读后感
在 AI 开始热门之时，我尝试制定 AI 相关的学习计划,计划像学习编程一样学习 AI 知识。
后来发现看得枯燥无法持续，最后在某种契机下了解到此书，发现对于我了解 AI 即将对生活产生的影响提供了一个切实想象 —— 我非常期待这样的未来。
可能因为我是个工作狂，印象最深刻的是职业再造这一章。
里面设想的未来是无论如何都会有 80% 的人被 AI 淘汰，但我觉得淘汰这个词不太准确，因为被淘汰/无价值是当今社会的价值观，当人不再需要为物质努力和奔波的时候，躺平或许就不是一种淘汰，我们会有更值得追求的东西，对美的追求，对世界的探索等等将原本用于生存的时间，用于生活。
这个问题其实可以类比古人，我们相对于古人，更幸福了吗？反正我觉得肯定是，有选择的自由即是幸福，我一直崇尚：宁可清醒的痛苦也不要无知的快乐。
未来不知道何时会来，2024 年的我很期待。
笔记
AI 未来进行式（李开复陈楸帆新书）
李开复 陈楸帆
177 个笔记
阅读周期:
- 阅读时长：14 小时
- 开始时间：8/11/2023, 11:27:57 PM
- 结束时间：3/8/2024, 1:43:54 PM
序一 AI 的真实故事
深度学习是一种能够基于海量数据完成自主学习的软件技术。其实，这项技术在多年前就已经出现了，但近几年，在大数据和大算力的条件逐步成熟的情况下，深度学习才得以发挥出排山倒海的威力。数字时代发展迅猛，与近 40 年前我刚踏入 AI 领域时相比，如今我们的数据存储成本仅为当时的一千五百万分之一，拥有的算力提升了万亿倍。这些技术层面的客观因素，都为 AI 的训练过程提供了必要且坚实的基础。
2020 年，人们利用 AI 攻克了近 50 年来的生物学难题 ── 蛋白质折叠。
美国主导 AI 领域的学术研究，而中国则会凭借庞大的人口基数及海量数据，探索出更多的 AI 落地场景。
我还推断，AI 将应用于工业数字化、制造、金融、零售、运输等多个领域，这些进步将为人类社会创造巨大的经济价值，但同时也会使人类社会面临即将来临的失业潮的转型挑战。
AI 将为社会创造前所未有的价值。据世界顶级会计师事务所普华永道预测，到 2030 年，AI 将创造 15.7 万亿美元的经济价值，这将直接有助于消除贫困和饥饿。其次，AI 还将通过高效的运算，接管一些重复性的工作，把人类从忙碌而繁重的日常工作中解放出来，让人类节省最宝贵的时间资源，得以做更多振奋人心的、富有挑战性的工作。最后，人类将与 AI 达成人机协作，AI 负责定量分析、成果优化和重复性工作，人类按其所长贡献自己的创造力、策略思维、复杂技艺、热情和爱心。
我写这本书的初衷，是用一种坦率、客观、建设性的方式，描绘在时光隧道的另一头可能发生的 AI 的“真实故事”。
在本书中，对于颠覆性的底层技术突破，例如利用 AI 开发出具有自我意识的产品等，因为其不可能出现，所以我不做预测，我所做的分析和预测大都是基于现有技术的发展脉络进行的。
序二 创造未来，从想象未来开始
正如阿玛拉定律所揭示的那样：“人们总是高估一项科技所带来的短期效益，却又低估它的长期影响。”
在我看来，科幻小说最引人入胜之处，不仅在于它能提供想象性逃避空间，让读者能够抛开现实烦恼，扮演无所不能的超级英雄，在百万光年之外的架空世界中任意驰骋，更在于它能激发读者对于现实的洞察与反思，甚至介入并改变真实世界的发展轨迹。
换句话说，想要创造什么样的未来，就从想象那样的未来开始。
开复导读
据调查，在孟买有超过 70%的家庭数据控制权是在女性手里，而在印度的其他城市这个比例只有不到 40%。所有这些个人数据都绑定在由印度国民身份统一管理局（UIDAI）向超过 13 亿印度合法居民发放的数字身份卡（Aadhaar）上。数字身份卡从 2010 年开始投入使用，经过 30 年的发展，公民的指纹、虹膜、部分家族遗传病史、职业及家庭信息、消费及纳税记录等数据都通过这一系统被政府记录在案。而 GI 能够在用户同意的前提下获得极高的数据权限，并使用到其旗下一系列 App 矩阵中，为用户提供最为智能和个性化的服务。
为什么女生需要通过改变自己才能获得男生的青睐，而不是向对方展示最真实的自我呢？
“傻孩子，机器会的也是人类教的呀。”母亲看着镜子中新买的长裙，转了个身，“如果 AI 每天都泡在享聊上，那它能学到的只能是这种大男子主义的调调。怎么？你最近谈恋爱了？”
母亲见人就说，政府没有做到的事情，GI 做到了！好像这是一件多么光彩的事情。在纳亚娜看来，母亲已经完全成了 GI 的一个传销工具。母亲的整个生活只有一个目标——如何将保费降到最低，至少必须是社区里最低的。这几乎成了太太们相互之间的一场竞赛。
什么是深度学习
受人类大脑内部复杂的神经元网络的启发，深度学习模拟生物神经网络，构建出包括输入层和输出层在内的人工神经网络，当将数据输入该网络的输入层后，在输出层就会显现出相应的处理结果。在输入层和输出层之间，可能存在很多中间层（又称隐藏层），从而能够更深入地刻画所处理对象的特征，并具备更强大的函数模拟能力。几十年前，计算机算力有限，只能支撑一两层中间层。近年来，随着算力增强，可以训练出有成千上万层中间层的网络，“深度学习”即由此得名。
深度学习的训练方法是，针对特定的应用场景，给人工神经网络的输入层“投喂”大量数据样本，同时给输出层“投喂”相应的“正确答案”，通过这样的训练，不断优化人工神经网络的内部参数，使根据输入生成最接近“正确答案”的输出的概率最高。
深度学习：能力惊人但也力有不逮
如果把算力比作 AI 的引擎，那么数据就是 AI 的燃料，直到最近 10 年，算力才变得足够高效，数据才变得足够丰富。
淘宝和抖音的 AI 算法是定制化的，会针对不同的用户分别考量与之相类似的用户的特征，最终为其展示不同的个性化内容——同一个内容，可能在你眼里根本一文不值，但我会觉得很有价值——这种有针对性的精准定制化服务所带来的用户点击率和购买率，比传统的静态网站通常所使用的内容推送方法要好很多。
与人类相比，深度学习想要充分发挥作用，离不开海量的相关数据、单一领域的应用场景以及明确的目标函数，这三项缺一不可，如果缺少其中任何一项，深度学习将无用武之地。
深度学习在互联网和金融行业的应用
脸书、亚马逊、阿里巴巴、腾讯等国内外大型互联网公司手中拥有最多的数据，这些数据通常会基于用户的行为（如用户是否点击或购买，或者在某一页面上的停留时长等）被自动打好标签，进而根据现有的用户行为来推动公司业务量（如营业收入或广告点击量）的最大化。这个流程打通后，互联网公司的应用程序或平台就变成了“印钞机”一般的存在，随着所积累的用户行为数据越来越多，公司会赚到越来越多的钱。这便解释了谷歌、脸书、亚马逊、阿里巴巴、字节跳动（旗下有抖音）之类的互联网巨头，在过去 10 年里市值不断攀升，最终成为领先的 AI 型公司的原因。
基于 AI 的金融科技公司陆续出现，例如美国初创的保险公司 Lemonade 和中国的水滴公司等，它们使用户能够通过应用程序购买保险或申请贷款，并且在很短的时间内就能完成审核流程。
