面对人工智能，人类有不被取代的六大优势(人工智能战胜人类)
导读当时写作《北京折叠》时，我在其中写了两个我们可能会面临的挑战，其一是收入不平等的固化，其二是人工智能取代人类的工作。Go战胜了人类所有选手，如果人工智能什么都能培养第243议长郝景芳
作家
大家好，我今天演讲的主题是如何做一个不被未来折叠的人。这个名字也和我去年获奖的小说《北京折叠》有关。今天想和大家聊聊人工智能和人类智能的区别，未来需要什么样的人。
在写《北京折叠》的时候，我写过我们可能面临的两个挑战，一个是收入不平等的固化，另一个是人工智能取代人类工作。四年前我的小说出版时，这两个话题并没有引起太大的轰动，但今年它们都成为了热门话题。
“北京折”与时代的两个挑战
在小说中，我也可能误判了现实。当时我认为最危险的工作是体力劳动者，我认为它们很快就会被人工智能取代，但现在我发现事实并非如此。养老、保洁等工作没有统一的标准，机器人也无法完全替代。
只有产业工人可以轻松更换。真正的高风险行业是那些白领和脑力劳动者。我们已经听说过写稿机器人、律师机器人、医生机器人以及人工智能在金融行业的应用。那么未来是否如先知所说，99%的人都是无用的？
如果是这样的话，也许城市折叠还不够。
人工智能无法给出“正确”的答案
我们已经看到AlphaGo击败了所有人类玩家，如果人工智能可以学习一切，我们还能做什么？我们来看看，人工智能和人类有什么区别？现在的人工智能有哪些能力是做不到的。
首先，人工智能和人类有不同的目标。我们先来看看人工智能的目标。《超级智能》一书中提到，人工智能是一种用于仪器优化的智能，可以服务于任何目标。它的智力和动机是相互独立的。
这意味着无论是深度学习还是其他算法，人工智能都是针对一个存在的目标进行优化，为了在所有可行的解决方案中找到最优路径，为了实现目标而存在，而目标本身是由程序员。
当程序员让AlphaGo下围棋时，它不会拒绝，更不用说去金融或喝咖啡了。只要人工智能的目标是由程序员设定的，我们就不必担心人工智能对人类有害。
未来人工智能会超越人类吗？
那么，人类的目标从何而来？我们人类不需要依靠程序员来设定目标，人类有自己的智慧来做出选择。正如认知心理学入门书籍中提到的那样，除了学校考试和事实计算问题之外，我们在日常生活中做出的大多数决定本身都没有正确的答案。
应对不确定性是人脑额叶最著名的功能。人工智能擅长回答人类提出的确定性问题，人脑可以处理复杂的问题，如多个目标、冲突、优先级等，这是目前单一人工智能无法解决的。
一个会下围棋的人工智能不会写稿子，一个会玩金融的人工智能也不会做医疗。如果未来人工智能仍然如此单一，它们将永远是人类的助手。
真正可怕的是那种通用的人工智能，可以理解各个领域的一些知识。但如果有一天，他们将面临我们今天面临的前额问题，比如如何对不同的目标进行分类。
人工智能没有抽象思维
我要讲的第二件事是，人工智能目前做不到或者很难做到，也就是只有统计思维，没有抽象思维。统计思维就是从现有的大数据中学习人工智能战胜人类，学习现有的规律，然后推论和预测；而抽象思维则是从高处理解事物。
例如，假设我们在这里看到一群孩子，在那边看到一个孩子，他们随机跑。用统计思维，你不能从中得出任何规则，但用抽象思维，这就是老鹰捉鸡的游戏。
再举个例子，从统计的角度来说，你说这几年房价一直在涨，人均GDP一直在涨，那么未来房价肯定会涨，我们应该做房地产商业。但在抽象的思维中，这叫做消费升级，未来还有很多其他的领域会发展。
郝景芳发言
有抽象思维可以帮助你理解这个时代，做出一些不同于统计的判断，这也是一种综合认知能力。当你问孩子树上是否有5只鸟，其中一只被摧毁后还剩下多少只鸟，他可以给出自己的猜测和理由。但如果你问人工智能，他们无法回答。
对于人工智能，由于缺乏对他人、世界和常识的理解，无法给出合理的答案。他们缺乏对世界的整体认识，他们的头脑中没有固定的世界模型，因此无法将语言与世界模型进行比较。
而我们人类拥有最强大的常识系统。我们知道自然世界的样子，知道人与人之间的关系，知道我们生活的物理空间和社会空间。我们每天遇到的零散知识可以总结成一个完整的系统，帮助我们了解世界，做出趋势判断。
一个玩围棋的人工智能和一个做医疗保健和金融的人工智能认为他们生活在不同的世界。
AI没有世界观
