高奇琦：人工智能不只是属于科技界的“热闹”

人工智能不只是属于科技界的“热闹”

——高奇琦教授在第二届“读懂世界”上海论坛的演讲

高奇琦：华东政法大学政治学研究院院长、教授，上海东方公益事业规范与测评中心执行主任。华东政法大学中外政治制度学科负责人，全球治理指数项目首席专家，国家治理指数项目首席专家，中国企业社会责任指数项目首席专家。世界银行《世界发展报告》中国对话组上海负责人、不列颠哥伦比亚大学亚洲研究院研究员、中国与全球化智库高级研究员、中国廉政与法治文学开云全站官方下载 专家委员会委员。荣获“2016年度中国人文社科最具影响力青年学者”、上海市曙光学者。在《政治学研究》《世界经济与政治》《民族研究》《世界宗教研究》等权威期刊发表论文20余篇，主持国家社科重点项目等省部级及以上项目10余项。

人工智能正逐渐来到我们身边。今年2月，国家发改委正式批复由百度牵头筹建深度学习技术及应用国家工程实验室。过去几年时间，百度在人工智能领域已投资超过200亿元，招募上千名软件工程师和开发人员，并在人工智能汽车方面取得了成绩。今年3月19日，在世界计算机围棋大赛决赛上，中国另一家科技巨头——腾讯开发的人工智能围棋程序“绝艺”战胜日本对手获得冠军。

人工智能时代的到来，将带来政治、经济和社会等各个领域的变迁。同时，也会产生新的议题和研究领域。在这场颠覆性的革命中，人文社会科学领域的学者可以扮演什么样的角色呢？

在我看来，人工智能时代里，人文社科领域的学者并不是一个被动的参与者，而应在参与性塑造的基础上，构建人工智能社会科学的未来。

■科技要在社会稳定和经济繁荣的条件下才能有大的突破；科技的进步也不仅仅是解决某个具体问题，而需考虑到系统性影响因素。这就好比，科学家打开了一个个潘多拉魔盒，却并没有充分意识到增加的东西可能打破社会内部的微妙平衡。此时，我们正需要人文社科学者贡献智慧，以使社会达到再平衡

■面对人工智能这股洪流，有些人文社科学者采取拒斥的态度，甚至认为技术是浅薄的。从学科本身发展角度而言，专业化是一种进步。但是，过于封闭以及学科壁垒的自我强化，也会阻止人类外向学习的可能，继而滋生学科内的傲慢与偏见。这种傲慢与偏见在人工智能时代变得越来越不合时宜

工程师可以掌控技术走向，却不一定能深刻理解科技的复杂性影响

整个科技界呈现了人工智能热的图景。《未来简史》一书中指出，人工智能时代的来临将会对未来的职业产生重要影响。除此之外，还有预言描绘了未来的社会变化。例如，人类将不再拥有汽车，自动驾驶的出租车会成为主流景象。这将为城市腾出大量的空间，而这些空间将会被改造为公园，进而提升城市生活的舒适度。

坦率地讲，与科技界的“热闹”不同，人文社会科学领域的学者似乎表现得相对淡然。一些人觉得，人工智能是自然科学研究的前沿领域，而人文社科在这一领域缺乏建树，故难以对此评头论足。此外，人文社科学者相对“沉寂”的一个原因是，科技领域的发展进步日新月异，已经远远超出了传统意义的思想家、哲学家的思考范畴。

在这场可能决定人类未来发展的变革与讨论中，人文社科学者的缺席，显然是不应该的。有学者就指出，大数据的未来不能仅仅掌握在数据公司手中，人工智能和人工智能的未来也不能仅仅掌握在自然科学家、工程师和科技公司手中。因为它不仅塑造了科技的未来，而且塑造着整个人类的未来。科学家和工程师可以掌控技术的走向，却不一定能够深刻理解科技对人类的复杂性影响。就此而言，人文社科学者不能缺席这场讨论，而应该更主动地参与进来。

应当看到，人工智能的发展对人类社会的影响将是颠覆性的。1908年，奥地利经济学家熊彼特提出“破坏式创新”这一概念。他认为，每一次大规模的创新都会淘汰旧的技术和生产体系，并建立新的生产体系。所有社会都会经历这种过程。理查德·福斯特和莎拉·卡普兰受到启发，又提出了“创造性破坏”的概念。他们认为，无论从企业到国家，还是从个人到社会，都具有面临重大改变的必然性，即“不连续性”或“断层”。

