2016-07-28-这可能是迄今为止关于人工智能最难读也最全面的文章

看到好买财富上一篇文章,这是摘要及我的看法:

1.人工智能跟工业革命的机器问题类似,担忧是类似的,结果也必然类似,可以带来社会的发展。
2.最近的发展来自于计算能力的提高,gpu使得多层深度学习系统变得可能。深度学习有多种方式,其中一种是监督学习(supervised learning), 是从带标签的数据中学习, 比如垃圾邮件,非垃圾邮件。另外一种是无监督学习(unsupervised learning), 是将网络暴露在大量样本中来对网络进行训练,但不会告诉它要寻求什么模式. 网络识别相似样本的特征和聚类,从而揭示数据中的隐藏分组、连接和模式。识别相似样本的特征和聚类,从而揭示数据中的隐藏分组、连接和模式。还有一种是强化学习,训练一个网络并且以奖励作为反馈。
3.AlphaGo有两个深度神经网络,其中一个通过大量棋局分析可能的走法,另外一个根据随机采样来评估走法。类似的进展有迁移学习(transfer learning), 多任务学习(multitask learning), 动态记忆网络(dynamic memory network), 长期目标是通用人工智能(Artificial General Intelligence,AGI), 就是完成各种任务的系统。最乐观也要十年才能做出AGI.
4.人工智能会加速计算机相关的自动化趋势,要求工作者更快的学习新技能。
5.随着人工智能的发展,每个人都要终生学习以免被淘汰。
6.自动化可能会造成收入差距扩大,可能需要一个新的再分配系统。
7.人工智能可能不会出现人类会犯的计算和认知错误,但是可能会犯回形针最多化的错误,一旦他能自我复制和升级。
8.回形针最多化的前提是人工智能自己复制升级,但是至少在目前这不太可能,因为第一人工智能获得自己的思想不太现实,第二智能爆发需要时间,第三机器在环境不一定能学习。
9.总的来说,人工智能的威胁被夸大了。
下面是原文:

这可能是迄今为止关于人工智能最难读也最全面的文章

2016-07-13 好买财富

以AlphaGo战胜李世乭为节点,人工智能又一次闯入人们的视野中,甚至于有人将2016年视为“人工智能元年”(当然这可能是第N次某个特定的年份被冠以元年这样的称号)。

1927年的《大都会》或许塑造了影史上最早的人工智能机器人形象——人造玛利亚;1956年,人工智能被确立为一门学科。从最初,人们就始终在关注两个问题:计算机怎样接近智能?接近到什么程度?

技术阻碍发展,发展突破阻碍,如此无限循环……是人工智能发展史的最好写照。伴随着科学家无比热情的同时,是各种“人类式”的担心。AI来自何处,去向何方,“人类终将毁于自己创造的智能之手”这一命题是否成立?

“你执着于耳听为虚,眼见为实,大凡这种人都有大彻大悟的期待,聊可安慰的是,如此就已经离真理不远了”

1. 「机器问题」重现

从最初的屡屡失败,到现在的朝气蓬勃,人工智能会导致大面积失业甚至让人类灭绝吗?或许历史会给我们一些有用的线索。

有些人害怕机器会抢走所有人的工作,而只是有选择地让少数人受益,并最终彻底颠覆社会。然而在历史上,类似的一幕曾出现过。两个世纪前,工业化的浪潮席卷英国,与今天同样的担忧曾引发了激烈的争论。那个时候,人们不说「工业革命」而大谈「机器问题(machinery question)」。

1821年,经济学家 David Ricardo 第一个表达了这种看法,他重点关注「机器对于不同社会阶层的利益的影响」,特别是「劳动阶级怀有的意见,他们认为使用机器通常会不利于他们的利益」。1839年,Thomas Carlyle (苏格兰哲学家,被看作是那个时代最重要的社会评论员)对所谓「机械恶魔(demon of mechanism)」予以了抨击 ,他写道,「机械恶魔」破坏性的能力将会扰乱整个工人团体。

现在,这个「机器问题」卷土重来,虽然它伪装成了另外一副样子——人工智能(AI)技术正突飞猛进,机器得以执行曾经只有人才能胜任的各种任务。科学家,经济学家和哲学家正在热议人工智能技术的潜在影响。这种影响可能是非常深刻的。因为人工智能技术,之前看起来不可能自动化的工作——从放射科到法律工作——现在也同样面临着危机。

2013年, 牛津大学的 Carl Benedikt Frey 和 Michael Osborne 进行了一次调查研究,其结果后来被人们广泛引用,该研究发现美国有 47% 的工作有很高的可能性会在不久后被「计算机资本取代」。

更近的一个报告是:美国美林银行预测,2025 年以前,人工智能的「每年产生的创造性破坏的影响」可能会达到14到33万亿美元,其中包括因人工智能实现了知识工作自动化,导致雇佣成本减少的9万亿美元,制造业和医疗护理开销减少的8万亿美元,以及部署无人驾驶汽车和无人机后因效率提升增加的两万亿美元。智囊机构麦肯锡全球研究院(McKinsey Global Institute)说,人工智能正在促进社会发生转变,这种转变比工业革命「发生的速度快 10 倍,规模大 300 倍,影响几乎大3000倍」。

跟两个世纪前的人们一样,很多人担心机器会让几百万人下岗,引发不平等问题和社会动乱。Martin Ford 曾写过两本关于自动化威胁的畅销书,他担心中产阶级的工作将会消失,经济流动性将(即个人,家庭或团体提高经济水平的难易程度)停止,财阀们会「将自己关在封闭式小区或精英城市里,还可能有自动化军事机器人和无人机在旁保护。」

还有人则担心,人工智能会威胁人类的生存,因为超级智能计算机可能不会认同人类的目标,转而攻击创造它们的人类。很多人表达过这类担忧,比如物理学家史蒂芬·霍金。

更让人惊讶的是,伊隆·马斯克,火箭公司 SpaceX 和 电动汽车制造商 Tesla 的创始人,也有同样的想法。与 Carlyle 相似,马斯克警告人类:「我们正在用人工智能召唤恶魔。」他的特斯拉汽车可以利用最新的人工智能技术实现自动行驶,但马斯克却担心未来的人工智能霸主可能会太过强大,失去人类的控制。

他说:「马可·奥勒留(罗马帝国贤君)当国王挺好的,但如果国王是卡利古拉(罗马帝国早期的典型暴君)情况就不太乐观了。」

有人看到风险,有人洞见机遇。投资者正在不断涌入这个领域,科技巨头们则在不断收购人工智能创业公司,并争先吸引学术界最优秀的研究人才。

根据数据分析公司 Quid 的研究数据,在2015年,人工智能企业的成本创下85亿美元的记录,几乎为2010年的四倍。投资公司 Playfair Capital 的 Nathan Benaich 说,2015 年人工智能企业的投资轮数比上一年多16%,而与此同时科技产业整体投资轮数减少了3%。

Playfair Capital 是一家基金管理机构,该公司在人工智能的投资组合达到 25%。「XX+人工智能」取代了「XX行业的Uber 」,成为创业公司默认的商业模式。谷歌,Facebook,IBM,亚马逊和微软都想方设法在云端建立人工智能服务的生态系统。「这项技术将会用在各行各业中,只要这个行业有任意种类的数据,图像,语言等数据类型都可以。」MetaMind 的创始人 Richard Socher 说,「人工智能将遍地开花。」MetaMind 是一家人工智能创业公司,最近被云计算巨头 Salesforce 收购。

这意味什么?本篇特别报道将会审视这项新科技的崛起,探索它对工作,教育,政策的潜在影响,思考它在道德和监管方面的作用。同时,本文还思考了能从机器问题最初的答案中学到的东西。AI 引发的担忧和热情不相上下,同时带来了很多问题,然而值得记住的是,其中的很多问题我们在以前都曾问过,并已经有了答案。

2. 技术:从无法工作到神经网络

人工智能的繁荣基于传统与现代想法的结合。

人工智能如何从刚开始的傲慢与失望,突然成为科技界最热门的领域呢?人工智能(artificial intelligence)这个术语最早被写在 1956 年的一份研究计划中,该计划声称「如果一个精心挑选的科学家小组花一个夏天一起研究,就能使机器解决各种人类无法解决的问题……」,从而实现重大的进步。

那被证明只是疯狂过度地乐观,人工智能虽然偶有突破,但其承诺的远比其所能提供的多得多。最终,大多研究者都避免使用这个术语,而更喜欢用「专家系统」或「神经网络」。现在「人工智能」的名誉恢复和重新兴起要追溯到 2012 年被称为 ImageNet 挑战赛的在线竞赛。

