人工智能不仅是一次技术层面的革命，未来它必将与重大的社会经济变革、教育变革、思想变革、文化变革等同步。人工智能可能成为下一次工业革命的核心驱动力，人工智能更有可能成为人类社会全新的一次大发现、大变革、大融合、大发展的开端。
从工业革命到文艺复兴
人工智能来了！AI正深刻改变我们的社会与经济形态。历史会将这个时代与20世纪70年代的PC萌芽、20世纪90年代的互联网兴起相提并论吗？当史蒂夫·乔布斯、比尔·盖茨为每个桌面、每个家庭都拥有一台电脑的梦想而努力创业时，当杨致远、拉里·佩奇、谢尔盖·布林为整合全球信息、构建连接全人类的互联网世界而锐意创新时，他们是否能预见到人工智能将如此快地来到我们身边，并在21世纪早期就扮演如此重要的角色？
从技术的社会价值来看，我认为，人工智能的社会意义将超越个人电脑、互联网、移动互联网等特定的信息技术，甚至有极大的可能，在人类发展史上，成为下一次工业革命的核心驱动力。
回想一下，1760年前后，当改进的纺织机、蒸汽机开始在英国大量取代手工劳动，当林立的烟囱宣告工业时代的到来时，人类社会、经济发生了多么大的变化！大量依附于农业生产和小农经济的手工劳动消失，农民和手工业者成千上万地转化成产业工人，进入工厂、矿山，人们开始利用火车、轮船出行，整个世界的格局彻底改变。类似地，19世纪以电气技术、内燃机为代表的第二次工业革命，以及20世纪以原子能技术、信息技术、空间技术、生物工程技术等为代表的第三次工业革命，每一次都使人类的生活水平、工作方式、社会结构、经济发展进入了一个崭新的周期。
从18世纪至今，300余年间，这个世界通过三次工业革命，完成了自动化、电气化、信息化的改造。与工业革命前的中世纪相比，人类已经生活在一个完全不同的、由现代科技支撑和推动的全新家园。那么，接下来，人类的发展方向又会是怎样的呢？
如果说在21世纪，还有哪一种技术可以和历次工业革命中的先导科技相提并论的话，那一定是正在步入成熟增长期的人工智能技术。以交通为例，蒸汽机、内燃机、燃气轮机、电动机的发明让我们的出行一下子从人抬马拖的农耕时代，跃入了以飞机、高铁、汽车、轮船为代表的现代交通时代；在人工智能时代，仅自动驾驶技术一项，就足以彻底改变我们的交通出行方式，足以和此前汽车、飞机的普及相提并论。事实上，人工智能技术在各行各业都可能引发颠覆性的变化，带来生产效率的极大提高。历史必将如实地记录下这一次前所未有的产业变革——此变革的核心驱动力，必将是人工智能！
2017年1月，我在瑞士出席达沃斯世界经济论坛时，有幸聆听了牛津大学全球化与发展教授、著名经济学家伊安·戈尔丁（Ian Goldin）对世界现状与人类变局的看法。他说，今天世界面临的最大的三个挑战是：
1.人类赶不上科技发展的速度，来不及调整适应；
2.人类之间的相互连接以及信息的迅速传播，既有好的一面，也有危险的一面；
3.对个人或国家短期有益的事情，有可能伤及世界的整体利益（如英国脱欧）。
伊安·戈尔丁教授并不是在用悲观的心态来看待今天的世界。事实上，他是《发现的时代：应对新文艺复兴的风险及回报》（Age of Discovery：Navigating the Risks and Rewards of Our New Renaissance）一书的作者。在该书中，他用诘问的方式，探寻以下问题的答案：
·我们生活在科技如此进步的时代，为什么还会有这样那样的不平 等？
·人类的健康、人均寿命、全球的财富、教育、科学发现等，都有前所未有的发展，但人们为什么还充满了焦虑？
·发展的代价是什么？
在伊安·戈尔丁教授看来，今天这个时代与发生在欧洲14世纪中叶到16世纪的文艺复兴与启蒙运动非常相似。例如，信息技术的发展不但是今天世界的科技主题，其实也是14世纪到16世纪间欧洲思想解放、文艺发展的根本原因之一。当年，以谷登堡印刷机为代表的信息传播技术迅速将科技、文学与艺术知识推广到欧洲的每一座中心城市，这与今天的互联网普及有异曲同工之妙。
今天的世界，其实也像中世纪的欧洲一样，面临诸多棘手的难题，如世界范围的贫富差距问题、环境污染问题、传染病问题、战争问题等。一方面，科技快速发展，信息技术特别是人工智能技术引领时代潮流；另一方面，世界仍动荡不安。快速发展的科学技术与长期处于不稳定状态的全球社会、经济结构之间，存在着强烈的不平衡和内在的变革需求。
伊安·戈尔丁教授说：“科学的快速发展应该能让大家看清我们许多举动的后果，把全球的头脑和智慧都加在一起，从科学和技术的角度来说，我们充满能力。但是我们的政治系统，全球的政治结构、宗教机构等，都还停留在20世纪50年代，进化的速度出奇地缓慢……所以，在这个‘发现的时代’，我们应该重新设置我们的头脑地图、政治地图、经济地图。”83
伊安·戈尔丁教授将科技与文艺复兴和思想启蒙联系在了一起。这为我们认识人工智能等未来科技提供了一个新的视角。
如果我们仅仅将人工智能时代看作一次新的工业革命，那么，我们的论述将局限于科学与技术层面，而忽略因技术变革而造成的社会、经济、心理、人文等层面的巨大波动。
如果我们关注的是未来科技影响下的人类整体，是人与AI之间的相互关系，是人类社会在新技术革命的背景下如何转型和演进，那么，将今天这个时代称为人类历史上的第二次文艺复兴也许就是恰如其分的。当哥白尼用日心说改变人类对天体运行的认知，与旧的世界彻底决裂时，今天的人工智能技术也正在彻底改变人类对机器行为的认知，重建人类与机器之间的相互协作关系；当哥伦布在大航海时代里第一次站在新大陆的土地上，用航海大发现重构整个世界的地理与政治地图时，今天的人工智能技术也正在用史无前例的自动驾驶重构我们头脑中的出行地图和人类生活图景；当达·芬奇、米开朗琪罗等人用划时代的艺术巨构激发全人类对美和自由的追求时，今天的人工智能技术也正在机器翻译、机器写作、机器绘画等人文和艺术领域进行大胆的尝试……
技术不仅仅是技术。技术的未来必将与社会的未来、经济的未来、文学艺术的未来、人类全球化的未来紧密联系在一起。
人工智能不仅是一次技术层面的革命。人工智能因为对生产效率的大幅改进、对人类劳动的部分替代、对生活方式的根本变革，而必然触及社会、经济、政治、文学、艺术等人类生活的方方面面。人工智能的未来必将与重大的社会经济变革、教育变革、思想变革、文化变革等同步。我们无法抛开可能产生的就业问题、教育问题、社会伦理问题等单独讨论技术本身，这就像我们无法抛开人类思想的启蒙而单独谈论文艺复兴时期的雕塑、绘画与音乐作品一样。
人工智能可能成为下一次工业革命的核心驱动力，更有可能成为人类社会全新的一次大发现、大变革、大融合、大发展的开端。
这是复兴的时代，这是发现的时代，这是人工智能的时代。
AI会让人类大量失业吗？
将深度学习技术推向实用化并直接促成人工智能最新一拨技术热潮到来的计算机科学家杰弗里·辛顿教授在演讲中经常用一个玩笑来开场：如果在座的有医学院的学生，那你千万不要去学放射科，不要去当放射科医生，因为这个工作在未来5年内，就会被深度学习支持的人工智能应用所取代。84
说是玩笑，这又怎么只是一个玩笑？自从2016年3月Alpha Go横空出世以来，世界公众不仅在关注机器是不是会毁灭人类，其实他们还更关心人工智能对工作、生活的直接影响，包括社会学家、经济学家、政治家在内，大多数人最忧虑的一件事也许是：在未来的10年，到底有多少人类的工作会被机器全部或部分取代？
人类的工作被机器取代，这件事的隐含风险是不言自明的，那就是可怕的失业！
人类创造人工智能，不就是提高我们的生活质量、工作效率，不就是用来帮助我们人类的吗？如果AI会造成大批人类失业，如果人工智能会让这个本就经常受战争、贫困、恐怖主义、疾病困扰的地球再平添一道失业的伤疤，我们发明AI到底还有什么用？
AI会让人类大量失业吗？
2016年年底，物理学家史蒂芬·霍金在英国《卫报》发表文章说：“工厂的自动化已经让众多传统制造业工人失业，人工智能的兴起很有可能会让失业潮波及中产阶级，最后只给人类留下护理、创造和监管等工作。”85
霍金的话代表了相当一部分学者和公众对于人工智能取代人类工作、造成失业风险的担忧。这种担忧不能说完全没有道理，但我觉得，霍金对于未来科技与世界格局关系的思考，过于片面和狭隘了。
