil Eye公司則聲稱，他們可以在2019年提供滿足SAE第4級要求的自動駕駛系統101。百度公司首席科學家吳恩達希望，到2019年時將有大量自動駕駛汽車上路進行測試行駛，到2021年時，自動駕駛汽車將進入大批量製造和商用化階段102。特斯拉公司創始人埃隆·馬斯克宣佈，目前上市的特斯拉汽車已經在硬件標準上具備了實現SAE第5級自動駕駛的能力。他預測說，2018年時，特斯拉將可以提供具備完全自動駕駛功能的電動汽車，但也許還要再花一到三年的時間，該型車才能正式獲得批准並上市銷售103。
我覺得，基於宣傳技術和推廣產品的考慮，科技公司、初創公司對於第4級、第5級自動駕駛何時可以商用的預測普遍比較樂觀。實際情況也許比他們的預測要複雜一些，因為這不僅僅是一個純技術問題。技術方面，谷歌（Waymo）的自動駕駛系統非常成熟，已經接近商用，也許只要一兩年的時間，就可以達到SAE第4級和第5級的標準。但在非技術領域，政府、公眾、企業還必須考慮諸多政策的、法律的、經濟的、心理的甚至是道德層面的問題。
首先，現有的法律制度、政策、保險體系等，並不是為自動駕駛時代的交通量身定制的，一定存在諸多不合理之處。對於法律體系的改進和完善，一定不要以今天的眼光去預測未來的科技。
比如，當年蒸汽機動力的汽車問世不久，英國議會就於1865年通過了一部《機動車法案》。這部法案後來被人嘲笑為「紅旗法案」。法案規定，每輛在道路上行駛的機動車必須由三個人駕駛，其中一個必須在車前面50米以外做引導，還要用紅旗不斷搖動為機動車開道，並且速度不能超過每小時4英里。結果，直到1896年「紅旗法案」被廢止前，英國對汽車技術的研發幾乎還處於停滯狀態，這個法案在英國汽車發展史上起到了極其愚蠢的負面作用。今天，在考慮為自動駕駛汽車制定合適的法規、政策時，我們千萬不要落入100多年前英國「紅旗法案」的窠臼。
其次，道德問題始終是制約自動駕駛商業化和大規模普及的關鍵因素。美國人比較喜歡用一個處於兩難境地的道德測試來衡量自動駕駛的合理與否，這個測試叫作「有軌電車難題」（Trolley problem）。
英國哲學家菲利帕·福特（Philippa Foot）1967年首次提出這個倫理學的思想實驗。問題很簡單：假設你看到一輛失控的有軌電車在軌道上高速行駛，電車前方的軌道上有5個毫不知情的行人。如果你什麼都不做，那麼那5個人會被電車撞死。生死瞬間，你唯一的解決方案是扳動手邊的道岔扳手，讓電車駛入備用軌道。但問題是，備用軌道上有1個不知情的行人。扳動道岔的結果是，拯救了原軌道上的5個人，卻犧牲了備用軌道上的1個人。這種情況下，你會扳動道岔扳手嗎？如果用1條生命換回5條生命，你感到難以定奪，那麼，假設犧牲1個人可以救50個人呢？
圖43 有軌電車難題（CC BY-SA 4.0，Wikipedia）
換到自動駕駛的商用場景，政府和公眾面臨著同樣難以定奪的詰問。從目前的測試結果看，自動駕駛技術比人類駕駛員駕駛汽車要安全，至少不存在人類駕駛員因為疲勞駕駛、酒駕等問題發生事故的情況。但自動駕駛不是萬能的，在極端條件下，比如機器學習系統從未遇到過的情況發生時，自動駕駛系統也有可能導致事故，甚至對人類造成致命的傷害。
2016年5月7日，佛羅里達州的特斯拉電動汽車致死事故發生之後，特斯拉強調，在總計1.3億英里的Autopilot模式行駛記錄中，僅發生了這一起致死事故，據此計算的事故概率遠比普通汽車平均每9400萬英里發生一起致死事故的概率低。但無論概率有多低，這畢竟是一起致死事故。為了普及自動駕駛技術，人類面臨的道德抉擇並不比有軌電車難題簡單。