ImageNet 是一个拥有数百万张图片的在线数据库,所有图片都有人工做的标签。对于任何给定词,例如「气球」或「草莓」,ImageNet 里都能找到上百张对应的图片。

每年的 ImageNet 竞赛鼓励该领域的人在计算机识别和自动标记图片上进行比赛,并衡量他们的进展。这些系统首先使用被正确标记的图片集进行训练,然后挑战标记之前没见过的测试图片。在后续的研讨会上,优胜者会分享并讨论他们的技术。

2010 年获胜的系统可以正确标记 72% 的图片(人类平均有 95% 的准确率)。2012 年,多伦多大学的 Geoff Hinton 带领的团队实现了 85% 的准确率,这要归功于一项叫「深度学习」的新技术。这带来了一种长远快速的改进,在2015 年的 ImageNet 竞赛上,一个深度学习系统以 96% 的准确率第一次超过了人类。

2012 年的成果被认为是一项突破,但 Yoshua Bengio 说,他们依靠的是「结合以前已经有了的东西。」Yoshua Bengio 是蒙特利尔大学的计算机科学家,他与 Hinto 以及另外几个人被称为深度学习的先驱。大体上,这项技术使用了大量的计算和训练数据,对来自人工智能发展初期的一个旧思路进行改进,这个旧思路也就是人工神经网络(ANN)——这是生物学启发的人工神经元(脑细胞)网络。

在生物大脑中,每个神经元都能被其它神经元触发,将输出的信号馈送给另一个神经元,而且此神经元的输出也能继续触发其它神经元。一个简单的 ANN 网络有一个输入神经元层,在这里数据被馈送进网络中;还有一个输出层输出结果,中间可能还会有三两个隐藏层对信息进行处理。(实际中,ANN 网络全部在软件中模拟。)网络中的每一个神经元都有一系列的「权重」和一个「激活函数」控制着输出的信号发射。

训练一个神经网络涉及到对神经元权重的调整,以便一个给定的输入产生期望的输出。ANN 在 20 世纪 90 年代早些时候就已经实现了一些有用的结果,例如识别手写数字。但在完成更为复杂的任务上,ANN 陷入了困境。

在过去的十几年中,新技术的出现和对激活函数的一种简单调整使得训练深度网络变得可行。同时,互联网的兴起产生了数十亿可用于目标训练的文档、图片、视频数据。这所有的一切都需要大量的数字操作能力,而 2009 年左右当几个人工智能研究团体意识到个人计算机和视频游戏机上用于生成精致画面的 GPU 也同样适用于运行深度学习算法之后,计算能力也不再是个问题了。

斯坦福大学由吴恩达带领的一个人工智能团队发现 GPU 能够几百倍地加速深度学习系统。然后,训练一个四层的神经网络突然就变得很快了,由之前需要花费几周的时间变成了不到一天时间。GPU 生产商 NVIDIA 的老总黄仁勋说这是一个令人高兴的对称:GPU 这一游戏工作者用于为游戏玩家构建幻想世界的芯片也能用于帮助计算机通过深度学习理解真实世界。

ImageNet 的结果显示了深度学习的能力。突然间,深度学习就获得了关注——不只是在人工智能界,而是在整个科技产业界内!深度学习系统因此变得更加的强大:20 或 30层的网络变得很常见,微软的研究人员曾建立过 152 层的网络。更深层的网络能进行更高水平的抽象并产生更好的结果,事实证明这些网络擅长解决众多领域的难题。

「让人们激动的是这一领域的一种学习方法:深度学习,能够应用于众多不同的领域,」谷歌机器智能研究部门负责人、如今负责搜索引擎的 John Giannandrea 表示,谷歌正在使用深度学习提升其网页搜索结果的质量、理解智能手机端的口语指令、帮助人们在他们的照片中搜索特定的图片、推荐电子邮件的自动回复、改善网页的翻译服务,并且帮助它们的自动驾驶汽车理解周围环境。

学习如何学习

深度学习有很多不同的方式。最普遍使用的是「监督学习(supervised learning)」,这项技术能使用标记样本集训练系统。例如,过滤垃圾邮件:收集出邮件信息样本的大数据集,每一个都标上「垃圾邮件」或者「非垃圾邮件」。一个深度学习系统能够使用这些数据集进行训练,重复的进行样本训练进而调整神经网络内的权重,提高评定垃圾邮件的准确率。

这一方法的巨大优点是不需要人类专家写出规则列表,也不需要程序员用代码编写这些规则,系统能直接从有标签的数据中进行学习。

使用有标签数据训练系统也被用于图片分类、语音识别、信用卡交易欺诈侦测、垃圾和恶意软件识别以及广告定位,所有这些应用领域中的正确答案都可通过之前的大量案例获得。Facebook 能在你上传一张照片后识别、标记照片里你的朋友和家人,它们近期还发布了一个能够为盲人描述照片中的内容(比如两个人、微笑、太阳眼镜、户外、水等)的系统。有大量的数据可用于监督学习,吴恩达先生说,这一科技的应用已经使现在的金融服务领域、计算安全领域和销售领域的公司将自己重新标记为了人工智能公司。

另一项技术是无监督学习(unsupervised learning),其通过将网络暴露在大量样本中来对网络进行训练,但不会告诉它要寻求什么模式。相反,该网络学习识别相似样本的特征和聚类,从而揭示数据中的隐藏分组、连接和模式。

无监督学习能在你不知道会是什么样的情况下被用于事物搜索:例如,监控网络中反常的通信模式,那可能代表着网络攻击;或检查大量的保险声明以检测新类型的诈骗方式。

一个经典的案例:2011 年当吴恩达在谷歌工作时,他领导的一个名为谷歌大脑(Google Brain)项目中的一个大型的无监督学习系统本是用于在千部无标记 YouTube 视频中发现共同模式。一天,吴恩达的一个博士生给了他一个惊喜。吴恩达回忆说「我记得他把我叫道他的电脑前说,『看这个』」,电脑屏幕上是一个毛茸茸的面孔,从数千的样本中发现的模式。系统发现了猫。

强化学习位于监督学习和无监督学习之间,它涉及到训练一个神经网络与只以奖励作为偶然的反馈的环境进行交互。本质上,训练涉及到调整网络的权重,从而获得能带来更高奖励的搜索策略。DeepMind 是这个领域的专家。2015 年 2 月,它们在 Nature 上发表的一篇论文描述了一个能够学习玩 49 种经典的 Atari 视频游戏的强化学习系统,它只使用屏幕上的像素和游戏分数作为输入,输出则连接到一个虚拟的控制器上。这个系统从头学起玩游戏,最终在其中 29 种游戏中达到或超过了人类水平。

把系统游戏化

电子游戏是人工智能研究的理想训练场,DeepMind 的 Demis Hassabis 说,因为「它们是真实世界的缩影,但更纯净和约束化。」 游戏引擎也可以轻松生成大量训练数据。Hassabis 先生以前从事过电子游戏行业的工作,后来取得了认知神经学的博士学位并创立了 DeepMind。这家公司现位于伦敦国王十字车站附近,相当于谷歌的人工智能研究分部。

今年三月,AlphaGo 于首尔的五轮比赛中打败了世界顶尖围棋选手李世石,作为开发公司的 DeepMind 因此登上头条。AlphaGo 是一个有着独特特性的强化学习系统。它由几个相互连通的模块组成,包括两个深度神经网络,它们各有所长——像人脑中模块一样。

其中一个通过大量的棋局分析训练提出一些可能的走法,另一个网络则负责根据随机采样技术来评估这些走法。这个系统把生物启发的技术与纯机器化的技术结合了起来。人工智能研究者们就哪种技术更优越这个问题已经争论了几十年,而 AlphaGo 却另辟蹊径两者都用。「这是一个复合型系统,因为我们认为解决智能问题只有深度学习是不够的」,Hassabis说。

他和其他研究者们已经开始探寻一种叫做迁移学习(transfer learning)的新技术了。这种技术能让强化学习系统把基础建立在已习得的知识上,而不用每一次都从头开始训练。Hassabis 先生解释道,人类可以毫不费力地做到这一点。Giannandrea 先生回忆起他四岁的女儿已经能辨别出 penny-farthing(一种前轮大后轮小的脚踏车)就是一种自行车,即使她之前从没见过这样的东西。「但计算机无法做到,」他说。