深度学习的强大之处就在于它可以在所有信息的特征中找到微妙的组合，对组合特征中丰富的有价值的信息做更深层的洞察，而这个过程是人类无法理解、无法做到的。
深度学习带来的问题
这部纪录片还提出了一种观点：如果人们对 AI 的个性化推荐上瘾，这类应用程序就可能缩窄人们的视野、扭曲事实的真相、加剧社会的分化，对人类的情绪、心理健康、幸福感等方面造成负面影响。
从技术层面来说，上述问题的关键在于目标函数的单一性，以及 AI 专注于优化单一目标函数所带来的不利的外部效应——如今，AI 所训练的目标函数通常针对的是单一目标，例如赚钱（或者更多的点击量、广告），因此，AI 有可能过度热衷于企业的目标绩效，而不考虑用户的福祉。
AI 专家斯图尔特·拉塞尔（Stuart Russell）提出了另一种解决方法，他主张在设计目标函数时需要考虑人类的福祉，并让人类更大程度地参与数据标注和目标函数的设计，比如我们能否建立关于“更大的人类利益”的目标函数——诸如“人类的幸福”之类的目标函数？
我们需要全力以赴应对 AI 的公平性问题和偏见问题。第一，使用 AI 的公司应该披露 AI 系统被用在哪里以及使用目的。第二，AI 工程师应该接受一套职业道德准则的培训——类似医学生宣誓用的“希波克拉底誓言”。
深度学习的第三个问题，就是它的不可解释性。人类总是能解释人类决策背后的原因，因为人类的决策过程本身比较简单，是基于经验积累得出的规则。可是，深度学习的决策基于复杂的方程组，这种方程组有数千个特征和数百万个参数，深度学习决策的“理由”，就是在一个有数千个维度的“空间”里经过海量数据训练而得出的数学方程组，要把这个方程组精确地简化成一个人类可以听得懂的“原因”，基本上是不可能的。
开复导读
现在，防伪检测器成了保障网络安全的一项标准配置，在欧美、亚洲等地已被写入信息安全法，但在尼日利亚，只有主流内容平台和政府网站才要求配备。
原因很简单。过于严苛的防伪检测器设置会消耗大量算力成本，同时让视频加载速度变得缓慢，影响用户体验。一般来说，政府网站和官方新闻网站数据流量有限，其防伪检测器会采用最高级别的设置。而一般的社交网站和视频平台，则会针对当下最流行的伪造算法进行精确打击，其防伪级别会根据内容传播的数据量动态调整，数据量越大，检测越严苛。
这些算法包括但不局限于超高分辨率的面部识别，结合传感器和人体工程学的步态识别、手/指几何学识别和体态识别，涉及语音、语义及情感计算的说者识别，从真实视频中采集生物信号进行脉搏识别，等等
给医疗 AI 的训练数据集换脸以保护隐私，同时保留患者的面部病征；或者给老旧的黑白影片上色、提高分辨率，甚至修改演员嘴形以配合不同的语言；或者通过图像快速评估水果和农产品质量；或者一些他不太敢去想的事情，比如拍一部真正的尼莱坞电影。
什么是计算机视觉技术
在人的六感之中，视觉是最重要的。计算机视觉（Computer Vision，CV）是 AI 的技术分支之一，主要研究如何让计算机拥有“看”的能力。这里的“看”不仅意味着看到并捕捉一段视频或图片，而且意味着能够分析并理解图像序列的内容和含义。
计算机视觉技术的应用
应用于军事领域，将敌方士兵与平民区分开，或打造无人机和自动驾驶汽车。
生成式对抗网络
和人学习类似,从模仿到生产到反馈矫正
Deepfake 换脸术建立在一种名为生成式对抗网络（GAN）的技术基础之上。顾名思义，GAN 是由一对互相对抗（博弈）的网络组成的深度学习神经网络。
其中的一个网络名为生成式网络，负责尝试生成一些看起来很真实的东西，例如基于数百万张狗的图片，合成一张虚构的狗的图片。另一个网络名为判别式网络，它会把生成式网络所合成的狗的图片与真实的狗的图片进行比较，确定生成式网络的输出是真是假。
AI 安全
与传统的黑客攻击相比，对数据“下毒”的攻击手段更难被人类察觉。问题主要出在 AI 系统架构上面——模型中的复杂运算全部在成千上万层的神经网络中自主进行，而不是按照确切代码的指引进行的，所以 AI 系统先天就具有不可解释性，也不容易被“调试”。
尽管困难重重，但我们仍然可以采取明确的措施来阻止上述情况发生。例如，加强模型训练及执行环境的安全性，创建自动检查“中毒”迹象的工具，以及开发专门用于防止篡改数据或与其类似的规避手段的技术。
开复导读
“价格是指你支付了多少，价值是指你获得了多少。”（Price is what you pay. Value is what you get.）
银雀特殊的认知和情感模式是否打破了 AI 以强化竞争为导向的反馈循环，转向对内在自我的探索？
首先，他要了解一家公司，学会如何从公开渠道收集资料，根据历史数据建立财务模型，从当前经营状况对未来做出预测。然后，把这家公司放到整个行业上下游的价值链里，分析它的优劣势、风险与机会。最后，总结成一份具有参考价值的投资报告。
开复解读
在接下来的 20 年里，人类是否有机会像故事中所描绘的那样，与先进的 AI 伙伴建立和谐关系？我想，毋庸置疑，这件事将发生在孩子身上。孩子在主观上把身边的玩具、宠物等拟人化是一个较为普遍的现象，有时他们甚至会与“假想朋友”沟通交流。这是 AI 伙伴诞生的绝佳机会，人们可以借此为孩子提供个性化的学习方式，帮助他们学习 AI 时代的关键技能，例如创造力、沟通技巧以及同理心。与人类一样，AI 伙伴能够与孩子对话、倾听孩子的想法、理解孩子的心声，这将为孩子未来的人生发展带来巨大的影响。
自然语言处理（NLP）
AI 发展史上著名的“图灵测试”，就是把利用自然语言进行交流的能力当作判断机器是否已达到拟人化“智能”的关键指标——如果机器在对话交流中做到成功地让人类误认为它也是“人类”，就意味着机器通过了图灵测试。
从 20 世纪 50 年代起，计算语言学家就有过这样的尝试：使用教孩子学习语言的方式去教计算机，从最基础的词汇、语法开始，由浅入深，逐步深入。但进展缓慢，效果并不显著。直到近年，深度学习技术横空出世，打破僵局，使科学家在教计算机学习语言这件事上，彻底摒弃了传统的计算语言学方法。
有监督的 NLP
因此，有监督的 NLP 模型的训练数据应尽量穷尽针对同一种意图所可能使用的尽可能多的表达方式，但是只有经过人工标注的数据才能训练出有效的语言理解模型。
在自然语言处理领域，有监督学习催生出一个新的职业——数据标注
自监督的 NLP
除有监督的 NLP 外，最近，研究人员还开发了一种自监督的 NLP。所谓自监督，就是在训练 NLP 模型时，无须人工标注输入、输出数据，从而打破了我们刚刚讨论的有监督学习的技术瓶颈。这种自监督学习方法名为“序列转导”（Sequence Transduction）。
在谷歌的 Transformer 之后，最著名的“通用预训练转换器 3”（Generative Pre-trained Transformer 3，GPT-3）在 2020 年问世了。GPT-3 由 AI 研究机构 OpenAI 打造，这个机构最初由美国著名企业家埃隆·马斯克等人发起，对标谷歌旗下的英国 AI 公司 DeepMind。
NLP 应用平台