如果自動駕駛汽車造成的死亡事故概率比人類駕駛員造成的死亡事故概率低，比如3︰5，那麼，你願意大力推廣自動駕駛技術，用每犧牲3個人的代價，換回5個人的生命嗎？
我用這個問題問了許多美國朋友，當我說3︰5的比例時，他們都紛紛搖頭，連說「不行」。我發現，大多數人腦子裡會有一個先入為主的道德假設，那就是人類駕駛員造成的事故已經被視為現行倫理道德體系中的一種客觀存在，是人類自身的弱點導致的。但引入自動駕駛後，造成致命事故時，操控汽車的主體由「人類」變為「機器」，這種新的倫理道德關係就很難被現有的體系接受。如果自動駕駛技術可以拯救5個人，但代價是殺死另外3個人，大多數人就感到難以接受。他們是在用人類現有的倫理道德體系去評估機器的行為：採用新技術的決定是人類做出的，實際造成事故的主體卻是機器而不是人，人類因為自己的決定，造成了「另外3個人」的死亡，這種道德壓力是不言而喻的，這個時候，是否能拯救原本會因人類失誤而死亡的5個人，反倒成了不那麼重要的因素。
於是，我會問我的朋友：「如果犧牲的生命與拯救的生命比例是1︰5呢？」朋友們通常都會猶豫一下。我會接著追問：「如果是1︰10呢？」這時，有不少朋友就會遲疑地點點頭，覺得似乎是一個可以接受的比例。那麼「如果是1︰20呢？」這時，大多數朋友都會堅定地站到自動駕駛這一邊，支持用較小的代價拯救多數人的生命。
很有意思的思想實驗，不是嗎？為什麼大家在比例是3︰5的時候普遍反對自動駕駛，而在比例是1︰20的時候，就變為普遍支持呢？人類的倫理道德準則難道是用簡單的數字就可以衡量的嗎？當然，我就此問題詢問的主要是美國朋友，他們的答案代表的也只是美國公眾的看法，不具有更普遍的意義。
美國國家公路交通安全管理局於2017年1月發表了一份聲明，證明特斯拉輔助駕駛系統Autopilot與2016年5月7日發生在佛羅里達的致命交通事故沒有直接關係，事故的直接原因是駕駛員忽視操作提醒，沒有對道路上的危險保持隨時監控和快速反應。美國國家公路交通安全管理局還強調說，特斯拉在安裝了Autopilot輔助駕駛系統後，事故發生率降低了40%104。
特斯拉第2級別的輔助駕駛系統Autopilot使事故概率降低了40%，這和前面假設的3︰5的比例不謀而合。大家通常會接受特斯拉的輔助駕駛功能，因為該功能要求人類駕駛員全程監控，隨時參與操作。但同樣是3︰5的比例，換到第4級和第5級的自動駕駛汽車上，大家就會感到難以接受。這其中，微妙的心理因素非常值得我們探討和關注。
另一個困擾自動駕駛技術商業化的因素是失業問題對傳統行業的衝擊。而這種衝擊，也因不同地方、不同人群而存在巨大差別。
新的科技總會引起不同層面的社會、經濟影響，這種影響在有著牢固社會傳統的地方，很可能會被人們視為威脅。傑瑞·卡普蘭講過一個很有趣的例子：同樣是提供汽車分享和出租服務，優步在舊金山做的事情被大加讚賞，可在倫敦做的同樣的事情卻飽受批評。優步在倫敦造成了許多人失業。倫敦有非常發達的出租系統，倫敦人管傳統的出租車叫「黑色出租」。這些出租車的司機是一個有著悠久歷史的社會職業，他們需要對街道非常熟悉，以通過上崗測試。優步在倫敦破壞了這樣的傳統，因為任何人只要有一輛車就可以成為優步司機。在這件事上，優步低估了英國人對於傳統職業的重視。倫敦的許多人痛恨優步，他們認為優步是對英國社會的破壞。但在舊金山，每個人都覺得優步棒極了。人們讚揚優步，幾乎沒有什麼負面報道。這是同一件事在不同城市得到的不同評價。所以，你很難說某項技術是好的，或者是壞的。105