人工智能与人类的第三个区别是逻辑学习和联想学习。逻辑学习是指从一个明确的逻辑前提出发，通过一定的规则推导出与之相关的明确逻辑结果。但实际上，在现实生活中，我们很少使用逻辑学习的方法，我们大多使用联想学习。
同时，我们的想象力也不是无源之水。一个小说家对一个故事的想象，往往来自于他对现实世界的理解，再加上他自己与其他领域的联系的转变。在这方面，孩子的能力是非常强大的。
上面提到的几点用一个词来概括，就是“世界观”，也就是说，我们人类比人工智能拥有更多的世界观，也可以说是世界模型。我们人类有一个非常扎实的世界观，一个世界模型，作为所有知识的背景。
人，有什么不能被人工智能取代的？
当我们往前走的时候，视网膜上接收到的所有视觉信息都是支离破碎的，不断的移动，那是因为我们的眼球在不断的收集各种信息，但是我们感觉自己走在一个连续的物理空间中，有一个三——我们面前的深度维度图像，这就是我们的大脑如何自行处理信息。
我们用世界模型来引导我们的眼睛，而这种视觉引导能力是脑科学家的常识。这种能力是人类的基本能力，但在今天的人工智能中完全没有。未来就我所见，我不认为单靠深度学习和大数据可以建立这样的世界模型。
人工智能不如儿童
人工智能有没有我们人类没有的能力？如果你家里有小孩，你可以观察他们。孩子有几个我认为是非常珍贵的人的特征。
一是求创新求变。如果让孩子学东西，他先学了两遍，觉得很有趣，后来又说太无聊了，觉得不想学了。恭喜，他已经超越了人工智能一次。只有懂得无聊，才能懂得寻求创新。
而阿尔法围棋不断地下围棋，围棋，围棋，在接下来的百年里不会厌倦，所以他没有学习新事物、突破自我认知界限的冲动。只有人类在学会一件事后会感到无聊并要求新的改变。这是本能，也是我们创新的心理来源。
没有我的人工智能是什么？
二是叛逆。当你的孩子在小学或青春期告诉你，我不想再听你的，不管你是对是错，我都要听我自己的。这时，恭喜你或你的孩子已经具备了战胜人工智能的第二个特点。
这种不喜欢听从权威引导，渴望自立的强烈反叛心理欲望，现在的人工智能是没有的。以后是不是还不清楚，至少现在你让AlphaGo赢了，它会努力赢，你让它输，它会努力输。
第三，冒险精神。很多时候，我们并不是在寻找最佳路径。即使有人告诉你要按部就班，你也会成功，但你还是不愿意。我们只想去以前从未去过的地方，即使我们犯了错误。我们想尝试和探索，我们不怕犯错误。
对孩子来说尤其如此，你告诉他做什么，他做的越少。所以当这孩子敢于冒险时，他已经超过了人工智能的第三名。人类的许多伟大见解都是从错误中发现的，一个科学家会在他从未想象过的地方做出新的发现。
AI没有情绪
前几天听一位科学家说，AlphaGo最糟糕的地方是他打败了人类的所有高手，但他不知道自己有多开心。他甚至不知道自己打败了这么多高手。而对我们来说人工智能战胜人类，我们所有的提升都与情感密切相关，我们所取得的每一个小成就都伴随着强烈的喜悦情绪。
我们对世界的整体感知是由情绪处理的，情绪给我们提供信号，使我们能够对世界做出有意识的选择，帮助我们选择目标和自我调节。因为情感，人类也可以快速学习和成长，可以在了解自己的同时了解他人，这是人工智能所不具备的。
没有我的人工智能是什么？
人工智能没有情感，它无法推理自己的想法，也无法推理他人。而这种情绪，
情感，以及人与人之间的沟通、同理心和相互理解，只是未来职场所需技能的很大一部分。
人工智能或许可以分析很多市场数据，但要做出能打动人心、真正贴近消费者的产品，还是需要我们内心的情感共鸣。
AI没有自主权
最后一点，人工智能没有自主性，而人类可以自主决定、自我判断、自主生活。每个人都想要一种自主、能力和归属感，当我们觉得这就是我的生活，我做到了，有人为我感到高兴时，我们会感到生活中最大的满足。
不知道AlphaGo和AI什么时候会产生自我意识，但它们没有独立个体的概念，也没有与生存相关的人类互动的强烈需求。他们也不太可能在短暂的未来拥有这种自我推进能力。
没有我的人工智能是什么？
如果一个工作是程序化的，可以大规模复制，可以执行和处理，那么人工智能就可以完成；如果要规划新产品、新方案、新体验，就需要人的战略思维，需要人对世界的理解能力、预见性、创造力、理解力、同理心等，而这一切，按照目前的人工智能算法，未来人工智能不会有。
因此，未来并非所有人都会失业。即使我们把大规模的生产领域交给人工智能，只要我们每个人都在心中不断创新，寻求新的知识，我们每个人都会为彼此创造新的需求。