一家最近被 Salesforce 收购的初创公司 MetaMind 也在研发一种相关的技术——多任务学习(multitask learning),这种系统用同样的神经网络架构解决多种不同的问题,在一件事情上获得的经验能用来更好地解决其它事情。

跟 DeepMind 类似,它也在探寻模块化的架构;其中一个被称为「动态记忆网络(dynamic memory network)」的系统能消化一系列陈述,然后回答相关问题,并且推断出其中的逻辑联系(Kermit 是一只青蛙;青蛙是绿色的;所以 Kermit 是绿色的)。MetaMind 还把自然语言网络和图像识别网络融合到一个系统中,它可以回答有关图像的问题(「这里面的汽车是什么颜色的?」)。这种技术可以用到智能客服聊天机器人中,或者用于 Salesforce 的客户呼叫中心。

过去,很多有前景的人工智能技术发展都会逐渐疲软。但深度学习却不同。「这东西真的能起作用,」 MetaMind 的 Richard Socher 说。人们每天都会用到它,虽然他们并未意识到。Hassabis、Socher和其他人的长远目标是开发出「通用人工智能(AGI )」—一种能完成各种各样任务的系统,有了它就不必再为每个特定问题都专门开发出一个系统了。

人工智能多年来的研究方向都集中在解决专业化的特定问题上,Socher先生说,但现在研究人员们「正努力用更先进的乐高积木块拼出不一样的东西」。即使他们中最乐观的人也认为还需至少十年才能做出人类智力水平的 AGI 。但 Hassabis 说,「我们认为我们已经知道实现接近 AGI 的系统所需的几十种关键元素了」。

同时人工智能已经在发挥作用了,而且很快会更有用。例如谷歌的智能回复系统,它通过两个神经网络推荐邮件回复,从研究项目到产品上线只用了四个月(虽然刚开始它因为对每条信息建议回复的有「我爱你」而令人失望)。

「在科研期刊上发表文章刚一个月,就有某个公司正确使用你的系统了,」Socher 说。人工智能公司,不论规模大小都能都能定期发表学术文章;人工智能研究者即使在转行进入公司后也能继续在同行评议期刊上发表研究成果。很多人都是边为公司工作边发表科研文章。「如果你不允许他们发表,他们就不会为你工作了,」Andreessen Horowitz 的 Chris Dixon 解释说。

谷歌,Facebook,微软,IBM,亚马逊,百度以及其他公司都开源了某些深度学习软件。部分原因是这些公司中的研究人员想要发表自己的成果,因为这有利于公司招募更多人才。从更现实的角度来看,这也是因为大型互联网公司不在乎把自己的人工智能软件公之于众,因为他们真正的优势在于能获取大量用于训练的用户数据。

一家投资基金公司 Bloomberg Beta的Shivon Zilis说,这使得他们能在某些方面占尽优势,但初创公司也在寻求打入市场的独特途径。比如无人机初创公司能在人群密集的地方通过模拟数据进行飞行训练。而且很多训练数据都能从网上找到,孵化器公司 Y Combinator 的董事长 Sam Altman 说道。他注意到人类可以用有限的数据进行学习,「这意味着大量训练数据并不是实现智能的必要条件」。像 Numenta 和 Geometric Intelligence 这样的初创公司正在探索低数据依赖性的新智能系统。

在这股人工智能淘金热中,公司们排着队为参与者提供铁锹。出现最为频繁的名字是英伟达,Dixon 先生说;似乎每一家人工智能创业公司都在使用它的 GPU 芯片来训练神经网络。GPU 能力也可从亚马逊和微软的云中租用。

与此同时,IBM 和谷歌则正为更快更高效地运行人工智能软件而设计专门的新芯片。谷歌、微软和 IBM 也正使其语音识别、句子解析和图像分析等人工智能服务免费在线提供,让创业公司可以结合这些开发模块来构建新的人工智能产品和服务。IBM 的 Guru Banavar 说:来自多个行业的 300 多家公司已经使用 IBM 的 Watson 平台开发出了人工智能驱动的应用,其中包括筛选应聘者和挑选葡萄酒。

对大多数人而言,所有这些人工智能领域的进步都将体现为他们每天都在使用的互联网服务的不断进步。搜索引擎将得到更相关的结果;推荐将会更加准确。Hassabis 预测说:几年之内,所有东西都将会嵌入某种程度上的智能。人工智能技术将让计算机接口变成对话式和有预测力的,而不只是简单的菜单和按钮。而且对话式的交互让不能阅读书写和目前不能使用互联网的人也能使用计算机,Bengio 说。

厚积多年,一朝薄发;机器将能够执行之前只有人类才能完成的任务。自动驾驶汽车正快速变得越来越好,到某个点时它们也许能够取代出租车司机,至少在市中心等受控环境中可以做到。送货无人机,不管是地上跑的还是天上飞的,类似地可以与人类送货员竞争。改进后的视觉系统和机器人技术让机器人可以码放超市货架和在仓库中移动物体。而且还给意想不到的突破留下了很多余地,Dixon 说。

其他人却很担心,担忧人工智能技术会增压特定任务中现有的计算机化和自动化;就像 200 年前的蒸汽动力一样,让很多工人成了多余。英国诗人 Robert Southey 宣称 :「蒸汽可怕地加剧着已经正在进行的过程,但太快了。」他担心「这强大之力的发现」已经在「我们知道如何正确使用它」之前到来。许多人对今天的人工智能也这么想。

3. 对工作的影响:自动化与焦虑

更加智能的机器会导致大规模失业吗?

坐在位于旧金山的一间办公室里,Igor Barani 在屏幕上调出几张医学扫描结果。他是 Enlitic 公司的首席执行官,这是一家从对 X 光扫描与 CT 扫描图像分析开始将深度学习应用于医疗业的创业公司。这也是对这项技术的很明显的应用。深度学习因它在图像识别的某些形式上有着超人的实力而闻名;大量的标签化训练数据需要消化,而它有着巨大的潜力,去让医疗变得更加准确和有效。

Barani 博士(曾经是一位肿瘤学家)指着从三个角度拍摄的患者肺部 CT 扫影。随着 Enlitic 的深度学习系统的加入,屏幕上出现了红色闪烁点,比对它们来看是否是血管、无害的成像物体或恶性的肺部肿瘤。最终系统会给出一个重点标注的特征以进一步调查。在与三个放射科专家一起合作的测试中,Enlitic 系统在识别恶性肿瘤上优于人类50%,其假阴性率(没诊断出癌症)为零,相比之下人类则有着7%。Enlitic 的另一个系统,可以用来检查 X 射线扫描来检测腕关节骨折,并有效地超出了人类的表现。

在2013年广为关注的一篇研究中,Carl Benedikt Frey 和 Michael Osborne 核查了702种职业的计算能力,并发现美国47%的工人都面临着工作自动化的风险。尤其是,他们警告说大部分运输业和客运业(例如出租车司机和运货司机)和公关类(例如接待员与保安)「都有可能会被计算机所取代」,还有许多销售业与服务业人员(例如收银员,柜台人员,租赁人员,电话推销员和审计师等)也面临着工作被计算机取代的威胁。

他们总结道:「机器学习近期的发展会占据大量的职业分布,在近期面临风险的职业分布广阔。」后续的研究指出英国有35%的职业可能被取代(英语有许多人从事创业公司,也因此难以被取代),在日本这个比例是49%。

经济学家正在担心「职业两极化」的风险,也就是说中层技术的工作(例如制造业)正在消失,而低等和高等工作在扩张。实际上,工作可以被划分为两种常规职业:第一种即高薪水高技术的职业(建筑师,高级管理),还有低薪水低技术的职业(清洁工,快餐员)。

许多西方国家中层职业薪水的停滞都表现出自动化已经开始产生影响——尽管这与外包的影响很难区分出来,后者也取代了许多发展中国家的底薪国家中日常化的工作(例如制造业和呼叫中心)。圣路易斯联邦储备银行发表的数据显示,在美国,非常规认知型工作以及非常规手工型工作自1980年后逐步增长,而常规化工作则一直维持几乎不变。随着更多工作自动化,这种趋势很可能会延续下去。

在更近的例子中,自动取款机(ATM)可能已经有望通过接替一些日常任务来取代银行出纳员的工作,而 Bessen 指出,事实上美国每个银行支行的出纳员平均数量已经从 1988 年的 20 人降低到了 2004 年的 13 人。

这减少了运营一家支行的成本,让银行可以开设更多支行以响应客户的需求。城市银行支行的数量同期上升了 43%,所以总体上雇员的数量增加了。ATM 并没有摧毁工作,而是改变了银行雇员的工作组合——让他们远离了日常任务,进入到了机器不能做的销售和客服领域。

那么谁是正确的:是认为这一次不同于以往而机器将真正夺走所有工作的悲观者(他们中许多是技术者类型的),还是坚持认为技术终将创造更多工作乐观者(大部分是经济学家和历史学家)?

