人工智能为什么不能代替人类
■吴荻枫
人工智能没有意义的概念，没有价值观，终究只能是人的工具，而不可能超越人类。
近年来，人工智能技术发展极其迅速，各种智能设备、智能软件已走进千家万户，改变了我们的生活方式和工作方式。因此，不少人认为，在不久的将来，人工智能将会全面代替人类智能，甚至超越人类智能。不过，这种观点过于悲观，人类的思想和行为中最重要最独特的部分，是人工智能无法实现，更无法替代的。
人工智能不管多么发达，归根结底，都是在人类给定的框架下解决问题。比如，某人每天上下班，公司和家之间的距离有15公里。他可以选择的交通工具包括打的、公交车、地铁、自驾车、共享单车，以及这些工具的组合。如果他去问导航软件，导航软件可以根据他的要求以及实时路况，给出一个最优的出行方案。这在现实中往往是很有用的。然而，虽然有不少人会选择在工作地点附近买房或租房来解决通勤问题，导航软件却绝不会给出搬家的方案。因为导航软件的运行程序，或者说运行框架没有这种手段可供选择，但人却不会受既有框架的约束。
人工智能也不能主动确定需要解决的问题是什么。举一个非常简单的例子，如果我问智能应答软件：“帅帅在哪里，你看到帅帅了么？”它要么回答不知道，要么给出一个错误的答案。而我如果拿这个问题去问人，被问的人不管知识水平如何，第一个反应恐怕都是：“你说的帅帅是谁啊？”我就会告诉他，帅帅是我的小狗，是什么样子，有多大，有什么特点，等等。可见，人类首先能够主动确定要解决的问题是什么，也就是说确定目标。我举的这个例子非常简单，以后人工智能或许也能应对，但并不是软件学会了如何确定问题所在，而是设计人员扩充了或者改变了软件运行的程序或框架。
总之，如果人类确定了问题，确定了可用的手段或者信息，人工智能可以给出答案，乃至近乎完美的答案。但是，人工智能不会设计这种目的—手段的框架，也不会主动突破这种框架。
人是追求意义的智慧生物，因此有自己的价值观。人类赋予某些事物以意义或价值，才构成了目的—手段的逻辑关系。也就是说，人能知道自己要的是什么，怎样才算是达成了目的。而人工智能没有意义的概念，需要人类将具有意义的逻辑关系编码输入，人工智能才能按照这种关系工作，但它本身无从建立这种关系。
人以意义来理解世界，也以此与他人交流、合作。米塞斯曾举过一个例子，假如某人闯入了一个从未去过的原始部落。那些原始人未开化，没有语言，或者即使有语言他也听不懂。但是，如果他看到这些原始人架锅生火，他就会知道，他们是要做饭了。人类有相似的心智结构，即使语言不通，也可以相互理解。如果换成机器人呢？除非是科幻电影里那些由演员扮演的机器人，否则它只会搜索和输出代码，而不会真正试图去理解眼前所发生的事。
可见，人与人工智能最大的不同，就是人通过意义和价值与外部世界建立联系。这是人作为主体而不是客体的基础，也是人类合作和创新的基础。人工智能没有意义的概念，没有价值观，终究只能是人的工具，而不可能超越人类。
值得注意的是，我们可以看出，主流新古典经济学的理性经济人假设，正是将人当成了在既有目的—手段框架下寻求最优解的机器。这其实是省略了人的行为中最具有本质性和创新性的部分。理性经济人所构成的经济体，是静态的、机械的，被动的，充其量是人工智能的世界，而不是人类社会。
经济学是价值中立的科学，因此经济学不研究也没有足够的能力研究某个个人究竟应该确定什么具体的目标，运用什么具体的手段，但是，经济学应该将个人在目的—手段框架的行为模式纳入研究的范畴，否则就是舍本逐末，具有难以克服的缺陷。
（作者系西南民族大学讲师）
[责编：战钊]ChatGPT会取代人类的工作吗对这个问题，我们整理了20位大咖的看法
撰文|苏舒
编辑|李信马
题图| GAIDC官方图片
ChatGPT彻底火出圈了。
近日，科学技术部部长王志刚发言称，ChatGPT是个大模型、大计算、很好的计算方法，同一种原理，但做的质量还是不一样的。就像踢足球，都是射门，但是要做到像梅西那么好也不容易。我们国家在这个领域研究有一些成果，希望中外企业在人工智能领域有更多好的成果，要注意科技伦理，趋利避害。
