为什么技术进步让我们越来越焦虑不安?

640?wx_fmt=jpeg

转自:FT中文网


技术进步究竟给我们带来了多少货真价实的福利?还是我们只是在忙忙碌碌和变动不居中收获了一些假象而已?


“中国是个匆忙的国家。”


这是谷歌董事长埃里克•施密特两年多前在中国举行的某个论坛上说的,这句话想必激起了非常多的共鸣。然而我现在越来越肯定的一点是:“匆忙”并非中国独有的特征,它是我们这个时代的宿命,中国只是因为一些机缘巧合而比较早地同它迎面相遇而已。但不要说本来就也很“匆忙”的美国,即便看起来富足宁静、无忧无虑的欧洲和日本社会,恐怕终究也逃脱不了匆忙的宿命。


这主要是科技进步造成的。


世界历史上很少有哪个时代像今天这样让人处处体验到“一日千里”的速度感,我猜想200-300年前欧洲的科学革命和工业革命时代也无法望当今之项背。并不是说彼时科技进步的广度和深度不如今天,而是说在那个时代,不管牛顿的力学还是瓦特的蒸汽机,知道它们或者受到它们影响的人微乎其微。


今天,每一个人都被绑上了技术进步这辆高速列车。我有时会回想起25年前拥有的第一部像砖块那么硕大沉重的手机,或者20年前接进家里的第一根需要通过电话拨号的互联网网线……那时的我算是领风气之先的极少数了。而现在,任何一个学历不到我一半的外卖小哥使用移动互联网的能力都比我强得太多了。


不过,为什么一日千里的科技进步赐予了我们那么多以前想都不敢想的福利,却依然有人对未来充满忧思?而且这样的人很可能越来越多。他们当中普遍弥漫着对技术进步失控的无力和恐惧,还有相当多的人群中则正累积着一股被这辆技术进步和社会变化的高速列车抛下(正在或有可能)的焦虑和怨忿。


这究竟是每个时代和社会中都曾经飘过的老式怀旧主义和杞人忧天的阴霾,还是一个真实的新问题?它究竟是会自动烟消云散,还是值得认真应对?


这些关于人类生存状况的宏大问题,总会有一些人比大多数人更早关注到。6月下旬,阿里巴巴倡议发起的“罗汉堂”举行2019年度年会,这是一个开放型的研究机构,诺贝尔经济学奖得主、罗汉堂学术委员迈克尔•斯宾塞教授代表罗汉堂发布了“数字经济十问”:


1.福利和挑战的平衡(我们是应该先控制风险,还是先迎接数字技术?);

2.普惠和可持续增长(数字技术会扩大鸿沟,还是会让世界变平?);

3.岗位、工作和收入分配(数据是谁的?谁是真正的受益者?);

4.数据、隐私和安全(数字技术会让更多人失业,还是会让工作时间更短?);

5.协同和组织(谁是平台经济的受益者,是所有参与者,还是少数平台公司?);

6.治理和监管(治理机制要如何改变,才能适应数字时代?);

7.数字普惠金融(金融服务在越来越平民化的同时,会不会引发更多的风险?);

8.国际数字合作(数字时代全球化会走回头路吗?);

9.认知和学习(人工智能该不该有道德观?);

10.技术的伦理和责任(大算力和大数据,一定会让我们离真相更近吗?)。


这十大问题的涵盖面很广,也有足够强的针对性,它们采用的是偏技术性的话语,大概这样比较符合提问者的自我身份定位。我觉得,如果作一番进一步的梳理,用更具人文气息和社会化的话语来描述,它们大致可以被概括为三到四个主要问题,它们也代表了当下很多人对于技术(不仅仅是数字技术)进步所普遍持有的那种欲拒还迎的复杂心态:


第一个问题是:对技术进步失控可能导致的直接灾难性后果的忧虑。


对人工智能前景的恐慌就是这个问题最集中的体现。随着人工智能自我学习能力的不断提升和深化,会不会出现那样一个“临界点”——过了那一点,人工智能将会突然获得独立的自我意识乃至情感,变成一个掌握了无限能力的新统治者,从而将我们人类带进好莱坞大片已经反复描绘过的那种可怕的“黑客帝国”中去?


如果说上面这幅弗兰肯斯坦的画面还有些过于科幻的话,那么通过基因改造而创造“新人”的尝试已经在去年迈出了跨越“临界点”的历史性第一步,而且还发生在中国。2018年11月26日,南方科技大学副教授贺建奎宣布一对名为露露和娜娜的基因编辑婴儿已健康诞生。他的团队对这对双胞胎女婴的一个基因做了修改,使得她们出生后对于艾滋病病毒具有天然免疫力。这个消息掀起了轩然大波,震动了中国和整个世界。许多人深信,有了第一步,就会有第二步,今后,经过基因修改过的“超级人类”的出现将是现有的伦理和法律无法阻挡的趋势。而它对于整个人类的命运来说究竟意味着什么?现在我们都不敢想象。


好莱坞渲染的科幻式的悲惨未来历来就容易打动普通老百姓,但严肃的思想者更关注的是第二个问题:技术进步会不会造成人与人之间差距(鸿沟)的扩大以及固化?


