乌镇围棋峰会上，AlphaGo 首轮击败了世界排名第一的柯洁，舆论哗然。一时间，关于人工智能是否将取代人类的争论再度掀起波澜。

前段时间李开复演讲时的那一句“未来，90%的工作会被人工智能取代”又被拿出来提纲挈领，成为媒体点题的金句之笔。

而更多的人开始担忧，生怕自己的工作未来全部交给机器人做，自己的价值被人工智能所磨灭。

今天这篇文章Boy 简单分享一些自己的看法。先说核心观点：人工智能并不会取代人类，相反我们未来要学会与人工智能展开协作。

下面进入正文。

1. 人工智能改变了什么？

百度百科里对人工智能的定义是：人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的一门新的技术科学。它属于计算机科学的一门分支，包括语言识别、图像识别、自然语言处理、机器人和专家系统等。

而我们普通大众对人工智能的了解，更多应该是来源于文学和影视剧作品。从经典的《终结者》三部曲，到阿西莫夫的机器人三大定律，到史上最卖座的科幻电影系列《黑客帝国》，再到前段时间大热的《西部世界》，这些科幻作品都展现了机器人在未来以更优异的信息处理能力取代了人类的工作，甚至开始“统治”人类的情景。

电视剧《西部世界》讲述了一个人工智能如何反抗人类的故事

但今天我们暂且撇开人工智能的道德伦理因素不谈，只从人类社会的发展进程来看人工智能到底影响了什么。

我们知道，历史上几次重大的工业革命都是以生产力的大幅提升和生产关系的改变为重要标志的。第一次工业革命以蒸汽动力取代手工劳作为代表，带来工业无产阶级和资产阶级的兴起；第二次工业革命以电力的发明为代表，带来了资本主义生产力的大幅提升，垄断经济组织开始出现；第三次工业革命以信息化技术的飞速发展为代表，科学技术成为第一生产力，由此催生了一大批新能源、生物科学、互联网等高新企业。

如果说，人工智能将在未来带来下一次工业革命的爆发（实际上很有可能），那么它最终改变的同样是生产力和生产关系。生产力的提升自不用多说，而生产关系上的变革我认为是：

由过去人与人之间的协作，转变为人与机器之间的协作。

机器不再将只作为一种工具，为人类提供服务，它将会为生产价值而服务。这意味着未来人和机器在社会劳动分工中将处于同等的地位，而不是像现在机器的一切行动都要遵从人类的指令。人要学会和机器共同协作，取长补短，发挥各自的优势。未来我们很可能和机器一起商议房地产开发规划，或者和机器一起设计一座博物馆，再或者与机器一起开发一个新菜品。

可未来人工智能这么牛逼了，它需要人类吗？我的答案是要，让我们继续往下看。

2. 人工智能没有改变什么？

目前的人工智能在本质上是一个模拟系统，而不是一个创造系统。它遵循的是“量变到质变”，而不是“质变到另一个质变”。它必须基于已有的大量经验、知识和数据来通过算法推演出规律，然后做出决策。 AlphaGo 就是典型的例子，它通过研究和模拟人类历史上所有棋手的棋局（深度学习），再通过精确算法来推演出最适合当下对局的走法。

换句话说，它是一种在既定规则之下通过大量的数据输入，然后进行分析和推演，最后进行决策输出的工具。所以没错，假以时日人工智能发展成熟，许多需要数据分析，商业决策，以及不需要太多脑力的工作都可以由机器来完成。因为人工智能大大提高了分析演算的速度，从而能大幅提升工作效率。

但它无法取代人类的创造力。

既然人工智能遵循的是“量变到质变”，那么首先得有连续的、大量的数据做基础。但是人的思维是可以“跳跃性”的。用大白话说，人是有“灵感”和“顿悟”的。机器是不可能看到苹果从树上掉落下来，从而发现物理力学定律；机器也不可能通过研究自己的经历，从而写出一本剧情跌宕起伏的小说。但是人可以。