未来需要什么样的人？
创造力（发现新事物，创造新事物），情感（寻找美感，寻找新联系），独立（掌握选择的自由），领导事业，全面性都是我们在职场中都需要的品质。未来有。
领悟生命的意义、领悟世界的意义、把握世界格局等等，这些能力都是现在的人工智能算法无法带来的。不得不说，在很遥远的未来，革命后不知道多少次，但我对未来十年、二十年甚至三十年并不悲观。
我相信人的心理适应能力，相信人的智慧，相信人的精神解脱，相信人可以从更高的层次了解世界和自己。如果你能做到这一点，以这样的创新思维和自我更新能力，你永远不会被这个时代所折服。
免责声明：本文由用户上传，如有侵权请联系删除！人工智能再次战胜人类玩家
下棋、玩游戏，在与人类的博弈中，人工智能（AI）正在不断成长。近日，英国DeepMind公司的AI智能体DeepNash，就在西洋陆军棋（Stratego）中达到了专业级人类玩家的水平。该成果12月1日发表于《科学》。
事实上，在DeepNash攻克Stratego前，就有报道称AI能够玩“强权外交”这款类似的经典桌游。这是一款具有外交深度的游戏，玩家间存在合作与竞争关系，必要时须通过谈判结交盟友。
“近年来，AI掌握本质不同的游戏的速度相当惊人。”美国密歇根大学计算机科学家MichaelWellman表示，Stratego和“强权外交”这两款游戏大不相同，但它们都极具挑战性，与此前AI已经掌握的游戏也截然不同。
Stratego是一款需在信息缺失情况下进行战略思考的棋盘游戏，类似于中国的军棋。它要比此前AI掌握的国际象棋、围棋或扑克复杂得多。
在游戏中，双方各有40枚棋子，且彼此看不到棋子的真实“身份”。双方轮流移动棋子，来消灭对手的棋子，最终夺得对方军旗或消灭所有能动的棋子的一方获胜。因此，玩家需要进行战略部署、收集信息，并与对方博弈。
一局Stratego游戏中会有10535种可能的布局。相比之下，围棋的布局有10360种可能。此外，在Stratego中，AI需要推理对手超过1066种部署策略，这使德州扑克中初始的106种可能情况相形见绌。
“Stratego中可能出现的结果数量之多及其复杂性，意味着在信息完全的游戏中表现出色的算法，甚至在扑克游戏中表现良好的算法，在这款游戏中都不起作用。”DeepMind研究员JulienPerolat说。
所以Perolat和同事开发了DeepNash，该命名致敬了提出纳什均衡的美国数学家约翰·纳什。
纳什均衡是博弈论中一种解的概念，指满足以下条件的策略组合：任何一位玩家在此策略组合下单方面改变自己的策略（其他玩家策略不变），都不会提高自身的收益。
DeepNash将强化学习算法与深度神经网络相结合，以找到纳什均衡。强化学习包括为游戏的每个状态找到最佳策略。为了学习最佳策略，DeepNash已经与自己进行了55亿次博弈。
今年4月，DeepNash在网络游戏平台Gravon上与人类Stratego玩家进行了两周的比赛。在50场比赛后，DeepNash目前在所有GravonStratego玩家中排名第三。
“我们的研究表明，像Stratego这样复杂的涉及不完善信息的游戏，不需要通过搜索技术来解决。”团队成员、DeepMind研究员KarlTuyls表示，“这是AI迈出的一大步。”
而曾于2019年报告了玩扑克的AI——Pluribus的MetaAI研究员NoamBrown团队，则将目光投向了一个不同的挑战：建立一个可以玩“强权外交”的AI。
“强权外交”是一个最多可由7位玩家参与的游戏，每位玩家代表第一次世界大战前欧洲的主要力量，游戏目标是通过移动部队控制供应中心。重要的是，该游戏需要玩家间进行私人交流和合作，而不是像围棋或Stratego那样进行双人博弈。
“当进行超过两人的零和博弈时，纳什均衡思想对游戏就不再有用了。”Brown说，他们成功训练出了AI——Cicero。在11月22日发表于《科学》的论文中，该团队报告称，在40场游戏中，“Cicero的平均得分是人类玩家的两倍多，在玩过一场以上游戏的参与者中排名前10%”。
Brown认为，可以与人类互动并解释次优甚至非理性人类行为的游戏AI，可以为其在现实世界的应用铺平道路。（徐锐）
相关论文信息：
https://doi.org/10.1126/science.add4679
《中国科学报》(2022-12-06第2版国际)
[责编：林佳欣]