GPT-3 最令人兴奋的潜力在于，它有望成为一个崭新的平台或底层架构。基于此，开发者将得以快速构建针对特定领域的应用。
GPT-3 发布后仅仅几个月，人们就在上面搭建了各种应用程序。有让用户与历史人物穿越时空对话的聊天机器人；有根据用户按下的吉他音符自动完成后续乐曲创作的作曲器；有依照用户给出的半张图片自动补全整幅画作的图像生成器；甚至有一款名为 DALL.E 的应用，能够按照用户输入的随机文本生成相应的图片。
NLP 能通过图灵测试或者成为通用人工智能吗
在人类对大脑有进一步了解之前，我们都无法判断人类是如何拥有这些能力的
因为人类智能的核心是思考、推理、规划和创造。
实际上，这段自我批评是由 GPT-3 按照被给定的观点，用它以前看过的相关词句“机械地”堆砌而成，并不是 GPT-3 发自内心的自我反省及评判。所以，它完全不知道自己说的这段话是什么意思，其根本原因在于 GPT-3 不具备自我认知的能力。
在未来的几十年里，这些理论将接受考验，或者被证实有效，或者被证伪出局。先提出假设，然后验证假设，这就是遵循求真原则的科学活动的过程模式。
无论这些理论未来的验证结果如何，我始终相信，机器“电脑”与人类“大脑”的“思考”模式截然不同，提升机器“智能”的最佳途径是开发通用计算方法（如深度学习、GPT-3），在数据持续增加和算力持续升级的基础上，这些通用计算方法会使机器逐渐变得更“智能”。
同时，我也建议大家，不要把通用人工智能视为 AI 发展的终极目标。我在第一章曾重点提到，AI 的“思考模式”与人类的思考模式完全不同。20 年后，基于深度学习的机器及其“后代”也许会在很多任务上击败人类，但在很多任务上，人类会比机器更擅长。而且，如果 AI 的进步推动了人类的发展和进化，我认为，届时甚至会出现新的更能凸显人类智慧的任务。
我认为，我们应该把精力放在开发适合 AI 的、实用的应用程序上，并寻求人类与 AI 的良性共生，而不是纠结于基于深度学习的 AI 能否成为或者何时成为通用人工智能的问题。人类对通用人工智能的过度痴迷和追求的背后，实际上隐藏着这样一种观点：只有人类才是智能的黄金标杆 ── 这是人类的一种自恋倾向。
教育领域的 AI
例如，对于喜欢篮球的学生来说，很多数学题目都可以被 NLP 算法重新编写成篮球运动场景中的问题，为枯燥的学习过程增添个体性的趣味。
第一个重要角色是做学生的个性化人生导师。人类教师有着机器所无法取代的人性光芒，能够理解学生的心理及情绪，加上人类教师能够与在教学中承担重复性、标准化任务的 AI 助教无缝配合，因此人类教师不必再把主要精力放在传授死记硬背的知识上，而是可以把更多的时间用在培养学生的价值观、性格、情商上，以及培养学生的批判性思维、创造力、应变能力等非知识性的软实力上。
人类教师的第二个重要角色是对 AI 导师、AI 伙伴的工作进行前瞻性的规划及指导，定义下一个阶段的目标，以便进一步满足学生的需求，甚至主动探索学生在未来可能出现的新需求，帮助学生拓展发展领域。要想真正做到这一点，人类教师不仅要充分利用自己的教学经验和知识积累，还要深入挖掘学生的潜能，充分关注学生的梦想，成为学生成长之路上的灯塔。
读这段文字的时候，内心很触动，科技改变生活
未来这种人类教师教学与 AI 教学灵活协作的新型教育模式，能够大幅度拓展教育的深度和广度，从本质上帮助每一名成长于 AI 时代的孩子最大限度地发挥个人潜力，引导他们“追随我心”，做最好的自己。
开复导读
我会享受这样的未来吗？
毕竟在这个云工作时代，除了满足老板的控制欲与虚荣心外，并没有太多工作需要肉身在场。所有生活需求都可以靠无人快递与家务机器人来满足，这是一种她曾经生活在米字旗下的父辈完全无法想象的现代化生活。历史的快车道将新加坡人带到了一个陌生而眩晕的未来。
开复解读
2042 年当我们回顾，我们可能会看到过去 20 年医疗领域是 AI 颠覆最大的行业。
数字医疗与人工智能的融合
首先，现有的医疗数据库和流程将实现数字化，包括患者记录、药效、医疗器械、可穿戴设备、临床试验、监测医疗质量、监测传染病传播以及跟踪药品和疫苗供应。数字化将创造海量的数据库，这将大大推动 AI 的新应用和新机会。
AI 能够读透，而人类无法阅读。CRISPR 是突破性的基因编辑技术，未来有可能根除许多疾病。
我相信人工智能和医学界已经从 Watson 吸取了教训，开始务实地转移注意力到 AI 更适合的领域，比如药物和疫苗研发、可穿戴设备的数据采集、DNA 测序的应用、放射科的辅助看片、病理科的辅助诊断，以及用精准医疗作为医生助手。
AI 在蛋白质折叠、药物筛选及研发方面的潜力
一旦掌握了蛋白质的三维结构，“药物再利用”就成了一种能够帮科学家快速找到有效治疗手段的方法，即尝试每一种已经证明对一些小病安全、有效的现有药物，看看其中哪些药物可能成功嵌入当前病毒的蛋白质三维结构。
“药物再利用”方法有可能成为一条捷径，从而使人类能够在一场严重的流行病发生之初就阻止病毒的传播。因为这些能被“再利用”的药物均已通过不良反应测试，可以直接使用，无须再经过大范围临床试验。《无接触之恋》中的男主角加西亚在被检测出携带 COVID-Ar-41 的变体病毒后，临床中心就立即启动了 AI 程序，以“再利用”一种能够减轻他的症状的药物。
除利用计算机模拟进行研究的“干实验”外，还有一种“湿实验”，即在实验室培养皿中对人体细胞展开药物测试。对于这一类实验，AI 同样有很大的施展空间。在今天，由机器人来主导这类实验，会比由实验室技术员来操作更加高效，而且可以采集到更多的数据。镁伽机器人就是这样的先进公司，镁伽的实验室机器人，无须人工干预，就能进行 24 小时全天候的重复实验，这将大大加快药物的研发速度。
AI 与精准医疗及诊断：让人类活得更加健康长寿
心理学医生
多年后，可能大多数医生，会从亲自诊疗转向审阅 AI 系统的诊疗结果；他们的工作重心，将更多地放在给予患者更多的同理心和关怀上，放在与患者进行更多的沟通与交流上。
机器人技术
精准复刻人类的视觉、运动和操控能力是机器人技术的基础。一个合格的机器人不仅要具备自动化能力，还应该拥有自主性。这意味着当人们把决策权交给机器人时，机器人需要能够根据环境的变化进行规划、收集信息并反馈、即时调整或临场发挥。
人们将在特定环境中独立开发机器人的各单项能力，然后随着时间的推移，逐渐攻破各技术之间的壁垒。
机器人技术的工业应用
只有当业界预见到一些高价值的应用能够落地时，那些与之相关的耗资巨大的技术才有机会不断发展、走向成熟。
软体机器人可以比人手更完美地抓取鸡蛋黄
AI 时代的数字化工作
在 2020 年末，比尔·盖茨曾预测，未来将有超过 50%的商务旅行会消失，取而代之的，是更有效率的虚拟会议。他还预测，30%的办公室工作会消失，企业将允许某些岗位的员工永久性地在家办公。麻省理工学院的经济学家 David Autor 将新冠肺炎疫情与经济危机称为“自动化推手”，认为它们驱动了人类三大需求——提升生产力、降低成本、保障人类生命健康的发展。
