669小说网

第61部分（第2页）

未来这样被设定了单一目标的机器人，可以用每天晚上自己跟自己左右互搏下100万盘围棋、并统计每一种不同下法不同应对的胜率变化，从而自我进化。到时候人类的围棋世界冠军，恐怕会和97年卡斯帕罗夫倒在ibm的‘深蓝’手下时一样惨。”

“这种状态，你们目前恐怕很难想象，因为目前我们和电脑在竞技领域的交锋似乎只有打魔兽和dota的人机对战哪怕设置最高级难度，电脑也只是靠更多的血量、攻击力和金钱采集速度，来获得对人类的优势。

除此之外，或许还有电脑那始终妙到毫巅的微操作电脑在玩魔兽的时候，看到某一个兵血量下降过快，会自动把它往后拖一下，短暂脱离战线直到对方的近战单位转而去攻击其他血还比较多的。这样的操作人类高手要训练很久才能做到，而且受限于手速很难多线同时这样操作。但对于电脑来说，哪怕地图上同时有100个地方在战斗，它也可以同时微操100个战场。

但是未来呢？电脑或许就是直接在战术或者战略层面的ai碾压人类玩家了只要那个用于打游戏的深度学习型人工智能，在被设定时的唯一目标，就是‘用尽一切手段获胜’。到时候机器可以先学习一番训练集，获得基础的强度，然后用蒙特卡洛树状训练结构左右互搏几千万局，把胜负趋势变化牢记在心这时候，那些技能囤积型的人类选手，还有什么价值？

或者说，就算他们还有价值，还有人类观众愿意看他们打比赛，也不是因为‘他们打得比机器好或者比机器差’而是因为他们还是一个人，因为他们和机器不同的‘人’属性，为他们博得了同情分。他们是在依靠自己的专才以外的能力，获取自己的价值和尊严。”

蒙特卡洛树状训练模式，在如今这个地球上，已经被提出来了么？或许吧，查查艰深晦涩的学术专著，应该是可以看到的。

所以冯见雄也不算造谣。

至于谷歌公司还有没有开始这么干，把这玩意儿用于商业项目的研究，鬼知道呢。

这东西是商业机密，所以只要学术上存在，冯见雄这么说就没毛病。

等将来谷歌真干成了，人类也只会惊叹冯见雄先知先觉，知微见著。

不过，苏勤肯定是不会死心的。

他也犯不着正面硬刚跟冯见雄讨论黑科技只要表现出自己适度的不屑就行了。

“呵呵”苏勤冷哼了一声，停顿数秒好让听众们的注意力都被吸引过来，“什么时候连科幻小说里的胡乱猜测，都能作为辩论的证据了？你说‘这种最新的人工智能在做任何单一目标的事情时肯定可以做到比人好’，有证据吗？

机器的性能替代人类技能，自古以来无非是在那些简单重复或者追求精准度的工种上。或许那些以‘精确、力量、灵敏’为追求的人类‘专才’，其价值确实会被机器消灭和替代。但原创性的、研究性的工作呢？机器只能复制人类的行为模式，难道还能主动创造不成？”

冯见雄微笑了一下，拿出一本《连线》杂志。

那是最近几个月刚刚发表的，上面应该都是前沿科技成果。

在06年，在深度学习算法诞生还不到两周年的萌芽时期，要想找出一些“阿尔法狗“级别的铁证，还真是不容易。

不过，并不是完全没有。

至少facebook公司，已经搞出一个可以代替人类美工师修图的软件雏形。几年之后，这种东西就会泛滥，然后成为智能版的、可以自动修图的“美图秀秀”一类东西。

而且，冯见雄也不是第一次在校内的辩论赛上提及“深度学习人工智能”去年的比赛中，他已经提过一次了，后来还被校台女主播丁理慧采访做过一次专门的展望节目，跟同学们探讨未来人才需要哪些技能属性的问题。

只不过，冯见雄每次提到人工智能，都能从不同的切入点和角度，说出很多新花样来。

所以，今天再提及，无论是对面的苏勤，还是场上的评委，多少都容易判断冯见雄说的是不是真的。

手里拿着杂志，冯见雄提问：“请问对方辩友，画家的工作，是不是创造性的劳动注意，我问的是画家，是为了艺术性目的而作画的，并不纯粹是为了‘画得像’，所以不要拿照相技术反驳我。”

“画家的工作当然是原创性的。”苏勤也不觉得这里有什么问题。

冯见雄继续紧逼：“那么，用ps帮人类修饰、艺术处理照片的工作，是不是也是创造性的？”

苏勤感受到了一丝危险，犹豫了一下后还是咬牙肯定：“当然也是，但这有什么关系么？”

“那很抱歉，我想我不得不告诉你只要一项工作的评判标准是单一的、目标是客观、确定的，那么未来机器都可以替代和消灭人类。”

他把杂志翻到某一页折了一道褶皱的位置，招摇地晃了一晃。

第11章　努力者的末日

“众所周知，人类对社会的价值，和他创造的使用价值几乎毫无关系，只和他技能、资源的稀缺性有关系。

人人都需要吃饭，但农民的地位依然卑微，这就是因为农民太多，他们没法干掉所有和自己技能树重叠的个体，从而制造自己的稀缺性。

所以，我们讨论专才和通才在未来社会哪个更重要、更吃得开时，不光要从人类社会自身看，还要从‘哪一类人更容易被机器消灭和替代’来看。

目前来看，随着深度学习的诞生，那些‘用50个学时就能把一门课学到90分，用100个学时就能把两门课都学到90分，但哪怕300个学时也不能把任何一门课学到98分的博而不精者’，在未来会远远比那些‘用50个小时只能学到75分，但是砸300个小时能磨到98分的单一目标专精者’更吃香。

因为如果靠比努力，靠磨，血肉之躯的人类，怎么可能比机器努力？曾经的机器，只能‘执行’，不能‘学习’，所以人类中的‘只有努力一项优势’的人还有活着的价值。而一旦机器也学会了‘学习’，人类当中的‘只懂努力’的人，就败给了机器。

这也是为什么现在的创新型科技公司招聘研发人才时，越来越看重学习能力、学习速度而非知识存量。就算一个专才可以用3年磨一剑的时间，把一项技能磨砺到98分，又如何？知识更新换代太快，还没磨到90分，前面学的都已经过时淘汰了。

科技创新公司只需要一个月就能上手一门新技能、并且在及格分线上跑起来，然后快速迭代就行了。至于专精的工匠精神者，你们就继续去做寿司或者炸天妇罗好了。

那么，深度学习型人工智能和人类相比，它们的劣势在哪儿呢？就在于每一项人工智能只能被设定一个奋斗目标。比如谷歌公司目前立项做的一个名叫‘阿尔法狗’的机器人下围棋项目，它只能被设定‘赢得围棋’这一个目标，然后一切进化以实现这个目标为准。每自己下一盘，胜率高了就统计学习，胜率低了就回避。你要他同时把围棋下得漂亮美观有观赏性，它是做不到的。

而人类和机器相比，最后一道底线，就在于人类有多重价值观，有多重兴趣，人类而已去做那些看上去漫无目标、或者对实现当前主目标毫无效率的‘不划算’的事情。这时候，我们才能看到多重目标之间跨圈权衡带来的思想碰撞、价值创新。这也是为什么如今创业界的机会大量在跨圈节点出现……”

作为正方，冯见雄的总结陈词是在苏勤之后发表的。