人类文明史漫漫数千年，因为科技进步而造成的社会格局、经济结构的调整、变革、阵痛乃至暂时的倒退都屡见不鲜。从局部视角来看，很多划时代的科技成果必然引发人们生活方式的改变，短期内很可能难以被接受，但站在足够的高度上，放眼足够长的历史变迁，所有重大的科技革命无一例外地都最终成为人类发展的加速器，同时也是人类生活品质提高的根本保障。从全局视角看，历史上还没有哪一次科技革命成为人类的灾难而不是福音。
新型纺织机、蒸汽机等现代机器出现时，就曾在英国乃至整个欧洲引起农民和手工业者的恐慌。在当时的历史条件下，也的确出现了以“羊吃人”的圈地运动为代表的，将农民赶出土地并逼迫他们成为廉价产业工人的残酷事实。但从长远来说，历史无法抹杀工业革命对人类生产、生活的巨大贡献。没有现代机器的出现，我们就没有今天这样顺畅的交通、高效的生产和远比中世纪舒适、富足许多倍的现代生活。曾经因现代机器的出现被迫脱离传统农业、传统手工业的大量劳动力，后来大都在现代工业生产或城市服务业中找到了新的就业机会。即便以数百年前的第一次工业革命为例，我们也不难发现，科技革命不仅仅会造成人类的既有工作被取代，同时也会制造出足够多的新的就业机会。
大多数情况下，工作不是消失了，而是转变为了新的形式。
在西方城市里，马车被汽车取代是另一个非常好的例子。当年，汽车开始进入大城市并逐渐普及的过程中，曾经在数百年的时间里充当着上等人出行工具的马车，面临着实实在在的“下岗”威胁。那个年代，伦敦、巴黎、纽约等大城市里，马车出行意味着一个完整的产业链条，有一连串与马车相关的工种，比如马车夫、马匹饲养和驯化者、马车制造商、马车租赁商，根据马车的需要维护道路的工人，乃至专门清理马匹粪便的清洁工。汽车的大范围普及意味着所有这些陈旧工种面临失业的风险。但只要简单地计算一下就能发现，新兴起的汽车行业拥有比传统马车行业多出数千倍甚至数万倍的产值和工作机会。原本只有中上等人才能享用的马车出行，到了20世纪，迅速演变成几乎可以被所有人公平享用的、更加廉价的汽车出行。制造汽车的大型工厂需要数以万计的设计、制造、管理职位，远比当年的马车产业对整个社会的经济贡献要大得多。
其实，人类越发展，就越不担心高新科技对社会、经济结构的冲击。如果说第一次工业革命时，历史的进程还伴随着资本原始积累时期的野蛮和残酷，那么，到20世纪第三次工业革命的时候，绝大多数新科技、新产业都是在很短时间内调整和适应，之后就迅速占据了产业制高点，引领人类在一个更高层次上，重新安排更高品质的工作和生活。
例如，移动通信和互联网的出现让所有传统的通信方式成为过去时，电报、纸质邮件、明信片、寻呼机等基本都退出了主流舞台。拿电报来说，今天的小孩子已经很难搞懂当年的人们是如何字斟句酌撰写电报草稿的了。电报在全球使用超过100年，最终在移动通信与互联网快速发展的浪潮中寿终正寝。根据维基百科的记录：“香港的电讯盈科已于2004年1月1日宣布终止香港境内外所有电报服务，在同一年，荷兰的电报服务亦宣告停止，美国最大的电报公司西联（Western Union Telegram）宣布2006年1月27日起终止所有电报服务。”86在中国，今天也只有极少数的老电报人，还在象征性地坚守工作岗位87。几乎没有人会质疑电报行业从业人员的工作被取代这件事，因为人们相信新技术的优越性，相信从电报行业内离开的电报人完全可以在今天这个多样化的时代找到自己的新工作岗位。我们只有从一些怀旧文章中，才能多少了解到曾经的电报人在新旧更替的历史大潮中，有着何种复杂、纠结的心情，但那种感情，已多半属于对传统和历史的依依不舍了。
回到我们的核心问题：人工智能会让人类大量失业吗？
纵观人类发展史，我对这个问题的回答是：如果把这里的“失业”定义为工作转变的话，那么答案是“会的”。从短期看，这种转变会带来一定程度的阵痛，我们也许很难避免某些行业、某些地区出现局部的失业现象。特别是在一个适应人工智能时代的社会保障和教育体系建立之前，这一阵痛在所难免。但从长远来看，这种工作转变绝不是一种以大规模失业为标志的灾难性事件，而是人类社会结构、经济秩序的重新调整，在调整基础上，人类工作会大量转变为新的工作类型，从而为生产力的进一步解放，人类生活的进一步提升，打下更好的基础。
2017年1月，我在达沃斯受邀与麻省理工学院媒体实验室负责人伊藤穰一（Joi Ito）讨论人工智能。其间，伊藤穰一曾说：“宏观角度来看，我们无法否认人们会因‘新技术总会导致人们失业’而恐慌，但随着新技术的发展，某些领域又会诞生新的工作。……主导AI技术研发的各大科技巨头，如果能为人们树立一种正确的态度，驱散人们心中对AI技术的恐惧，也将会是一大利好。毕竟人们对AI技术的恐惧，绝大部分来自对AI的不解。要消除恐惧，我们需要在两个方面努力：其一，是消除人们心中情绪化、非理性的恐慌心理；其二，则是理性解决问题。例如，我们必须对当前的教育体系以及职业资格认证等体系进行改革，这取决于未来机器发展的速度有多快。”88
大体上我同意伊藤穰一的观点，不过我认为，我们需要更为急迫地唤醒社会集体意识来理解并准备AI时代的到来。当今时代变革的速度，比以往任何一次工业革命时期都要快。随着AI技术的不断完善，越来越多的工作如今开始被AI技术取代。举例来说，中国有一批AI创业公司正在研究人脸识别，这类技术已能批量辨识20万到30万张人脸，这是一般人不可能达到的量级和精准度，诸如保安、边防等从事辨识任务的从业人员，也势必会被取代。在另外一些领域，AI处理人际和人机关系的能力确实还不如人类，医疗行业是最好的例证，医疗检测中的某些涉及影像识别的岗位很快也会被AI技术所取代，但那仅仅是医疗专业的一小部分。
当前有两项重大的任务等着我们去解决：其一，是思考如何调配未来20年大量被AI技术替代的工作者；其二，是我们的教育亟待改革。我们需要对我们的后代进行再教育，分析哪些工作不会轻易被替代，而不仅仅去幻想从事目前看似光鲜亮丽的工作。
机器带给人类的不是失业，而是更大的自由与更加个性化的人生体验。
未来是一个人类和机器共存、协作完成各类工作的全新时代。
我们无须担忧和惧怕这个时代的到来，我们所要做的，应当是尽早认清AI与人类的关系，了解变革的规律，尽早制定更能适应新时代需求的劳动保障制度、教育制度等，以便更好地迎接新时代的到来。
哪种工作最容易被AI取代？
那么，在人工智能快速发展的大背景下，哪种人类工作最容易被人工智能全部或部分取代呢？什么样的从业者应该尽早做好准备，以适应或转变到全新的工作岗位呢？
对此，我有一个“五秒钟准则”，这一准则在大多数情况下是适用的。李开复的“五秒钟准则”一项本来由人从事的工作，如果人可以在5秒钟以内对工作中需要思考和决策的问题做出相应的决定，那么，这项工作就有非常大的可能被人工智能技术全部或部分取代。
比方说，传统意义上，在股票交易市场工作的普通交易员只是起到一个信息录入员或中间人的作用，他们在嘈杂、纷乱的市场里，一边关注买方诉求，一边关注卖方诉求，他们所做的工作，只是根据买家或卖家的指令，完成实际的交易操作。对于一桩交易能否成交，他们只需要关注具体数字和市场行情就能做出判断。基本上，每个独立判断，花两三秒就能做出。今天的自动化技术和人工智能技术足以完成这类简单的、中介性质的工作。这就是今天各大股票交易市场里传统意义上的交易员正大幅让位于计算机的原因所在。
再比方说，驾驶汽车的时候，人类司机根据路况所做出的判断，其实都是人脑可以在短时间内处理完成，并立即做出反应的。否则，如果人类司机对路面上突然出现的障碍物、交通标志、行人等无法在一两秒内做出即时反应，驾驶的危险性就必然大幅攀升。这其实从一个侧面说明，汽车驾驶这项工作，需要的主要是快速感知外界环境、快速判断并快速响应的能力。这种决策能力符合“五秒钟准则”，因此，汽车驾驶工作终将被自动驾驶技术全面替代和超越。人工智能足以在更短时间内做出与人类一样或比人类还精准的判断，将驾驶安全等级提升一个档次。
反之，如果你的工作涉及缜密的思考、周全的推理或复杂的决策，每个具体判断并非人脑可以在5秒钟的时间内完成，那么，以目前的技术来说，你的工作是很难被机器取代的。
例如，新闻撰稿就有简单和复杂之分。信息报道类的新闻撰稿，在很大程度上正在被人工智能的新闻写作工具所取代。比如在体育类、天气类、财经类的新闻报道中，人类记者通常所做的不过是简单地组合事实，报告情况，并按照某些既定的格式完成文本写作。这种工作不需要复杂的判断，可以被机器取代。但是，同样是新闻类写作，如果你所撰写的是《纽约客》类型的深度评述文章，每篇文章都需要大量采访为基础，并在原始素材之上，发挥作者的归纳和推理能力，提炼出相对复杂的逻辑结构，设计出最适合主题的表述形式，这些工作，每一项所需要的思考时间，都远远不止5秒钟。有能力为《纽约客》撰稿的记者，在未来很长一段时间内，根本不用担心自己的工作会受到人工智能的威胁。
