對于機器人是否會搶走人類的工作崗位，人們并沒有達成統一的共識，但總體來說態度都較為悲觀。也有樂觀者認為，正如工業革命和農業革命一樣，屬于AI的曙光時代以及它帶動的現代機器人分支等一系列新的技術能夠創造更多的就業崗位。

然而，目前有很多人認為機器人和人工智能將會在未來的某個時間點完全取代人類。你可曾想過：機器人和人工智能已經開始“奪走”我們的工作崗位。自動化并不是其唯一原因——究其根本，機器人和人工智能的能力越來越強，技能越來越嫻熟。在我們的認知里，這些工作只有人類才能做到。

實際上，人工智能所無法做到的事情已經越來越少，取代人類工作只是它們能力的一部分，然而，讓我們從更宏觀的視角來看待這個問題：AI神經網絡的細微進步，會不會開始威脅那些曾經被認為是“只屬于人類”的能力呢?

機器人擅長烹飪

你可以試著想象機器人成為制作漢堡的大廚，能夠自動將雞肉切塊打包，并且擁有五個神經網絡的人工智能還與真人對打DOTA。這些事情有何共同點?實際上，幾年前，工程師們還尚且無法利用AI實現這些功能，他們當時認為，在未來的一段時間內，AI依舊無法做到這一切。

Flippy由Miso Robotics公司制造，號稱機器人界的“漢堡大廚”“薯條大師”。Flippy能夠來回旋轉，拿起一個漢堡，輕輕地將一塊奶酪放在漢堡上。它還能使用紅外傳感系統判斷烤架上漢堡和雞肉的溫度，并在恰當的時間取出，保證最佳的味道和口感。Miso公司目前正在為60家餐廳制作漢堡。燒烤食材容易弄臟衣服，過程十分無聊，有時還會有一定的危險。不僅如此，燒烤還是一項高度復雜的任務。

Miso公司的Flippy必須和人類進行互動，處理一些難以預測的情況，學會識別不同材質、不同形狀的食材，并且通過三維導航系統規避損傷物體。這并不是什么魔法，也不是“超人AI”,這只是日常生活中反復出現卻無法預測的臟活、累活。此前，普遍認為只有人類才能完成這些工作。Flippy的造價只需10萬美元，它無需休假，無需支付工資，能夠24小時不間斷的工作而毫無怨言。對于美國的快餐企業來說，這些工作崗位的流動性很高，很少有人愿意做這樣的工作。

Osaro是一家專注于將深度學習和機器人相結合的公司，其產品能夠完成將雞塊打包的工作。對于機器人來說，識別不規則形狀、將物品放入盒中或是打包，一直以來都是很大的難題。除了雞塊，機器人還會被用來處理各類切片食物，而切片的食物十分容易弄碎。最令人感到驚訝的是，Osaro公司所開發的機器人并不需要接受人類的訓練。它能夠自己學會如何拿起形狀不規則的雞塊，并將雞塊打包。這種從頭開始的強化學習是向著人工智能一般性學習邁進的一大步：比如參與簡單流水線的工作，或是完成食物準備、食物打包的任務。

Dota和圍棋：AI如何處理復雜的問題

OpenAI是由Elon Musk資助的人工智能團隊。團隊的一大目標就是確保人類不會被超智能AI所毀滅，反而能夠從分布在世界各地的AI系統中獲益。OpenAI團隊創造了一支“Dota戰隊”，戰隊由五個各自獨立的AI系統構成，這些系統能夠互相協作，并試圖在Dota這款多人角色扮演游戲中擊敗人類玩家。實際上，和AI對戰的人類選手并不是最頂尖的，但他們也是這款游戲的高手了。