全球化已经背负了这个污名,技术进步看来也很难洗脱“加剧贫富差距”的罪责。按照目前业已清晰可见的趋势,人工智能将会在不久的将来填充许多不需要太多创造性的劳动岗位,特别是中低端的白领岗位。例如酒店、商务楼、银行、电信及各类“窗口行业”的前台接待,办公室文员、会计、出纳、审计、校对,甚至负责日常开药的普通门诊内科医生、广告影视业的一些普通场景等等……


在现代经济中,这些服务业岗位相当于制造业里的“劳动密集型”,吸纳了大量就业。一旦这些岗位被大数据、算法和机器人取代,那么社会上就会多出一大批失业人口。新诞生的岗位局限在编程之类狭窄的技术领域,不可能将他们全部吸纳进去。


基于这样的判断,我的一位朋友经常说,他认为未来社会将会是高度两极分化的:有20%的精英人士,分布在政治、商业、技术和文化领域,掌控着全社会的资源和话语权;还有20%的人口从事着各种无法被机器替代的复杂程度较高的工作,特别是复合型体力劳动,他们的收入或许不低,但没有什么话语权;剩下60%的人则沦为彻底的“无用之物”,他们靠政府或其他机构提供的“嗟来之食”过着衣食无忧但却没有尊严感和自我满足的勉强日子。


如果这个预言成真的话,未来社会就会从现在的“橄榄型”重新变成“哑铃型”。新出现的最严重问题是,中间这60%的人过去都是在自我认同上地位相当不低的所谓“白领中产阶级”,他们的观念和情感构成了现代社会的心理基础。未来如果他们成了无法自己创造财富并获得体面收入的边缘寄生者,这种变化对于社会所产生的影响无疑将是史无前例的。


这样,便自然引出了第三个问题:技术进步所带来的各种“模式变迁(迭代)”会不会猛烈冲击政治和文化的基本稳定,对社会造成难以承受的破坏?


关于这方面的担心,目前展现在我们眼前的有两个截然相反的方向。


第一种担心是上述第二个问题所造成的后果在政治和文化方面的逻辑延续:当权力和财富的两极分化加剧、“失败者”和“无用之人”大量涌现,就必然会有强烈的不满和愤懑情绪散布于整个社会,进而导致民粹主义政治风起云涌。实际上,在西方国家,打着反全球化旗号的民粹主义差不多已经是21世纪第二个10年的主题词了。


必须看到,除了全球化和移民等因素,技术变迁也是其中不可忽略的部分。这里仅举一例:由于主流的传统媒体的衰落和社交媒体的兴起,假新闻和真伪难辨的各种政治阴谋论肆意泛滥。而由算法所掌控的个性化推送则进一步窄化了受众的视野,并强化人们既有的观念和偏见。去年Facebook数千万用户数据泄露事件背后,隐含着明显的试图对人进行洗脑并操控选举的黑暗意图。


更宏观地看,技术进步促成了社会的去中心化、传统权威的失落和等级制的瓦解。旧时代的秩序失败了,但新时代的秩序又没能建立起来,这种真空和混乱是未来一段时间里必须正视和面对的首要问题。


第二种担心则是“反乌托邦”的,即一种基于大数据和现代信息技术的新型极权主义和计划经济模式的复活。人们担心,未来国家会通过无处不在的摄像头和强大迅捷的计算,对公民、社会以及整个国民经济进行更加密不透风的监控的管制。也就是说,技术的不断进步将会对人类自由构成威胁,并终将把我们带到“《1984》式”的恐怖景象中去。

……


相对于前三个具有广泛社会性的问题,最后的第四个问题几乎完全是个体化的:技术进步究竟给我们这些生活在当代的人们带来了多少货真价实的福利?还是我们只是在忙忙碌碌和变动不居中收获了一些假象而已?