科技的进步令人欣喜，不过对大多数吃瓜群众来说，ChatGPT火热讨论的背后，往往还隐藏着一份担忧——ChatGPT会取代人类的工作么？我会不会因此失业？
毕竟，被科技进步干掉的岗位，从古至今可以说数不胜数，即使ChatGPT还只是“初出茅庐”，却已经有了令人惊叹的潜力。对此，谷歌首席科学家PeterNorvig认为，ChatGPT可以帮助人们更好地处理大量的信息，但是，它无法替代人类的创造力和想象力。Facebook人工智能研究院的研究员YannLeCun也认为，ChatGPT可以取代某些重复性的工作，但是对于需要理解复杂上下文的工作，ChatGPT无法取代人类。
前不久，刚刚举办的全球人工智能开发者先锋大会上，ChatGPT也成为了热议的话题，一众专家学者也进行了激烈的讨论，发表了各自的观点。DoNews进行了整理，以飨读者。
一、目前的ChatGPT可以部分替代容错率较高的行业
BCG董事总经理、全球资深合伙人魏杰鸿：
ChatGPT生成式人工智能任务的容错度与创意要求的高低决定了技术应用的成熟度。目前来看，ChatGPT应用场景目前有三大领域：药物发现、自动编程、文本概括。
现阶段，生成式AI可以在广告领域取得长足进展，来让人工智能自动生成一些广告文案和视频等。下一步，对于AI生成内容的质量比较宽容、允许结果不那么精确的行业，会有越来越多应用面世；相对而言，那些对内容精度要求高、容错率较低的领域，比如航空、金融、医疗等关键场景，AI还需要长期发展，因为这些行业不仅要求AI讲话漂亮，同时必须真正做到靠谱、严谨。
商汤科技董事长兼CEO徐立：
生成式的内容，不光是可以解决单一目标下的优化问题，还可以给出很多的问题，不同的解法的路径。
人工智能对于开发者来说是一种模式的变化，下一步对很多内容创作者来说，一样会面临工作模式的巨大变化。
人类正站在AI临界点上，其推动力就是以ChatGPT为代表的生成式AI。它可以自己生成文字、图片、视频，更重要的是会自己写软件代码。这意味着，生成式AI将来完全可以大幅降低软件开发门槛，将开发从“特权”变成普惠的行为，“未来70%的软件代码可能是由AI生成的，这将彻底改变社会”。
复旦大学人工智能创新与产业研究院院长漆远：
鸡兔同笼、相遇问题等小学数学题，ChatGPT全都顺利作答，而此前这对AI来说是不可能的。这表明，随着算法迭代，ChatGPT的进步从量变积累到了质变，它不仅在语言方面有天赋，更具备了数学推理能力。
智源人工智能研究院总工程师林咏华：
ChatGPT出现后，未来十年都很值得期待。软件、咨询这两大服务板块可能会改变很大。
同济大学百人计划、特聘研究员、博士生导师王昊奋：
ChatGPT出来后，我被问得最多的问题就是——知识图谱是不是不用做了？是不是相当于“判死刑”了？我说可能“死缓”吧，当然，也还有不少变数。
网易数帆副总经理金叶：
ChatGPT核心是根据大数据模型，实际上就是一个聊天器而已。但是ChatGPT确实深度和广度，对于我们来讲有非常多的想像空间。ChatGPT实际上颠覆了很多行业，尤其是教育、远程教育上。对于程序员来讲，程序员要更加往前端、业务侧去靠。
广东省连锁经营协会技术委员会联席主席、前喜茶、百果园数字化负责人沈欣：
目前能看到的，是ChatGPT通过自动化内容产生解决了内容的瓶颈。比如：开发程序。现在ChatGPT可以帮助比较基础的东西，生成五个都不满意，那就再生成五十个，然后在这上面挑或者修改一下即可。
另外，在ChatGPT相同模式下，未来可以看到文字生成图象、甚至文字生成视频，这对解决“元宇宙”的内容，也会有非常大的帮助。
BCG董事总经理、全球资深合伙人魏杰鸿、商汤科技董事长兼CEO徐立、复旦大学人工智能创新与产业研究院院长漆远 图片来源：官方网站
二、人类有AI取代不了的独特性
OpenTEKr创始人、上海开源技术协会狄安：