而事实可能介于两者之间。人工智能不会导致大规模失业,但它会加速与计算机相关的自动化的趋势,像技术改变之前做的那样扰乱劳动力市场,并要求工作者比以往更快地学习新技能。Bessen 预计会有一次「艰难转型」,而不是「尖锐地打破历史」。

尽管人们表达了广泛不同的意见,但几乎所有人都同意这个处方:公司和政府将需要想办法让工作者更容易掌握转换工作所需的新技能。这将在悲观者看法正确的事件中提供更好的防御,同时预防比乐观者所预计的人工智能的更快和更重大的影响。

4. 教育和政策:你会失业还是变得富有?

人工智能将会给教育、福利和地缘政治的政策制定者带来影响。

教育

2011 年 7 月,拥有多个头衔的斯坦福大学教授 Sebastian Thrun 在 YouTube 上发布了一段短视频,宣布他和他的同事 Peter Norvig 正在使他们的「人工智能入门(Introduction to Artificial Intelligence)」课程可以在网上免费观看。

到 10 月份该课程开始的时候,来自 190 个国家的 160,000 人报名参加了该课程。与此同时,另一位斯坦福教授吴恩达也将自己的一门关于机器学习的课程免费发布到了网上,有 100,000 人参加了这个课程。这两个课程都持续 10 周。最后,有 23,000 人完成 Thrun 的课程,13,000 人完成了吴恩达的课程。

这样的在线课程,以及短视频讲座、学生的在线讨论板块和自动为他们的课程成绩评级的系统,变成了众所周知的大规模开放式在线课程(MOOC)。2012 年,Thrun 创立了在线教育创业公司 Udacity,吴恩达也联合创立了另一家在线教育创业公司 Coursera。

就在同一年,哈佛大学和麻省理工学院(MIT)联合组建了 edX——一个非营利性的 MOOC 提供组织,该组织由 MIT 人工智能实验负责人 Anant Agarwal 所领导。一些人认为 MOOC 会取代传统的大学教育。最初围绕 MOOC 的炒作现在差不多也已经偃旗息鼓了(尽管已有数百万学生参加了某种形式的在线课程),但 MOOC 的繁荣说明了在线教育的巨大潜力。

Udacity、Coursera 和 edX 都是从人工智能实验室涌现出来的,这个事实凸显了人工智能研究社区希望对教育系统进行大改的信念。Thrun 说他创立 Udacity 是将其作为「正在进行的人工智能革命的解药」——这场革命将催生对工作者的新型工作技能的需求。

类似地,吴恩达认为:鉴于人工智能研究者的工作对劳动力市场的潜在影响,研究者「在应对和解决我们导致的问题上负有道德上的责任」;他说,Coursera 是他在这方面作出的贡献。此外,人工智能技术在教育方面有很大的发展潜力。根据每一个学生的情况各自调整课程,从而实现最轻松最高效的学习方法「适应性学习(Adaptive Learning)」多年前就应该出现了。但新的机器学习技术可能最终有望帮助实现这一目标。

吴恩达说,适应性学习对大量学生使用同一材料进行学习的情况最有效,因为这样可以收集到大量的数据。在这方面的创业公司有 Geekie、Knewton、Smart Sparrow 和 DreamBox 等,教育行业的巨头也对此很有兴趣:2013 年 McGraw-Hill 买下了适应性学习系统 ALEKS;Pearson 最近宣布扩大了与 Knewton 的合作关系。

「老系统将不得不得到认真的修改」,美国西北大学的 Joel Mokyr 指出,教育系统鼓励专业化,这样学生就能在越来越少的主题上学到越来越多。但随着知识过时的速度越来越快,重要的是要学会再学习(relearn)。

Mokyr 认为当下的教育像粘土——「塑造它,然后烘烤它,就定型了」。未来,随着越来越多任务变得自动化,人类技能显得最有价值的任务会不断变化。「你必须终生学习——很长时间来显然都是这样」,吴恩达说,「你在大学里学到的东西不足以让你继续前进 40 年。」

政策政治

对人工智能和自动化的担忧也导致了对更强大的保护人们免受劳动力市场动乱影响的安全网的呼吁。尤其是一些人工智能评论者认为应该建立一套福利系统,让每个人(不管什么情况)都享有保障基本生存的收入(比如说一年 1 万美元?)类似的想法在工业革命时也由 Thomas Paine 和 John Stuart Mill 等一些人提出过。

其基本思想是:人们做得更多让自己的收入增加时,这个福利不会减少,这样人们就会愿意去做事。这会让人们能自由决定自己希望做什么,活在失业中接受合适的再培训。很多预言会有终极工作破坏的人都认为可以把这个情况用来保持消费型经济和支持非劳动人口。如果大部分工作都被自动化取代了,我们就将需要一种重新分配财富的可选机制。

与改革教育系统相比,保障基本收入似乎更简单、更有吸引力。这个想法在技术行业内享有广泛支持:创业孵化器 Y Combinator 甚至还支持着加利福尼亚州奥克兰市的一项对该想法的研究。其总裁 Sam Altman 认为基本保障收入可以确保「向未来工作的平稳过渡」。

看起来似乎是一个未来乌托邦,但一些怀疑论的观点认为这会导致抑制技术造成的不平等和抱怨,从而让极客能发明无拘束的未来。Altman 先生说,根据他的经验,技术人会支持基本收入保障的想法。

但基本收入保障的前提是要有收入,这就将意味着更高的税收。此外因为人们本身的财富水平和各地的消费水平不一样,公平性方面也难以得到保证。而且还有人认为保障基本收入事实上会抑制人们接受再训练,催生一个不愿意劳动(而不是不能劳动)的「懒人」群体;从而加重纳税人的负担。

芬兰和荷兰等富裕国家计划在明年开始有限地试验基本收入政策,而其它较为贫穷的国家显然从没考虑过这样的事。自动化的发展对地缘政治的影响也将逐渐显现。

MIT 的 David Autor 说,自动化对发展中经济体的影响比对富裕经济体的影响更大,因为发展中经济体有更高比例的体力劳动工作:低工资的工人制造廉价的产品、在客服中心提供廉价的服务、在国内或海外做建筑工作……如果自动化使发达国家能在这些方面自给自足,它们对发展中国家提供的产品和服务的需求就越少——发展中国家将失去在这些方面的比较优势,而与此同时,机器人和人工智能的技术和专利也基本上都掌握在发达国家手里。

自动化可能会让发达国家通过全面工业化断掉贫穷国家的发展机会。经济学家常谈论「过早去工业化」;哈佛大学的 Dani Rodrik 指出第一次世界大战前英国的制造业就业人数达到了峰值的 45%,而巴西、印度和中国的制造业就业人数比例已经度过了峰值,却还没超过 15%。这是因为制造业已经远比过去自动化了。

据花旗银行和牛津大学马丁学院的一份报告指出,中国已经取代美国成为了第一大工业自动化市场。然而对于非洲和南美的其它一些新兴经济体而言,自动化却并不是好消息,它们再也无法通过「农田到工厂」的劳动力转移模式来推动经济增长了,它们必须寻找新的增长模式。乔治·梅森大学经济学家 Tyler Cowen 说:如果没有制造业的工作构成中产阶层,这些国家的「核心经济结构中将出现非常高的收入不平等。」

5.道德:弗兰肯斯坦的回形针

技术专家不相信人工智能会失去控制,但还是会有道德上的忧虑

随着《末日侵袭》这部电影情节的发展,它看起来也没有那么可怕。所谓的「回形针最多化」(paperclip maximiser)是牛津大学哲学家 Nick Bostrom 提出的一个思维实验。这个实验假设一个人工智能能够希望能收集尽可能多的回形针。它会想尽一切办法来收集回形针,并且会通过自我升级来找到收集回形针的新方法,它还会反抗一切阻止它做这件事情的企图。最后它“把整个地球和一部分宇宙空间都变成了一个回形针制造工厂”。

这种明显非常愚蠢的试图想表达一个非常严肃的观点:人工智能不需要人类一样的行为和心理动机。它们可能不会出现人类常会犯的错误和偏差,但是会犯别的错误,例如执着于回形针。它们的目标已开始可能看起来是无害的,但如果人工智能能够自我复制并升级自己的性能就会非常危险了。即使是一个运行在一台不联网的计算机上的「被束缚的超级人工智能」也会竭尽全力地劝说它的主人让他获得自由。先进的人工智能不仅仅是一门新技术,而是一个对人类的威胁,Bostrom 说。