自動駕駛也一樣。在美國，絕大多數人都同意，自動駕駛汽車的一個最好的應用場景，就是去取代那些工作負荷繁重、容易因長途駕駛時的疲勞而導致事故的卡車司機。但即便是這樣一個在技術層面顯而易見的事情，在牽涉到社會和經濟問題時，也會變得十分複雜。
2016年時，美國有大約150萬名卡車司機（另一種說法是180萬名），全美約70%的貨物運輸，都是由這些卡車司機駕駛大貨車通過公路完成的。目前，卡車行業已經出現了司機短缺的問題。根據美國卡車運輸協會（American Trucking Associations）的估計，全美短缺的卡車司機數量是大約4.8萬名。106
以美國Otto公司（已被優步收購）為代表的一批科技團隊，已經開始為卡車研發自動駕駛系統。在美國，卡車運輸的路況、環境相對單一，相關的自動駕駛系統在技術上的難度不大。但問題是，如果用自動駕駛系統解決卡車司機短缺的問題，那必然會受到所有人的歡迎，可如果用自動駕駛系統來替代現有的150萬名卡車司機，還會贏得大眾的支持嗎？如此大規模的失業或轉崗，美國政府就必然要面臨卡車司機工會的問責了。
圖44 優步Otto正在測試的自動駕駛卡車（CC BY 2.0，Wikipedia）
Otto聯合創始人兼總裁利奧爾·榮恩（Lior Ron）認為，人類卡車司機短期內沒有失業的風險，他說：「未來將會發生的事情，是那些卡車司機變成了技術系統的助理駕駛員，在自動駕駛系統較難處理的室內路況上，替代自動駕駛系統完成駕駛操作，然後在高速公路上啟動Otto自動駕駛系統，讓機器替自己完成冗長、乏味、容易犯困和出危險的駕駛里程。在可預見的未來，卡車的駕駛室裡都會坐著一個駕駛員，而且，這個駕駛員的工作將變得更安全，可以賺到更多的錢，可以更快地抵達目的地。」107
利奧爾·榮恩說的只是基於目前技術的預測。如果展望更長久的未來，當卡車上使用的自動駕駛技術趨於完善，可以適應擁擠的城市等各種不同路況時，卡車司機確實有大批被取代、大批失業的風險。對於這樣的未來，150萬名卡車司機肯定是充滿疑惑甚至堅決反對的，美國的卡車司機工會也會站出來維護司機們的利益。
一個可以類比的例子是美國的煤礦工人。因為自動化開採技術的使用，美國煤礦工人的數量從1980年時的22.9萬人，降低到了目前的大約8萬人。在過去的5年間，就有5萬煤礦工人失去工作。108這5萬失去工作的煤礦工人在美國的各階層看來是一個重大的社會和政治問題，連總統也必須親自過問，以妥善處理好這些「下崗」工人的安置和再就業問題，否則，美國勢力強大的工會組織就會對議員、總統施加極大的政治壓力。想一想，5萬名煤礦工人尚且能引起全美政治家的關注，如果被取代的是150萬名卡車司機呢？
當然，也有美國網友提出了另一種有些調侃的思考方式：「政治上來說，卡車司機工會是會去阻止自動駕駛系統取代卡車司機的進程的，但他們也會感受到來自另一方面的壓力。如果保險公司不再為人類駕駛員承保，因為自動駕駛系統幾乎從不出事故，這樣一來，不就輕鬆解決了替代人類駕駛員的問題了嗎？另外，人類司機在新成立的運輸公司裡不會有任何發言權，因為這些公司根本就不會僱用司機。司機工會也沒有能力阻止司機失業，因為他們向僱主爭取權益的主要武器就是罷工，可是在依靠自動駕駛系統的公司裡，他們的罷工又有什麼意義呢？」109
當然了，這位網友的話只是一種調侃，真實情況裡，美國政治家和公眾是必須正視卡車司機工會的訴求，防止短期內出現大規模失業問題的。
有關自動駕駛的商業化以及人工智能技術帶來的失業等問題，我與卡內基-梅隆大學計算機科學學院的院長安德魯·摩爾（Andrew Moore）有過一次面對面的交流。我和安德魯·摩爾都認為，類似的情況，在美國和在中國，政府與公眾的態度會有很大的不同，新科技被接受的程度、普及的速度也會有巨大差別。