类似地，如果你是一个可以创作钢琴曲、交响乐的作曲家，如果你是一个可以制作深度访谈节目的电视导演，如果你是一个能够从头创建故事架构的电影编剧，如果你是一个可以用创造性的方法为学生讲解复杂知识体系的教师……正在从事这些复杂工作的你，未来可以利用人工智能来提高工作效率，但根本无须考虑是否要将工作让位于机器。
当然，这里说的“五秒钟准则”只是个经验法则，我们可以举出许多并不符合这一准则的个例。比如说，根据病人的化验结果或医疗影像，对病人的病情进行诊断，这件事并不是一个医生可以在几秒钟时间里就能完成的。但随着今天计算机视觉技术的发展以及人工智能在医疗领域的深入应用，人工智能确实可以代替一部分医生的工作，快速完成基于数据或影像的初步病情筛查。再比如说，虽然许多简单工作，比如病人护理，在工作中不需要特别复杂的决策过程，但接受护理的病人，很多都会特别在意自己与护理员的沟通，那么，这样一种需要人与人交流的工作，就很难被机器所取代。
基于“五秒钟准则”，我个人预测，从事翻译、新闻报道、助理、保安、销售、客服、交易、会计、司机、家政等工作的人，未来10年将有约90%被人工智能全部或部分取代。如果就全人类的工作进行一个粗略的估计，我的预测是，约50%的人类工作会受到人工智能的影响。
人工智能对人类工作的可能影响包括三种类型：
·人类某种工作被人工智能全部取代；
·人类某种工作被人工智能部分取代；
·人类某种工作转变为新的工作形式。
与其他科学家或未来学家相比，我的预测比一部分人激进，比另一部分人保守。如果历史进程如我所料，那么，在未来10年里，至少有一半人需要关心自己的工作与人工智能的关系，需要在未来的人机协作模式中，找到自己的新位置。
大部分工作将发生转变而非消失
我曾向《人工智能时代》一书的作者，计算机科学家、连续创业家、未来学家杰瑞·卡普兰提问，人工智能将在不久的将来造成人类多大范围上的失业？由此引发的失业会成为一个严重的社会问题吗？
杰瑞·卡普兰的观点非常明确：不是所有工作都会被人工智能取代。相反，很多工作都会转变为新的工作机会89。
一个很好的例子是银行的柜员。过去，大多数银行柜员总是在做最基本的银行交易。显然，ATM自助服务终端的使用，已经代替了一定数量的银行柜员的传统工作。但有趣的是，银行柜员的雇用数量不降反升，因为柜员的工作转变了。我们仍然管他们叫银行柜员，但他们的工作描述与20年前相比已经有了很大不同。大多数情况下，银行柜员不是坐在那儿等着帮你取钱、存钱。今天的银行柜员已经成为银行各类业务的销售员。你可以走进一家银行的支行，跟柜员就银行业务展开交谈。那些银行柜员可以为你提供所有帮助。这项工作已经不同了，但职位的名称还没有改变。技术让银行变得更加高效，更易扩展。银行可以开更多的支行，雇用更多的员工，在新的领域投资并制造新的工作机会。
最近，一份来自詹姆斯·贝森（James Bessen）的报告显示了在过去几十年间全职银行柜员的数量增长趋势90。据报告统计，随着银行自动柜员机（ATM）的普及，美国全职银行柜员的数量先是在1990年前后有了一定规模的下降，随后又逐渐回升，并慢慢在总量上超过了历史最高点。也就是说，ATM的普及不仅没有造成银行柜员人数的下降，反而给银行提供了拓展业务的契机，银行柜员的工作转变为新的形式后，银行对于柜员的需求也持续增加。
杰瑞·卡普兰这一分析仅仅以银行业过去几十年间柜员数量的增减为论据，可能会有些片面。我觉得，长远来看，银行是否总是需要那么多客服人员，这是值得商榷的。因为人工智能对提升客服人员效率的作用必将越来越明显。如果仅考虑银行内部的工作转变，我认为银行柜员数量在未来的总体趋势还是会逐渐减少的。事实上，工作转变和迁移不仅仅发生在一个行业内部，也许未来更常见的是跨行业的工作转换。当银行业不再需要这么多客服人员的时候，这些人完全可以转移到服务行业，从事那些必须人与人直接交流的工作。未来，我们希望能鼓励更多人参与人际交往互动，建立机器与人类的交流沟通模式，而这些对于服务行业来说至关重要。AI技术能够使未来的服务业更被人们期待和尊重，也完全可以让服务业接纳许多从其他行业转移过来的劳动力。
在杰瑞·卡普兰看来，人工智能可能取代的工作大多拥有清晰的评估标准，工作业绩可以被客观地衡量。人工智能无法取代的工作通常需要人类做出决策。例如，风险投资人仍然需要面对面地和创业者会谈，以确定投资意向。即便是高级教育背景的人，也会花很多时间来做重复性的工作，而这些重复性的工作最容易被自动化。这可以让那些高级人才将更多的时间用于那些最能发挥他们的技能特长，最不容易被自动化的工作部分。
对于某些工作，全部工作内容都可以被自动化，所以不再需要人类员工。例如，放射科医师的工作就可以全部被自动化。但对另一些工作，比如普通医生，你没法将他们全部替换，因为你没办法彻底取消面对面的病情诊断。我们将会拥有自动辅助诊断系统，但这些系统只是让医生的工作更高效，从而让医生有更多时间来完成科研任务，或者接诊更多的病人。今天，很多人因为医疗费用昂贵而不去看医生。当人工智能被广泛应用后，医生可以更高效地接诊病人。医生的数量可能会下降，但人们可以更容易也更频繁地去看医生。
与杰瑞·卡普兰的观点相似，我认为在人工智能时代里，人类工作的转型在所难免，但这更多意味着新的工作方式，而非大量的失业。比如，我的大女儿在学习服装设计。在过去的数十年里，因为技术的发展，特别是因为互联网的普及，服装设计这个行业已经有了很大的变化。过去学服装设计的人，必须亲自学习从材料到设计再到剪裁的每一个细节，亲自动手量体裁衣。但现在互联网上出现了不少设计师与服装生产环节之间的协作平台，通过互联网进行分工合作，设计师只要负责款式设计，并把图样发给服装制造的上游厂商，厂商就会根据设计师的设计，完成服装的实际生产。在今天这个时代，设计师不用亲手量体裁衣，就可以创造并拥有自己的时装品牌，并利用互联网的优势，进行推广和销售，所有其他环节，交给更专业的人去完成。这是互联网的兴起，为时装行业带来的工作方式的转变。那么，未来随着人工智能的应用，许多简单的服装制造环节，都可以由人工智能控制的机器来完成，时装行业又会经历一次新的转变。在历次变革中，懂得发掘美、展现美的时装设计师，他的工作因为需要人的想象力、创造力而不会消失。产业链上其他相关的工作，则会因技术的引入而不断变化。最终的结果不一定是从业人员的减少，更有可能的是服装设计、生产效率的大幅提高，生产成本的大幅降低，在此基础上，甚至可以为每个用户配备“私人”设计师，根据用户的个人爱好，来订制最美的时装作品——基于这个判断，今后服装设计师的数量一定会大幅增加。
也就是说，失业问题未必会如某些人想象的那样严重。技术发展将造成一部分简单工作、底层工作的消失或转变，但由此也会催生更多新型的、更需要人类判断力和创造力的工作类型。如设计师、架构师、建筑师、流程设计和管理者、艺术家、文学家……其工作不但不会被取代，反而会成为未来的稀缺资源，吸引更多在社会和经济转型中愿意尝试新领域的人来从事类似工作。
AI只是人类的工具
担心人工智能控制甚至毁灭人类的，是对超人工智能过于乐观的“科幻”爱好者；担心人工智能取代绝大部分人类工作，造成全球大范围失业的，则是不相信科技进步能凭借自身力量优化社会资源分配、调整经济结构、构建新就业秩序的保守主义者。
我想，在人类可以预见的近未来，上面这两种极端情况的出现概率都非常小。最有可能变成现实的情形是全人类步入一个崭新的人机协作时代，在这个时代，以人工智能为驱动的机器将大幅提高人类的工作效率，但无论从哪个角度说，机器都只是人类的工具。
杰弗里·辛顿教授在接受采访时说：“机械式挖掘机和自动柜员机通过替代人类的简单、重复劳动，提高了生产效率。没有几个人会说，我们不应该引入这些自动化的机器。在一个公平的制度中，可以提高生产效率的技术进步会受到所有人的欢迎，因为它们会为每个人带来更为优越的生活。技术本身不是问题，问题在于制度是否能保证每个人都获益。”91
杰瑞·卡普兰认为，一个关于机器智能的更好的思维方式是：我们拥有了新的科技手段，我们可以将这些新技术应用于新的问题领域。因为机器学习技术的进步，我们现在正处于最好的时期。“当你拥有一把锤子时，所有东西看起来都像钉子。”今天在美国，所有人都在尝试，看看我们该如何应用人工智能技术，可以应用得多么深入。我们正在解决自然语言处理问题、翻译问题、机器视觉问题、机器人问题等。有些地方，人工智能工作得很好，有些地方，它们还难以满足实际需要。驱动这种进步的主要力量并不是智能本身，而是大数据以及使用更快、更便宜、更简单的方式访问大数据的能力。