机器能够自己独立运行并不是一个新鲜想法,英国作家玛丽·雪莱在 1818 年就在她的小说《弗兰肯斯坦》中提出过这个想法。但直到 1965 年,人们才提出这种能够不断自我升级的人工智能概念。但最近人们在人工智能方面取得的进展又引起了新的担忧,Bostrom 就是一个人工智能威胁论的知名倡导者,他更喜欢把人工智能叫做「超级智能」,这也是他的新书的书名。

一些人工智能研究者给出了几个理由来证明为什么人们没必要恐惧人工智能,最起码是在当前阶段。第一,吴恩达曾说过智能和感性能力以及意识是不同的。在 IBM 的人工智能道德小组工作的 Farancesca Rossi 也说过,人工智能「总有一天会觉醒并获得自己的思想」的想法并不现实。

第二,所谓的「智能爆发」也是不可能出现的,因为这需要一个人工智能在比它的前一个版本的智能升级更短的时间内升级出新的版本。但是大多数计算问题,即使是比人工智能简单得多的,在规模化的的时候也需要花很长的时间。

第三,即使机器能够从经验和环境中学习,它们也不会总在学习。例如一辆自动驾驶汽车并不是在每次驾驶的时候都在进行训练。相反地,深度学习系统在神经网络中建立一个执行特定任务的计算模型也需要花上好几天时间。这个模型可以被应用到一个执行机器中,例如汽车、无人机、app或者其他的地方。但是这些汽车和无人机并不能在实际工作时学习,相反地,他们在实际工作中得到的数据会被传回后方来改进模型,然后模型又会被再次应用。因此一个单一的系统不会在环境中学到「坏行为」,因为它在环境中并没有学习。

6.结论:机械问题的答案

人工智能未来一瞥

之前看起来非常紧要的、亟待解决的原始的机器问题,最终将自我解决。尽管 David Ricardo 以及其他人都表达过「机器取代人类劳力可能致使人口冗余」这样的恐惧,机械化的总体影响将会是创造史无前例规模的职位。

机器让个人工作者能生产更多产品,降低大量商品的价格,扩大需求并且将需要更多工人。全新的工作职位将被创造出来,对机器进行监督。随着公司变得更大,他们将会需要更多经理、会计和其他职位。而且随着铁路、电信、电气的到来,全新的、前所未有的、我们难以想象的产业将会涌现。

诚然,所有这些都将花费一段时间。当一些工作消失的时候,工业化会造成普遍的劳力市场聚变,其他改变难以知晓,而全新的职位将会出现。工厂内的情况曾经非常糟糕,从显著的工人收入变化上反映出经济的增长需要几十年的时间,这种现象也就是我们所熟知的「恩格斯停顿」。

在人工智能发展缓慢而备受挫折的数年之后,现在很多人却认为它前进过快,这是一件非常讽刺的事。然而,一份冷静的评估表明我们应该欢迎人工智能,而不是害怕人工智能。在 19 世纪 40 年代,John Stuart Mill 写道,「将来我们会看到,机械发明对劳工的最终好处是毋庸置疑的。」未来可能会有一位经济学家同样如此描述人工智能的好处,并不只是对劳工而言,而是对每一个人而言。

2016-07-24-佛教理解的幸福

我把李笑来老师的《把时间当朋友》又看了一遍,写了很多感想,这是其中一段:
这里李笑来老师理解有误,佛教不是逃避,而是更彻底,佛教认为从根本意义上讲,没有什么东西本质上就是快乐的,比如吃北京烤鸭是快乐的,你一连吃上四只试试,或者你每顿饭都吃烤鸭,吃上一年试试,很多时候所谓的快乐只是对痛苦的逃离而已。不管是不是基于比较,所谓的满足感或者成功感如果是基于外部环境的,必然是短暂的,不彻底的。李笑来老师认为应该做那些不是基于比较就能带来快乐和幸福的事,可是我认为如果你一定要做成了什么事才能快乐和幸福,这不是彻底和真正的幸福,因为有经验的人都知道,这种幸福是很短暂的,很有可能你付出了重大代价达到目标之后的感觉是不过如此。不知道是萧伯纳还是王尔德说过”人生有两种悲剧,一种是得不到,另外一种是得到了”,说的就是这个意思。想想你自己身上的例子,你花了三年时间辛辛苦苦准备高考拿到了理想大学的通知书,你高兴了几天? 你辛辛苦苦省吃俭用几个月买下了想要的包包,你能高兴几天? 凡是要通过外部的条件或者做成什么事才能达到的幸福都不是彻底的真正的幸福。真正的幸福是内在的,就是全然的接受你自己,活在当下这一刻,不去期盼未来,也不悔恨过去,全然的意识到当下这一刻的美好与伟大,全然的投入到当下这一刻所作的事。
下面是原文。
——
有趣的是,尽管每个人都说“这世界变化快”,可是最终我们总是发现“没什么变化”。今天的“豪宅、名车、年入百万”是很多男人梦寐以求的东西,甚至是姑娘们选择配偶的条件。翻翻旧报纸吧,六七十年代,姑娘们择偶要求男方要有“四大件”:手表、自行车、缝纫机、沙发;八十年代也要求有“四大件”:电视机、冰箱、录音机、洗衣机;二三十年之间的表面变化反映的是本质上的不变——反映的都是人们“想要拥有未曾拥有的物质或者资源”的强烈愿望。
其实,谁都知道一个道理,“你不可能什么都有”。没有人是傻子。可是,“想要拥有未曾拥有的物质或者资源”的愿望是如此强烈,所以,人们开始转到另外一个方向上去:“我拥有的是不多,但是比你多!这样我就很快乐。”细观很多人所定义的“成功”,归根结底其实只要四个字就可以概括——“高人一等”,即,市井语言中所谓的“牛×”。不能做到比谁都牛,那么最好“一人之下万人之上”,退而求其次也起码应该是比大部分人或者很多人更牛。
用这样的方法定义“成功”,早就注定了尴尬的结局。财富也好,权利也说,地位也罢,用这些东西去定义成功,只不过是说法不同而已。绝大多数人的追求不过如此。要是比谁都牛就是成功的话,这世界上就不会有成功者了——上帝最牛(如果他、她,或者它,真的存在的话)——而且那还不是人,是神。然而,大多数人从来不觉得他们的定义有什么问题。不然怎么会有人甚至连阳具都肯放弃而去做奴才呢?——这种例子古今中外哪儿都有,随手一抓从指缝里都能漏出无穷多。
事实上,被基督教定义为七宗罪之一的“嫉妒”也是这样产生的。嫉妒源自于对自己与他人之间的差异的扭曲理解。大多数人一生无法摆脱由比较而产生的情绪,不管是正面,还是负面的。有人说,幸福是一种比较。更有人戏谑道,对一个男人来讲,幸福就是自己的收入总是比妹夫的收入多20%。有句广告词颇为流行,事实上也同样基于一模一样的心理:没有最好,只有更好。
可是问题在于,比较是相对的,相对是永远没有尽头的。
于是,我们可以轻松想象那些把自己的幸福观建立在与他人比较的结果之上的人来说,幸福快乐永生永世难以获得,就算偶尔产生了幸福快乐的感觉,也必然昙花一现,因为总是有人有比他们更加年轻貌美或者英俊潇洒,收入更高、权利更大,地位身份更尊贵、财富数量更庞大。
有些人看透了这一切,可是却选择了逃避。这些人会认为“万物皆空”,一切都是幻想而已。于是声称自己可以跳出红尘,远离喧嚣。其实,这也只不过是心智力量太弱的表现而已。
另外一些人也看透了这一切,却没有选择逃避。而是坦然地接受。他们运用自己的心智力量去分辨哪些快乐或者幸福是必须建立在比较的基础之上的,而哪些快乐或者幸福是无需比较同样可以获得的。然后,把时间花在寻找甚至制造那些无需比较就可以获得的快乐与幸福——当然,同样要付出很多代价——然后无怨无悔地生活,尽情地欢乐,平静地痛苦。
一位外科大夫感觉到很快乐很幸福,因为他刚刚从死神手里抢回来一个年轻的生命。一位中学老师感觉到很快乐很幸福,因为他刚刚给一群 15 岁左右的孩子讲清楚了感性与理性之间的微妙关系。一位生物所的研究员感觉到很快乐很幸福,因为她觉得最近每天从床上爬起来一路小跑冲进实验室然后观察记录她所培养的菌体实在是太美丽太神奇了。一位母亲感觉到很快乐很幸福,因为她现在坐在孩子的床边,孩子睡梦中的脸庞是那么安静美丽透放着光彩,那么令人爱怜……
生活无法彻底回避比较,但是,事实上无需比较就可以获得的欢乐和幸福也确实太多太多,只不过常常被人们忽略。于是,大量的时间被用来去追求必须通过比较才可以获得的欢乐和幸福,最终获得的只有更多的痛苦。可是时间却不会仅仅因为结果无法承受而倒流,时间的属性决定了我们每个人都不可能真正拥有从头再来的机会。如果仅仅因为这样的结果就开始寄希望于来生来世,就更加可悲了。当然,还有更可悲的:寄希望于下一代,而不顾自己的经验完全是“错误的经验”,只是单纯而又愚蠢地认为自己的经验毕竟是“多年的经验”……
只要能真正理解前面这大约一千字左右的内容,我们就可以运用心智获得解放。从今天开始,把自己要做的事情全都罗列出来之后,仔细分辨:
● 我做完这件事之后所获得的欢乐和幸福是不是一定要建立在比较的基础上才可以获得的?
● 然后标记出并优先实施那些无需比较就可以获得欢乐和幸福的行动方案。时间会一如既往地分分秒秒、岁岁年年地流逝,但,你会惊讶于你生活的变化。每一秒,每一分钟,每一天,每一年,时间的质量由于对幸福的追求和感知的差异竟然会如此不同。