我们不用去担心人工智能的推理会比我们更强大、更快、更精准。其实人类的价值在哪里？人类的价值在于创造性，在于我们能够自由的发挥。正是因为我们的创造性和我们的没有逻辑，才创造了人类的未来。
未来人工智能毫无避免的会比人类越来越具有理性、越来越具有推理。未来应该干什么？未来应该是“反图灵测试”。通过反图灵测试来问出你的问题，当人类能够回答没有逻辑问题的时候、我们才是人类。也就是说，情绪化和非逻辑，才是人类创造力的本原。
商汤科技董事长兼CEO徐立：
未来人们不需要具备底层的制作能力，而是需要更多畅想、连接、协同的能力，这些能力才是跟AI协同共创的核心商业能力。
而这种生产力模型的变革，可能会产生类似于Photoshop这样的互联网SaaS（软件运营服务）应用和工具链，或者基于这些工具链新生成的社区，也就是我们可能会拥有下一阶段的“小红书”、B站等一系列互联网应用。
CSDN创始人&董事长、极客帮创投创始合伙蒋涛：
ChatGPT预示着AI迎来了iPhone时刻。有两大预测：一是未来五年，AIGC产生的内容应该会超过人类自己产生的文字、图片、视频等；二是下一个十年实际上是自然人机交互的新十年，或许还达不到现在幻想的程度，但是会极大的改变。
ChatGPT在编程方面，不会取代程序员。它真正带来的，是程序员技术栈的变化。从过去PC时代的Windows、API，互联网程序员的LAMP，移动的iOS、Android，云原生的K8s到今天，以大模型为代表的技术将推动更多的AI应用程序员产生。
Kyligence联合创始人兼CEO韩卿：
替换人类不一定是AI，但是用AI的人会技术向善。就AI伦理问题来说，我们需要理解什么样的技术用到好的地方，什么地方应该有一些这方面的限制。
对于AI开发者来说，需要持续保持有两种能力：一是对行业或者场景抽象归纳的能力。解决生产问题或者实际问题，需要抽象到一定的层面才能转化成数学问题，转化成算法问题。
高效的工程能力，当AI算力是唾手可得，算法慢慢区域雷同，这时跑一个算法的成本变成竞争点。
百度智能云主任架构师、百度AI中台总架构师谢永康：
ChatGPT可能会改变我们对人工智能开发的一些模式。一方面，以后提升一个模型能力的时候，可能会用“注入”和“激发”的这种模式去做。另一方面，未来我们对模型的场景落地很可能会通过一些指令式的、自然语言的方式去让它适应这个场景，而不是说我针对一个场景去设计。
我相信无论是ChatGPT还是后面会产生出来的更多具备AGI能力的这些AI技术，更多的应该是辅助人、与人会找到共存的平衡点，而不是全面的替代人。目前AGI（通用人工智能）各方向的技术，还是存在比较多的问题。首先，它的一个基础的大模型，其实缺乏可解释性或者说缺乏可控、可解释性。这里面可能会有新的技术突破，也可能长期是需要人去参与、去把控的。
CSDN创始人&董事长、极客帮创投创始合伙蒋涛、Kyligence联合创始人兼CEO韩卿 图片来源：官方网站
三、关于未来的思考
智源人工智能研究院总工程师林咏华：
虽然在过去看到了文生图应用、ChatGPT生成式模型的火爆，但实际上我们只看到了大模型领域的冰山一角。除此之外，我们更需要专注的是在冰山之下，层层的技术栈，需要有各种模态的预训练大模型，需要有海量的数据集以及十分优秀的数据集工具来过滤数据，还有大模型怎么评测，评测方法，以及一系列的AI系统的优化工具和技术。
未来十年ChatGPT带来产业的浪潮。如果没有底层的技术栈，ChatGPT生成式模型这样的冰山一角也很难露出。
GPT3.5+ChatGPT打开了AIGC的潘多拉盒子，但在大模型发展和产业落地中，我们面临着许多重要的技术挑战，涉及参数及模型大小、海量的训练数据、大模型的评测方法、大模型如何能持续学习、怎么显著提升训练和推理的效率等。
深势科技创始人兼CEO孙伟杰：
AI对我们最大困难和挑战是跨学科融合的协作体系、组织文化的建设，这本质上是我们对创新土壤的一次革新的机会。