在不久的将来，商务会议将通过自动语音识别技术实现存档和转录，所有过去的会议都将有迹可循，而不会成为过眼云烟。这也有助于人们更好地履行承诺、规划日程、洞察可能出现的异常，以及提升工作效率和管理能力。
根据历史经验，自动化进程的推进，往往发生在经济危机与技术成熟这两个条件同时满足的情况下。
开复导读
文学图书是一个缓慢萎缩却又细水长流的市场，利益没有大到引起科技巨头觊觎的程度，又高度依赖于人类的创造力与审美经验，所以文学编辑仍然顽强地捍卫着人类尊严最后的防线。
什么是元宇宙
元宇宙（Metaverse）的概念起源于美国作家尼尔·斯蒂芬森于 1992 年出版的科幻小说《雪崩》，书中描述的是一个和现实世界平行但又紧密联系的超现实主义的三维数字虚拟空间，在现实世界中地理位置彼此隔绝的人们可以通过自定义的“化身”在元宇宙中进行交流娱乐。
Roblox 的首席执行官巴斯祖奇认为，元宇宙有八大特征，分别是身份、朋友、沉浸感、低延迟、多元化、随时随地、经济系统和文明。
什么是 XR（AR/VR/MR）
XR 包括三种技术：AR、VR、MR。
近年来出现了一种比 AR 更高级的技术——MR（Mixed Reality）即混合现实。MR 通过在虚拟环境中引入现实场景信息，在虚拟世界、现实世界和用户之间搭起一个交互反馈的信息桥梁。MR 所构建的虚拟场景并非虚拟信息的简单叠加，而是需要理解场景，通过在虚拟环境中引入现实场景信息，将现实世界和虚拟世界融合后产生一个新的可视化环境，在虚拟世界、现实世界和用户之间搭起一个交互反馈的信息回路，其显示的数字内容和现实世界内容能够实时交互，以增强用户体验的真实感。
XR 技术的两大挑战：裸眼显示和脑机接口
如果说裸眼是 XR 最自然的信息“输出”接口，那么最自然的信息“输入”方式就必定是脑机接口（BCI）了。
开复导读
“……告诉人们真相，并让他们承受后果，或者欺骗他们，但是让他们过上更好的生活……”杨娟的京腔儿此时听起来很诚恳。
“如果愿意掏钱，任何人都可以享受这样的特殊通道。有一家公司做了道路竞价的智能合约，比如，我愿意给每辆让道的车子一块钱，如果有的车子不愿意，我就得加价，直到达成共识。比如，我想早到办公室 5 分钟，大概要花 50 元人民币吧。”曾馨兰补充道。
“我想，为了谋生，也为了救人，以抵消我们的业报。”朱尼厄斯自嘲地笑笑又收住，“或许，我们也有需要被救的一天。”
我们有一个说法，叫‘跃层冲击’。社会发展就像盖楼，得一层层盖，不可能盖完第一层后直接就盖顶层。每个社会其实都处于不同的楼层，往往处于更低楼层的社会，要承受来自更高楼层的社会发展带来的更大冲击……”
自动驾驶
国际自动机工程师学会（SAE International）根据 AI 参与驾驶的程度，将自动驾驶从 L0 到 L5 一共划分为六个等级（Level），具体如下。
L0 （“无自动化”的人工驾驶）：人类驾驶员承担所有的驾驶任务，AI 会观测道路并在必要时提醒驾驶员。
L1 （“人类不能放手”的辅助驾驶）：在人类驾驶员的允许下，AI 可以完成特定的驾驶操作，如转向。
L2 （“人类放手”的部分自动驾驶）：AI 可以承担多项驾驶任务，如转向、刹车、加速，但人类驾驶员仍然需要监控驾驶环境，并在必要时接管车辆。
L3 （“人类移开视线”的有条件自动驾驶）：AI 可以承担大部分驾驶任务，但需要人类驾驶员在 AI 遇到无法处理的情况并发出请求时接管车辆（有一些人对 L3 持怀疑态度，认为人类驾驶员突然接管车辆会增加危险发生的可能性，而不是降低风险）。
L4 （“人类放松大脑”的高度自动驾驶）：AI 可以在整个行车过程中完全接管车辆，但前提是车辆处于 AI 能够完全理解其状况并处理其问题的环境中，如被高精度地图覆盖的城市路面或者高速公路。
L5 （“不再需要方向盘”的完全自动驾驶）：无论车辆处于何种环境，都不再需要人类驾驶员参与驾驶操作。
真正的自动驾驶什么时候才会出现
要加速这一进程，更有效的办法是大胆改造现有的城市道路及相关的基础设施。
在通常情况下，我们是在当前城市道路的基础上畅想 L5 自动驾驶的。但是，如果我们有可以嵌入传感器和无线通信设备的“增强版城市道路”，那么，道路是否就可以主动“告诉”车辆前方有危险，或者让车辆能“看到”其视野之外的路况？
L5 自动驾驶车辆将带来的影响
这将为消费者降低近 75%的成本，从而进一步吸引消费者选择自动驾驶共享汽车出行，不必再自己买车。
美国人平均每周要在开车这件事上花费 8.5 小时，而在未来的自动驾驶时代，人们将额外获得这 8.5 小时的宝贵时光：自动驾驶车辆的内饰会重新配置，人们在车内可以工作、通信、娱乐，甚至睡觉。由于许多日常出行是一人出行或两人出行，所以共享的自动驾驶车辆可以被设计成小型车。但即使是小型车也能配备舒适的躺椅，在冰箱里装好饮料零食，还有一块大屏幕，便于视频通话或娱乐。
AI 的特点是它的良性循环：更多的数据带来更好的 AI，更有效的自动化带来更高的效率，更频繁地使用带来更低的成本，更多的时间带来更高的生产力。
据统计，目前，车辆有 95%的时间都闲置在停车场里，在这种情况下，很多停车场的存在，其实是对土地资源的一种很严重的浪费。总的来说，共享自动驾驶车辆所带来的这些变化，将减少交通拥堵，降低燃料消耗，改善空气污染，节约城市空间，使人们的生活和地球环境更为美好。
阻碍 L5 自动驾驶的非技术性难题
生命可贵。显然，每个身处自动驾驶领域的公司都必须谨慎行事。针对这个问题，目前有两种典型的做法。
其一，在推出自动驾驶产品之前保持谨小慎微，在绝对安全的环境中缓慢收集数据，以避免任何死亡事故。这是谷歌旗下的自动驾驶公司 Waymo 的做法。
其二，在只能说还算安全的情况下尽快推出自动驾驶产品，以扩大所收集的真实数据的规模——要知道，虽然这种做法在开始的时候可能会导致较多的死亡事故，但在未来，AI 系统势必会挽救更多的生命。这是特斯拉的做法。
因此，我们一方面需要明确保护软件缺陷受害者权益的法律条款，另一方面需要确保技术进步不会因过度索赔而停滞不前。
开复导读
全新的颠覆式技术既可以成为人类的普罗米修斯之火，也可以沦为人类的潘多拉之盒。结果如何，完全取决于人如何运用这些技术。
AI 给出一个非常规的手段——通过侵入人质身上的电子植入物，比如电子义眼与电子耳蜗，建立起遥控的监视网。
在电子植入物如此普及的年代，独立的通信频段能够保证这些性命攸关的电子器官不受干扰以及享受超低延时，这也给了 EC3 一个绕过恐怖分子防线的缺口。于是，人质成了彼此独立的“耳朵”和“眼睛”，通过谨慎的协作，可以将船舱内的情况通过视觉信号传送出来。
两人已经置身于 EC3 密级最高的实验室“瓦肯 7”里。之所以叫这个名字，是因为这里的每一个人都像电影《星际迷航》里的瓦肯星人一样，高度崇尚理性与逻辑。一切缺乏证据的猜测都会被嗤之以鼻，被斥为科幻小说般的狂想。
“比如，我们总是寄望于用越来越强大的算力来暴力解决问题，却从来不关心 GPT 会产生多少额外的碳排放。人类文明就像一辆开往悬崖边缘的车子，加速主义者不断踩油门，结果就是大规模自杀……”马克做出一个夸张的爆炸手势。
开复解读