具体来看，人工智能发展对人类社会的颠覆式影响，至少会造成两种状态的失业：一种是结构性失业，另一种是全面性失业。

结构性失业指的是，在人工智能的冲击下，某些行业将在短期内面临结构性挑战，甚至存在被历史发展替代的可能。这种冲击的对象首先是专业化、程序化程度较高的行业或职业，如传统的翻译业。目前，有些人工智能技术的翻译水准已经接近甚至超越人类个体的翻译水平。在可以预见的几年里，人们到一个陌生国家旅行的时候，只需在手机上下载一款翻译软件，就可以与当地民众进行无障碍交流。此外，律师助理也将受到人工智能的挑战。未来，人们通过人工智能平台获得的法律服务可能会比律师提供的更为精准。

全面性失业侧重强调的是受到人工智能冲击的覆盖面。尽管不同的职业受到人工智能的影响不同、应对冲击的调整方式也不一样，但这种影响将是全覆盖式的，所有行业几乎不可避免。就连那些人类自认为最擅长的领域，如文学和艺术领域，也会成为人工智能入侵的领域。例如，多伦多大学开发的人工智能机器人可以基于艺术家的曲谱，通过算法创作出美妙乐曲。百度将人工智能的作品与唐朝诗人写的诗放在一起供人分辨，结果人们很难分出两首作品的创作者。甚至在揭晓结果后，很多人依旧觉得人工智能写的诗比唐朝诗人的作品还要好。

以上对失业的分析，意在提醒人文社科学者参与讨论的紧迫性。事实上，科技要在社会稳定和经济繁荣的条件下才能有大的突破；科技的进步也不仅仅是解决某个具体问题，而需考虑到系统性影响因素。由此，人文社会科学的研究意义就完全显现出来了。这就好比，科学家打开了一个个潘多拉魔盒，却并没有充分意识到打开魔盒后所增加的东西可能打破社会内部的微妙平衡。此时，我们正需要人文社科学者贡献智慧，以使社会达到再平衡。

在机器都要进行深度学习的时代，人类更加需要跨界学习团队学习

面对人工智能这股洪流，有些人文社科学者采取拒斥的态度，甚至认为技术是浅薄的，从而轻视自然科学的进步价值。这种对技术的轻视态度，阻碍了他们对前沿科技领域的了解、观察和分析。

理性地看，近些年自然科学取得的许多进展，实际上对社会科学的发展产生了革命性影响。例如，根据自然科学的研究，人类来自于智人，而智人起源于非洲。按照这一主张，人类文明的母亲只有一个，即同一个“非洲妈妈”。这一观点对“文明冲突”论断足以产生颠覆性的影响。然而，这一关于人类起源的自然科学进展，并未得到社会科学界的普遍关注和认同。

学科之间的壁垒变成了一种传统知识自我强化的工具，从而进一步导致“学科内”对“学科外”的一种轻视。从学科本身发展角度而言，专业化是一种进步。但是，过于封闭以及学科壁垒的自我强化，也会阻止人类外向学习的可能，继而滋生学科内的傲慢与偏见。这种傲慢与偏见在人工智能时代变得越来越不合时宜。

近年来，人工智能领域取得的巨大进展来自于神经认知学。简言之，人工智能本身就是一个知识跨界的产物。如果还仅仅局限于某一个学科，那么革命性的创新就不可能到来。人工智能通过借鉴神经认知学的发展，进而模拟人类智能的过程。在企业层面，也在演绎这种知识跨界。例如，美国IBM公司以前主要是从事传统芯片和电脑生产的企业，现在则将这一主营业务卖掉而转向人工智能领域了。从芯片到电脑制造再到人工智能，本身就是一种知识大跨界。跨界是那些面向未来、敢于想象的企业所具有的重要特质。只有跨界才有新的未来。

这里，还需要指出人的深度学习问题。作为人工智能的专业术语，深度学习是机器学习的重要组成部分。在这样一个机器都要进行深度学习的时代，具有自主意识的人是不是更应该进行深度学习？所谓人的深度学习，是指人们需要跳出传统的知识界限，有意识地汲取各学科、各领域的知识，然后不断掌握新知识技能。如果没有这种深度学习的意愿和能力，人类恐怕终将被人工智能“打败”。