具体来说，未来的困难点和挑战有三点，第一，将问题抽象成适合用AI解决的问题；第二，需要大规模的工程化建设，去中心化的推演训练；第三，把实际的经济发展、工业研发中的经验在融合到AI算法中，最终AI的创新一定是从原始创新、工程建设到落地应用非常紧密的结合
百度AI技术生态总经理马艳军：
我们一定要把人工智能的门槛降下来，从开发、训练、推理的流程，能不能从尽可能降低流程的成本，进一步演进为用更简单的流程取代它？才能让应用变得更广泛。
达观数据副总裁王文广：
“以人为本AGI”就是以人类为中心的通用人工智能，也就是说人工智能是以服务人类为目的的。它由神经网络大模型+知识图谱+强化学习构成，在ChatGPT浪潮中已经打好基座，未来将引起从效率革命到思维革命，从改造自然到改造自身的深远影响。
九章云极DataCanvas副总裁于建岗：
ChatGPT的出现确实对于当前基于大模型的自然语言处理和通用智能带来了革命性的变化，但我觉得当前只是个开始。
北京智源研究智能研究院自然语言和多模态研究负责人及FlagAI飞智开源项目负责人伍昱：
ChatGPT背后的核心用大量的数据做预训练，翻译模型和架构算法，都可以用到多模态的模型发展。多模态融合已经成为AI的大趋势，另外，多种模态的融合也有助于不同的模态的提升。除了文本和图片的多模态融合外，在语言、语音、视觉、视频不同模态上融合上方法都是类似的。
复旦大学教授肖仰华：
大模型绝不仅仅是模型系统和算力，数据是非常重要的问题，我呼吁大家能够更多地关注大模型的数据治理。
智源人工智能研究院总工程师林咏华、深势科技创始人兼CEO孙伟杰、百度AI技术生态总经理马艳军 图片来源：官方网站
四、写在最后
科技的进步，会促进先进生产力取代落后生产力，这个过程中，部分人类工作的消失是不可避免的，但同时，新的对人类劳动的需求也会源源不断的被创造出来。人类相对于人工智能的优势之一，就是更灵活、更主动，也许AI可以替代一部分人类的工作，但人类也可以找到更多实现价值的方式。
比如在投资领域，量化投资通过对海量数据进行客观分析决策，利用模型扑捉价差，可以获得持续稳定的收益，避免人为主观因素的干扰。国内最早的量化对冲基金之一——UbiquantAILab首席专家BryanDai在不久前的采访中表示，AI应用到量化投资已经有多年，国际上大部分领先的量化公司都会应用AI技术来参与量化投资过程，而九坤已经在量化投资的全流程中应用AI和机器学习，包括数据收集和处理、阿尔法构建和市场预测、投资组合构建和优化，以及交易实现等。
但人的价值并没有因为AI的出现而彻底消失，即使使用ChatGPT的体验对BryanDai来说非常惊艳，对ChatGPT是否会替代专业投资人这个问题，他的回答仍是“否“，并认为，未来相对长时间内是AI应用和人共生的状态，人来指导AI完成整个量化交易过程、推动AI的迭代。在细分领域，专业人士的介入是不可或缺的，新技术的应用也需要更多的人才支持。
时代的进步是不可阻碍的，我们未来也会创造比现在的chatGPT更优秀的人工智能，但会和AI进步同样甚至更快的，还有我们人类自己。
人工智能无法取代人类医生的5个理由
医学未来学家认为，像维诺德·柯斯拉这样的投资者并不完全了解医学行业，因此他所描绘的愿景不会出现。永远也不会出现。
根据牛津大学的CarlBenediktFrey和MichaelA.Osborne的报告，医学转录员，医疗记录员和健康信息技术人员以及医疗秘书是未来最有可能由计算机化实现的工作，但只有0.42%的概率让医生和外科医生的职业实现自动化。
别误会我的意思，AI将在未来10到15年内在医学领域出现。例如，放射学家和临床学者休·哈维估计在10年内使用AI将成为NHS常规实践。博思艾伦咨询公司的健康信息学/精准医学主管安娜·费尔南德斯说在三年内我们将有许多机器学习算法在美国进行积极的临床试验测试并获得批准在医学领域中使用。
此外，AI将改变当医生的意义：一些任务将消失，而其他任务将被添加到工作程序中。然而，永远不会出现自动化（机器人或算法）取代医生的情况。让我告诉你五个原因吧。
1
