第5章 欢迎来到超级精英时代(2)

接下来，我们可能要看看这些机器将在多大程度上预测我们的行为。艾萨克·阿西莫夫（Issac Asimov）最深刻的作品之一是一篇鲜为人知的短篇小说《特权》（Franchise）。在这个故事里，民主选举几乎已经过时，智能机器会收集大部分有关当前经济和政治形势的信息，并预测哪一位候选人将会胜出。（事实上，只要通过几个变量，例如GDP、失业率、通货膨胀率及是否出现大的战争等，就能很好地预测总统选举的结果。）然而，在这个故事里，机器们并不能完全独立地完成这项工作，因为一些难以言喻的社会因素无法被机器测量和评估。鉴于这样的情况，美国政府会从选民中选择一个“典型”的人，并向他提出一些情绪层面的问题。这些问题的答案，再加上最初电脑的诊断，就足以决定选举的结果。没有人需要真的进行投票。

这个例子对很多人来说可能太过极端，因为这似乎越过了政治自由和行动自由的宝贵底线。然而，即使是在现实中，我们原本可能就不像想象的那么自由。如果能了解你的出身背景、朋友、家庭以及你读的书、看的电影，那么推断出你在联邦选举中的投票行为又有多难呢？至于我们行为的可预测性意味着什么，未来技术的发展将会给出答案。事实上，在2012年的政治选举中，已经有大量资源被用于寻找支持者和鉴别重要的摇摆州（swing district）[3]。

来自《纽约时报》的一段话正好阐明了我们的境况：

波尔（Pole）利用多台电脑分析海量数据后，能够找出25种关键产品，对这些产品加总分析就能为每位购物者确定一个“妊娠预测”指数。更重要的是，他对于购物者预产期的估计能够精确到很短的时间范围，这就使得塔吉特公司（Target）可以准时发送针对特定孕期的优惠券。

面对数以万计的个人用户购买记录，电脑可以使用一种算法来识别孕妇。她们通常在妊娠初期会购买大量含钙、镁、锌的营养品，在刚进入妊娠中期时会购买不添加香精的乳液，接近分娩时则会购买洗手液和特大包的棉球。

无论我们是否喜欢，人们都将在商业竞争中使用机械智能。在进行重大协商或引荐新的潜在合作者时，交流过程会被记录、处理，并被实时分析，正如智能机械“沃森”对《危险边缘！》的问题进行语法分析一样。交流各方都可能收到一份基于声音数据分析的实时报告，内容包括：什么时候其他人可能是在说谎，他们的压力程度如何，他们的叙述有多详细，小组中谁的话真正具有权威性，还有他们用了多少第一人称代词。根据这些声音数据和其他可测量因素，电脑程序将会建立和传达一些对于谈话的“解读”。电脑并不需要尽善尽美，甚至也不需要接近完美，它只需要比你做得好就足够了。

软件测谎研究正在进行，其基础是用电脑对我们的声音进行分析；斯坦福大学的丹·朱拉斯凯（Dan Jurafsky）和哥伦比亚大学的茱莉亚·赫斯博格（Julia Hirschberg）是这一领域的领军人物，他们声称自己的程序已经能比人类的观察更有效地检测到欺骗行为。即使现有技术仍不完备，未来的改进也很有可能让我们实现这一目标。

我们可以想象一下这样的场景：口袋里的苹果手机通过震动发送基于电脑分析的信号——每一次轻微震动就代表检测到一次谎言。信息也可以出现在你的隐形眼镜上，但小配件并不是问题的关键。人们最终会达成这样的共识——类似的分析正在不断进行，谈判者们将会接受训练以骗过或者摆脱声音追踪程序；相应地，这一程序也会不断改进从而应对这些策略。如此往复，欺骗技术与测谎技术之间将展开一场永无止境的“军备竞赛”。一种新形式的复杂社会交往也会发展起来，这一发展比任何新的配件都更加重大。

如果这种社会交往在商业协商中行之有效，它会不会扩展到其他领域呢？在此，人类好奇的天性将照常发挥作用。在初次约会中，人们可以有更多方法来安抚所有的不安和怀疑：她喜欢我吗？这个人是不是在试图跟我搭讪？他真的已经结婚了吗？她会不会允许我亲吻她的脸颊？我们当然没办法阻止其他人在会面中携带不易察觉的记录和分析设备。有些人在与人打交道的时候，肯定会想方设法测量对方的基因信息，正如影响深远的电影《千钧一发》（Gattaca）中所描绘的那样。

