随着成熟产业日渐萧条，信息技术因迅猛发展而成为科技的代名词。超过 15 亿人利用便携式装置及时获取信息。如今，人们的智能手机已比指引宇航员登月时的计算机的处理速度快上千倍。如果摩尔定律继续适用，今后的计算机会更加强大。

计算机在我们曾认为专属于人类的活动中也有足够能力打败人类。 1997 年， IBM 公司的深蓝打败了世界象棋冠军加里·卡斯帕罗夫。 2011 年，智力竞赛节目《危险边缘》（ Jeopardy! ）的最佳选手肯·詹宁斯败给 IBM 的沃森电脑。谷歌自动驾驶汽车已行驶在加州大道上。虽然知名赛车手小戴尔·恩哈特并未感受到机器的威胁，可是英国《卫报》为全球数百万受雇于人的司机和出租车司机担心，自动驾驶汽车“会带来下一波失业浪潮”。

每个人都期待未来的计算机能干更多的事情，多到有些人怀疑： 30 年后，人类自己还有什么可做的事情吗？风险资本家马克·安德森斩钉截铁地宣称：“软件正在吞噬整个世界。”而其同行安迪·凯斯勒在解释提高生产力的最佳途径是“摆脱人类”时，却显得很高兴。《福布斯》则显得忧心忡忡，向读者提出了如下问题：机器会取代你吗？

未来主义者似乎期待肯定的回答。勒德分子 则害怕被机器取代，宁可全面停止开发新技术。双方都未质疑好的计算机必然取代人工这一前提。然而，这个前提是错误的：计算机是辅助人类的工具，而非替代物。未来几十年，最具价值的产业还是由创业家建立，他们发展计算机是增强人类的能力，而不是淘汰人类。

全球化 vs. 科技

15 年前，美国人担心来自墨西哥的廉价劳动力的竞争，这讲得通，因为任何人都可能被其他人替代。今天人们再次听见罗斯·佩罗所说的“巨大吮吸声”，这次循声追溯到的不是提华纳的廉价工厂，而是得克萨斯州的服务器群。美国人害怕将在不远的未来出现的技术，因为他们认为这是过去几年全球化的重演。但现在情形已大不相同：人们会为工作和资源角逐，而计算机不会。

全球化意味着替代

佩罗就国外竞争提出警告时，小布什和比尔·克林顿在鼓吹自由贸易：每个人在工作上都有其专长，所以从理论上讲，只要人们按照其自身优势发展其专长，并以此互相交易，经济就会使财富最大化。可是实际上，至少对许多工人来说自由贸易的成效并不是那么明显。相对优势差异巨大时，贸易利益最大，但是全球愿意从事低薪重复工作的人比比皆是。

人们不仅竞争工作岗位，也竞争相同的资源。美国人在低价购买从中国进口的玩具和纺织品的同时，需要以更高的价格购买汽油，因为数百万中国车主也开始参与到对汽油的竞争中。不管是在上海吃鱼翅，还是在圣地亚哥吃鱼肉玉米饼，人们都需要食物，都需要房屋。人们也不只满足于温饱——随着全球化的推进，人们的需求会不断增加。既然数亿中国农民最终达到了温饱水平，他们自然希望多吃点儿肉，少吃点儿粮食。上层社会的欲望更是惊人的一致：从圣彼得堡到平壤的寡头都喜爱水晶香槟。

科技意味着补充

现在想想来自计算机而非人类的竞争前景。供给方面，计算机和人类之间的区别远大于人与人之间的区别：人类和机器所擅长的工作存在着本质上的差异。人类有意识，擅长在复杂情境下制订计划、做出决策，但不擅长大量数据的处理。计算机则恰恰相反，擅长高效的数据处理，却做不出人类很轻松就能做出的基本判断。

为了了解差异的程度，让我们来看一下谷歌的另一个人机替代项目。 2012 年，谷歌的一台超级计算机扫描了 1 000 万张 YouTube 视频缩略图后，能够识别出猫，其准确率达到 75% ，上了报纸的头条新闻。这看似不可思议——但 4 岁小孩儿就可以轻而易举地做到。最便宜的笔记本电脑可以击败最聪明的数学家，但即使拥有 16 000 个中央处理器的超级计算机也不能和小孩儿在其他方面相抗衡，二者之间不只是一个比另一个强大的问题，而是具有本质上的差异。

人类和机器之间的显著差别意味着，和计算机合作得到的成果远高于与人交易得到的成果。正如我们不和家畜、灯具做交易一样，我们也不和计算机做交易。重点是：计算机是工具，不是竞争对手。