这个问题更像是传统文人的多愁善感,然而我认为讨论一下它还是有不小的意义的。

过去,每一个产业,从新兴到衰亡,都会有一段比较长的生命周期。以汽车业为例,它用器械取代了马车之类畜力交通工具,一开始是一种我称之为“模式竞争”的阶段。不过,很快,它就进入了一个长达几十年、甚至上百年的相对稳定期,也就是“品质竞争”的阶段。在这个过程中,不同的汽车制造和销售企业比拼汽车产品的质量、价格和服务……整个产业的持续优化不断地为消费者创造价格更低但质量更好的产品和服务,也为几代劳动者创造了稳定的就业和生计。


今天的竞争情形出现了根本性的变化,所有产业的生命周期都大大缩短了,就连马云和马化腾都时刻怀着强烈的生存危机感。新技术引入带来的几乎全部都是不同模式之间的竞争,很少有人考虑去提高产品或服务的质量,以让消费者获得更好的消费体验。因为你还没有稳定下来好好做一个产品呢,足以颠覆整个产业模式的后继竞争者又来了。当专车、共享单车和外卖电商的各种新模式令人眼花缭乱地纷至沓来时,消费者的出行和饮食水准并没有得到什么真正的提高。说得偏激一点,他们所获得的不过是一些便捷而已,廉价但劣质。


于是我们看到,福特汽车公司成立到现在已经100多年,依然健在;而ofo只存活了不到五年就死了。在这短短三、四年时间里,有多少消费者和相关就业者从ofo这个曾经炫目的“技术创新”中真正获得了多少福利呢?整个社会为了学习、适应、管理它而付出的精力倒是真不少。


相信这也正是大多数普通老百姓对于这个时代的技术进步感到焦虑无措而不是欣喜振奋的重要原因:人们投入(关注度和精力)很多而收获并不多,但如果选择忽视它,则又担心变成时代的弃儿。


与这种越来越短暂的产业周期形成讽刺性对比的是,另一些人眼下却已在探索“永生”的奥秘——无论是通过生物技术让人体长生不老,还是通过信息技术让人脑活动挣脱肉体约束,成为一种纯粹的电子信息存在。


这个时代究竟怎么了?


它肯定有比过去任何时候都更好、更激动人心的地方,但似乎总有哪些地方不怎么对劲。这些问题亟待世界上最聪明的头脑们来解答。



640?wx_fmt=jpeg

张亚勤、刘慈欣、周鸿祎、王飞跃、约翰.翰兹联合推荐


这是一部力图破解21世纪前沿科技大爆发背后的规律与秘密,深度解读数十亿群体智能与数百亿机器智能如何经过50年形成互联网大脑模型,详细阐述互联网大脑为代表的超级智能如何深刻影响人类社会、产业与科技未来的最新著作。


《崛起的超级智能;互联网大脑如何影响科技未来》2019年7月中信出版社出版。刘锋著。了解该著作详情请点击:【新书】崛起的超级智能:互联网大脑如何影响科技未来


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491115.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

OpenCV学习(十九) :图像的矩:moments(),HuMoments()

OpenCV学习(十九) :图像的矩:moments(),HuMoments() 参考博客: 图像的矩特征 Structural Analysis and Shape Descriptors:opencv 形态描述 【图像算法】图像特征:几何不变矩–Hu矩 如何理解概率论的“矩”&#xff1…

全球半导体现状分析

来源:行业报告研究院前景乐观当今科技创新迅猛发展,半导体行业有望持续增长。对半导体行业来说,2019年会相对疲软,但普华永道预计其将在2020年实现复苏并保持繁荣。2018年半导体行业销售总额为4,810亿美元。今后四年,即…

OpenCV学习(二十) :分水岭算法:watershed()

OpenCV学习(二十) :分水岭算法:watershed() 参考博客: OpenCV—分水岭算法 图像处理——分水岭算法 OpenCV学习(7) 分水岭算法(1) Opencv分水岭算法——watershed自动图像分割用法 -牧野- 分水岭算法是一种图像区域分割法,在分割的过程中&a…

人工智能的下一个道德挑战:如何对待动物

来源:爱范儿去年 11 月份,一段关于母熊和它幼崽的视频在网络上传播开来。根据画面中显示,在一片被白雪覆盖的陡峭斜坡上,一头雌性棕熊正带着它的幼崽艰难的攀爬。虽然因为陡峭的坡度和积雪导致小熊一直在打滑,但最终还…

SQLite的使用(二):数据增删改查

SQLiteDatabase 用来管理SQLite数据库的类。SQLiteDatabase新增、修改、删除和查询数据库数据的方法,还可以执行其他常见的数据库管理任务。 方法 描述 (void) execSQL(String sql) 执行一个SQL语句的方法 (long) insert(String table,String nullColumnHack,Co…

OpenCV学习(二十一) :计算图像连通分量:connectedComponents(),connectedComponentsWithStats()

OpenCV学习(二十一) :计算图像连通分量:connectedComponents(),connectedComponentsWithStats() 1、connectedComponents()函数 Connected Components即连通体算法用id标注图中每个连通体,将连通体中序号最小的顶点的id作为连通体的id。如果在图G中&am…

github上只下载部分文件

有时候我们不想在github上下载整个压缩包,因为压缩包可能比较大,而我们只想要其中的代码文件,也就是只想下载部分文件,例如下面这个网页我们只想下载后缀名为py的文件,这可以通过tortoisesvn来完成 https://github.co…