接下来，机械智能会出现在我们的家里。想象一下，你可以对客厅和卧室的生活场景进行记录和分析。这一想法本身可能令人发指，而且对父母继续在一起的可能性进行连续预测也许毫无用处，但你能抵制住诱惑，不去偶尔偷看一下预测结果吗？

我们可能会认为，机械智能分析的作用主要在于评价他人，然而，它也可能帮助我们进行自我认识。在一次约会中，一位女士可以在洗手间里咨询随身设备，以确定自己有多喜欢约会对象。这一设备可以记录她的脉搏、呼吸、音调、叙述的细致程度，或者是任何公认的相关生理特征。

自我检视并不一定局限于情感问题。我们会特别喜欢或关注哪一些产品？我们看到广告的时候会如何反应？关于这些问题，你的随身设备都可以告诉你答案。美国国防部高级研究计划署（Defense Advanced Research Projects Agency，DARPA）正在进行一项研究，叫做“皮质耦合电脑视觉技术”（Cortically Coupled Computer Vision）。这一技术的最初应用是帮助图像分析师查阅卫星图像，或者是帮助军人在危险地带驾驶吉普车。基本方法是让一个人戴上某种头盔，该设备可以在这个人经历特定潜意识感受（例如：“危险！”“好咸！”“好熟悉！”）时测量神经信号。以后我们将不用佩戴头盔，或者可以使用更轻便小巧的设备来取代它。将来你在购物中心或者商店橱窗注意到某种产品时，这类设备会进行记录并发出提醒。你可以设定程序，让它在这些时候发出提醒，或者是以特定标签储存信息以备后用，也许还能让它顺便上网搜索合适的优惠券。

如果你对这一用处没有兴趣，店家也许会有。购物车会使用GPS来追踪你在商店里的移动，包括你最常光顾哪个区域。他们还可以通过录像机或者智能摄影机来追踪你，并使用脸部识别技术来整合你不同时间的购买数据。商家甚至已经开始实验使用摄影机来记录被试者的视网膜，从而观察他们如何以及何时注意到不同产品，或者锁定手机信号，从而跟踪分析消费者的移动情况。当你进店时，他们会承诺打折，只要你在购物车上刷卡并提供身份识别。很多人都会接受这一折扣，就像他们办理会员卡一样，即使这意味着食品公司会知道他们买了些什么。他们宁愿放弃隐私而选择低价——换作我也会如此。

在这一方面已经出现了很多的试点项目。这些公司发现，如果第一件产品看起来比预期便宜，消费者就会更信任这家店，在购物过程中就会更愿意花钱。因此，如果智能机器发现你一进门就奔向巧克力，也许他们会通过电子传感器推出临时降价。当然，你将受惠于此。

不难看到，当类似的技术发展被应用于分析人类行为和动机时，它们可能会阻挠很多人际关系或者商业交易。令人遗憾的真相是，如果我们知道了关于潜在对象的所有甚至部分缺点，过度谨慎可能会使我们永远不能跨出那浪漫的一步。事实上，这个世界的规律就是对负面信息做出过度反应，正如我们会因为一件丑闻就对其他人不再信任。机械智能很快会提供关于几乎所有公众人物和大量个人的全面分析，这种分析当然包括各种缺点；我们需要某种文化上的重大转型，才能适应大量增加的负面信息。如果一位女士的随身设备在她在去洗手间的时候告诉她，她的约会对象对女招待笑得久了一点，会发生什么呢？有时候那家伙确实是个讨厌的人并且应该被甩掉，但是，在这个案例中可能不是这样。积极幻想（positive illusion）[4]（我们的孩子都好于平均水平）会帮助我们应付日常生活，但它在冷静的机器评判面前可能不堪一击。这些变化不会在近两年就发生，但很可能在我们有生之年出现。