2016-07-23-可怜之人必有可恨之处么

刚才看了一个视频,讲的是一对山里残疾人的儿子因为担心娶不上媳妇不敢相认,最后被儿媳妇发现主动相认的故事。
视频的主旨是孝顺父母,但是我想到的是另外的事。我以前听到过一句话叫可怜之人必有可恨之处,我一直深以为然。看了这个视频,我对这句话产生了怀疑。视频里面女的是瞎子,男的是跛子,他们的生活很可怜,你说他们有什么可恨的地方呢?就像之前我看到的观点,说穷人都不值得同情,因为现代社会的机会那么多,只要肯努力,就连要饭都不会很穷。我现在想的是真的这样么? 他们的逻辑是这样的,穷(可怜)是因为不努力(可恨), 所以穷人不值得同情。
其实这个逻辑是有问题的:
首先穷就是因为不努力么? 如果说变得有钱是穷人的目标,穷人就是指没有达到这个目标的人。但是没有达到致富这个目标可能的原因并不是只有一个。
第一,很多穷人其实并没有意识到这个目标,或者说并没有把变得有钱当成生活的目标,原因是多方面的,有的人(大多数人)是因为浑浑噩噩根本没有生活目标,随波逐流得过且过;有的人是因为他们认为有比变得有钱更崇高的目标,比如追求真理(科学家),比如信奉上帝(神父),比如信仰真主(穆斯林), 比如共产主义(先烈们);还有的人意识到人生无常,所谓的人生目标毫无意义,追求彻底的解脱(佛教徒)。。。
第二,我相信要实现变得有钱这个目标跟实现其他目标一样,都需要持续的行动,敏锐的眼光,再加上相当的运气。所以不努力(持续行动)只是穷的一个可能的原因而已, 换句话说努力只是致富的非必要不充分条件。仔细思考一下,你就会同意我的说法。为什么说努力是致富的非必要条件呢,因为你无法否认有的人没怎么努力就致富了,比如中彩票,比如富二代,比如官二代,比如你家拆迁了。为什么说努力是致富的不充分条件呢,我想没必要解释吧,如果你的大方向是错的,比如ibm在个人pc起步的时候努力的推行大型机,比如诺基亚在智能机出现之后继续努力的推广功能机,你的努力最后只是一场笑话。希望朋友们看到这里不要误会我的意思,千万千万不要认为我让你不要努力。作为一个普通人,就是说你没有巴菲特那样的眼光,也没有中彩票的运气,你想致富只能通过努力,但是你要做好思想准备,你的努力并不一定会让你变得很有钱,虽然努力可以大大提高你变得有钱的概率;相反如果你就是不想付出努力,寄希望于中彩票,每天混日子,你就不要去抱怨为什么自己没钱。当然鉴于现在我自己也还是穷人,我所说的怎样变得有钱也是只是纸上谈兵而已,朋友们不要当真。不过我继续顺着逻辑去推演:
第三,就说努力本身,这里我把努力理解成持续行动。其实持续行动本身就是很困难的,因为它包括两个方面,持续和行动。先说持续,持续就是坚持,就这一个条件已经淘汰了一大批人,有一些人想赚钱,然后产生了一个想法,然后第二天还记得,第三天还记得,一个星期之后已经不太记得了,就算记起来也是种种怀疑,思前想后,最终也没有坚持把自己的想法变成行动;另外一些人行动了,遇到了困难,然后就告诉自己我不是没有尝试,只是太难了,没办法坚持下去。再说行动,有一些人很能坚持也一直在行动,但是他的事业并没有什么进展,原因在哪里呢?在于行动的正确性和有效性,有一句话叫做”你只是看上去很努力”, 说的就是这种情况,他不擅长总结,总是做着相同的事,没有去想办法提高自己做事的方法和效率。以我一个朋友的事为例,他们搞设计的,一次他们的老板说有一批设计稿要改标注,有几百个文件要改,时间很紧急,老板就说所有人加班,每个人改几个,一定要在交货之前改好,我朋友就问没有批量改的方法么,老板就说没有,之前一直是这样加班改的。我朋友就没说话,然后就去研究了一下,写了一个小的脚本,半天时间就全部改好了。不擅长总结思考的人虽然也很努力,但是不能达到想要的效果。
回到可怜之人必有可恨之处这个话题,我觉得这是某些人给自己缺乏同情心找的借口。以前我是部分赞同穷人不值得同情这个观点,现在我深究可怜之人必有可恨之处这句话,我觉得我之前的想法是错的。为什么呢?第一,为什么可恨之人就不值得同情呢,只要是人,谁身上没有可恨之处呢,我看不出来是不是可恨跟是不是值得同情之间有什么必然的联系,相反我倒觉得可恨之人必有可怜之处更说得通,想想如果一个人周围的所有人都觉得他可恨,你不觉得他很可怜么,你不觉得应该同情他么?第二,就像我前面说过的,可怜之人未必有可恨之处,天生残疾的人是不是很可怜,你能说他可恨么?推广开来,可怜和可恨是两个方面的事,不能混为一谈。一个人身上的可怜之处未必是他的可恨之处。我们不能因为他身上的可恨之处就不可怜他,反过来也不能因为可怜之处就不恨他。穷人是值得同情的,跟他是不是可恨没有关系,穷本身就值得同情,跟残疾一样。
朋友们,看到这里,你还觉得可怜之人必有可恨之处么?
记得以后别人说起这句话,可以反驳一句,“未必吧?”

2016-07-17-生活的目的

爱因斯坦说过,生命本身是毫无意义的。为了活下去,人必须赋予它一些意义。这篇文章说要追求美好的生活,这个意义当然也不错,但是我觉得不够彻底,因为所有的美好或者不美好的事物都是相对的,短暂的,无常的。如果一心去追求这些所谓的美好事物,有很大可能陷入求不得的痛苦之中,而且在付出了很大代价追求到了你所谓的美好之后,你有可能感觉不过如此,随之而来的就是空虚,然后只好去追求下一个美好事物来填补空虚。生命就在无尽的追逐中耗尽了。个人感觉更彻底的活法是意识到生命的意义存且仅存于当下这一刻,享受当下所拥有的一切,不忆过去,非贪未来,全身心的做好当下的事,赋予并且意识到其中的神圣和伟大。永恒只存在于当下这一刹那。。。
下面是原文。


美好的生活应当成为生存的目的 | 荐号

2016-07-17 李银河 书单

#偶尔推荐一个号#

今天这篇文章

来自李银河老师的分享

人为什么要在世上

匆匆忙忙地奔来跑去

人生苦短,在宇宙的背景中,连地球、银河系都显得那么渺小,更不必说我们人类的一生。在虚无主义者的眼中,人生从本质上讲是没有意义的。

然而他们同时也告诉我们,有些事却对人生有意义。什么是对人生有意义的事呢?我们的人生该用什么来填满才不虚此行呢?