【机器视觉】机器视觉产业链

来源:产业智能官机器视觉(Machine Vision)指的是通过光学的装置和非接触的传感器自动的接收和处理真实物体的图像,以获得所需信息或控制机器人运动的装置,通俗的说就是应用在工业领域的视觉应用。▲机器视觉系统组成另…

OpenCV学习笔记(十七):图像修补:inpaint()

OpenCV学习笔记(十七):图像修补:inpaint() inpaint()函数 使用区域邻域在图像中还原选定区域。 void inpaint( InputArray src, // 表示要修复的图像,8位三通道或三通道 InputArray inpaintMask, // 表示修复模板(掩模)&a…

plt.errorbar画误差曲线

plt.errorbar(x, y, yerrNone, xerrNone, fmt, ecolorNone, elinewidthNone, capsizeNone, capthickNone ) 功能:画误差曲线,也可以用于画置信区间/标准差/方差参数:x:横坐标的值,y:纵坐标的值&#xff0c…

OpenCV学习(二十) :直方图匹配、对比:calcHist(),minMaxLoc(),compareHist()

直方图匹配、对比:calcHist ,minMaxLoc,compareHist1、calcHist()函数2、归一化:normalize()函数3、minMaxLoc()函数4、compareHist()函数5、示例一:H-S彩色图像的色调、饱和度二维直方图绘制6、示例二:灰度值一维直方图绘制7、示例三&#x…

Intel和IBM押重注的神经模态计算,会给行业带来什么样的变化

Intel发布的Pohoiki Beach加速卡,含有64块Loihi芯片来源: 半导体行业观察上周,Intel发布了基于其神经模态(neuromorphic)计算芯片Loihi的加速卡Pohoiki Beach,该加速卡包含了64块Loihi芯片,共含…

OpenCV学习(二十二) :反向投影:calcBackProject(),mixChannels()

OpenCV学习(二十二) :反向投影:calcHist(),minMaxLoc(),compareHist() 参考博客: 反向投影backproject的直观理解 opencv 反向投影 颜色直方图的计算、显示、处理、对比及反向投影 一、概述 1、官方解释:反向投影是一种记录给定图像中的像…

美国正式宣告将在月球建立永久存在基地

来源:凤凰新闻央视网消息:7月20号是人类首次载人登陆月球50周年纪念日,美国公布了“阿尔忒弥斯计划”的官方标志图案,正式宣告将在月球建立永久存在基地。美国媒体直呼,美国要“占领”月球了。1969年,美国的…

一文看懂5G芯片背后的明争暗斗

来源:鲜枣课堂6月6日工信部正式发放5G商用牌照之后,国内5G网络建设的步伐大幅加快了。越来越多的城市出现了5G基站和5G信号,5G离我们的距离更近了。面对激动人心的5G,我们普通用户最关心的问题,当然是什么时候才能用上…

OpenCV学习(二十三) :模板匹配:matchTemplate(),minMaxLoc()

OpenCV学习(二十三) :模板匹配:matchTemplate() 1、概述 模板匹配是一种最原始、最基本的模式识别方法,研究某一特定对象物的图案位于图像的什么地方,进而识别对象物,这就是一个匹配问题。 它是图像处理中最基本、最常用的匹配方…

CSS3实现图形曲线阴形和翘边阴影

首先,来看看完成之后的效果图: 实现原理 ①曲线阴影实现: 多个阴影重叠,就是正常阴影曲线阴影 正常情况下,有个矩形有正常的阴影,作为主投影,这时候再定义一个有一定弧度圆角的圆角矩形&#xf…

腾飞资本任溶 :互联网大脑,新的天方夜谭?—评《崛起的超级智能》

作者:任 溶 腾飞资本董事长,城市大脑创新合伙人基金管理合伙人因为我做科技产业投资工作,投资领域涉及互联网等新经济、新模式和新技术等,所以这几年总是听到一些言论,诸如“互联网已死”,或者“互联网红利…

OpenCV学习(二十四 ):角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack()

OpenCV学习(二十四 ):角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack() 参考博客: Harris角点检测原理详解 Harris角点检测原理及C实现 OpenCV亚像素角点cornerSubPixel()源代码分析 Taylor公式(泰勒公式&#x…

无人驾驶技术的7大典型应用场景

来源 | 数据观综合无人驾驶风口来临,引得各方资本竞相追逐。据业内预测,2019年到2020年无人驾驶L3(条件自动)级别的汽车将实现量产化,2022年后部分企业将实现L4(高度自动)量产,若要实…