我预测，到了 2042 年，量子计算将有 80%的概率进入实用阶段。如果这能够成真，它带给人类的影响将会远超 AI。量子计算是一种通用目的技术（general purpose technology，GPT），不仅可以极大地促进科技进步，还能够帮助人类真正了解宇宙。
量子计算
量子纠缠指两个量子比特无论相距多远，都会保持联系——一个量子比特的状态发生变化会影响另一个量子比特，就好比一对存在心电感应的双胞胎。由于量子纠缠所具备的特性，量子计算机每增加一个量子比特，算力就会成倍提升。如果我们想让一台价值 1 亿美元的超级传统计算机的算力翻倍，可能还得再投入 1 亿美元。但要让一台量子计算机的算力翻倍，我们只需要再增加一个量子比特就可以了。
量子计算机对自身内部硬件的要求非常高，对周围环境非常敏感，轻微的振动、电气干扰、温度变化、电磁波等，都可能导致量子的纠缠态衰减甚至消失。
谷歌在 2019 年宣布实现“量子霸权”是一个重要的科技里程碑，但这个成就在实际应用方面的意义有限，主要由于以下几个原因：
- 特定问题专用： 谷歌的量子处理器是为了解决一个特定的、理论上的问题而设计的，而这个问题并不具有广泛的实际应用价值。
- 缺乏普遍性： 量子计算机在处理某些类型的问题上非常高效，例如量子模拟、优化问题等。但对于大多数常规计算任务，它们并不比传统计算机更优越。
- 错误率和稳定性： 当前的量子计算机还面临着较高的错误率和稳定性问题。量子位很容易受到外界环境的干扰，这使得维持计算的准确性成为一大挑战。
- 早期阶段： 量子计算仍处于发展的早期阶段。虽然实现了“量子霸权”，但离实用的、大规模的量子计算机仍有很长的路要走。
因此，尽管谷歌实现了一个重要的科学突破，但在量子计算技术成熟并广泛应用于解决实际问题之前，这一成就的实际应用价值还是有限的。谷歌在 2019 年首次宣布实现“量子霸权”，其有 54 个量子比特的处理器，能够在几分钟内便解决需要传统计算机耗费很多年才能算出结果的问题。但可惜的是，这个并没有什么实际意义。
根据专家们的意见，到 2042 年，我们将有 80%的概率见证搭载 4000 个逻辑量子比特（和超过 100 万个物理量子比特）的超强量子计算机出现，届时它将如故事《人类刹车计划》中所描述的那样，有能力破解如今的比特币密钥。
谷歌在宣布实现“量子霸权”后，便把模拟新药分子作为下一个突破方向。腾讯的量子实验室，也明确表示已开展了该方向的合作和探索。
量子计算机可以模拟许多传统计算机无法理解的复杂的自然现象。除药物研发外，量子计算机在应对气候变化、预测疫情风险、发明新材料、探索太空、模拟大脑以及理解量子物理等方面也大有可为。
量子计算机也将成为推动 AI 发展最重要的助推器。它的作用不仅仅是让深度学习算法运行得更快。人们可以在一台量子计算机上编程，让量子比特表示出所有可能的解决方案，然后整个系统会并行地为每个可能的解决方案打分，接下来，量子计算机将尝试在很短的时间内找到最佳答案。量子计算和 AI 的结合可能带来革命性的飞跃，并且解决现在无解的问题。
量子计算在安全领域的应用
1994 年，麻省理工学院教授彼得·肖尔在一篇开创性论文中提出了用量子算法来有效解决质因数分解问题，一旦有了约 4000 个量子比特的量子计算机，用这个量子算法就可以破解一些非对称加密算法，如当下最普遍的 RSA 加密算法。有人认为，正是这篇论文激发了人们对量子计算的关注和兴趣。
为什么人们会公开他们的钱包地址和公钥？其实这是比特币的早期设计缺陷。比特币专家已经意识到了这个漏洞。
那么如何提升加密算法的安全性呢？其实，“防量子”算法已经出现了。彼得·肖尔也证明了，人们可以利用量子计算机构建坚不可摧的加密算法。哪怕入侵者使用了强大的量子计算机，也无法破解这种基于量子力学的加密算法。只有当量子力学原理被发现存在错误时，入侵者才会有机可乘。
什么是自主武器
自主武器被视为继火药、核武器之后的“第三次战争革命”。虽然地雷和导弹揭开了早期简单自主武器的序幕，但运用了 AI 技术的真正的自主武器才是正片。AI 自主武器让整个杀戮过程——搜寻目标、进入战斗、抹杀生命⸺完全无须人类参与。
自主武器的利与弊
自主武器有好的一面。第一，如果由机器人来取代人类的战士，那么自主武器可以挽救士兵的生命。第二，一支负责的军队可以用自主武器来引导士兵（无论是人类还是机器人）只攻击敌方战斗人员，以免伤害无辜的友军、儿童和平民（类似于 L2/L3 级别自动驾驶车辆帮助人类驾驶员避免犯错）。第三，自主武器还可以用于对付暗杀者、罪犯、恐怖分子。
开复导读
我将分享我对这些问题的思考，说明机器人流程自动化（RPA）以及机器人技术将如何演进，从而接管白领工人和蓝领工人的工作——这将是我们及我们的下一代必须面对的挑战。
随着 AI 技术的发展，可持续发展的终身职业越来越少，为失业者寻找新的就业机会并不容易。
“这没一点道理。你知道我们多辛苦才报出这个数字，又是再培训，又是异地就业，就算加州不需要建筑工人，也许宾州需要，就算美国不需要，也许欧洲需要。就这么一点点从指甲缝里抠泥巴，才做出 28.6%。100%？嗤！直接给我来一枪算了！”
“让我猜猜……你们能一次性拿到政府给这些人的 3 年失业金和培训补贴？加上兰德马克的赔偿金，然后再分期发放给工人，等于一笔 3 年期的贴息贷款？我猜 3 年后这家公司会申请破产，溜之大吉。这事儿合法吗？那些工人怎么办？”
我们只是缓解社会矛盾的缓冲带和减压阀，一次次给这些人虚假的希望，让他们不断放低自己的要求，就像慢性毒药一样，让他们逐渐接受被技术驱逐和边缘化的命运。我们真的帮到他们了吗？还是不公平的帮凶？”
迈克尔看着巨大的城市集群在夕阳下闪耀金光，那是 100 多年来由无数工人一砖一瓦建造而成的，历经地震、大火、瘟疫、污染……依然屹立不倒，绽放生机。每当想到这些建造者如今即将成为时代的淘汰品，一群无用之人，迈克尔的心里就沉甸甸的，他已经使尽浑身解数，却依然无能为力。他下意识地摸了摸自己的衣兜，寄望那里面能有一包烟可以纾解焦虑，却想起自己已经戒掉好几年了。人类真是太不完美了。他心想。
他对智能助手的每一次纠错，都是在标注数据，帮助它变得越来越聪明，以替代越来越多人类职员。这就像往火堆里添柴火，加热锅里的温水，却完全没有意识到自己正是那只被慢慢煮熟的青蛙。
美丽的谎言或许可以帮助过渡，也可能是毒药麻痹剩余的时间。无论是清醒的痛苦还是无知的快乐，都不是个人选择，而是自然选择。
一旦通过，这意味着初级职业再造师的客户中将有一部分是数字人，它们有些来自真实人类原型，有些完全由 AI 生成，模拟不同类型的失业者。数字人的拟真程度如此之高，以至于人类员工难以分辨。在这一过程中，数字人会对职业再造师的工作表现进行评判，选拔有能力晋升为管理层的人。
剩下的人，也许只能重复在其他行业已经上演过的游戏。甚至更为荒谬，会作为真实人类帮助虚拟失业者寻找虚拟的工作机会。
开复解读
《职业救星》这个故事想探讨的核心问题是：在 AI 时代，是否有足够多的工作需要人类去做；有没有必要设计一些纯“虚拟”的工作场景，使失业者有机会再次获得唯有通过工作才能产生的成就感和满足感，即使他们并非真的在创造实质性的效益。