列宾–伏尔加河上的纤夫

一位哲人说:“人必须完全自觉个人在这个无意义的世界中的不合理的存在,才能解脱。”

我常常能够深刻感到生命的无意义、不合理。人从来到世上,一路挣扎、追求、修炼,然后就那么离开了。

人生有什么意义呢?这个问题是无法解决的,没有答案的,或者说这个问题的答案已有,但是没有人愿意接受它。

这一答案就是:毫无意义。既知答案如此,又要勉强自己生活下去,这是一个不可解决的矛盾。

在生命意义的问题上,荣格和海德格尔有不同的看法。荣格认为,对于正常人来说,有什么必要追寻生命的价值或存在的意义呢?这样的问题只是对于精神分裂了的、异化了的人来说才会发生。而海德格尔却认为应当追问存在本身的意义:“人就是一种领会着存在的在者”。

从很年轻时起,虚无主义对我就一直有很大的吸引力。这种吸引力大到令我胆战心惊的程度,使我不敢轻易地想这些问题。我不敢长时间地看星空。看着看着,我就会想到,在这众多的星星中,地球就是其中的一个;而人在地球上走来走去,就像小蚂蚁在爬来爬去。人的喜怒哀乐、悲欢离合在其中显得毫无价值。

人们孜孜以求的一切实际上都是毫无意义的,或者说得更精确些:最终会变得毫无意义——吃饭对于饿的人有意义,睡觉对于困的人有意义,但对于死人来说,它们全无意义。每个人最终都会死,死就是无意义,生因此也无意义。

人为什么要在世上匆匆忙忙地奔来跑去呢?有时我会很出世地想。

(好像在天上俯瞰大地):人们在这个世界上奔忙些什么呢?我仿佛看到,在这小小的地球之上,人海汹汹,日月匆匆,不知人们都在追求些什么。

修拉  《大碗岛的星期天下午, 1884》

你的奋斗只是个笑话

一个人一生的痛苦和奋斗在宇宙的背景下,只不过是个笑话而已。

有一段时间,我的情绪有周期性的起落,差不多每个月都会出现一次“生存意义”的危机。在情绪低落时,就会有万念俱灰的感觉。人怎能永远兴致勃勃呢?一个永远兴致勃勃的人一定是个傻瓜,因为他从没想过他为之忙禄的一切都毫无意义。

普鲁斯特在《追忆似水年华》中说过:

“我只觉得人生一世,荣辱得失都清淡如水,背时遭劫亦无甚大碍,所谓人生短促,不过是一时幻觉。”

类似地,毛姆在《人性的枷锁》中以主角菲利浦的口吻说:

“人生没有意义,人活着也没什么目的。一个人生出来还是没有出生,活着还是死去,都无关宏旨。生命似轻尘,死去亦徒然。”

“万事万物犹如过眼烟云,都会逝去,它们留下了什么踪迹呢?世间一切,包括人类本身,就像河中的水滴,它们紧密相联,组成了无名的水流,涌向大海。”

他还这样写道:

“我早已发现,当我最严肃的时候,人们却总要发笑。事实上,当我隔了一段时间重读我自己当初用我全部感情所写下的那些段落时,我自己竟也想笑我自己。

这一定是因为真诚的感情本身就有着某种荒谬的东西。

不过为什么这样,我也想不出道理来,莫非是因为人本来就只不过是一个无足轻重的行星上的短暂生命,因此对于永恒的头脑来说,一个人一生的痛苦和奋斗只不过是个笑话而已。”

上面这些文字总是能打动我的心:“一个无足轻重的行星上的短暂生命”,“一个笑话”。

如果人没有注意到这个残酷的事实,他活得肯定不够清醒,不够明白。人生在“永恒的头脑”看来,就是一场“当局者迷”的荒诞剧。

然而,“旁观者清”啊。

人们在台上很投入地扮演着悲欢离合的角色,悲壮激烈,他们不愿相信,在“永恒的头脑”看来,那不过是一个笑话而已,他们绝不愿相信。这就是人的愚蠢之处。每个不愿正视这件事的人都是在自欺欺人。

居斯塔夫·库尔贝–筛麦妇

尽管生命本身是没有意义的

但有些事对生命是有意义的

人活一世,都想留痕迹。

有人说,人最大的目标是青史留名;

有人说,即使不能流芳千古,能够遗臭万年也是好的。

说这话的人没有想到:在地球热寂之后,什么痕迹都不会留下。

记得在我发表了第一篇文章时,曾在日记中写道:我已经留下了第一个痕迹。当时的我没有想到,这个痕迹就像沙滩上的脚印,很快就会被海浪抚平。世界上没有一个人能够在宇宙中留痕迹,这是毋庸置疑的。

亿万年后,没有人会记得马克思是什么人,别人就更不必说了。正如哲人所说:“人生的目的是什么?在我看来是不难解答的。人生的目的不过是死亡而已,因为在这世界里生存的一切都是像尘土一样地被时间的气息渐渐吹走……就像在沙漠中脚迹一下子就会被吹没了那样,时间也会抹掉我们存在的痕迹,仿佛我们的脚就从来没有踏过大地似的。”

既然如此,人活着岂不和死没什么区别?是这样的。这就是我对生活最终的看法。当你把这个痛苦的事实当作不得不接受的事实接受下来之后,你就会真正地冷静下来,内心会真正地平静下来。你会用一种俯视的、游戏的态度来看人生。

在想透了生活的无意义之后,就要“死马当活马医”了。尽管我们知道生活最终没有任何意义,尽管我们知道人死之后最终不会留下任何痕迹,我们还是可以在我们生存于世的这几十年间享受生存的快乐。

尽管生命本身是没有意义的,但有些事对生命是有意义的:肉体和精神的痛苦对生命有反面的意义;而肉体与精神的快乐对生命有正面的意义。这就是我心目中舒适与幸福在人的生命中的位置。

波提切利的代表作–维纳斯的诞生

生命是多么短暂

我想让自由和美丽把它充满

有一段时间我开始读“禅”,心中有极大的共鸣。禅揭示了生活的无目的,无意义;它提到要追求活生生的生命,生命的感觉。其实,生命的意义仅在于它自身,与其他一切事和人都毫不相关。参禅时,我想到,过去我常常受到世间虚名浮利的诱惑,其实是没有参透。

然而,我又不愿意在参透之后使生命的感觉变得麻木。而是循着快乐原则,让生命感到舒适(没有病痛,基本生理需要得到满足) 和充实 (精神和肉体的enjoyment)。

它包括对好的音乐、美术、戏剧、文学的享用。更重要的是把自己的生活变成一个艺术品,让自己的生命活在快乐之中,其他的一切都不必追求和计较。美好的生活应当成为生存的目的,它才是最值得追求的。

福柯说:

“令我震惊的一个事实是,在我们的社会中,艺术已经变成仅仅与对象而不是同个人或生活有关的东西了。

艺术成了一门专业,他们由艺术家这样的专家做出来。

但是,难道每个人的生活不能成为艺术作品吗?为什么一盏灯或一座房子可以成为艺术品,我们的生活却不能成为艺术品呢?”

毛姆也曾说过:

“我认为,要把我们所生活的这个世界看成不是令人厌恶的,唯一使我们能做到这一点的就是美,而美是人们从一片混沌中创造出来的。

例如,人们创作的绘画,谱写的乐章,写出的作品以及他们所过的生活本身。在所有这一切中,最富有灵感的是美好的生活,这是艺术杰作。”

生命本身虽无意义,但有些事对生命有意义。生命是多么短暂。我想让自由和美丽把它充满。

2016-07-08-转正之前的一些思考

不知不觉已经来平安好房三个月了,系统发邮件提醒我提出转正申请。我就按照上面说的流程提交了申请。
但是这几天下班的路上,我就在思考我是不是应该申请转正,或者说好房值不值留下来。
这里我整理的一些想法,希望相关领导看了之后能够有所启发。