智能软件已经被用于搜查亚马逊（Amazon）或者猫途鹰（TripAdvisor）等网站上的虚假评论。康奈尔大学的一个研究团队发现了一种方法，辨别虚假评论的成功率为90%。有偿的虚假评论通常使用过多的五星评价、过于模糊的评语，没有足够的细节描述；也许是为了代替他们对被评价物的无知，还会更经常地使用“我”这个字。不久虚假评论也会进化，从而更难被传统方法检测出来；相应地，识别虚假评论的软件也必须与时俱进——又是一场持久的军备竞赛。

研究者们同样也在寻找方法，来检测在线约会网站上的说谎者，所以我们可以预期这一领域也会有类似的软件出现。初步结果表明，说谎者在个人简介中会避免使用“我”这个字（与假冒用户评论正好相反）并使用很多否定词（他们会写“不难过”而不是“高兴”），而且他们的自我介绍会比较短，可能是因为要保持所有谎言的一致性太不容易。谎报年龄和体重的用户通常会将更多的空间用于炫耀个人成就。我们期待揭露骗局的能力不断进步。

我们看到如此之多机械智能分析的重大进步并非偶然，虽然这些进步的成熟程度参差不齐。首先，摩尔定律[5]关于处理器速度不断提高的预言正不断成为现实，并且在可预见的未来不太可能被推翻。其次，机械智能产业基本上不受管制。如果你把它与其他改变世界和促进增长的新兴产业（例如医疗产业）做比较，就会看到，制药公司和医院面临的管制障碍比起谷歌、亚马逊及苹果要大得多。医疗产业受限于医疗许可、错综复杂的医院规定，还有食品和药物管理局（FDA）的审批程序，因此无论方向如何，这个产业的技术变化总是很慢。障碍不仅仅来自法律限制，医生和病人对于医疗方法也常常具有传统和道德上的考量。这一点从近期关于干细胞治疗和基因工程的争论就可见一斑。医疗领域充斥着伦理问题，也许我们确实也应该在新药评估和机制创新方面格外谨慎。总之，可以预见，这一领域未来的进展会比现在更慢。

在机械智能分析领域，虽然专利法可能是个问题，但总体上来说，未来发展面临的管制障碍相对较少。无人驾驶汽车之类的应用确实面临着潜在的诉讼问题。比如，想象一下首例无人驾驶汽车撞倒小孩的事件。小孩的父母可能会起诉财大气粗的汽车制造公司，会起诉车主，甚至可能起诉编写汽车驾驶程序的人。鉴于这种可能性，这类汽车的市场化可能会被延后，但也有可能会在法制化程度比较低的国家先行上市。

虽然可能遇到以上问题，很多时候企业家和科学家却可以无需政府的特别许可，直接在智能机器的幕后工作并开发可用产品。“深蓝”“沃森”“希瑞”问世时，就没有遇到太多管制或是法律障碍。当太多人有权利说“不”时，技术进步就会变慢，但软件行业大体上能够绕过很多传统的否决点。这个行业中的关键工作都是在小团队成员的头脑和电脑代码中完成的，因此创新不易受到法律或风俗的限制。

那么，这个新时代将如何改变年轻人对他们职业生涯的应有期待呢？

人生的赢家与输家

①低成本产生的大部分利润将会落入稀缺资源所有者手中。

②未来的职场里，吸引更多眼球将继续是工作的核心，并需要花更多的心思和技巧。

③严谨自律性在职场中日益重要，这导致很多女性会有更好的工作和更高的工资。

④综合智能高的年轻人将在金融、法律和咨询领域获得高额回报。

为了尽可能直接地表述问题，假定机械智能帮助我们以更低的成本制造出更多的东西——实际上也确实是这样。那么，低成本产生的大部分利益将去向何处呢？按照经济学的逻辑，它们将会前往稀缺性资源的所在。在如今的全球经济中，稀缺性资源是以下这些：

1.高质量的土地与自然资源；

2.知识产权，或者有关产品的好点子；

3.拥有特殊技能的高素质劳动者。

非稀缺性资源是以下这些：

1.非技术型劳动者——随着更多国家加入全球经济，非技术性劳动者也越来越多；

2.银行存款或是政府债券形式的钱，也可以理解为简单资本，也就是并不与任何特殊所有权相联系的资本（我们知道这样的资本并不稀缺，是因为他们的实际收益率小于或等于零）。