听众朋友们大家好，这里是《小谦聊好书》，今天我们继续聊凯文·鲁斯的《智能时代的九大生存法则》。

上期节目我们一起回顾了技术的发展对我们生活的影响，面对人工智能的飞速升级，我们不得不开始思考，自己究竟该怎么做，才不会被替代？

作者在书中给了我们九大生存法则，今天我们来看第一条法则：成为意外的、社会化的和稀缺的人。

这条法则其实是在回答一个问题，就是与最先进的人工智能相比，人在什么方面能够做得更好？

作者给了我们三个答案，我们先看第一个答案。

一般来说，在静态的、规则定义明确的、输入一致的稳定环境中，人工智能要比人类表现得更好；而在处理意外的、填补空白的或规则定义不明确的、信息不完整的环境中，人类的表现要比人工智能好得多。比如说，在2018年的一项实验中，一组人工智能研究人员测试了一种深度神经网络，并训练它识别客厅照片中的物体，该系统可以帮助谷歌照片等应用程序识别图片中的物体和人脸。在学习了数百万张照片之后，人工智能正确地识别了房间里的物体：椅子、人、书。

然后，研究人员将一个意外的物体放入客厅——一头大象的微小图像，并再次运行该模型。你猜猜会出现什么结果？人工智能懵了，它竟然将椅子标记为沙发，将大象误认为椅子，并错误地标记了它之前正确识别的其他对象。一个异常物体的出现不仅使人工智能陷入僵局，而且似乎使人工智能陷入精神崩溃状态，似乎让它忘记了自己学到的一切。可是，这种事情不会发生在人的身上。当我们看到意料之外的东西时，我们会采取双重行动：备份并重新处理视觉信息，对它可能代表的内容进行不同的假设。但是，当今的人工智能做不到这一点。人工智能没有关于世界以及人类如何与之互动的整体模型，也就是我们说的“常识”，它们只能依赖于我们训练它的时候提供的高质量示例。

所以对那些工作情况不断变化的人来说，他们受到的来自人工智能的威胁就小很多。比如职业治疗师、警探、急诊室护士，这些工作看起来很少每天完全相同，真正重复的内容也很少。但是，对结构性很强、重复性很高的工作，如数据录入员、信贷员或税务审计员来说，他们就很有可能会在将来被人工智能替代。有一位人工智能专家就给作者说过这么一句话：“如果你能为你的工作写一份用户手册，把它交给别人，然后那个人就能在一个月或更短的时间内学会做你的工作，并且完成得跟你一样好，那么你很可能会被一台机器取代。”

我们再看作者给我们的第二个答案。

虽然人工智能确实擅长满足我们的很多物质需求，但人类更擅长满足我们的社会需求。在生活的某些领域，只有结果才重要。我们真的不在乎驾驶地铁的是人还是计算机，只要它安全高效地把我们送到目的地就行了。只要包裹能完好无损地按时到达，很少有人会反对机器人在仓库里处理包裹。但是，生活中的很多事情并非冷冰冰的货币与商品及服务的交换。人是社会生物。我们喜欢感受彼此之间的联系，并与周围的人进行有意义的互动。我们非常在乎自己的社会地位，以及别人对我们的看法。我们每天做出的很多选择，即使看似平凡的选择，比如我们吃的食物或穿的衣服，实际上也与我们的身份、价值观和我们对人际关系的需求密切相关。

所以那些满足我们社会需求的工作将很难自动化，比如调酒师、发型师、飞机乘务员、心理健康工作者等。与那些主要技能是高效生产或高效做事的人相比，擅长创造社交和情感体验的人更适合未来。情商的价值在护理、教学等工作中已经表现得很明显了。但是，随着人工智能和自动化进入更多的领域，让人们感到相互联系并具有社会成就感也将成为这些领域的高价值技能。优秀的律师将变得更像法律问题“治疗师”，他们与客户建立信任，并帮助他们解决问题，而不是简单地写简报和做研究；医生受欢迎的程度将取决于他们与患者的互动方式，而不是他们对最新治疗方案的了解程度；成功的程序员不仅仅是擅长写代码的特立独行的天才，他们还可以领导团队，进行战略性思考，并向非程序员解释复杂的技术概念。