需求方面的差别更大。不像工业化国家的人，计算机不渴望奢华大餐，不追求法国卡普费拉的海景别墅；它们需要的只是微不足道的电量，它们甚至不够聪明来提出要求。我们开发新的计算机技术来解决问题，这意味着我们拥有了一个超级专业的伙伴为我们提供高效的服务，却不和我们争夺资源。准确地说，科技是在这个全球化的世界中逃避竞争的唯一方式。虽然计算机越来越强大，但它们不能取代人类：它们只起补充作用（见表 12 – 1 ）。

人机互补之于企业

人类与计算机的互补不仅仅是宏观事实，而且是创立伟大事业的途径。在 PayPal 的经历使我明白了这一点。 2000 年年中，我们成功度过网络公司的破产危机，并快速增长，但仍面临一个巨大难题：每月都因信用卡诈骗损失上千万美元。每分钟处理成百上千笔交易，因此不可能一一检查——任何质量控制团队都达不到这种速度。

因此我们做了任何工程师团队都会做的事情：采用自动化技术找到解决方案。首先，马克斯·列夫琴组建了数学家精英团队来仔细研究欺诈性交易。然后利用研究结果，编写自动识别软件，实时取消欺诈交易。但这一措施很快就失效了，因为一两个小时后，窃贼就发现了，他们改变了策略。我们的对手适应性很强，而我们的软件反应缓慢。

诈骗犯虽然躲过了我们的自动检测算法，但我们发现，他们不能轻易骗过人类分析师。因此马克斯带领工程师用混合策略重写了软件：程序将可疑的交易标记在设计好的用户界面上，然后人工审核其合法性。多亏了这个混合系统，我们抓住了那个吹嘘自己无人能敌的俄罗斯窃贼，所以我们给这套系统起了个俄罗斯的名字——“ Igor ”。而且，有了这套系统，我们在 2002 第一季度扭亏为盈（而 2001 年的每季度我们还损失 2 930 万美元）。美国联邦调查局来问我们是否愿意出借 Igor ，以协助他们侦测金融犯罪。这让马克斯自诩为“网络密探福尔摩斯”，他也的确是。

这种人机结合的做法让 PayPal 得以在商界立足，成百上千的小商家才愿意通过网络收款来发展壮大。没有人机结合的解决方案，就不会有这些成果——虽然多数人对它一无所知。

2002 年出售 PayPal 后，我依然在人机结合上下功夫：人机结合比单打独斗效果显著，那么在此核心基础上可建立什么有价值的事业呢？第二年，我和斯坦福大学的老同学亚历克斯·卡普、软件工程师斯蒂芬·科恩动了创办公司的念头：利用 PayPal 安全认证系统的人机复合模式来辨识恐怖分子和金融诈骗。我们知道美国联邦调查局兴趣正浓，于是 2004 年我们共同创办了帕兰提尔公司，一个帮助人们从不同信息来源提取有用信息的软件公司，到 2014 年，帕兰提尔公司的销售额已达到 10 亿美元。《福布斯》称帕兰提尔的软件是“杀手软件”，因为谣传它帮助美国政府找到了奥萨马·本·拉登。

对于操作细节，我无可奉告，但可以说仅凭人类智慧或计算机，并不足以保证我们的安全。美国两个最大的情报机构使用的方法截然不同：中央情报局倾向于用人，而国家安全局倾向于使用计算机。中央情报局的分析师要排除的干扰太多，很难识别严重的威胁。国家安全局的计算机处理数据的能力很强，但机器自己不能鉴别是否有人在策划恐怖行动。帕兰提尔致力于克服这两种缺陷：运用帕兰提尔的软件分析政府提供的数据（比如，也门极端主义教士的通话记录、与恐怖活动关联的银行账户），然后标记出可疑活动，供训练有素的分析师审核。

除了帮助查找恐怖分子，使用帕兰提尔的软件，分析师还可预测阿富汗的叛乱分子放置爆炸装置的地点；起诉引人注目的内幕交易案件；打击全球最大的儿童色情团伙；支持疾病控制预防中心对抗食源性疾病的爆发；通过先进的诈骗检测软件，可以使商业银行和政府每年减少上亿美元的损失。