如果單考慮製造業，美國很多工廠都已經自動化了，需要人工勞動的生產線大多都已經被送到別的國家了，所以，美國比較容易接受在生產線上使用機器人技術（當然，特朗普出任美國總統後開始執行的「美國製造」等反全球化的經濟政策，會為這一趨勢帶來小小的變數）。反觀中國，從事製造業的工人數量龐大，如果大量使用機器人技術，就會有比較切實的下崗和再就業方面的挑戰。
但是考慮到運輸行業，例如卡車司機、公交車司機等崗位，因為在美國涉及百萬以上的人群以及歷來強勢的工會組織，美國政府在進行決策時就會受到一定的影響（特朗普上台後，這一影響會更加明顯）。美國政府、國會、兩黨都非常擔心相關政策一旦考慮不周，就會影響到大量手握選票的底層選民。美國科技界則因此擔憂，先進技術如果因為底層人群的反對，而在商業化和普及方面表現遲緩，那反過來就會影響相關科研領域的投資，使得美國錯失人工智能領域的未來機會。再加上有關自動駕駛汽車致死多少人、拯救多少人的倫理道德考慮，自動駕駛技術在美國的普及就面臨重重阻力。
歐盟基於安全的考慮，對自動駕駛的普及也持謹慎態度。我在出席2017年瑞士達沃斯世界經濟論壇時瞭解到，歐盟對自動駕駛技術的要求是，不能用迭代、不斷改進的心態去開發自動駕駛軟件，而是要第一個商用版本就做到足夠安全110。
在中國，情況也許會不一樣。首先，中國是一個快速發展的國家，在全國和城市的交通路網建設上，一直處於不斷建設、不斷更新的狀態。中國比其他任何一個國家都容易從道路建設的角度入手，為自動駕駛汽車配備專用的路面、交通標誌甚至制定有針對性的交通法規。這可以彌補自動駕駛技術本身的許多缺陷，將自動駕駛技術發生事故的風險大幅降低。
其次，中國在嘗試新科技方面的阻力沒有美國那麼大，中國政府集中力量支持技術突破的能力也遠比美國政府要強。中國快速建成四通八達的高速公路網絡以及奇跡般地只用幾年時間就建立了全世界最快、最長的高速鐵路系統，就是這一點的最好體現。類似的事情當然可能發生在自動駕駛汽車的普及上。為了在技術尚未達到第5級自動駕駛的水平時，鼓勵第4級和第2級技術的商業應用，中國完全可能設計一些自動駕駛的早期試點道路、試點園區乃至試點城市，為自動駕駛汽車創造出符合技術要求的路況環境，在確保安全的基礎上，盡早開始自動駕駛汽車的商業運營。這樣一來，技術迭代就可以更快速地完成，在中國做自動駕駛相關的科研，就會比在美國或歐洲更容易拿到好的數據、找到好的測試場景，這對自動駕駛在未來的進一步發展十分重要。
再次，中國在評估自動駕駛系統帶來的倫理道德問題時，通常會比美國政府、公眾的態度更為務實。既然數據已經證明自動駕駛系統比人類駕駛員更安全，那麼，從倫理道德角度去比較自動駕駛系統可能危及多少人的生命，人類駕駛員可能傷害多少人的生命，這又有多少實際意義呢？
基於以上考慮，安德魯·摩爾教授和我都認為，在自動駕駛技術走入商業化和普及的未來10年裡，中國有機會扮演非常關鍵的角色。
中國的實際交通狀況比美國要複雜得多，每年因為疲勞駕駛、酒後駕駛導致的交通事故，數量相當驚人。自動駕駛系統的應用，對於改善中國交通狀況，減少人為交通事故的意義非常重大。
同時，中國面臨的交通擁堵問題、環境問題壓力巨大。中國的大中型城市動輒擁有數百萬甚至一兩千萬的人口，如果每個家庭都像美國一樣保有一兩輛機動車，那必然造成中國所有城市道路天天堵、年年堵，中國城市的天空很難擺脫霧霾的陰影。自動駕駛技術可以非常容易地將家庭用車模式轉變為共享用車的模式。自動駕駛汽車隨叫隨到，每個家庭不需要長期保有自己的車輛，也不需要購置停車場地。通過基於自動駕駛的分享經濟，中國可以大幅減少汽車的保有量，從根本上解決交通堵塞和汽車尾氣污染等問題。