当然，这并不是说，在人工智能和自动化时代，技术技能或基本能力不再重要，只是说，对于我们工作中很多基本的、重复的工作，当机器能够完成或者比我们做得更好时，留给我们的将是社会和情感的部分。你已经可以看到这种转变发生在很多行业。在很多在线旅游服务公司崛起的情况下，幸存下来的旅行社在很大程度上都专注于为旅行者创造独特的体验，比如荒野冒险、烹饪课、纯正的民宿，而不是仅仅为他们找到最便宜的酒店房间。在广告业，大部分日常的媒体采买工作现在都可以通过编程算法来完成，其余的很多工作都在创意、客户服务和影响力营销等方面，在这些领域，理解人的愿望并与他人密切合作是成功的关键。一个很好的通用法则是，能让人“感受”某些事情的工作比仅仅涉及“制作”某件东西或“完成”某些事情的工作要安全得多。

最后我们看作者给我们的第三个答案。

人工智能在大规模工作中的表现要比人类好得多，比如涉及大量数据集、大量用户或全球规模系统的工作。如果你需要生产100万件产品，或者在10万个数据点中找出模式，那么这份工作可能已经可以由机器来完成，或者即将交给机器来做。相反，在涉及不同寻常的技能组合、高风险情况或非凡天赋的工作中，人的表现要比人工智能好得多。这种类型的工作就是“稀缺的”工作，不是说这类工作的数量很少，而是这类工作的自动化要么不切实际，要么无法被社会接受，因为其需求缺乏持续性、可预测性。大多数人工智能是为了解决单个问题而开发的，当你要求它做别的事情时，它就会失效。学会做出世界级视频推荐的人工智能，通常不能用于审计财务报表或过滤垃圾邮件。到目前为止，人工智能在所谓的“迁移学习”方面表现不佳。

可人类就不一样了，人是伟大的连接器。我们在生活的某个领域发现了一个问题，并利用我们在做一些完全不同的事情时学到的信息来解决它。这种组合创造力是人类独有的技能。所以，拥有不同寻常的技能组合的人，比如拥有数学学位的动物学家，或者对民间音乐了如指掌的平面设计师，将在人工智能面前占据上风。 

另一种很难自动化的稀缺性工作，涉及罕见或高风险的情况，容错性很低。大多数人工智能以迭代的方式学习，也就是说，它一遍又一遍地重复一项任务，每一次重复都让它变得更正确一点儿。但是在现实世界中，我们并不总是有时间运行1 000次测试，而且我们凭直觉知道，有些事情太重要了，不能委托给机器。当我们拨打报警电话时，我们希望有人接听我们的电话，而不是转到自动接听服务；当一对订婚的夫妇想确保婚礼的每个细节都顺利进行时，他们会雇用一名婚礼策划人，而不是一家自动化后勤服务公司；当婴儿要出生时，即使虚拟产科医生在99%的情况下都可以完成这项工作，我们还是希望有一名人类医生在场，以防出现差错。

稀缺的工作还包括需要人的责任感或情感宣泄的工作。当我们的健康保险公司错误地拒绝承保索赔，或者爱彼迎的客人损坏了我们的房间时，我们不想在门户网站上填写表格，我们想向人投诉，并让问题得到解决。最后一种稀缺的工作几乎肯定不会被自动化，这种工作需要非凡的才能。世界级的运动员、获奖的厨师以及拥有杰出表演或歌唱能力的艺术家都属于这一类。基本上，如果有人愿意付费看你工作，那这份工作就可能是安全的。这些工作不太可能自动化的原因，与其说是技术的局限性，不如说是我们自身的内在需求。不管人工智能多么出色，人类仍然需要榜样，而我们也希望受到人类卓越表现的启发。这就是为什么我们为奥运会游泳运动员欢呼加油，尽管快艇的速度更快。这也是为什么我们会花钱去看我们最喜欢的乐队进行现场表演，即使我们可以在家里免费播放其音乐。我们喜欢见证人类的伟大，我们还不能接受那些机器替代品。

说到这儿，智能时代的第一大生存法则我们就聊完了，这个法则是成为意外的、社会化的和稀缺的人。

下期节目我将为你介绍智能时代的第二大生存法则，下期见！

本期书单：

《智能时代的九大生存法则》，凯文·鲁斯著.