先进的软件为此提供了可能性，但更为重要的是人类分析师、检察官、科学家、金融专家，没有他们的积极参与，软件毫无用处。

想想如今专家的工作内容。律师必须用不同方式讲述棘手问题的解决方案——依据委托人、对方律师、法官等谈话对象的改变，变换说辞。医生要有能力与非专家的普通病人沟通诊疗结果。好老师也不只是精通自己教授的学科知识，他们还必须了解如何根据学生的兴趣和学习方式调整教学方法。计算机或许可以执行部分任务，但不能有效加以整合。法律、医疗、教育领域的先进技术不能替代专家，只能帮助专家做得更好。

这正是领英公司协助招聘专员做的事。领英在 2003 年创立时，既没有征求招聘专员的意见，以找到需要改进的地方，也没有编写完全替换招聘专员的软件。招聘工作一半是侦探工作一半是推销工作，招聘专员需要仔细审核应聘者经历、评估其动机和适应能力、说服最优秀的人才加入团队。让计算机高效地完成所有工作是不可能的，因此领英从改变招聘专员的工作方式入手。现在，超过 97% 的招聘专员使用领英的网络，运用其强大的搜索过滤功能筛选应聘者，该网也为数亿个使用它来管理个人品牌的专家创造了价值。如果领英公司只是用技术取代招聘专员，那么它不会形成今天的规模。

对计算机科学的认识

为什么如此多的人忽视与计算机互补的力量？这要从学校教育谈起。软件工程师致力于开发取代人力的项目，这是他们的职责所在。学者通过专业研究扬名立万，他们的主要目标是发表论文，而发表意味着尊重特定学科的界限。对计算机科学家来说，则意味着让人类的功能减少到只限于完成特殊任务，而计算机经训练后可将各项任务一一完成。

在当今计算机科学最前沿，“机器学习能力”这一词语激起了机器代替人类的幻想，其宣扬者似乎相信只要输入足够的训练资料，计算机就可以执行任何任务。网飞公司（ Net fl ix ，网络影视光盘租赁公司）和亚马逊的用户亲身体验了计算机学习的效果：两家公司都依据消费者浏览及购买的历史，运用特定算法来推荐产品。输入的数据越多，得到的建议就越好。谷歌翻译也是如此，它支持 80 种语言的翻译，虽然粗糙，但勉强可用，这并不是软件懂得语言，而是它能对巨大语料库的文本进行统计分析，提取句型。

另一个体现机器会取代人类的倾向的流行语是“大数据”。如今的公司对数据情有独钟，它们错误地认为数据越多，能创造的价值就越多。但大数据通常都是沉默的资料，计算机能找到人类没有注意到的模式，但无法比较不同资料来源整理出来的模式，也不能用这些资料解释人类复杂的行为。可行的见解只有人类分析师（或者说那种只存在于科幻小说中的人工智能）才能给出。

我们痴迷于大数据仅仅是因为觉得科技很奇特。我们为计算机单独取得的一些小成就而惊叹，却忽视了人类在计算机的辅助下取得的巨大进步，因为人类的参与淡化了其神秘性。沃森、深蓝电脑和越来越厉害的算法虽然很酷，但未来最有价值的公司肯定不是靠计算机单独解决问题，而是关注计算机如何才能帮助人类解决难题。

聪明的计算机：是敌，还是友

计算机运算的未来充满了未知。像 Siri （苹果手机语言助理）和沃森这些预示着未来趋势的越来越高明的机器人智能，越来越普及；一旦计算机能回答我们的所有问题，它们就可能会问，为什么它们要完全屈从于我们？

替代派思维的逻辑终点是“强大的人工智能”：计算机使得人类在每个重要领域黯然失色。当然，勒德分子被这种可能性吓坏了。这甚至让未来学家也心神不宁，因为还不确定强大的人工智能会拯救人类还是会毁灭人类。技术应该增加人类对自然的控制力，减少人类生活中的偶然性；建造聪慧过人的计算机一定是利弊参半。强大的人工智能就像宇宙彩票：我们赢了，得到理想国；我们输了，被天网（ Skynet ）取代。

但即使强大的人工智能不是不可预测的谜团，而有真实存在的可能，那个时代也不会很快到来：被计算机取代是 22 世纪人类该担忧的问题。对遥远未来的不确定的恐惧不应阻止我们现在制订明确的计划。勒德分子认为我们不应该制造未来可能取代人类的计算机，狂热的未来学家则持相反的观点。这两种观点相互排斥，但不能代表所有的观点：在这两个极端之间还有巨大的空间，未来几十年，理智的人可以建设美好的世界。我们在计算机使用上的创新，不仅能够帮助人类做好已有工作，还能帮助人类做到之前不可想象的事情。