如果人工智能足够发达，那它那种无私而理性的状态也许很适合做公务员，负责公共事务执行层面的事情。

容易搞定的科技，不容易搞定的自己

　　宏观来看人类社会的问题并不复杂，社会的供给端是自然界，而消耗端则是人内心的欲望。人自身有极为复杂的一面，所以有的时候人自身也是被消耗的资源。科技则决定了各种资源开采和消耗的速度，但对节制人的欲望全无帮助。这样一来人口与人心里的欲望相乘就是消耗一端的总和。所以我们总是有两个大状态，一个是科技与资源的乘数大于人口与欲望的乘数，一种则是前者小于后者。

　　大于或小于很难精确度量，但理论上一定存在，而这界限之所以有意义在于在前者的情形下问题主要出在人类没有战胜自然，而后者问题则更多出在内在分配不公或者欲望没有边界。如果我们认为欲望和代表宇宙都是无限的的话，那这等式其实是可以有成立的机会的。

　　从这个角度可以看到一个非常容易被忽略的问题，科技与自然这一端其实是在不断高速增长的，这意味着越往后人类要解决的问题就越是自己的问题，但供给端和消耗端发展速度是失衡的。这并不是一种很好的状态，如果把整个人类社会比喻成一架向前飞奔的马车，那现在各种力量只是让它不断加速加速再加速，但在让变得能够承受那么高的速度上则加强不够，这就意味着车毁人亡的风险在不断累积增加。

　　通过一些标志性的事件，我们可以清晰的在在科技和自然的一端看到这种加速的趋势。

　　1492年哥伦布发现美洲，1911年12月挪威阿蒙森探险队首次到达南极极点，1969年7月阿波罗11号终于在月球着陆，1976年海盗一号触及火星表面，2013年12月“旅行者1号”飞出太阳系。在过去麦哲伦横渡太平洋用了100多天，但现在随便哪个人，只要你愿意花1到2万人民币，那你就可以用17个小时左右从北京飞到纽约，再用7个小时从纽约飞到巴黎，再用13个小时左右从巴黎飞回北京，总计用时37个小时。而所有这些大事件的达成只是最近一百年发展的结果。

　　在搞定社会结构和问题这一端，虽然也有发展，但就没那么快，并且基本上处在向前走两步向后退一步的状态。科技的发展可以累加，但社会的发展通常是解决某个问题的同时就会制造新的问题，比如说我们努力让自己收获更多粮食，但粮食更多随后就导致战争规模加大；想节省人力所以制造机器，但机器反过来会在更大的程度上消耗更多的人力；我们发明抗生素来治疗感染，但随后就有滥用抗生素问题。

　　这样看下来，我们似乎可以讲人类根本没能力在科技高速发展的情形下解决自身的问题。

无私与有情的对冲

　　《三体》这书很有意思的地方在于它想象了许多环境上的极值，同时给出了那种极端环境下最适合的组织形态。这里面最典型的是三体星人，三体星人面临极为苛刻的环境，所以为了生存他们生理结构是心灵传输，精神共享，很像是一种单一体。三体星人的状态正是有群无己的极端状态，也可以说是百分百的天下为公。在这种状态下智慧生命是无私的，并不会把大家的东西划拉到自己的怀抱中。

　　但我们智人不太能这样，我们更倾向于损公肥私，即使损失大家很多，但如果自己损失很少，可以获得相当收益，智人也是会干的，经济学家经常用公地悲剧来表现这事：

　　我们鼓励你在这一点上简要回顾第1章经济透视1.1中的5个经济推理命题。这些经济推理命题有利于解释集体所有制和产出的共享（平分或固定份额）如何导致“免费搭车者”问题。为了说明这一点，考虑共享土地所有权，且共同生产了100蒲式耳玉米的10个工人，平均每人消费10蒲式耳玉米。假设一个工人开始偷懒并将其劳动努力减半，从而导致产出减少5蒲式耳。由于产出共享制度的安排，偷懒者的消费量和其它工人一样，现在都是9.5蒲式耳。尽管他的努力已经下降了50%，但他的消费量只下降了5%。偷懒者是在搭他人劳动的便车。-- 《美国经济史》