想像一下，在未來每個中國家庭的主要用車場景裡，上下班可以用手機呼叫附近的自動駕駛出租車，商務活動可以預先約好自動駕駛的商務汽車，家庭購物、遊玩既可以呼叫附近的共享汽車，也可以親自駕駛私家車體驗駕駛樂趣……那個時候，每一部共享的自動駕駛汽車都沒有駕駛員，約車服務完全由計算機算法根據最優化的方案，在最短時間內將自動駕駛汽車匹配給需要用車的消費者。政府對網約車可以集中管理。城市路面的公交系統，主要由自動駕駛汽車擔任運輸主力。城市之間的貨物運輸，也因為有了自動駕駛系統而更加便捷、高效。
自動駕駛將是中國未來10年科技發展面臨的最重要的機遇之一。中國有全球最大的交通路網、最大的人口基數，自動駕駛的大規模商業化和技術普及反過來會促進自動駕駛相關科研的飛躍式發展。這種從科研到應用，從應用再反饋到科研的良性循環，正是中國能否在未來10年內，建立起世界先進水平的人工智能科技體系的關鍵。
智慧金融：AI目前最被看好的落地領域
2016年9月5日，嘉信理財集團（Charles Schwab）的首席投資戰略師麗茲·安·桑德斯（Liz Ann Sonders）在她的個人推特頁面上貼出了兩張對比鮮明的圖片。那是瑞士銀行設在美國康涅狄格州的交易場，整個交易場的面積比一個足球場還大，淨空高度超過12米，交易場內曾經佈滿了一排排的桌椅和超過一萬名的資產交易員，是世界上最大的金融資產交易場所。可是，2016年人們在這裡看到的卻是一片蕭條景象，原本繁忙的交易場內，桌椅稀稀拉拉，幾近門可羅雀。
麗茲·安·桑德斯的推特圖片展示了短短5年多的時間裡，金融資產交易行業的巨大轉型。瑞士銀行設在康涅狄格州的這家交易場，原本從紐約華爾街吸引了大批金融工作者，但是，自2011年起，這家交易場裁掉了超過一萬名前台交易員111。2016年年底，整個交易場地更是被廉價出售112。
圖45 麗茲·安·桑德斯在推特上貼出瑞銀位於康涅狄格州的交易場時隔5年的對比
僱用大量交易員在集中場所進行資產交易的方式，正在從我們這個地球上消失。瑞士銀行康涅狄格州交易場的衰落，固然是金融危機後，全美金融業被迫採取諸多結構調整和轉型的結果之一，也的確和近年來人工智能算法替代人類交易員的大趨勢密不可分。就在麗茲·安·桑德斯展示交易場對比圖片的推文之下，一位名叫邁克爾·哈里斯（Michael Harris）的金融交易分析師（他同時也是一種基於機器學習技術的交易算法開發者以及幾本金融交易類暢銷書的作者）評論說：「所有（這些交易員）都被少數幾種算法取代了。」113
人類交易員大量被機器算法所取代，這只是人工智能正在智慧金融建設中發揮重要作用的冰山一角。事實上，包括銀行、保險、證券等在內的整個金融行業，都已經並正在發生著用人工智能改進現有流程，提高業務效率，大幅增加收入或降低成本的巨大變革。2017年，據彭博社報道，摩根大通開發了一款金融合同解析軟件COIN，已經上線半年多。經測試，原先律師和貸款人員每年累計需要36萬小時才能完成的工作，COIN只需幾秒就能完成。而且，COIN不僅在「工作」時錯誤率低，還不用放假。114
據高盛集團2016年12月發佈的報告指出，在金融行業，「保守估計，到2025年時，機器學習和人工智能可以通過節省成本和帶來新的盈利機會創造大約每年340億～430億美元的價值，這一數字因為相關技術對數據利用和執行效率的提升，還具有更大的提升空間」115。