人工智慧在未來幾十年都無法替代共用經濟2.0

編者按：這是以色列著名風投機構Aleph在官網上發佈的一篇文章。 Google一直在研發無人駕駛汽車，真正要做到用人工智慧代替人的智慧，但是這對於人工智慧本身就是一項極大地挑戰，代價也很高。 與此同時，全世界又有很多的工作力被閒置，其中也不乏可以當司機的人。 所以，如果可以把閒置的工作力調動起來，就像Uber等共用經濟模式那樣，我們就不需要那麼高的代價去讓機器駕駛汽車，你能即時找到司機就可以了。 我們可以把Uber和Airbnb等已經大獲成功的模式稱為「共用經濟1.0」，事實證明共用經濟在調動閒置資源上有很大的優勢，但是面對全球工作力的分佈不均等眾多問題，我們還需要發揮更多創造力去開拓「共用經濟2.0」。

人工智慧不是創造人工的科學，它也不是去理解人的智慧的科學，它甚至不能模仿人類行為，以至於讓人把機器看做是人，就像圖靈測試那樣。 人工智慧是一門創造機器的科學，從而讓機器去完成人類可以做或者想去做的任務。

谷歌汽車、感應器網路和機器人都是與機器視覺、自動化的電腦控制綁在一起的，這就能創作出一個不錯的新聞故事：人VS.機器，人的智慧VS.人工智慧。 但我想要冷靜下來，並給新聞故事潑點冷水。 相比人工智慧，還是有人可以做得更好且成本更低的地方，那就是「共用經濟2.0」。

我們可以把 Uber 和 Airbnb 等已經大獲成功的模式稱為「共用經濟 1.0」，事實證明共用經濟在調動閒置資源上有很大的優勢，但是面對全球工作力的分佈不均等眾多問題，我們還需要發揮更多創造力去開拓「共用經濟 2.0」， 比如美國的初創公司的TripMD，它把共用模式用於説明使用者在美國以外的地方找到比當地價格更低的優質醫療服務。 還有像「停車」也可以嘗試共用模式，比如居住在一個城市的某個社區，當他早上把車開去上班後，他的停車位就空出來了，這個時候另一個恰好要到這周邊的人就可以把車停在空出的這個位置上。

完美的AI是很難實現的。 人腦是數百萬年演化的結果，它已經擁有一些還未被清楚理解的規則所定義的內在能力，這種能力可以處理好程式師稱為「極端案例（corner cases）」的各種情境。 這是因為人腦有一些學習能力根本不能被徹底地解釋清楚。 人工智慧不允許任何失敗，而大多數軟體工程卻不是完美的，它只要「足夠好用」就行，就像Zuckerberg的名言「完成比完美更重要」。 對於軟體而言，這是可行的，因為完成一個軟體專案最初的那80%的收益只需20%的成本，但是剩下的那20%的收益卻需要花費200%的成本與時間。

這就可以用經濟學來解釋了。 比方說，有大量的司機和保安的供給，但是他們卻找不到有需求的地方。 而且，全球的工作力成本分佈不均，如印度的年收入的中位數是616美元，而美國有些地方是13794美元。 另一個席捲全球經濟的趨勢就是遠端工作力的增加，Global Workplace Analytics的一份研究表明，未來5年，在家辦公的人數會增加63%.有這麼多廉價工作力，還有越來越快的連結力與遠端技術， 我們完全可以用人力去完成很多用機器人去完成的工作。

同時，共用經濟如也在降低生活成本。 每一個做「共用經濟2.0」服務的企業正在逐漸實現邊際最優化，其中的自動化部分也在增加。 但是，這樣的服務也有一些明顯的困難，比如相互溝通的可信賴性和等待時間的長短，還有部署遠端設備的成本，以及各種管制上的問題，如服務的提供者是否符合資質。 這些問題與目前Airbnb,和Uber等處理的事務還不一樣。

就像對大資料的需求驅使了人們對Hadoop的開發與使用，並且使得AWS成為亞馬遜的賺錢機器，共用經濟這個平臺也依然需要進一步開發。 這就需要一個像亞馬遜所開發的「土耳其機器人」的平臺，就是利用人的網路來執行不適合計算機執行的任務，把人和AI聯合起來，從而可以在全球基礎上提供即時服務。 這將需要數十年的時間才能實現。 還會是由人來駕駛汽車，因為在未來很長一段時間內，人類駕駛汽車的成本更低，而且人類駕駛汽車時在直覺處理上比AI做得更好。