医学不能没有同理心
即使一系列技术将提供出色的解决方案，它们也很难模仿同理心。为什么？因为同理心的核心有建立信任的过程：倾听对方，关注他/她们的需要，表达同情的感觉，并以对方理解的方式作出回应。
目前，你不会相信机器人或智能算法做出的性命攸关的决定，甚至决定是否服用止痛药的决定你也不会相信。以NHS及其实验为例，通过聊天机器人可以减轻健康热线的负担。参与试验的患者表示他们将使用该系统更快地与医生预约，而不是采用聊天机器人给出的建议。
如果健康问题较为简单，患者在自我照顾方面承担更多责任，未来可能会发生变化，但我们可能永远无法想象没有同理心的医学。我们需要医生握着我们的手，同时告诉我们一个性命攸关的诊断，治疗指导和整体支持。而算法无法取代。永远也无法取代。
2
医生采用非线性工作方法
《豪斯医生》有一集，团队无法弄清楚一个小男孩是如何中毒的。他们考虑了很多可能：药物，食物中毒，农药中毒。对于每种可能的诊断，他们建议采用不同的治疗方案。
他们每个人都让病人变得更糟——直到他们偶然发现这个男孩沾染到了亚胺硫磷，这是一种牛仔裤使用的杀虫剂，男孩从把裤子放在一辆卡车里的街头小贩那里买来牛仔裤。这个男孩没有洗过就穿上了那条裤子，这就是他的皮肤吸收毒物的方式。
没有算法可以做出这样的诊断。虽然数据，测量和定量分析是医生工作的重要组成部分——而且在未来这些将变得更加重要（你知道，数据是工业新的石油或食物）——建立诊断和治疗患者是非线性过程。它需要算法和机器人永远不会拥有的创造力和解决问题的技能。
患者和他们的生活方式也各有不同。疾病具有相同的特征。因此，情况并非如此;每个病人都需要人类医生的关注。在复杂的数字解决方案出现之前，医生将把从简单医疗设备采集的数据转换为医疗决策。将来，任务还是一样的，不过医生将使用更复杂的技术。
3
技术需要有能力的医生
越来越复杂的数字健康解决方案将需要合格的医疗专业人员的能力，无论是关于机器人还是AI方面都是如此。以最常见的手术机器人达芬奇手术系统为例。它具有3D高清放大视觉系统和弯曲和旋转远远超过人手的微型手腕器械。然而，外科医生必须学会如何操作它，而掌握它需要练习。
同样，看看IBMWatson。它是为肿瘤学家设计的独特项目，为临床医生提供了基于循证医学的治疗方案。尽管如此，只有医生加上可以选择治疗的患者，只有医生才能评估智能算法是否给出了可能有用的建议。没有机器人或算法可以解释清楚复杂的，多层次的挑战，包括心理方面。虽然它们将提供数据，但解释将始终是人类的领土。
4
总有人类才能完成的任务
医生，护士和其他医务人员每天都要完成繁琐单调和重复的任务。一项研究表明，在美国，普通医生每周在药物配给的时间为8.7小时。精神科医生在文书工作工作时间中比例最高（20.3％），其次是内科医生（17.3％）和家庭/全科医生（17.3％）。这些类型的任务和程序可以自动化，而且它们也应该自动化。
但是，技术也有无法履行的职责和责任。虽然IBMWatson可以在几秒钟内筛选出数百万页的文档，但它永远无法进行海姆利克急救法。比之技术，总会有些任务人类可以更快完成，更可靠地完成或以更低的成本完成。
5
从来不是技术与人类的对决
把AI塑造成人类永远的敌人，这种想法应该彻底停止了。它从来就不是技术与人类之间的对决，或者技术的一部分与人类之间的的对决，因为技术创新总能达到帮助人们的目的。
我们在同一战壕内作战。无论是AI，机器人，增强显示技术还是虚拟现实技术，我们都应该接受它们对医学运营方式产生的巨大影响，然后开始利用它们的力量。想象一下，如果将创造力和解决问题的技能与无限的计算能力和技术认知资源相结合，医学能够取得多大的成就。
人与技术之间的合作是最终的回应。通过深度学习识别转移性乳腺癌的研究揭示了类似的情况。当深度学习系统的预测与人类病理学家的诊断相结合时，图像分类以及肿瘤定位评分显著增加。此外，人为错误率下降了85％。研究结果表明，人工智能和人类在合作时最有效。
喜欢我，就给我一个“在看”
返回搜狐，查看更多