　　在这样一种背景下公共资源越多，就越可能被掌握权力的人按照自己的意愿进行瓜分，而不是维持其本来目的。

　　这可以看成是无私和有情的对冲，有情所以有私。

　　既然人有远近亲疏，那当事人肯定更倾向于保护离自己近的人，所以我们才是一个有情的世界。但也正是这种情感会驱动人们把公共服务项目变成自家的地盘。

当公务员变成人工智能

　　我们换个视角来看这问题，如果公务员变成人工智能，那会不会让问题有所好转？

　　公共事务并不是个人私欲的一种很好载体，因为理论上讲公共事务服务的是别人而不是自己。经济竞争则正相反，这种场景下每个人追求的正是个人利益的最大化。亚当斯密构想的经济世界里正是每个人竞相追逐私欲，当结果却是整体利益最大化。后来实践中我们发现这设想有对的部分，但纯粹的个人利益最大化也会整个系统产生伤害，出现各种金融危机，于是政府出来扮演裁判员。不同的思想家会对政府的角色进行不同的诠释，但一个不能忽视的根本事实是政府所做的事情正是公共事务，正好与经济竞争相反，不能释放私欲。所以就要有天下为公类的呼唤来与人的本能冲动对冲。

　　公共事务就其本质而言是要维护某种秩序，所以更多是例行公事，而不是创新创造，这也许对很少一部分是适合的，但并不太适合人类，这就与工厂流水线的工作其实并不适合人类一样。

　　所以从欲望的扩张和例行公事两个角度来看，公共事务更适合由人工智能来取代。原则的制定由于牵涉人的价值选择，必须人来搞定，但其后续执行，大部分的工作更适合人工智能而非碳基的人类。而人工智能取代这类工作可以有两种具体的方式：

　　我们的世界数据化程度正在不断加深，这意味着凡是和个人相关的手续性的东西越来越能够单纯的通过数字来完成，比如社保的处理、出国的签证、纳税等。这里的关键问题是个人身份的唯一标识，这点越来越会向人的生物特征倾斜，指纹、眼纹、声纹、人脸、虹膜要做的都是个人身份识别，如果这点可以突破，那人确实不太需要跑到各个地方来办理与公共事务相关的东西。这和银行业里发生的事情差不多。以前人们总是要到银行后，才能办理与自己账户相关的事情；但招商银行因为后发所以大力推广网上银行业务，到了今天大部分银行业务是可以通过插入一种叫U盾的东西后，在家里办理的。

　　另一种替代则和富士康机场里机器人替代传统的工人类似，在机场海关这些地方工作可以定义的非常清楚，这样就可以通过生物标识来确认当前人员的身份，接下来相应的各种手续都通过智能机器人来完成。这点很可能现在巡逻这样的岗位开始，巡逻的目的是发现异常，如果分解这工作，你会发现人类在异常的识别上有优势，但在敬业和看清楚、听清楚这样的信息收集以及敬业上完全没机器人有优势。所以只要机器人内置的智能可以更好的识别异常，那就必然会导致机器人的全面胜出。

　　不太好搞定的确实是了解民情、调解、回答解决各种预料不到的问题，但很有意思的事情是数据化程度的提高正好会对冲这一困境，而纯人情上的扯皮问题则会自然的因为人工智能而消失。面对人有人情，面对人工智能有什么人情。

　　我们可以把视角再拉远一点，想象下公共事务如果由人工智能来处理会达成什么样一种效果：

　　这时候由于各种事情是基于数据的，所以完全可追溯，这意味着事情的处理是透明的。其次由于机器本身只需要能源，所以这种服务是可以24小时提供的，最后由于人工智能是无私的，所以它可以极为公平的处理各种事情。