是的呀，人对于就业的价值也是社会创造的结果，当不缺劳动力的时候，劳动还会是最光荣吗？
在 AI 的参与下，未来的工作会演变成什么样子？哪些人类员工是可以被 AI 取代的？哪些工作又是 AI 力不能及的？或者说，人类是否需要重新建构对就业的认知，并为此制定全新的社会契约？另外，在 AI 时代，如果我们不必再把大部分时间花在工作上，那么我们的生活方式是否会发生颠覆性的改变？
AI 将如何取代人类员工
想象一下，在一个有 100 名员工的人力资源部门，有 20 名员工的主要工作是筛选简历——将求职者的信息与岗位说明中的任职标准进行比较。如果上马 RPA 后，筛选效率提升一倍，就会导致其中 10 名员工失业，而在 RPA 根据更多数据和经验完成了进一步的学习后，可能会在某个时间点取代剩下的 10 名员工。
与此同时，在与求职者进行电子邮件沟通、安排面试、反馈协调、招聘决策，甚至有关入职的基本谈判方面，RPA 也都具备非常大的潜力。
有乐观主义者认为，新兴技术导致的生产力提升，总能带来相应的经济效益，而经济的增长和繁荣，则意味着能够带来更多的就业机会。但是，与其他新兴技术不同，AI 是一种“无所不能”的技术，它将直接对数百个行业以及数以百万计的工作岗位带来冲击。这种冲击不仅包括对体力劳动的替代，还包括在认知上带来的挑战。
大多数技术都会在取代一部分岗位上的人类员工的同时，创造一部分新的就业机会，例如，流水装配线彻底改变了汽车工业——从工匠手工组装昂贵的汽车，到普通工人制造更多的平价汽车。可是，AI 却与此不同，它的目标非常明确，就是接管人类的工作任务，这会直接导致人类就业机会的减少。而且，AI 并不会仅仅局限于单一领域的技术，它会“入侵”各行各业。
AI 取代人类员工背后的潜在危机
首先，失业人数上升会导致岗位竞争加剧，蓝领和白领的薪资可能因此被压缩。然而，与此同时，AI 算法却有可能帮助科技巨头在更短的时间内获得更多的收益，造就更多的亿万富翁，于是收入和财富不平等的问题会愈演愈烈。
英国经济学巨擘亚当·斯密提出的自由市场的自我调节机制（例如，高失业率会压低工资，受其影响，物价降低，进而反向刺激消费，最终会使经济重回正轨），在 AI 时代下将不再有效，甚至会彻底崩溃。如果不未雨绸缪对此加以控制，而是任其自然发展下去，可能就会出现新的社会阶层划分：上层是极其富有的 AI 精英；中层是数量相对较少的一部分从事复杂工作的雇员，这些雇员的工作涉及广泛的技能、大量的战略性规划以及创意，这些雇员中的一大部分人收入较低；下层则是最庞大的社会群体——无力挣扎的普通民众。
比起失去工作，对于人类来说更为不幸的是失去人生的意义，所以人类在精神层面遭遇的挑战同样值得关注。
未来，人们将看到，在其毕生扎根、钻研的工作中，自己会被 AI 算法和机器人轻而易举地超越。那些从小就梦想进入某些行业的年轻人，他们的希望可能会就此幻灭。
自从工业革命以来，无形中，人们被灌输了一种观念——工作是我们实现自我价值的主要途径。这种根深蒂固的传统观念一旦被颠覆，人们将很难获得自我认同感，反而会产生挫败感。此时，有的人可能会选择滥用药物来逃避现实，有的人可能患上抑郁症甚至选择自杀［据美国报道，在某些遭受现代科技强烈影响的行业（如出租车司机），从业者自杀的人数激增］。更糟糕的是，AI 的广泛冲击会使人们开始质疑自己存在的价值，以及生而为人的意义。
UBI 会是一剂良方吗
在 2020 年美国总统大选前，候选人之一杨安泽提出了一种名为“自由红利”的 UBI 的变体政策作为自己竞选的理论基石，并把它视为对抗 AI 和自动化浪潮的一剂良方。虽然杨安泽没有在竞选中走到最后，可是作为一名政治新手，他在竞选中赢得了超出大多数权威人士预期的成绩，而且在 2021 年的纽约市长选举中呼声最高。其中的一部分原因是 UBI 的吸引力，另一部分原因或许就是他阐明了制约经济发展的重大瓶颈，指出了被其他政客忽略的事实，从而引起了劳工阶层的共鸣。
从事哪些工作的人不容易被 AI 取代
我认为，在以下 3 个方面，AI 存在明显不足，即便到了 2042 年，AI 可能仍然无法完全掌握这些能力。
第一，创造力。AI 不具备进行创造、构思以及战略性规划的能力。尽管 AI 非常擅长针对单一领域的任务进行优化，使目标函数达到最优值，但它无法选择自己的目标，无法跨领域构思，无法进行创造性的思考，也难以具备那些对人类而言不言自明的常识。
第二，同理心。AI 没有“同情”“关爱”之类的“感同身受”的感觉，无法在情感方面实现与人类的真正互动，无法给他人带去关怀。
尽管目前科研人员已经致力于改进 AI 在这一方面的缺陷，但人类在需要情感互动的时候，仍然很难从一个机器人的身上得到心里所期待的真心的关怀，收获心灵上的慰藉。这也就是所谓的不够“人性化”。
第三，灵活性。AI 和机器人技术无法完成一些精确而复杂的体力工作，如灵巧的手眼协作。此外，AI 还难以很好地应对未知的或非结构化的空间，并在其中执行工作任务，尤其是它观察不到的空间。
图8-1 智力型工作被AI接管的二维图
图8-2 劳力型工作被AI接管的二维图
如何化解 AI 时代的人类工作危机
AI 所引发的新经济革命已现端倪，随之而来的工作消亡问题将是人类命运共同体所面对的时代性挑战。对此，我建议把“3R”作为人类应对 AI 经济变革的途径，即二次学习（Relearn）、二次定义（Recalibrate）和二次复兴（Renaissance）。
我们甚至可以考虑把目前“志愿者服务”类型的工作调整为全职薪酬型工作，诸如献血中心服务人员、寄养服务提供者、夏令营老师、心理咨询师等，也包括一些为了照顾家中老人不得不离开职场的成年人。另外，可以预见的是，自动化时代一旦到来，社会将需要大批志愿者为失业人员提供热线咨询，帮助他们解决在职场转型过程中遇到的疑虑和困难，排解心理压力，最大限度地避免由于失业所导致的社会问题的发生。这些志愿者也应当获得合理的报酬和社会的认可。
当我们对一些职业进行二次定义，充分把“以人为本”的人性特质和 AI 善于优化的技术优势深度结合起来之后，许多工作将被重塑，不少新兴岗位也将被创造出来。
了解人文，学习艺术学习感受美
在 AI 时代的人机协作中，AI 和人类合理分工、各展所长，AI 可以既智能又高效地承担起各种重复性任务，由此，人类从业者得以把更多的时间花在需要温情、创意、策略的人文层面的工作上，从而产生 1 ＋ 1 ＞ 2 的合作效应。
有了得当的培训和称心的工具，我们可以期待又一次“文艺复兴”的到来——由 AI 催生的人类释放激情、创造力迸发、人性升华的新高峰。
中国历史上有脍炙人口的唐诗、宋词、元曲，滥觞于意大利的欧洲文艺复兴则诞生了辉煌的文学、音乐、建筑、雕塑，这些作品在数百年后仍被人赞颂。那么，AI 新经济将会激荡出怎样的人文复兴？