今天人们对于机器学习的兴趣与曾经的每一次新技术革命并没有本质的不同。例如，机器学习和当年关系型数据库的发展非常类似。我们当年使用基于层次模型和网络模型的数据库，关系型数据库的出现改变了一切。借助关系型数据库，任何人都可以将数据库当成一个方便的工具，而不需要雇用许多专业的工程师。人工智能就是这样一个可以为我们带来巨大改变的便捷工具，就像关系型数据库在几十年前所做的一样。92
AI只是人类的工具。技术本身不是问题，问题是我们如何使用技术以及如何围绕人工智能这样一种革命性的新科技，建立与之配合的社会和经济结构，用制度来保证人人都可享用人工智能带来的巨大收益，同时不必担心失业等潜在风险。
自动驾驶：AI最大的应用场景
自从谷歌正式对外宣布自动驾驶汽车项目以来，自动驾驶行业已呈现出整体布局、多元配置、多角度切入的格局，5到10年后可具备千亿美元乃至万亿美元规模的庞大产业生态已具雏形。我们也许还无法准确预测，全功能、最高等级的自动驾驶汽车会在什么样的时间点，真正走入普通人的生活，但毫无疑问的是，这一次人工智能热潮中，自动驾驶一定是最大的应用场景。
自动驾驶带给我们的有关未来生活的想象空间，几乎是无穷的。这绝对不是未来的汽车都不需要司机，我们可以躺在车里睡觉、听音乐这么简单的一件事。
例如，当汽车不再需要司机的时候，我们为什么还要像今天这样，在家里保有一部到两部私家车呢？滴滴、优步等共享经济已经为我们揭示出了一些未来生活的样子：大多数汽车可以用共享经济的模式，随叫随到。因为不需要司机，这些车辆可以保证24小时待命，可以在任何时间、任何地点提供高质量的租用服务。这样一来，整个城市的交通情况会发生翻天覆地的变化。因为智能调度算法的帮助，共享汽车的使用率会接近100%，城市里需要的汽车总量则会大幅减少。需要停放的共享汽车数量不多，只需要占用城市里有限的几个公共停车场的空间就足够了。停车难、大堵车等现象会因为自动驾驶共享汽车的出现而得到真正解决。那个时候，私家车只用于满足个人追求驾驶乐趣的需要，就像今天人们会到郊区骑自行车锻炼身体一样。
更重要的是，汽车本身的形态也会发生根本性的变化。一辆不需要方向盘、不需要司机的汽车，可以被设计成前所未有的样子。比如，因为大部分出行都是一两个人，共享的自动驾驶汽车完全可以设计成比现在汽车小很多，仅供一两个人乘坐的舒适“座舱”，这可以节省大量道路空间。道路上，汽车和汽车之间可以通过“车联网”连接起来，完成许多有人驾驶不可能完成的工作。比如，许多部自动驾驶汽车可以在道路上排列成间距极小的密集编队，同时保持高速行进，统一对路面环境进行侦测和处理，而不用担心追尾的风险。再如，一辆汽车在路面上可以通过自己的传感器发现另一辆汽车的故障，及时通知另一辆汽车停车检修。未来的道路也会按照自动驾驶汽车的要求来重新设计，专用于自动驾驶的车道可以变得更窄，交通信号可以更容易被自动驾驶汽车识别。
在自动驾驶时代里，人们可以把以前驾驶汽车的时间用来工作、思考问题、开会、娱乐。一部分共享汽车可以设计成会议室的样子，人们既可以围坐在汽车里讨论问题，也可以在乘车时通过视频会议与办公室里的同事沟通。今天驾驶汽车时，最多只能听听广播或音乐。未来乘坐自动驾驶汽车的时间，完全可以用来享受汽车座椅内置的全身按摩服务，或者接入虚拟现实（VR）设备来一次穿越奇幻世界的冒险。自动驾驶时代，人类生活将更有品质也更加快乐。
自动驾驶的普及对产业结构、经济格局的影响将极其深远。想象一下，在过去的100多年，汽车工业是如何彻底改变了全球、全人类的生活方式，如何创造出了一大批市值百亿美元、千亿美元的大型跨国公司，如何带动了从设计、生产到零件、外包、服务、咨询、培训、交通、物流等数百个相关的生态产业，如何在短短数十年里让美国成为“车轮上的国家”，又如何在短短十几年时间里在中国小康家庭中普及了汽车出行的现代生活方式。如此庞大的汽车工业，正面临着以人工智能为依托的自动驾驶技术的改造。生态中的每一个子产业都可能在未来10年内发生翻天覆地的变化。即便不提整车制造，单是自动驾驶技术需要的廉价、可靠的传感器（如激光雷达），就可能成为一个千亿美元规模的大产业。或者，针对未来的自动驾驶技术，对现有道路进行改造升级，这又将涉及庞大的固定资产投资和相关产业的升级。无论如何乐观地预测自动驾驶对全球社会、经济发展的贡献，也许都不为过。
麦肯锡公司预测，到2030年时，自动驾驶技术的普及将为现有的汽车工业带来约30%的新增产值，这部分销售额包括受益于自动驾驶技术而获得更大发展空间的共享汽车经济（例如，在目前的交通拥堵和人口稠密地区、远郊区域等，利用自动驾驶技术可大幅提高共享经济的发展空间），因自动驾驶技术的普及而发展起来的车上数据服务，如应用程序、导航服务、娱乐服务、远程服务、软件升级等。今天全球汽车工业的整车销售总额大约是2.7万亿美元，售后服务销售额大约是7200亿美元，共享经济等新兴业务的销售额只有约300亿美元。而到了2030年时，前两项业务的销售额将稳步增长，而由自动驾驶技术驱动的新兴业务的销售额将大幅增长到1.5万亿美元，成为刺激汽车工业增长的最大因素。93
自动驾驶技术发展简史
真正由机器全面接管的自动驾驶，最早出现在空中而非地面。这是因为，对于在高空飞行的飞机而言，行驶路线上的交通状况远好于地面。在飞行器上进行感知和操控，环境复杂度远低于由交通标志、移动车辆、可能出现的障碍物、随时可能闯入路面的行人等组成的地面交通生态。
1912年，人类发明的第一架固定翼飞机首飞不到10年，为飞机制造导航仪表的Sperry公司就研制出了第一套自动驾驶系统，并于1914年在巴黎做了演示飞行。Sperry公司这套系统使用陀螺仪来判定飞机航向，使用气压高度计来测定飞机高度，根据系统感知得到的航向和高度数据，通过液压装置操控升降舵和方向舵。
Sperry公司为飞机研制的第一套自动驾驶系统虽然简单，但具备了一套自动驾驶装置必备的几个组成部分。
·感知单元：主要由各种传感器和智能感知算法组成，用于感知交通工具行经路线上的实时环境情况。
·决策单元：主要由控制机械、控制电路或计算机软硬件系统组成，用于根据环境信息决定对交通工具施加何种操作。
·控制单元：主要通过交通工具的控制接口，直接或间接操控交通工具的可操纵界面（如飞机的操纵面或汽车的方向盘、踏板等），完成实际的驾驶工作。
无论是飞机的自动驾驶，还是汽车的自动驾驶，无论是早期系统，还是结合了深度学习算法的现代系统，大抵都符合这样一个基本的概念模型。
图37 自动驾驶系统的基本概念模型
因为高空的环境复杂度较低，飞行器的自动驾驶系统发展很快。两次世界大战前后，飞机自动驾驶或辅助驾驶技术不断改进。1947年，美国空军用一架道格拉斯C-54运输机完成了一次横跨大西洋的飞行，飞机全程使用自动驾驶系统控制，包括起飞和降落环节，这是自动驾驶系统在航空工业中走向普及的标志性事件。今天，现代客机、货机、战斗机绝大多数都拥有自动驾驶或辅助驾驶系统，可以大幅减轻飞行员的工作强度。在大部分气象条件下，只要飞行员允许，飞机的自动驾驶系统都可以自动完成包含起飞、降落在内的全部飞行控制操作。为了解决较复杂的降落段自动驾驶问题，全球各大机场还根据情况，安装了不同级别的仪表着陆系统（ILS），使用无线电信号或高强度灯光阵列，来为飞机提供精密引导。
自动驾驶系统在航空领域取得的巨大成功也为汽车的自动驾驶系统提供了有价值的参考，这包括：
·飞机飞行过程中需要感知的环境信息，几乎都可以由已有的机上传感器提供。而目前大批量生产的普通汽车，通常只装配了感知自身行驶速度的简单传感器。为现有汽车安装附加传感器，是实现汽车自动驾驶的必经之路，但也客观上增加了自动驾驶系统的成本。为汽车设计生产廉价、精准、可靠的传感器，是未来自动驾驶行业的重心之一。
·因为环境简化，飞机的感知和决策过程相对简单，系统算法通常不需要涉及复杂的深度学习模型。即便如此，目前从事货运、客运航空飞行时，飞行员仍需要全程监控，与自动驾驶系统协同工作。完全不需要飞行员的无人机只在军事领域得到了广泛应用，进入大规模商业客运、货运飞行还为时尚早。这提醒我们，为汽车研发自动驾驶系统的时候，也不能急于求成，从机器辅助人类驾驶开始，逐渐过渡到人类辅助机器驾驶，最终实现无人驾驶，才是理性和正确的选择。