　　透明、无私、可追溯可以更公平的处理公众事务并且可以24小时服务，这至少听起来不错。

　　如果说真有强人工智能，并且必须选择一个领域来展开应用，那这领域其实应该是所有与公共服务相关的领域。

　　这其实是一种新的“三权分立”，人类认识到自己的界限，把自己不太容易搞的定的部分分给人工智能。

人工智能会把中产阶层群体“掏空”吗？

　　2016年伊始，基于移动互联网和新兴科技的各种创新与新模式，已经向我们扑面而来。新媒体的发展进入3.0阶段，共享经济逐渐成为生活常态，人工智能也已经彻底脱离科幻，与现实生活的关系日益紧密。在这样一个大变局时代，谈论当下已略显乏味，我们何不谈谈未来？未来的媒体“长什么样”？人工智能将如何挑战社会管理？下一个“杀手级”的新科技是什么？

　　近日，斯坦福大学的Michael Webb就他所研究的人工智能及相关领域接受了采访，本文根据采访实录整理。

公共事务更适合由人工智能来取代？

近期人工智能领域的进展，体现在哪几个方面？

　　其中一个令人异常兴奋的经典算法就是卷积神经网络。这些非常复杂的算法在近几年给计算机的能力带来了巨大提升，可以让计算机去做更多的事情，让它们可以看、听、甚至是翻译，在某些领域已经达到甚至超过了人类水平。

　　因此，目前计算机基本具有了“看”的能力。例如，如果我交给它一张图片——一堆像素——同时它拥有正确的训练过的算法，它就能看懂图片并加上标签。这在两年前根本是不可能的，而今天这个问题解决了。

　　计算机还能“听”和“理解”。和计算机视觉领域一样，语音识别也同样取得了进展。这些进展目前还没有完全体现在Siri和Google Voice上，但你或许会发现Siri或者微软的Cortana已经比十几年前好了太多。请记住，这些东西还完全没有达到人类水平，但它们正朝着那个方向前进，并且将很快到达那里。

　　近期，我们也看到了机器人领域的巨大进步。对于机器人来说，困难在于让它“看懂”和“理解”它所在的世界，然后再与这个世界进行交互。结果表明，机器人行走是一个难题。我们近期看到了在让机器人“看见”这方面取得的巨大突破，将卷积神经网络应用在机器人视觉上，然后将它们与那些能够训练机器人有效行走的算法结合起来，从而使机器人能够去做一些人类要求的事情。

　　例如，近期有一个具备了不可思议学习能力的机器人。如果你交给它一本某品牌咖啡机的使用手册，它能够从手册中学习到很多东西，当你把一个不同的咖啡机排在它面前时，它已经能够学会这台新咖啡机的工作原理，然后就可以使用这个全新咖啡机帮你做一杯浓缩咖啡。

　　更酷的事情在于，一旦你将这些机器人释放到真实世界，它们能够全部连接到一个统一的“云引擎”，这里保存着所有接入机器人的“主算法”。这意味着外面任何一个机器人所做的事情和学习的东西，都会立即传给中央引擎，然后其他机器人都会在第一时间学习到这些经验。因此，这些机器人不仅能够各自学习，还拥有一个能够从所有机器人中进行学习的超级大脑。这必将使整个系统的学习速度实现指数级提升。

“技术性失业”带来哪些历史教训？

　　历史经验告诉我们，科技革命有时和失业、社会化抵制紧密联系在一起，这种事情已经不是第一次发生了。从第一个工业革命开始，人们发明了取代大量劳动力的机器。但在每次变革中，在一定时期的错位和产业转型之后，对于那些相同的劳动力，就会出现新的机会，并且他们会变得更有效率。因此，历史经验的第一课就是，我们非常擅长为过去的劳动力寻找新机会。

