第61部分 (第4/5页)

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