·正如机场可以安装仪表着陆系统（ILS）来辅助降落一样，对道路的改造（如新的易于识别的交通标志、与汽车传感器配合的信号源等）也许是简化汽车自动驾驶系统实现难度的一条捷径。
谈到汽车的自动驾驶系统，很多人是通过谷歌公司发布的自动驾驶汽车认识这一现代科技成果的。其实，在谷歌之前，大批公司和科研机构，已经对汽车的自动驾驶系统做了多年的研究。
最早在20世纪20年代，当时的主流汽车厂商就开始实验自动驾驶或辅助驾驶功能。现代意义上的第一辆自动驾驶汽车，出现在20世纪80年代的卡内基-梅隆大学计算机科学学院的机器人研究中心，它的名字叫Navlab。1986年制造的第一辆Navlab汽车上安装了3台Sun工作站、1台卡内基-梅隆大学自行研制的WARP并行计算阵列、1部GPS信号接收器以及其他相关的硬件单元。限于当时的软硬件条件，这部自动驾驶汽车的最高时速只能达到32千米，而且还很不实用，但起码算是具备了现代自动驾驶汽车的雏形。1989年，卡内基-梅隆大学还在自动驾驶系统中，使用神经网络技术，进行了感知和控制单元的实验。大约在同一时期，奔驰、通用、博世、尼桑、丰田、奥迪等传统汽车行业的厂商也开始加大对自动驾驶系统的投入，陆续推出了不少原型车。
在中国，早在1987年，国防科技大学就研制出了一辆自动驾驶汽车的原型车，虽然这辆车非常小，样子也与普通汽车相差甚远，但基本具备了自动驾驶汽车的主要组成部分。2003年，国防科技大学和一汽集团联合改装了一辆红旗轿车，自动驾驶最高时速可以达到130千米，且实现了自主超车功能。2011年，改进后的自动驾驶红旗轿车完成了从长沙到武汉的公路测试，总里程286千米，其中人工干预里程2240米。此外，清华大学、中国科技大学等国内科研机构，也各自开展了自动驾驶技术的早期研究。
虽然在实际测试效果上还远未达到自动驾驶的要求，但上述国内外厂商、科研机构的积累，为谷歌自动驾驶汽车取得突破性进展奠定了技术基础。事实上，被誉为谷歌自动驾驶汽车之父的塞巴斯蒂安·特龙（Sebastian Thrun）在加入谷歌之前，就曾带领着斯坦福大学的技术团队研发名为Stanley的自动驾驶汽车，并参加了美国国防高等研究计划署（DARPA）的自动驾驶挑战赛（DARPA Grand Challenge）。塞巴斯蒂安·特龙主持研制的Stanley汽车赢得了2005年DARPA自动驾驶挑战赛的冠军。
图38 塞巴斯蒂安·特龙团队基于柴油版的大众途锐研发的Stanley自动驾驶汽车
Stanley自动驾驶汽车使用了多种传感器组合，包括激光雷达（LIDAR）、摄像机、GPS以及惯性传感器，所有这些传感器收集的实时信息被超过十万行软件代码解读、分析并完成决策。在障碍检测方面，Stanley自动驾驶汽车已经使用了机器学习技术。塞巴斯蒂安·特龙的团队也将Stanley汽车在道路测试时，不得不由人类驾驶员干预处理的所有紧急情况记录下来，交给机器学习程序反复分析，从中总结出可以复用的感知模型和决策模型，用不断迭代测试、不断改进算法模型的方式，让Stanley汽车越来越聪明。
其实，塞巴斯蒂安·特龙主持研制Stanley汽车时，就有十几名谷歌工程师加入了团队，参与研发工作。了解了这样的背景，大家就完全不会奇怪，为什么研制Stanley汽车的有用经验几乎全部被谷歌自动驾驶汽车项目继承过去了。
2009年，谷歌基于塞巴斯蒂安·特龙的团队正式创建了自动驾驶汽车项目。这个项目最早在谷歌内部被命名为“chauffeur”。“chauffeur”这个词源自法语，原本是加热、变热的意思。蒸汽机发明后，因为蒸汽机驱动的车辆需要先把水烧热，人们就用“chauffeur”来指代操作蒸汽机的人，或驾驶蒸汽机驱动车辆的人。再后来，虽然汽车已经与蒸汽机毫无关系，“chauffeur”这个词还是被用于指代司机，或专指私人雇用的司机。谷歌对外几乎从未提及“chauffeur”这个内部项目代号，但在谷歌正式申请的美国专利，如专利US9134729B1中，我们还是发现，技术示意图的注释文字里包含了“chauffeur”字样。
图39 示意图来自谷歌为自动驾驶的用户操作界面申请的美国专利，注意注释文字里出现了“chauffeur”的字样94
图40 谷歌第一代自动驾驶汽车，基于丰田普锐斯汽车改装（CC BY-SA 2.0，Wikipedia）
2009年，谷歌内部举办了一个名为“Goo Camp”的技术交流活动，在那个活动里，少数工程师第一次体验了谷歌自动驾驶汽车的神奇。那时，被邀请乘坐谷歌第一代自动驾驶汽车的工程师们既兴奋又紧张，尽管预定的乘车路线很短，只是绕着谷歌总部的核心园区转一圈，从未乘坐过自动驾驶汽车的人还是难免要担心计算机会不会出现这样那样的问题。结果，测试效果很好，基于丰田普锐斯汽车改装的第一代自动驾驶汽车顶着圆筒状的激光雷达等传感器装置，有些憨态可掬地完成了直行、转弯、上坡、下坡、避开路面其他车辆等基本任务，全程只出现了一个有惊无险的状况：在做一个相对比较急的右转弯时，自动驾驶系统给汽车的操作指令有些过于生硬，汽车转弯的动作有些“生猛”，坐在驾驶座位上的测试员不得不手动干预了一下方向盘。
在那一次内部交流活动中，有工程师问“chauffeur”项目的研发人员：“这样的自动驾驶汽车在实际路面上测试时，警察会不会找麻烦？”研发人员回答说：“我们在斯坦福大学做测试时，有一次，好奇的警察发现这是一辆不需要司机操控的汽车，就上前盘问道：‘这是辆什么车呀？’我们回答：‘自动驾驶汽车。’警察耸了耸肩说：‘酷！’嗯，当时的情况就是这样。”
2010年，美国公众已开始注意到谷歌自动驾驶汽车的存在，法律界人士也已经认识到，自动驾驶汽车在路面上行驶，必然会对已有的公路交通法规、保险体系等带来新的挑战95。支持新兴科技的律师和政界人士开始呼吁政府立法，批准自动驾驶汽车合法在公路上开展测试活动。2012年5月，谷歌自动驾驶汽车正式获得了美国内华达州车辆管理局（DMV）颁发的执照，这也是美国历史上为自动驾驶汽车颁发的第一张执照。截止到2016年3月，美国已经有加利福尼亚州、密歇根州、佛罗里达州、内华达州、亚利桑那州、北达科他州、田纳西州、哥伦比亚特区等地区允许自动驾驶汽车在公共路面上进行测试。
2012年，谷歌自动驾驶汽车已经取得了超过30万英里的公路行驶经验。基于雷克萨斯RX450h改装的自动驾驶汽车也已上路运行。也正是在这一年，谷歌将自动驾驶汽车的路面测试范围，从简单的园区路况和普通高速路况，扩展到了包含复杂交通环境的城区路况。截止到2016年，谷歌自动驾驶汽车的实际测试里程已经超过200万英里。
2014年，一辆崭新的、长着可爱的卡通版身躯的谷歌无人驾驶汽车在著名的谷歌X实验室问世。这辆汽车除了萌萌的造型之外，最大的与众不同之处在于，这是一辆完全不需要人工干预的自动驾驶汽车，它没有方向盘，没有油门，没有刹车踏板！乘客只要上车，说出自己要抵达的目的地，就可以享受世界上第一辆完全意义上的“无人驾驶”汽车的周到服务了。
图41 在实际路面上进行测试的谷歌新一代无人驾驶汽车（CC BY-SA 4.0，Wikipedia）
应当说，在人工智能大发展的时代里，谷歌在自动驾驶领域最早投入研发力量，最早获得技术突破，在过去的数年间完成了累计里程最长的高级别无人驾驶道路测试。但对普通人来说，谷歌的无人驾驶汽车虽已是硅谷道路上的常客，但其商业模式却一直滞后，基本上停留在市场宣传层面，面向最终消费者的销售遥遥无期。这主要是因为谷歌对于自动驾驶技术的高度谨慎。
2016年5月7日，发生在佛罗里达州的特斯拉电动汽车致死事故，其中的原因之一就是车主过度信任特斯拉汽车的Autopilot模式（其实这一模式在当时是不折不扣的“辅助驾驶”，而不是“自动驾驶”），对突发情况没有做出及时的人工干预。而谷歌认为，要保证自动驾驶的绝对安全，就一定不能依赖于人的参与，必须让自动驾驶汽车的人工智能技术能够应对所有（至少是极其接近100%的）极端路况，否则，就无法销售尚有风险的汽车产品。