如果让我预言这场由科技进步引发的“二次复兴”将具有什么意义，我想借用美国第二任总统约翰·亚当斯的名言：“我必须研究政治和战争，我的儿子们才有研究数学和哲学的自由。我的儿子们应该去研究数学、哲学、地理、自然史、造船、航海、商务和农业，为的是使他们的孩子有学习绘画、诗歌、音乐、建筑、雕塑、织绣和瓷艺的权利。”
迎接 AI 新经济以及制定全新的社会契约
除此之外，我们需要重新定义教育，培养出有创造力、有社交能力、掌握多学科知识的复合型人才。
我们还需要重新定义职业道德、公民权利、企业责任和政府的引导作用……简而言之，我们需要制定全新的社会契约。
开复导读
“嘿，我还以为这里的上流社会更喜欢用人类仆人呢。”
“的确如此，机器人和自动化让卡塔尔的外来劳工的比例从原先占总人口的 85%下降到 30%，他们大多从事机器无法替代的高端服务业，但在阿勒萨伊达岛上，我们选择了更为聪明的方式。”
“数据安全怎么保障？要知道，全世界没有一家公司会要求掌握这么多用户数据，我怎么感觉自己像是在玻璃箱里裸奔的小白鼠。”
“哈——！很棒的笑话。索洛科夫先生，阿勒萨伊达岛采用最先进的中间件（middleware）技术，您的数据会全部被加密，确保只有 AI 能够读取。而且这些数据仅用来为特定个人，也就是您，提供可溯源的服务与内容。如果您还不放心，您可以查看我们的代码。我们的算法是开源的，任何人都可以查看代码，以确保不会被恶意篡改或植入木马。”
巨头们用算法操控人们的心智，左右政治选举结果，散布关于种族仇恨与性别歧视的言论，滥用或泄露个人隐私，强化信息茧房，让用户沉迷于即时性的感官刺激，甚至上瘾。
在过去的 30 年里，各国尝试了许多办法来限制科技巨头越发膨胀的数据霸权，如加强政府监管力度、反垄断拆分、增强数据便携性、出台诸如《通用数据保护条例》（General Data Protection Regulation，GDPR）之类的隐私保护法律等，但这些都有一定的局限性。大概 20 年前，中间件作为一种新的思路逐渐萌芽，与互联网的历史相反，它从发展中国家兴起，倒逼这些巨头在堡垒坚固的成熟市场做出改变。
在过去 20 年里，许多开源社区和区块链公司试图开发出一个结合分布式计算、开源协议与联邦学习的中间件 AI 系统。但要获得足够全面的数据，需要在信息孤岛之间建立起强大的信任和共识，一个值得信赖的实体必不可少。卡塔尔的国家 AI 计划通过“再中心化”的策略，实现了许多商业平台无法企及的理想。
“现在这座岛比心理医生还要了解我。”维克多眨眨眼，“舒适，确实是舒适。可幸福？好像还谈不上，甚至还有一点点……厌倦？”
马赫迪选择让 AI 不断满足你们的各种感官需求，提升阈值，而我却选择相信幸福并没有那么简单。
只有 AI 才知道，每个人都是独一无二的。我们希望找到更多和幸福感相关的生物标记物，加入更多元的幸福衡量维度，也许是挑战性，也许是更深刻的人际关系，也许是全新的人生方向，也许是更长的心理周期……但前提是你同意加入。
他将这种恐惧告诉了阿基拉，她摇摇头：“你恐惧的并不是失败，而是失败带来的耻辱。”
维克多无言以对，公主说中了。
“这些年的研究让我懂得了一件事——通往自我实现的道路并非一路向上，而是起起落落，有高峰也有低谷。”
“我不太明白。”
“如果被不安全感控制，你就无法得到真正的爱和归属感。同样，如果被对失去爱的恐惧控制，你就无法得到真正的自尊。山顶并不意味着永恒的幸福，因为幸福存在于不断摆脱低层次的恐惧，去攀登更高山巅的动态过程之中。”
AI 时代的幸福准则
有研究表明，物质财富所带来的幸福感并不持久。心理学家迈克尔·艾森克（Michael Eysenck）用“享乐跑步机”来形容人类的幸福感状态——尽管生活中会有许多积极或消极的事情发生，个人的物质财富也有增有减，但人们的幸福感最终会调整到一个相对稳定的水平。正如一个人在跑步机上无论如何奋力向前跑，其实都没有离开原点一样。
如何利用 AI 衡量和提升幸福感
要想开发能够最大程度提升人类幸福感的 AI，人们首先要学会衡量幸福感。我想到了 3 种可行的方法，这些方法都是利用当下的技术就可以实现的。
第二种方法则依托于一系列日新月异的技术，如利用物联网设备（摄像头、麦克风、运动检测仪器、温度或湿度传感器等）捕捉用户的行为反应、面部表情、声音信息，然后使用情感计算算法（识别人类情绪和情感），输入所采集到的物联网数据，输出每个人的情绪识别结果。
第三种方法，是持续监测与特定感觉和情绪相关的激素水平。
人类的心理状态是由脑电波、大脑组织结构以及身体内的化学成分（激素）这三部分协同决定的。
实现更高层次的需求意味着不再寻求当下的满足感，而是要追寻人生的意义或目标，并为之付出长期的努力。
AI 数据：去中心化 vs.中心化
欧盟已经采取了针对性更强的措施——推行用于保护个人数据和隐私安全的《通用数据保护条例》，它被视为“史上最严”的数据监管条例。推行 GDPR 是一个良好的开端，为世界提供了一种新思路，有的国家正以此为基础构建自己的数据保护体系。
GDPR 的最终愿景是将个人数据的使用权还给个人，让每个人都能控制并知悉个人数据将会被谁查看、使用并从中获利，而且有权拒绝其他个人或机构使用这些数据。在最初推行的几年里，GDPR 取得了一些显著的成果，不仅成功地向大众普及了保护个人数据的重要意义以及隐私数据泄露的严重后果，还要求全世界的网站和 App 进行重构和重新设计，以最大限度减少对用户数据的恶意使用、错用以及滥用。严重违反该条例的公司，还会被处以巨额罚款。
当我们打开欧洲的网站或者 App 时，它们经常会弹出隐私条款窗口，要求我们授权。这种做法，一方面会对用户造成极大的干扰；另一方面，因为绝大多数用户都是未经思考就“同意”授权，所以并没有真正实现保护用户数据的目的。
“可信 AI”掌握我们的一切信息，所以可以响应来自各方的数据请求。也就是说，如果高德地图想知道我们的实时位置，淘宝想知道我们的家庭住址，那么“可信 AI”将代表我们，根据我们每个人的价值观和喜好，以及提出数据请求的企业的可信度，评估对方所提供的服务是否值得我们冒提供数据的风险，然后做出决策。
谁值得我们信赖并有资格存储我们所有的数据
最可靠的“可信 AI”持有者，应该是一个没有商业化营利目的的实体，只有这样的实体，才会毫无保留地把用户的利益放在优先位置。
随着时间的推移，未来可能会有全新的技术解决方案问世，它既能让人们享受到强大 AI 带来的福祉，又能够保障个人的数据及隐私的安全。目前，“隐私计算”这一研究领域正在兴起，在这一领域内也出现了一些让人们能够“鱼与熊掌兼得”的算法。
那些对新技术持怀疑态度的人，可能更认可类似于 GDPR 之类的强监管方案。至今，在应对 AI 这样强大的技术，以及保护海量数据这样颇具挑战性的事情上，人类的经验实在太少了。因此，我们必须以完全开放的态度去探索多样化的解决方案，这样才有可能找到技术创新与数据安全的最佳平衡点。
开复导读
故事中描述了未来社会的两种货币：一种是钱，其重要性日益减弱；另一种是代表声誉和尊重的价值的新货币，其重要性与日俱增。