人的深度学习主要包括两部分：一是跨界学习，二是团队学习。跨界学习是跳出自己的学科边界，汲取与学科相关的前沿进展，进而反哺学科的过程。信息大爆炸时代为跨界学习提供了工具和条件。例如，搜索引擎和网络百科的出现，给了人们快速接近知识的工具。同时，社交媒体的迅速发展能够以学习小组的形式把相同兴趣的人凝聚在一起。学习者可以通过加入一个虚拟社群，共同学习某种技术。此外，各种开放知识产权的媒体和社交工具进一步便利了人们的跨界学习。只要学习者有足够的决心和毅力以及相应的基础，就可以借助这些资源掌握新的技能。

实践表明，由网络社群、电子书、网络视频等多维空间组成的虚拟社群，为学习者提供了一个跨界学习的沉浸式情景。如果学习者真正迷恋上了某个领域的知识，那么这一系列网络条件会帮助他在短时间内更为高效地学习。由此可见，在跨界学习的基础上，团队学习可以进一步提升跨界学习的效率。

人工智能的能力，实质上是通过分布式学习方式得以提高的。机器学习往往先根据学习内容分成不同的小组，然后每个小组再学习各自的算法和可能性，最后机器将不同小组的内容汇集在一起，从而产生一种共同智慧的结果。这种方式同样可以帮助人类进行跨界学习。如果一个人学习一本书的内容比较复杂和艰苦，那就可以尝试把这本书分成10个部分，然后10个人以小组讨论的方式进行交叉学习、相互印证，直至最后打通所有的学习要点。

需要强调的是，学习小组的规模和学习效率之间存在一个均衡点。学习小组的规模越大，成员间交流的密度就会相应减弱，同时联系沟通的成本会随之增加；而学习人员过少，这种学习的规模效应就无法得到体现。因此，在学习小组中，5至10人的规模一般认为是最佳的规模。

人文社科学者深度参与人工智能讨论，才能保证科技为人类所掌控

当前，人工智能所面临的许多关键性问题，不仅是单一的技术问题，而更多是社会科学问题。人文社科学者与其被动地面对挑战，不如主动参与到人工智能的变革和讨论浪潮中来。同时，只有人文社科学者对人工智能发展的充分参与，才能保证科学技术在人类能够掌控的节奏中发展。

由于科技进步而导致的失业问题，其实是人类社会的一个古老问题。马克思就曾用“机器吃人”这一概念，来总结和分析这一问题。只不过在马克思那里，机器“吃掉”的是工人，而未来所有产业都可能面临这种“被吃”的风险。

在此大变革面前，人文社科学者应该有意识地研究人工智能对未来职业产生的系统性影响，如哪些人会面临失业、人工智能会创造哪些新的职业需求等。同时，在人工智能时代，创新显得尤为重要。一旦工作被模式化和程序化，人工智能就可以很快学会。与机器相比，人类的优势主要集中在灵活、情感和创造力等方面。这些都是与创新相关的领域。但对于如何创新，中国尚无太多的经验支撑和规律提炼。这就是我们努力推动创新学发展的主旨所在。

除了对人类就业产生冲击之外，人工智能在许多方面也将对现行的法律和规则提出挑战。例如，目前智能汽车上路运行面临的最大瓶颈是相关法律、法规和公共管理规则的问题。传统汽车的模式是汽车售出后所有权归车主所有，由汽车造成的一系列问题也多由车主来承担责任，如违规停车和交通事故等。除非汽车有明显的质量问题，某些情况下的相关责任才由汽车制造商来承担。可在智能汽车领域，由于汽车是由智能汽车提供商的系统来控制的，一旦出现交通肇事事故，那事故责任是由车主承担还是由智能汽车提供商负责，就会成为颇有争议的问题。

此外，自动驾驶技术根据自动化程度被分为6个级别。在这6个级别里，如在第2级和第3级之间，自动驾驶是作为车主的辅助性工具出现的。换言之，在紧急状态下，车主应该也有必要采取终止自动驾驶等方式来避险。由此就会产生以下问题：第一，车主的责任边界在哪里？第二，如果车主避险失败，责任由谁来承担？

还有一个方面值得注意，自动驾驶通常需借助无线网络进行，而网络运营商并不能保证信号时刻畅通。假如出现的故障是与网络问题有关的，那网络运营商是不是也应当牵扯其中？由此，在消费者、网络提供商、汽车制造商和智能驾驶提供商之间，就会出现多个交叉的责任空白区域。

所以说，智能驾驶在未来需要解决的不仅是技术问题，还会面临法学、社会学、政治学等相关领域的问题。这些问题都需要社会科学的研究来推动解决，而这也就要求人文社科学者需对人工智能的前沿知识有深入了解。