　　第二点是关于伴随着人工智能所出现的担忧。这类似于19世纪大家对蒸汽动力的讨论和对其波及范围的担忧。这一次也许有些不一样，因为现在的机器更加智能，更加接近人。但我们在历史上也遇到过类似情况。我最近做了许多关于历史研究，如果我们看一下19世纪60年代，就会发现当时就有很多和我们今天相同的担忧。

　　因此，有人会问什么原因使当今与历史产生了不同。在上世纪60年代就存在这些技术进步，机器能够完成一些令人印象深刻的任务。但当涉及到一些认知任务时，那些机器所擅长的是处理一些经过预先手工编程的任务，或者进行一些预设程序的计算，它们实际上不是在学习东西。

　　因此，如果你想要去训练一台机器来识别银行交易中的诈骗交易，你必须预先准确的告诉它所需要查找的内容。而今天的区别在于，你完全不需要这么做了。你所做的一切就是将一些标记上“欺骗性的”和“非欺骗的”数据交给计算机，然后机器依靠算法就能学会应该去查找哪些内容，然后告诉你是否存在欺诈行为。这就是今天本质的不同。

未来5-10年，智能化软件会取代人类工作吗？

　　有个粗略的答案就是，这毫无疑问将会对经济产生重大影响。但很难精确地说谁将获益，谁将受损，以及这个过程（取代人类劳动力的过程）将以何种方式，按照何种顺序，遵循那种时间框架进行下去。

　　诚然，关于人工智能的进步如何付诸行业应用，以及按照何种速度进行应用等，依然存在很多问题。有些问题是关于人类劳动力被取代的程度。例如，是否造成了有些劳动力过剩并使他们再也找不到其他工作？如果是这样的话，工会是否会组织一场“抗争”来抵抗这种现象，他们会成功吗？哪些公司能想象得出，要如何重置生产流程以充分利用这些新技术，然后利用风险偏好和资金渠道，切实实现这一重置？政府——我们的政策制定者——会参与其中，试图放缓或实际上加速这一过程，让特定阶层更加受益吗？

　　确切的答案是我们不知道。我们现在能做的事情就是观察历史上的特定判例，然后尝试着发现其中的异同。我们能做一些在一定程度上可信的建模演练，建立经济模型，希望从拥有的现实世界的数据中获取尽可能多的信息，然后借助这些模型来理解技术自动化取代工作所造成的影响。

人工智能会对中产阶层产生哪些影响？

　　有人说，如果将人工智能的发展过程看成是一条连续的曲线，技术未来将取代人类的大部分工作内容。在那种情况下，有观点认为很多财富可能会被重新分配给全球范围内的上层人群中：资本从更大的中产阶级中逃离出来并集中在少数人手中。对无技能劳动力的需求会上升，因为用自动化技术取代他们在经济上不划算。因此，全球财富将出现两极分化。

　　对此，我的看法是，在最近的20年或者30年，高技能工作的工资和就业率出现了巨大增长，低技能工作的工资和就业率也出现了增长。而处在中间的群体仿佛被掏空了，就业率出现了下降。尽管他们的工资也有所增长，但是与就业谱系中的上层和下层相比，差得很远。

　　我们依然不知道这个原因是什么。我们知道，有一个确定的因素是服务相关职业的崛起，这解释了一大部分，但并不能解释全部。现在，我们并不知道，其中有多大比例是由于自动化引起的，有多少是由于外包和其他因素引起的。

　　展望未来，这种空心的趋势是否会继续发展，取决于导致它的原因是否会继续存在。很肯定的事，随着新的机器学习算法被用在自动化中，用来取代人类劳动，而非增强人类的劳动能力，那么这些算法带来的大部分收益很可能进入资本所有者以及提供这些算法服务的人的腰包里。这将导致失业率上升，社会不均恶化等——如果没有相应的政策法规进行干预的话。

　　但是，为什么算法会取代人，而不是增强人呢？技术史的大部分，包括最近，创新都会让人类变得效率更高，而不会取代人类的工作。也有可能，这些算法最终将通过增强人类的能力，从而增加工资和就业率。这很难说。