2042 年，澳大利亚 65 岁以上老人的比例高达 35%，属于深度老龄化社会。在 AI 与机器人技术的冲击下，失业人口大幅攀升，通过职业再造计划，勉强将失业率保持在 12%左右。受冲击最严重的是 35 岁以下的年轻人，他们的收入来源单一、从业经验更少，在经济周期中的抗风险能力更差。其中，原住民更是弱势群体中的弱势群体，一是人口结构更加年轻，二是历史原因导致的种种结构性不公平（无论是文化程度、就业率、社会阶层还是平均寿命，原住民都远低于澳大利亚平均水平）。
澳大利亚并不贫穷，凭借丰富的自然资源和“AI 优先”的国家战略，在新能源、材料科学及健康科技上居全球领先地位。政府大力推行太阳能、风能等可再生能源，与成本低廉的超大容量锂离子电池阵列组合，通过智能电网在时空上灵活调度，不仅将这种“超级电力”的成本降到无限趋近于零，更重要的是消除了温室气体排放，使澳大利亚成为全球首批实现“碳中和”的国家之一。
政府希望引导民众形成新的认知——决定人生价值的是爱、归属感与尊重，而非财富。
ISA 发言人小威廉·斯沃茨博士则表示，这是一项充满创新意识与前瞻性的社会投资。他说：“一个缺少爱、归属感与尊重的社会注定会失败。朱库尔帕计划的核心在于从年青一代开始重建信心。我们相信，每一个人都能在这片丰饶的土地上实现自己的梦想，无论他是何种肤色、何种民族。”
“您说得对，BLC 给了人们足够的物质和安全保障，政府提供了免费的教育和培训机会，每个人都有了自由选择生活方式的权利，不应该受到任何束缚与绑架。但除了爱与归属感之外，我们应该看得更远。当一个人像您一样，追求尊重、自我实现时，她应该得到机会。朱库尔帕计划就应该提供这样的机会，帮助他们找到真正的自我，充分发挥潜能。无论是发挥领导力、探索火星奥秘、用 AI 恢复原住民语言，还是建设环保城市、用创造力和美愉悦心灵，甚至成为众人的英雄和偶像。个体自我实现的每一步努力与每一个成就都应该被看见，被认可，被激励。只有这样，我们的未来才有希望，而不是变成被偷走的新一代。”
开复解读
为什么在人类通往乌托邦的道路上，会有这么多阻碍呢？原因在于，如今的经济模式是为稀缺时代而设计的，并不适用于丰饶时代。如果一切物质都变成免费的了，那么金钱还有什么意义？如果这个世界上不再有金钱存在，那么习惯把赚钱视为前进动力并为此努力工作的人们将如何自处？以营利为目标的机构或公司，又将何去何从？
有未来主义者认为，在未来，技术发展的不可控性和不可逆性，会导致人类文明走向一个难以预测的境地，也就是所谓的奇点时代，而 2045 年被认定为“奇点”降临的年份。
材料革命：走向无限供给
新一轮材料革命近在眼前，人类正在经历彼得·戴曼迪斯提出的“去物质化”发展阶段。很多实体产品将被淘汰，转变成软件或平台上的数字化内容，我们过去熟悉的收音机、照相机/录像机、GPS、百科全书都是如此。这个数字化和去物质化的趋势正在快速蔓延，许多以前昂贵的产品最终将变成免费的。
好期待呀
在未来，人类的食物可能不再局限于过去品尝过的东西，而是会像如今的软硬件产品一样，先由科研人员根据现有食物的分子水平，创造出人类从未吃过的新食物，然后将其配方上传到数据库，接着以极低的成本批量生产，最后再摆上我们的餐桌。
农业生产的主要成本将是水、电、肥料的成本。未来（在可再生能源革命成功后）水电价格将接近于零，而且借助合成生物技术，我们可以利用细菌为作物提供生长所需的氮，彻底替代有毒的化学肥料。
丰饶时代：技术发展的必然结果
“后稀缺时代”，这个词的定义是“稀缺”不再存在，一切物质都免费的时代。在《丰饶之梦》中，各个国家的发展步调虽然并不一致，但都在朝着“后稀缺时代”的方向迈进。在像澳大利亚这样富裕的发达国家里，所有人的物质需求都能通过基本生活卡得到保障，全员过上了舒适的生活，而相比之下，贫穷落后的国家还有很长一段路要走。
从理论上讲，如今的美国在食物和住所方面应该达到“丰饶”的水平了，但事实却远非如此。与 500 年前相比，我们的物质条件可以算得上极大丰富了，但整个社会的物质需求仍然无法得到满足。也许，正如威廉·吉布森所言：“未来早已到来，只是分布不均而已。”
稀缺时代与后稀缺时代的经济模式
经济学是一门对商品和服务的生产、分配以及消费进行研究的社会科学，关注个体、企业、政府乃至国家会采取什么方式进行资源分配。在经济学中，有一个基本假设，即人类的需求是无限的，但资源却是有限的（稀缺的）。如何生产、分配、消费有限的资源，从而更好地满足人类无限的需求，就是经济学所需要解决的问题，也是各种经济模式存在的意义之所在。
我认为，从长远来看，星际迷航世界中的经济模式很有可能适用于未来的人类社会。这种经济生态将建立在一种全新的社会契约之上——人人都能拥有舒适的生活，都能获得高品质的服务，同时，“工作”“金钱”“理想”等概念将被重新定义，企业和机构在社会中所承担的责任也将被重新考量。新的经济体系应该能够实现亚当·斯密经济理论中的均衡——每个人追求自身利益有助于更好地促进整个社会利益的发展，一旦形成良性循环，人人都将拥有更美好的生活。
丰饶时代的货币制度
“人类之所以能够崛起成为地球的主宰者，是因为合作的能力高于任何其他动物，而之所以有那么强的合作能力，是因为具备了虚构故事的能力并且能够让其他人相信虚构的故事。而金钱，是人类创造的最成功的故事，也是唯一一个人人都相信的故事。”
满足物质需求，追求精神需求，探索新需求
这项计划由三个部分组成，分别是基本生活卡（BLC）、基于信誉积分穆拉的虚拟激励系统，以及由公民自主发起的未来之梦行动。
作为一种货币制度，穆拉系统也从另一方面反映了意料之中的人类工作岗位被技术替代的问题——随着 AI 及自动化逐步接管人类的日常工作，人类最擅长的工作转向一些需要人与人之间建立情感联系的工作，从事这些工作的人比较不容易被技术取代。穆拉系统的 AI 算法，会引导人们去寻找能够展现自己的同理心和同情心的机会，帮助人们在服务行业凭借自身优势发挥更大的潜能。
我们畅想的是丰饶时代为人类带来的全新的可能性：有能力的人能够赢得他人的尊重，有梦想的人能够改变世界。
丰饶时代的挑战
回溯历史，每当商品成本变得非常低廉时，大公司的首选策略绝对不是降低产品价格，而是会制造稀缺性依然存在的假象，进行饥饿营销，以确保自身盈利，而且这种事情已经持续了几个世纪。
企业需要把社会责任置于经济利益之上，各国政府需要放下成见寻求合作，各类组织或机构需要以破釜沉舟的勇气和决心拥抱转型，而且每个人更要学会放弃曾经永无止境的贪婪和虚荣。
想哭
当百花齐放的先进技术让我们有如神助，几乎无须劳动就能获取生活所需，当金钱失去原本意义的那一天，我们是否还会受制于追求物质的惯性，继续囤积其实已经价值尽失的财富？我们的良知是否允许我们在自己丰衣足食的同时，对资源不均所造成的贫困和匮乏视而不见？
丰饶时代之后，会是奇点时代吗
在 AI 迄今长达 65 年的历史中，真正称得上有意义的重大技术突破只有一个，那就是深度学习。在深度学习之外，我们至少还需要十几个同等量级的技术突破，才能创造出超级智能。我认为，这么多的技术突破，不可能在短短的 20 年内全部实现。
AI 的故事会迎来一个圆满的结局吗
我们要相信，人活在世上不应庸庸碌碌、日复一日地做一些重复性的工作，更不应让我们的后代再继续这个轮回。