此前，人類從未想過AI能夠完成像這樣的“半組織化”的任務。實際上，人們認為“團隊協作”需要創造性的管理技能，而AI系統很難具備。在Dota比賽中擊敗人類，的確展現出了AI在某些領域的團隊協作能力。然而，這是真正意義上的團隊協作嗎?我覺得，如果我們把白領的工作分解來看，其所需要的環境和團隊協作能力恐怕不比組團參加Dota比賽更加復雜。

曾經，科學家們認為直到2020年，AI才有可能擊敗人類圍棋選手。但DeepMind團隊的AlphaGo卻在2016年就做到了這一點。AlphaGo的智能來源于內部創造，并非復制、整合數百萬局人類對弈的戰術。

最近名揚千里的一盤棋里，AlphaGo走出了驚天駭俗的第37手棋，甚至震驚了其人類訓練師——從未有人見過這樣的招法。同樣感到不安的，還有AlphaGo的對手，韓國職業選手李世石。他看到AlphaGo走出這步棋之后，起身離開了對局室冷靜冷靜。從那時起，DeepMind團隊的AlphaGo就不再需要任何給定的數據集合;它能夠通過不斷與自己對局學習新的招數。顯然，新版本的AlphaGo能夠輕易擊敗原先的版本。

盡管AI功能已經十分強大，但這并不意味著一般性人工智能已經近在咫尺，距離AI完全替代人類也還有一定的距離。機器人系統和AI難以處理給定范圍外的意外情況。也許，真正無法被機器人所替代的、人類所獨有的技能，比我們想象的要少得多。AI系統能不能學會實現像“同情”“管理”等人類技能呢?或許在我們意識到之前，AI就已經能夠做到這些了。

人類更加信任AI

Woebot等創業公司正在著手開發用于管理心理健康以及咨詢的聊天機器人，幫助抑郁癥患者更好地處理問題。我們也許會認為，人類的參與是咨詢過程中至關重要的一部分，但有證據表明，在參與不做價值判斷、不偏袒的對話時，能夠獲利更多。

當代的機器視覺和面部識別技術使得機器人能夠識別人類的情感，模仿人類的行為。以Ellie為例：Ellie可以和老兵交談，幫助他們應對PTSD。例如，Ellie不僅知道如何做出表達同情的動作，如點頭、微笑或是在聽到敏感故事時小聲沉吟，她還知道在什么情況下應該做出這些動作。”

實際上，我們已經了解到，在某種程度上，對于較為敏感的話題，人們更喜歡對機器傾訴，而不是對人。前谷歌數據科學家Seth Stephens-Davidowitz在他極富爭議的作品《每個人都會撒謊》中就提到了這種現象。因此，如果機器人的能力足夠出眾，在面對一些極為隱私的任務或是交易時，人們會更加傾向于選擇機器人和AI系統。

機器人比人類更出色嗎？

我們關注的重點應該放在“能力足夠出眾”上。實際上，想要實現成功，機器人的能力并不一定要比人類強。在一些關鍵領域，已經出現了這種趨勢。自動客服系統為人類節省了很多時間和精力，但他們在回答問題的準確性和互動性上并不及人類。類似地，管理市場營銷部門團隊的人工智能并不一定是最好的經理——只要它能夠帶領團隊達到公司的業績目標就行了。

“在Dota比賽中打敗人類選手”和“管理市場團隊”之間存在很大的差距——OpenAI團隊需要12.8萬臺計算機和256個圖像處理器。實際上，“超級智能”“高水平一般性人工智能”離我們還有很長的距離。市場營銷需要搭建環境，并執行一系列操作，但這些環境大體相似。而Dota則更為復雜。Dota的環境比象棋和圍棋更類似于現實世界。

AI驅動的系統發展迅速，也許距離“能力足夠出眾”已經不遠了——或許只需10年就能實現。隨著AI和機器人的出現，經濟學將會得到發展;計算的成本——運行AI系統的一項重要投入——也會隨之下降。由于單位經濟學效應，在服務業使用機器人取代人類的成本也會隨著時間下降。

關鍵詞： AI