東西。

而且，馮見雄也不是第一次在校內的辯論賽上提及“深度學習人工智慧”去年的比賽中，他已經提過一次了，後來還被校臺女主播丁理慧採訪做過一次專門的展望節目，跟同學們探討未來人才需要哪些技能屬性的問題。

只不過，馮見雄每次提到人工智慧，都能從不同的切入點和角度，說出很多新花樣來。

所以，今天再提及，無論是對面的蘇勤，還是場上的評委，多少都容易判斷馮見雄說的是不是真的。

手裡拿著雜誌，馮見雄提問：“請問對方辯友，畫家的工作，是不是創造性的勞動注意，我問的是畫家，是為了藝術性目的而作畫的，並不純粹是為了‘畫得像’，所以不要拿照相技術反駁我。”

“畫家的工作當然是原創性的。”蘇勤也不覺得這裡有什麼問題。

馮見雄繼續緊逼：“那麼，用ps幫人類修飾、藝術處理照片的工作，是不是也是創造性的？”

蘇勤感受到了一絲危險，猶豫了一下後還是咬牙肯定：“當然也是，但這有什麼關係麼？”

“那很抱歉，我想我不得不告訴你只要一項工作的評判標準是單一的、目標是客觀、確定的，那麼未來機器都可以替代和消滅人類。”

他把雜誌翻到某一頁折了一道褶皺的位置，招搖地晃了一晃。

第11章　努力者的末日

“眾所周知，人類對社會的價值，和他創造的使用價值幾乎毫無關係，只和他技能、資源的稀缺性有關係。

人人都需要吃飯，但農民的地位依然卑微，這就是因為農民太多，他們沒法幹掉所有和自己技能樹重疊的個體，從而製造自己的稀缺性。

所以，我們討論專才和通才在未來社會哪個更重要、更吃得開時，不光要從人類社會自身看，還要從‘哪一類人更容易被機器消滅和替代’來看。

目前來看，隨著深度學習的誕生，那些‘用50個學時就能把一門課學到90分，用100個學時就能把兩門課都學到90分，但哪怕300個學時也不能把任何一門課學到98分的博而不精者’，在未來會遠遠比那些‘用50個小時只能學到75分，但是砸300個小時能磨到98分的單一目標專精者’更吃香。

因為如果靠比努力，靠磨，血肉之軀的人類，怎麼可能比機器努力？曾經的機器，只能‘執行’，不能‘學習’，所以人類中的‘只有努力一項優勢’的人還有活著的價值。而一旦機器也學會了‘學習’，人類當中的‘只懂努力’的人，就敗給了機器。

這也是為什麼現在的創新型科技公司招聘研發人才時，越來越看重學習能力、學習速度而非知識存量。就算一個專才可以用3年磨一劍的時間，把一項技能磨礪到98分，又如何？知識更新換代太快，還沒磨到90分，前面學的都已經過時淘汰了。

科技創新公司只需要一個月就能上手一門新技能、並且在及格分線上跑起來，然後快速迭代就行了。至於專精的工匠精神者，你們就繼續去做壽司或者炸天婦羅好了。

那麼，深度學習型人工智慧和人類相比，它們的劣勢在哪兒呢？就在於每一項人工智慧只能被設定一個奮鬥目標。比如谷歌公司目前立項做的一個名叫‘阿爾法狗’的機器人下圍棋專案，它只能被設定‘贏得圍棋’這一個目標，然後一切進化以實現這個目標為準。每自己下一盤，勝率高了就統計學習，勝率低了就回避。你要他同時把圍棋下得漂亮美觀有觀賞性，它是做不到的。

而人類和機器相比，最後一道底線，就在於人類有多重價值觀，有多重興趣，人類而已去做那些看上去漫無目標、或者對實現當前主目標毫無效率的‘不划算’的事情。這時候，我們才能看到多重目標之間跨圈權衡帶來的思想碰撞、價