因为对100%自动驾驶的高标准追求，谷歌的自动驾驶汽车研发和商业化之路无法在短期内获得收益。就在谷歌不懈追求最高水准的自动驾驶系统的同时，特斯拉、优步、百度、苹果、英伟达（NVIDIA）等高科技公司纷纷加入自动驾驶研发的阵营，并大多采用从与谷歌不同的角度切入市场，如关注辅助驾驶的特斯拉、关注汽车资源共享的优步、关注自动驾驶计算平台的英伟达等。传统汽车厂商如通用、奔驰、宝马、丰田等也陆续调整自己的技术战略，跟上最新的无人驾驶风潮。初创公司如以色列的Mobileye、Oryx Vision，美国的Nu Tonomy、Zoox、Drive.ai、Nuro.ai，国内的驭势科技（UISEE）、初速度科技（Momenta）等，则瞄准了整个自动驾驶产业链中的特定应用场景（如小区通勤、卡车运输等），特定解决方案（如视觉解决方案、地图解决方案等），或特定功能模块（如激光雷达传感器、视觉模块、决策模块、控制模块等），发挥初创公司灵活、高效的特点。
相比之下，谷歌的自动驾驶团队多少有些“拣尽寒枝不肯栖，寂寞沙洲冷”的脱俗意味。追求最佳的安全和行驶体验，迟迟不进行商业化的开发，这让谷歌自动驾驶团队在许多新闻评论中成了“起个大早，赶个晚集”的揶揄对象96。因为产品商业化迟缓，谷歌自动驾驶团队的许多技术人员都已离开谷歌，成为各大科技企业和初创团队中研发自动驾驶技术的领军人物。创始人塞巴斯蒂安·特龙已将精力放在了教育项目优达学城（Udacity）上；团队骨干安东尼·勒万多斯基（Anthony Levandowski）带着自己熟悉的三名同事创立了Otto继续做自动驾驶，这家公司已被优步收购；创始团队CTO克里斯·厄森（Chris Urmson）2016年8月离职；另一名技术专家朱家俊也离职组建了Nuro.ai。
2016年12月，谷歌宣布，自动驾驶团队正式分离出来，成立了一家名叫Waymo的新公司。这一举措也许意味着谷歌自动驾驶汽车正式走向商业化的开始，也许是谷歌为了应对人才流失和市场竞争的无奈之举。无论如何，我们还是更愿意看到谷歌自动驾驶汽车项目继续引领自动驾驶的科技革命，未来能继续代表自动驾驶技术的最高水平。
图42 Zee.Aero公司申请的“飞行汽车”专利中的图示97
顺便提一下，除了公路上跑的汽车，包括谷歌创始人拉里·佩奇以及塞巴斯蒂安·特龙本人在内，都在关注甚至投资研发更加科幻级的自动交通工具。据说拉里·佩奇秘密投资了两家神秘的“飞行汽车”初创公司Zee.Aero和Kitty Hawk，而Kitty Hawk正是塞巴斯蒂安·特龙创立的。目前，有关这两家神秘公司的公开资料少之又少，人们只能从一些只言片语，或是已申请专利中一些非常早期的概念图来猜测，这两家公司想做的是像飞机一样在空中自由飞行，又像汽车一样方便乘坐和停放的新一代交通工具。98
AI小百科 自动驾驶的六个级别
和“人工智能”一样，“自动驾驶”也是一个有歧义，经常被人用不同方式解读的概念。
例如，有人喜欢用“无人驾驶”来描述相关技术与应用，但“无人”一词带有鲜明的“100%由机器操控”的含义，无法涵盖辅助驾驶等初级功能。事实上，许多汽车厂商都把计算机辅助驾驶称为“自动驾驶”。大家应该知道，装配有碰撞告警、车道保持、定速巡航、自动泊车等自动化功能的汽车好多年前就已经开始在市场上销售了，厂家在做广告宣传时，就将这些辅助告诉人类驾驶员，并将辅助完成特定操作（如泊车）的系统称作“自动驾驶”，但这和谷歌研发的全功能的自动驾驶汽车显然不是一个级别的技术。
从中文语义上来说，“无人驾驶”的语义过于狭窄，而“自动驾驶”的语义过于宽泛。即便在英文文本中，“self-driving car”“driverless car”“robotic car”和“autonomous car”等术语之间，内涵和外延也并非完全一致。
从理想的情况看，人类当然希望尽早看到完全“无人驾驶”的汽车取代现有的所有人类司机，但从自动驾驶技术的发展进程看，未来将存在10年或更长时间的过渡期，各种不同类型、不同层次的自动驾驶技术将呈现共同发展，各自覆盖不同需求、不同路况、不同人群、不同商业模式的情况。因此，用内涵单一的术语不利于自动驾驶技术目前的发展阶 段。
为了更好地区分不同层级的自动驾驶技术，国际汽车工程师学会（SAE International）于2014年发布了自动驾驶的六级分类体系，美国国家公路交通安全管理局（NHTSA）原本有自己的一套分类体系，但在2016年9月转为使用SAE的分类标准。今天绝大多数主流自动驾驶研究者已将SAE标准当作通行的分类原则。
SAE标准将自动驾驶技术分为0级、1级、2级、3级、4级、5级，共六个级别。具体的级别划分和描述如下页图表99所示：
在SAE的分类标准中，目前日常使用的大多数汽车处在第0级和第1级之间，碰撞告警属于第0级的技术，自动防碰撞、定速巡航属于第1级的辅助驾驶，自动泊车功能介于第1级和第2级之间，特斯拉公司正在销售的Autopilot辅助驾驶技术属于第2级技术。
按照SAE的分级标准，第2级技术和第3级技术之间，存在相当大的跨度。使用第1级和第2级辅助驾驶功能时，人类驾驶员必须时刻关注路况，并及时对各种复杂情况做出反应。但在SAE定义的第3级技术标准中，监控路况的任务由自动驾驶系统来完成。这个差别是巨大的。技术人员也通常将第2级和第3级之间的分界线，视作“辅助驾驶”和“自动驾驶”的区别所在。
当然，即便按照SAE标准实现了第3级的自动驾驶，根据这个级别的定义，人类驾驶员也必须随时待命，准备响应系统请求，处理那些系统没有能力应对的特殊情况。使用这个级别的自动驾驶功能时，人类驾驶员是没法在汽车上看手机、上网、玩游戏的。
所以，虽然从技术标准上说，第3级自动驾驶有它存在的必要，但在实际应用场景里，这一级别的自动驾驶是否真正可用，是很值得我们怀疑的。人类驾驶员一旦发现机器可以应付大多数情况，就会分心去做其他事情，以至于在机器遇到特殊情况时，无法及时、正确响应，并酿成事故。
谷歌曾经在员工中做过一个有趣的实验。自动驾驶团队在谷歌内部招聘了一批数量不多的志愿者，每个志愿者可以“认领”一辆测试用途的自动驾驶汽车回家。这些志愿者都被告知：用于测试的汽车并不完善，仍然需要志愿者坐在驾驶位置，随时准备应对汽车无法处理的路面突发情况。但谷歌的自动驾驶团队发现，志愿者几乎很少听从这个忠告。因为在绝大多数情况下，谷歌的自动驾驶汽车表现得非常好，完全可以自如应对路面上发生的各类复杂情况。这样一来，几乎每个志愿者都会100%放心地将驾驶操作交给汽车，自己则利用乘车的时间，做起任何自己想做的事情来：有乘车时看地图的，有乘车时看视频的，有乘车时躺在后座打盹儿的，有乘车时跟女友亲热的……
这次志愿者测试项目让谷歌自动驾驶团队明白了一点：一旦自动驾驶汽车达到了足够高的水平，车内乘客就会想当然地将所有操控权交给汽车。无论这时候自动驾驶汽车的软件是否还有风险，无论路面上那些极端的路况是不是能被自动驾驶汽车正确处理，车主都不会保持100%的高度警觉。
也就是说，第3级的自动驾驶，目前还很难被不受限制地应用于所有场景。其实，之前已经讨论过，即便是特斯拉基于第2级自动驾驶的Autopilot技术，也存在这方面的问题。从商业化的视角来看，第2级或第3级的自动驾驶技术，将来只会被用于有限的场合，而直接面向第4级甚至第5级的自动驾驶，才是未来最大的商业机会。
自动驾驶的普及：中国有机会扮演关键角色
毫无疑问，自动驾驶将在不久的将来走进我们的生活。但真正意义上的，第4级或第5级的自动驾驶技术何时可以商用，人们有各种各样的预测。
初创公司Nu Tonomy希望能在2018年前后在新加坡提供拥有自动驾驶功能的出租车，并在2020年扩展到10座城市100。Delphi和Mobil Eye公司则声称，他们可以在2019年提供满足SAE第4级要求的自动驾驶系统101。百度公司首席科学家吴恩达希望，到2019年时将有大量自动驾驶汽车上路进行测试行驶，到2021年时，自动驾驶汽车将进入大批量制造和商用化阶段102。特斯拉公司创始人埃隆·马斯克宣布，目前上市的特斯拉汽车已经在硬件标准上具备了实现SAE第5级自动驾驶的能力。他预测说，2018年时，特斯拉将可以提供具备完全自动驾驶功能的电动汽车，但也许还要再花一到三年的时间，该型车才能正式获得批准并上市销售103。
我觉得，基于宣传技术和推广产品的考虑，科技公司、初创公司对于第4级、第5级自动驾驶何时可以商用的预测普遍比较乐观。实际情况也许比他们的预测要复杂一些，因为这不仅仅是一个纯技术问题。技术方面，谷歌（Waymo）的自动驾驶系统非常成熟，已经接近商用，也许只要一两年的时间，就可以达到SAE第4级和第5级的标准。但在非技术领域，政府、公众、企业还必须考虑诸多政策的、法律的、经济的、心理的甚至是道德层面的问题。