实际上，这也是在人工智能研究领域科学家们的一个普遍共识，即：目前的人工智能还处于一个非常“低智”的阶段，它不能独立思考。

而创造力，恰恰来自于思考。这是目前人工智能无法改变的，也是我们的优势所在。

3. 人工智能和“我”有什么关系？

Boy 之所以前面说这么多是因为我认为，任何一个新事物的出现，我们都不能孤立地来看待。而是要把它放在横向延伸和纵向纵深的系统维度里，由点及线，由线及面地去分析。

今天我们看到的是AlphaGo 击败了人类最厉害的围棋选手，而这一条新闻背后所反映的是人工智能学习和分析能力的更上一层楼，它带来的不应该是威胁，而是机会。

我们回到文章的标题，未来，真的有90%的人找不到工作吗？我认为很有可能，但这并不是因为我们的工作都被人工智能取代了，而是因为我们没有学会如何与人工智能一起协作。换个角度来看，未来擅长与机器进行无缝协作的人才将大受欢迎。

这也是为什么李开复在新书《人工智能》里说：“未来十年，每个人都要在人机协作中找到自己的新位置。” 那么如何找到自己的新位置，Boy 认为下面两种能力是一定要具备的。

A. 对信息的加工处理和建模能力

随着网络技术的发展，信息的获取成本几乎为零。 只要渠道和方法得当，我们可以在网上找到一切想要的信息。

但是获取信息并不等于运用信息。运用信息意味着要对既有信息进行删减，进行对比，进行重组，进行再加工...直到从信息中挖掘到洞察。它遵循的是提出假设－验证假设－推翻假设－再次提出假设的思考模型。

未来，机器能够帮助我们迅速搜寻和筛选出我们需要的一切信息数据，但是基于这些信息数据进行模型建立是必须由人来完成的。我们可以借助机器分析来得到全中国人民对于小龙虾的口味偏好，但要从这些大数据中抽离出抽象的计算模型来开发一款新的小龙虾品种......机器是不懂品尝的。

就像前文所说，人工智能是一个模拟系统，而不是创造系统。它首先需要大量的数据输入才会有价值输出。而人是会“跳跃性”思维的，这是不需要数据输入的。正是这种看似和机器相“矛盾”的思维方式恰好能够和机器进行互补。

B. 跨学科、跨行业的通用学习能力

我曾写过一篇文章《提升思维力的秘诀：绝不做工具的奴隶》，里面提到了每个人都拥有的、最基本的两项重要认知能力：类比和联想。这是帮助我们实现跨领域学习的基础。譬如我们来看下面这三个问题，各位可以想想如何去解答。

1："原位癌”是怎么一回事？

2: 第一次买保险，应该如何做出选择？

3: 去美国旅游，如何制定最佳的游玩路线？

以上三个看似风马牛不相关的问题，分别涉及到医学、金融和旅游三个领域，但学习和解决的方法都是一种。拿第二个问题举例，作为一个从没有买过保险的“新手”，我是这样去解决这个问题的：

第一步，通过周遭朋友介绍和网络搜索，找到比较知名可信的保险品牌；

第二步，对比不同保险公司之间的一些主流产品和专业术语，分别去理解它们的含义；

第三步，主动联系保险经纪人（4-6个），分别和他们见面，理解他们家的产品优势和侧重点；

第四步，梳理自己购买保险产品的核心需求；

第五步，再次和保险经纪面谈，做出购买决策。

以上总结下来十个字：搜索，摘取，匹配，评估，应用。其他两个问题，一样可以用这一套方法去理解，大家有兴趣也可以试试。以后有机会这一块Boy 也会单独写文来讲。

这就是通用学习。上面每一个步骤其实都可以和机器来协作完成（比如用机器马上列举出过去20年间信誉良好、理赔服务质量高的保险公司排名并给出建议），但是其中又有需要人为参与的部分，比如需求梳理，沟通谈判等等。

未来行业和行业之间界限会越来越模糊，这就更要求我们学会跨领域的通用学习，而人工智能可以在这方面大大提高我们的学习和决策效率。

最后再说一点，既然人工智能和人之间的协作这么重要，那是不是一定要学会编程能力？我个人倒认为未必，但你一定要了解人工智能背后的工作原理，以及缺陷不足，只有这样才能制定恰如其分的解决方案。其他的技术问题交给术业有专攻的人。

未来人工智能发展成熟，势必会掀起一场巨大的社会生产力变革。无论是担忧还是憧憬，它都一定会到来。在这之前，与其担心自己被淘汰，不如赶紧去了解，学习和应用。

谢谢各位的时间，共勉 ＝）