第一点,好房的目标是什么。之前新员工培训的时候那个讲师说我们的目标是成为一个互联网金融房地产公司。我想问到底哪个是重点,有没有具体的目标?互联网公司,金融公司和房地产公司的玩法是很不一样的。不管好房的领导是怎么想的,起码有一个重点的目标,其他两个只是辅助手段。如果说三个目标都是重点,我感觉这是一件很荒谬的事情,就像你拿出一把枪,别人问你想打哪个靶子,你说前面的那三个靶子,你一枪瞄准三个靶子,必然结果是一个都打不中。感觉相比我之前的一家创业公司,好房虽然也号称是创业公司,但是凝聚力和战斗力远远不如那家小公司,之前的公司是一家电商公司,老板是一个韩国人,每个月会跟所有人开会,说这个月的销售额数据是多少,我们的目标是多少,全年的目标是多少,然后为了这个目标市场销售部门要做一些什么工作,技术部门要做一些工作,总而言之,我们的目标很明确,做的事情有没有效果也很明确,而且根据目前的态势,我感觉他们今年实现销量翻十倍的目标很有可能实现。相比之下,我来好房已经三个月了,从来没有看到过我们的数据,我做的是好房拓的后台,但是我都不清楚现在好房拓这个app有多少用户,有多少成交量,日活是多少,pv, uv是多少,用户有什么特点,他们用来做什么,他们怎么想的,我们的工作有没有效果。如果不清楚这些问题,我感觉我做的所有事情都是在浪费时间。总而言之,感觉现在公司做一系列的动作,改变技术部门的架构,开始推动敏捷开发都是想提高执行力,正确高效的做事。这些当然很重要,同时我觉得事情的另一个方面也很重要,就是做正确的事,做明确的事,否则越高效就会越浪费精力做一些后来发现是浪费时间的事。

第二点,好房的核心竞争力是什么。之前我做好房拓的租房业务,分析了一下租房业务的模式,然后提出我的一些想法发到了总经理信箱,相关领导比较重视,麦肯锡的曾静也特别找我谈了一下, 解答了我部分的疑惑,曾静告诉我,我们的优势在于有庞大的寿险团队。我不知道是不是可以把这个理解为我们的核心竞争力。如果是的话,我们有没有发挥这个核心优势,怎么发挥,怎样推动。作为技术人员,我们可以为寿险团队开展业务提供什么样的帮助。如果不是的话,那我们的核心竞争力到底是什么?

第三点,好房的凝聚力是什么。我所在的好房拓团队有十几个开发,不到三个月的时间,已经有四个同事离职或者即将离职。个人感觉这么高的离职率是不正常的,因为一个团队如果一个核心开发者离开,其他人要花很大的精力去接手他负责的业务,理解他写的代码。别的部门同事心态我不了解,作为一个开发者,我还是比较了解开发者的心态的。

我感觉一个开发者要离职会考虑几个因素,第一个是薪资和福利待遇,第二个是发展前景,第三个是技术水平。不同的开发者考虑的重点可能不太一样。
第一个薪资待遇和福利,说实话,好房提供的只能说是正常水平,以我个人为例,我上月21号还接到猎头的电话,一个创业公司提供了比好房优越得多的薪资待遇,加上15天的带薪年假,以及更灵活的工作时间邀请我加入一个20人的团队担任架构师的职务。据我所知,现在团队里面其中一个同事的离开就是因为更灵活的工作时间和更高的薪资。
第二个是发展前景,这个包括公司发展前景和个人发展前景两方面,先说公司发展前景,老实说我无法判断,因为我对公司整体的了解太少,甚至连公司的目标和竞争力是什么都不了解,根本无从判断发展前景,再说个人的发展前景,说实话,我也不太清楚我个人在公司里面能够怎样发展,我前一段时间才了解到我的技术职级是2.1,也就是说是最初级的开发工程师,一个领导在我和谈话的时候都感到惊讶,他的原话是按照我的工作经历和学历不应该是2.1的级别。因为我不太了解这个职级是怎么评的(不知道有没有一个公开透明的评职级的标准),有什么用处,所以我也没有在意,后来员工培训的时候我了解到好房的个人发展就是按照这个职级一年一年的往上升的。如果这么算的话,等到合同结束,我最多也是一个高级开发工程师,实在不太乐观。
第三个是技术水平,这个是我比较满意的地方,好房所用的技术线比较宽,我感觉在这里能和其他的开发者一起学习探讨这些技术,在可见的未来我的技术会有所提升,同时公司内部员工还有一些分享会,可以分享他们对一些技术的理解,感觉可以让我在技术方面有更开阔的视野。从我个人的角度考虑,好房的薪资不占优势,前景也不明朗,但是技术水平占优势。因为我个人比较看重技术,希望在技术方面有更多的进步,所以个人留在好房的机率是比较大的。

从公司的角度,我觉得好房的凝聚力有待提高,个人感觉公司可以从三个方面提高凝聚力:
第一福利方面,因为薪资待遇是平安集团决定的,不太可能改变,公司可以从工作时间着手让开发者的上班时间更灵活,比如允许10点甚至11点上班,相应下班时间为7点和8点,这样开发者可以避开上下班的高峰期,想必所有开发者都会赞成的,另外现在加班只有餐补,没有调休,而且现在餐补报销的流程也变复杂了,至少我个人不愿意费那个劲是报销25块钱的,感觉可以把加班的时间来换调休时间,想必大部分开发者会同意的,而且也相当于增加了开发者的福利;
第二发展前景方面,公司要拿出数据来说明好房是有发展前景的,比如公司可以在每周五的生日祝福之后展示一下好房的发展数据,比如好房app和好房拓app的使用人数增加了多少,公司的成交量,或者pv, uv上升了多少,这些数据一方面可以让开发者了解到自己的努力是有效果的,另一方面也可以增强对公司的信心,从而增强公司的凝聚力;
第三技术方面,一个公司的技术水平和技术氛围对一个开发者来说是非常重要的。除了分享制度以外,个人感觉公司可以采取更多的手段向所有开发者表现公司是很看重技术的,比如邀请业界的技术大牛来做一些分享,比如借鉴google允许开发者每周五下午研究和分享与业务无关的技术问题,还有比如加大代码review的力度,在每一段代码合并到线上之前保证有另外一个开发者审核并理解了代码的逻辑,这一方面可以让开发者更看重代码,从而对技术有更高的要求,另一方面可以大大的提高我们线上代码的健壮和稳定性。同时还可以在一些不重要的业务上面采取一些比较新的技术,比如php7和docker部署。

总而言之,我这篇文章的目的就是从一个即将转正员工的角度提出了三个问题供领导思考,同时给领导提了三个增强公司凝聚力的建议供领导参考。三个问题是好房的目标是什么,好房的核心竞争力是什么,好房的凝聚力是什么。三个建议是让工作时间更灵活,展示更多的数据,展示对技术的重视。

2016-07-01-评胡适的社会不朽论

最近看完了胡适先生的《人生有何意义》,写了一些感想,这是其中一段:
感觉胡适先生的社会不朽论还是落了下乘,相比之下,佛教的观点更通透,就是没什么是不朽的。根据天文学和物理学,再过几十亿年我们的太阳里面的聚变材料消耗殆尽会变成红矮星,地球会被膨胀的太阳吞噬掉,而宇宙现在一刻不停地在膨胀,一两百亿年之后可能变成一片死寂或者开始收缩坍塌,一切空间和物质都会毁灭。宇宙尚且有可能毁灭,何况其它。追求不朽是一种病,得治。治的方法就是老老实实承认并且接受诸行无常(一切事物都是在不断变化的,不可能不朽),诸法无我(一切事物都是由其他事物集合变化的结果,没有一个永恒不变的本质是”本我”),涅槃寂静(明明白白的知道自己在哪里,在做什么,只做好当下的事,不悲过去,不贪未来。)
下面是胡适先生原文。
——
我这“社会的不朽论”的大旨是:
我这个“小我”不是独立存在的,是和无量数我有直接或间接的交互关系的;是和社会的全体和世界的全体都有互为影响的关系的;是和社会世界的过去和未来都有因果关系的。种种从前的因,种种现在无数“小我”和无数他种势力所造成的因,都成了我这个“小我”的一部分。我这个“小我”,加上了种种从前的因,又加上了种种现在的因,传递下去,又要造成无数将来的“小我”。这种种过去的“小我”、种种现在的“小我”、种种将来无穷的“小我”,一代传一代,一点加一滴;一线相传,连绵不断;一水奔流,滔滔不绝——这便是一个“大我”。“小我”是会消灭的,“大我”是永远不灭的。“小我”是有死的,“大我”是永远不死、永远不朽的。“小我”虽然会死,但是每一个“小我”的一切作为,一切功德罪恶,一切语言行事,无论大小、无论是非、无论善恶,一一都永远留存在那个“大我”之中。那个“大我”,便是古往今来一切“小我”的纪功碑、彰善祠、罪状判决书、孝子慈孙百世不能改的恶谧法。这个“大我”是永远不朽的,故一切“小我”的事业、人格、一举一动、一言一笑、一个念头、一场功劳、一桩罪过,也都永远不朽。这便是社会的不朽、“大我”的不朽。