首先，现有的法律制度、政策、保险体系等，并不是为自动驾驶时代的交通量身定制的，一定存在诸多不合理之处。对于法律体系的改进和完善，一定不要以今天的眼光去预测未来的科技。
比如，当年蒸汽机动力的汽车问世不久，英国议会就于1865年通过了一部《机动车法案》。这部法案后来被人嘲笑为“红旗法案”。法案规定，每辆在道路上行驶的机动车必须由三个人驾驶，其中一个必须在车前面50米以外做引导，还要用红旗不断摇动为机动车开道，并且速度不能超过每小时4英里。结果，直到1896年“红旗法案”被废止前，英国对汽车技术的研发几乎还处于停滞状态，这个法案在英国汽车发展史上起到了极其愚蠢的负面作用。今天，在考虑为自动驾驶汽车制定合适的法规、政策时，我们千万不要落入100多年前英国“红旗法案”的窠臼。
其次，道德问题始终是制约自动驾驶商业化和大规模普及的关键因素。美国人比较喜欢用一个处于两难境地的道德测试来衡量自动驾驶的合理与否，这个测试叫作“有轨电车难题”（Trolley problem）。
英国哲学家菲利帕·福特（Philippa Foot）1967年首次提出这个伦理学的思想实验。问题很简单：假设你看到一辆失控的有轨电车在轨道上高速行驶，电车前方的轨道上有5个毫不知情的行人。如果你什么都不做，那么那5个人会被电车撞死。生死瞬间，你唯一的解决方案是扳动手边的道岔扳手，让电车驶入备用轨道。但问题是，备用轨道上有1个不知情的行人。扳动道岔的结果是，拯救了原轨道上的5个人，却牺牲了备用轨道上的1个人。这种情况下，你会扳动道岔扳手吗？如果用1条生命换回5条生命，你感到难以定夺，那么，假设牺牲1个人可以救50个人呢？
图43 有轨电车难题（CC BY-SA 4.0，Wikipedia）
换到自动驾驶的商用场景，政府和公众面临着同样难以定夺的诘问。从目前的测试结果看，自动驾驶技术比人类驾驶员驾驶汽车要安全，至少不存在人类驾驶员因为疲劳驾驶、酒驾等问题发生事故的情况。但自动驾驶不是万能的，在极端条件下，比如机器学习系统从未遇到过的情况发生时，自动驾驶系统也有可能导致事故，甚至对人类造成致命的伤害。
2016年5月7日，佛罗里达州的特斯拉电动汽车致死事故发生之后，特斯拉强调，在总计1.3亿英里的Autopilot模式行驶记录中，仅发生了这一起致死事故，据此计算的事故概率远比普通汽车平均每9400万英里发生一起致死事故的概率低。但无论概率有多低，这毕竟是一起致死事故。为了普及自动驾驶技术，人类面临的道德抉择并不比有轨电车难题简单。
如果自动驾驶汽车造成的死亡事故概率比人类驾驶员造成的死亡事故概率低，比如3︰5，那么，你愿意大力推广自动驾驶技术，用每牺牲3个人的代价，换回5个人的生命吗？
我用这个问题问了许多美国朋友，当我说3︰5的比例时，他们都纷纷摇头，连说“不行”。我发现，大多数人脑子里会有一个先入为主的道德假设，那就是人类驾驶员造成的事故已经被视为现行伦理道德体系中的一种客观存在，是人类自身的弱点导致的。但引入自动驾驶后，造成致命事故时，操控汽车的主体由“人类”变为“机器”，这种新的伦理道德关系就很难被现有的体系接受。如果自动驾驶技术可以拯救5个人，但代价是杀死另外3个人，大多数人就感到难以接受。他们是在用人类现有的伦理道德体系去评估机器的行为：采用新技术的决定是人类做出的，实际造成事故的主体却是机器而不是人，人类因为自己的决定，造成了“另外3个人”的死亡，这种道德压力是不言而喻的，这个时候，是否能拯救原本会因人类失误而死亡的5个人，反倒成了不那么重要的因素。
于是，我会问我的朋友：“如果牺牲的生命与拯救的生命比例是1︰5呢？”朋友们通常都会犹豫一下。我会接着追问：“如果是1︰10呢？”这时，有不少朋友就会迟疑地点点头，觉得似乎是一个可以接受的比例。那么“如果是1︰20呢？”这时，大多数朋友都会坚定地站到自动驾驶这一边，支持用较小的代价拯救多数人的生命。
很有意思的思想实验，不是吗？为什么大家在比例是3︰5的时候普遍反对自动驾驶，而在比例是1︰20的时候，就变为普遍支持呢？人类的伦理道德准则难道是用简单的数字就可以衡量的吗？当然，我就此问题询问的主要是美国朋友，他们的答案代表的也只是美国公众的看法，不具有更普遍的意义。
美国国家公路交通安全管理局于2017年1月发表了一份声明，证明特斯拉辅助驾驶系统Autopilot与2016年5月7日发生在佛罗里达的致命交通事故没有直接关系，事故的直接原因是驾驶员忽视操作提醒，没有对道路上的危险保持随时监控和快速反应。美国国家公路交通安全管理局还强调说，特斯拉在安装了Autopilot辅助驾驶系统后，事故发生率降低了40%104。
特斯拉第2级别的辅助驾驶系统Autopilot使事故概率降低了40%，这和前面假设的3︰5的比例不谋而合。大家通常会接受特斯拉的辅助驾驶功能，因为该功能要求人类驾驶员全程监控，随时参与操作。但同样是3︰5的比例，换到第4级和第5级的自动驾驶汽车上，大家就会感到难以接受。这其中，微妙的心理因素非常值得我们探讨和关注。
另一个困扰自动驾驶技术商业化的因素是失业问题对传统行业的冲击。而这种冲击，也因不同地方、不同人群而存在巨大差别。
新的科技总会引起不同层面的社会、经济影响，这种影响在有着牢固社会传统的地方，很可能会被人们视为威胁。杰瑞·卡普兰讲过一个很有趣的例子：同样是提供汽车分享和出租服务，优步在旧金山做的事情被大加赞赏，可在伦敦做的同样的事情却饱受批评。优步在伦敦造成了许多人失业。伦敦有非常发达的出租系统，伦敦人管传统的出租车叫“黑色出租”。这些出租车的司机是一个有着悠久历史的社会职业，他们需要对街道非常熟悉，以通过上岗测试。优步在伦敦破坏了这样的传统，因为任何人只要有一辆车就可以成为优步司机。在这件事上，优步低估了英国人对于传统职业的重视。伦敦的许多人痛恨优步，他们认为优步是对英国社会的破坏。但在旧金山，每个人都觉得优步棒极了。人们赞扬优步，几乎没有什么负面报道。这是同一件事在不同城市得到的不同评价。所以，你很难说某项技术是好的，或者是坏的。105
自动驾驶也一样。在美国，绝大多数人都同意，自动驾驶汽车的一个最好的应用场景，就是去取代那些工作负荷繁重、容易因长途驾驶时的疲劳而导致事故的卡车司机。但即便是这样一个在技术层面显而易见的事情，在牵涉到社会和经济问题时，也会变得十分复杂。
2016年时，美国有大约150万名卡车司机（另一种说法是180万名），全美约70%的货物运输，都是由这些卡车司机驾驶大货车通过公路完成的。目前，卡车行业已经出现了司机短缺的问题。根据美国卡车运输协会（American Trucking Associations）的估计，全美短缺的卡车司机数量是大约4.8万名。106
以美国Otto公司（已被优步收购）为代表的一批科技团队，已经开始为卡车研发自动驾驶系统。在美国，卡车运输的路况、环境相对单一，相关的自动驾驶系统在技术上的难度不大。但问题是，如果用自动驾驶系统解决卡车司机短缺的问题，那必然会受到所有人的欢迎，可如果用自动驾驶系统来替代现有的150万名卡车司机，还会赢得大众的支持吗？如此大规模的失业或转岗，美国政府就必然要面临卡车司机工会的问责了。
图44 优步Otto正在测试的自动驾驶卡车（CC BY 2.0，Wikipedia）
Otto联合创始人兼总裁利奥尔·荣恩（Lior Ron）认为，人类卡车司机短期内没有失业的风险，他说：“未来将会发生的事情，是那些卡车司机变成了技术系统的助理驾驶员，在自动驾驶系统较难处理的室内路况上，替代自动驾驶系统完成驾驶操作，然后在高速公路上启动Otto自动驾驶系统，让机器替自己完成冗长、乏味、容易犯困和出危险的驾驶里程。在可预见的未来，卡车的驾驶室里都会坐着一个驾驶员，而且，这个驾驶员的工作将变得更安全，可以赚到更多的钱，可以更快地抵达目的地。”107
利奥尔·荣恩说的只是基于目前技术的预测。如果展望更长久的未来，当卡车上使用的自动驾驶技术趋于完善，可以适应拥挤的城市等各种不同路况时，卡车司机确实有大批被取代、大批失业的风险。对于这样的未来，150万名卡车司机肯定是充满疑惑甚至坚决反对的，美国的卡车司机工会也会站出来维护司机们的利益。
一个可以类比的例子是美国的煤矿工人。因为自动化开采技术的使用，美国煤矿工人的数量从1980年时的22.9万人，降低到了目前的大约8万人。在过去的5年间，就有5万煤矿工人失去工作。108这5万失去工作的煤矿工人在美国的各阶层看来是一个重大的社会和政治问题，连总统也必须亲自过问，以妥善处理好这些“下岗”工人的安置和再就业问题，否则，美国势力强大的工会组织就会对议员、总统施加极大的政治压力。想一想，5万名煤矿工人尚且能引起全美政治家的关注，如果被取代的是150万名卡车司机呢？
当然，也有美国网友提出了另一种有些调侃的思考方式：“政治上来说，卡车司机工会是会去阻止自动驾驶系统取代卡车司机的进程的，但他们也会感受到来自另一方面的压力。如果保险公司不再为人类驾驶员承保，因为自动驾驶系统几乎从不出事故，这样一来，不就轻松解决了替代人类驾驶员的问题了吗？另外，人类司机在新成立的运输公司里不会有任何发言权，因为这些公司根本就不会雇用司机。司机工会也没有能力阻止司机失业，因为他们向雇主争取权益的主要武器就是罢工，可是在依靠自动驾驶系统的公司里，他们的罢工又有什么意义呢？”109
当然了，这位网友的话只是一种调侃，真实情况里，美国政治家和公众是必须正视卡车司机工会的诉求，防止短期内出现大规模失业问题的。
有关自动驾驶的商业化以及人工智能技术带来的失业等问题，我与卡内基-梅隆大学计算机科学学院的院长安德鲁·摩尔（Andrew Moore）有过一次面对面的交流。我和安德鲁·摩尔都认为，类似的情况，在美国和在中国，政府与公众的态度会有很大的不同，新科技被接受的程度、普及的速度也会有巨大差别。
如果单考虑制造业，美国很多工厂都已经自动化了，需要人工劳动的生产线大多都已经被送到别的国家了，所以，美国比较容易接受在生产线上使用机器人技术（当然，特朗普出任美国总统后开始执行的“美国制造”等反全球化的经济政策，会为这一趋势带来小小的变数）。反观中国，从事制造业的工人数量庞大，如果大量使用机器人技术，就会有比较切实的下岗和再就业方面的挑战。
但是考虑到运输行业，例如卡车司机、公交车司机等岗位，因为在美国涉及百万以上的人群以及历来强势的工会组织，美国政府在进行决策时就会受到一定的影响（特朗普上台后，这一影响会更加明显）。美国政府、国会、两党都非常担心相关政策一旦考虑不周，就会影响到大量手握选票的底层选民。美国科技界则因此担忧，先进技术如果因为底层人群的反对，而在商业化和普及方面表现迟缓，那反过来就会影响相关科研领域的投资，使得美国错失人工智能领域的未来机会。再加上有关自动驾驶汽车致死多少人、拯救多少人的伦理道德考虑，自动驾驶技术在美国的普及就面临重重阻力。
欧盟基于安全的考虑，对自动驾驶的普及也持谨慎态度。我在出席2017年瑞士达沃斯世界经济论坛时了解到，欧盟对自动驾驶技术的要求是，不能用迭代、不断改进的心态去开发自动驾驶软件，而是要第一个商用版本就做到足够安全110。
在中国，情况也许会不一样。首先，中国是一个快速发展的国家，在全国和城市的交通路网建设上，一直处于不断建设、不断更新的状态。中国比其他任何一个国家都容易从道路建设的角度入手，为自动驾驶汽车配备专用的路面、交通标志甚至制定有针对性的交通法规。这可以弥补自动驾驶技术本身的许多缺陷，将自动驾驶技术发生事故的风险大幅降低。
其次，中国在尝试新科技方面的阻力没有美国那么大，中国政府集中力量支持技术突破的能力也远比美国政府要强。中国快速建成四通八达的高速公路网络以及奇迹般地只用几年时间就建立了全世界最快、最长的高速铁路系统，就是这一点的最好体现。类似的事情当然可能发生在自动驾驶汽车的普及上。为了在技术尚未达到第5级自动驾驶的水平时，鼓励第4级和第2级技术的商业应用，中国完全可能设计一些自动驾驶的早期试点道路、试点园区乃至试点城市，为自动驾驶汽车创造出符合技术要求的路况环境，在确保安全的基础上，尽早开始自动驾驶汽车的商业运营。这样一来，技术迭代就可以更快速地完成，在中国做自动驾驶相关的科研，就会比在美国或欧洲更容易拿到好的数据、找到好的测试场景，这对自动驾驶在未来的进一步发展十分重要。
再次，中国在评估自动驾驶系统带来的伦理道德问题时，通常会比美国政府、公众的态度更为务实。既然数据已经证明自动驾驶系统比人类驾驶员更安全，那么，从伦理道德角度去比较自动驾驶系统可能危及多少人的生命，人类驾驶员可能伤害多少人的生命，这又有多少实际意义呢？
基于以上考虑，安德鲁·摩尔教授和我都认为，在自动驾驶技术走入商业化和普及的未来10年里，中国有机会扮演非常关键的角色。
中国的实际交通状况比美国要复杂得多，每年因为疲劳驾驶、酒后驾驶导致的交通事故，数量相当惊人。自动驾驶系统的应用，对于改善中国交通状况，减少人为交通事故的意义非常重大。
同时，中国面临的交通拥堵问题、环境问题压力巨大。中国的大中型城市动辄拥有数百万甚至一两千万的人口，如果每个家庭都像美国一样保有一两辆机动车，那必然造成中国所有城市道路天天堵、年年堵，中国城市的天空很难摆脱雾霾的阴影。自动驾驶技术可以非常容易地将家庭用车模式转变为共享用车的模式。自动驾驶汽车随叫随到，每个家庭不需要长期保有自己的车辆，也不需要购置停车场地。通过基于自动驾驶的分享经济，中国可以大幅减少汽车的保有量，从根本上解决交通堵塞和汽车尾气污染等问题。
想象一下，在未来每个中国家庭的主要用车场景里，上下班可以用手机呼叫附近的自动驾驶出租车，商务活动可以预先约好自动驾驶的商务汽车，家庭购物、游玩既可以呼叫附近的共享汽车，也可以亲自驾驶私家车体验驾驶乐趣……那个时候，每一部共享的自动驾驶汽车都没有驾驶员，约车服务完全由计算机算法根据最优化的方案，在最短时间内将自动驾驶汽车匹配给需要用车的消费者。政府对网约车可以集中管理。城市路面的公交系统，主要由自动驾驶汽车担任运输主力。城市之间的货物运输，也因为有了自动驾驶系统而更加便捷、高效。
自动驾驶将是中国未来10年科技发展面临的最重要的机遇之一。中国有全球最大的交通路网、最大的人口基数，自动驾驶的大规模商业化和技术普及反过来会促进自动驾驶相关科研的飞跃式发展。这种从科研到应用，从应用再反馈到科研的良性循环，正是中国能否在未来10年内，建立起世界先进水平的人工智能科技体系的关键。
智慧金融：AI目前最被看好的落地领域
2016年9月5日，嘉信理财集团（Charles Schwab）的首席投资战略师丽兹·安·桑德斯（Liz Ann Sonders）在她的个人推特页面上贴出了两张对比鲜明的图片。那是瑞士银行设在美国康涅狄格州的交易场，整个交易场的面积比一个足球场还大，净空高度超过12米，交易场内曾经布满了一排排的桌椅和超过一万名的资产交易员，是世界上最大的金融资产交易场所。可是，2016年人们在这里看到的却是一片萧条景象，原本繁忙的交易场内，桌椅稀稀拉拉，几近门可罗雀。
丽兹·安·桑德斯的推特图片展示了短短5年多的时间里，金融资产交易行业的巨大转型。瑞士银行设在康涅狄格州的这家交易场，原本从纽约华尔街吸引了大批金融工作者，但是，自2011年起，这家交易场裁掉了超过一万名前台交易员111。2016年年底，整个交易场地更是被廉价出售112。
图45 丽兹·安·桑德斯在推特上贴出瑞银位于康涅狄格州的交易场时隔5年的对比
雇用大量交易员在集中场所进行资产交易的方式，正在从我们这个地球上消失。瑞士银行康涅狄格州交易场的衰落，固然是金融危机后，全美金融业被迫采取诸多结构调整和转型的结果之一，也的确和近年来人工智能算法替代人类交易员的大趋势密不可分。就在丽兹·安·桑德斯展示交易场对比图片的推文之下，一位名叫迈克尔·哈里斯（Michael Harris）的金融交易分析师（他同时也是一种基于机器学习技术的交易算法开发者以及几本金融交易类畅销书的作者）评论说：“所有（这些交易员）都被少数几种算法取代了。”113
人类交易员大量被机器算法所取代，这只是人工智能正在智慧金融建设中发挥重要作用的冰山一角。事实上，包括银行、保险、证券等在内的整个金融行业，都已经并正在发生着用人工智能改进现有流程，提高业务效率，大幅增加收入或降低成本的巨大变革。2017年，据彭博社报道，摩根大通开发了一款金融合同解析软件COIN，已经上线半年多。经测试，原先律师和贷款人员每年累计需要36万小时才能完成的工作，COIN只需几秒就能完成。而且，COIN不仅在“工作”时错误率低，还不用放假。114
据高盛集团2016年12月发布的报告指出，在金融行业，“保守估计，到2025年时，机器学习和人工智能可以通过节省成本和带来新的盈利机会创造大约每年340亿～430亿美元的价值，这一数字因为相关技术对数据利用和执行效率的提升，还具有更大的提升空间”115。