将知识转化成智慧

　　在自动化革命中，将知识转化为智慧的能力是成功的关键。人类在知识获取上的效率一点不比从事手工重复性劳动的效率高，因而由计算机支持的机器人将永远取胜。机器人具有无限的存储容量，执行速度堪比光速。

　　人类需要数年的培训才能掌握一项复杂的技能，达到专家级的水平可能又得要几十年。20世纪50年代，一名机器操作员需要大约4000小时的培训才能被认定为熟练的机械工。同样，工人装配和操作一台机器也需要多年的经验，才能使造出的零件符合相等标准公差（a consistent standard tolerance）的要求，一般以千分之几英寸（大约相当于很细的一根头发的直径）来衡量。今天，廉价的计算机数控（computer numerical control, CNC）机器已经问世，并装有现成的可满足临界公差（critical tolerance）要求的程序。根据任务的不同，稍加培训或者无须培训，便可上手工作。一个简单的微处理器可以操作一台三轴铣床，其成本只是雇用一名机械工人的一小部分。计算机自动化淘汰了技术熟练的生产型机械师。

　　很多需要专业培训的行业面临着类似的命运。药剂师或者咖啡调配师的技能与机械师的工作没有多大差别：了解所需材料，能按说明书（公式）操作，以及能精确混合化合物。所有这些任务都可以由机器人执行，而且跟计算机数控机器一样，生产效率高，质量控制精准。机器人可以全天候工作，不会像药剂师一样变成瘾君子，也不会像咖啡调配师那样把咖啡免费送给朋友。

　　充分利用你的知识

　　拥有学科知识的专业人员可以通过开发决策支持系统将自己的技能变成货币，换句话说，就是开发计算机和智能手机应用程序。这里存在无限的可能性，从实用的程序到无聊时供消遣的程序。想象一下，市场需要一种全面的医疗诊断工具，它可以帮助医生确诊一种罕见的疾病，或者帮助父母判断孩子的耳痛是否需要去看急诊。对于微不足道的琐事，市场需求甚至更大：挑选一种晚餐用酒，搭配一套衣服，或者是购买一辆汽车。

　　这种可能性远远超出今天简单的智能手机应用程序，可延伸到提供各种知识和功能的无所不能的机器人系统。今天你向手机上的语音助手Siri问路，明天它就可以开着自动小轿车把你送到那里。苹果公司投资了“滴滴出行”（Didi Chuxing）——中国版的优步，这绝非巧合。

　　廉价的传感器、控制速度的服务马达、无线电技术和无所不知的数据库，这些技术的开发和整合就在眼前。人们对未来的幻想几乎已经成为现实。

　　我小时候就知道一个基于《杰森一家》〔11〕的动漫形象（the Jetsons cartoon）的飞行汽车概念，现在还在等着这一技术的实现，不过已经出现的技术具有近乎一样的创新性。乔治·杰森（George Jetson）的汽车已经能飞了，但还是需要乔治来驾驶。如今，自动化汽车已经出现，从优步和谷歌实验性的车队到现成的购买得起的选择，比如斯巴鲁（Subaru）车的EyeSight®安全系统“驾驶辅助”（driver assist）技术，我驾着我的斯巴鲁在州际公路上行驶几小时，根本不用触碰汽油或刹车踏板。

　　你怎样才能把你的专长变成货币？

　　专家决策支持系统

　　机器人无处不在：控制车流的信号灯，能取现金的提款机，还有调节心脏节奏的起搏器。这些机器人与未来机器人的差别只在于智力程度，跟人类一样。

　　成功的产品包含着完成预期任务所需的恰到好处的智能，以在功能和成本间进行权衡。烟雾探测器使用的只是一个电离室（ionization chamber）和一个简单的电路来检查烟雾是否存在，而不是一位分析化学家在研究实验室里采用的复杂的气相色谱质谱仪（gas chromatography mass spectrometer instrument）。人类要想保持自身的重要性，必须得对所有形式的工具进行有效使用：无论是机器人、大数据还是云计算，不一而足。

　　人工智能（AI）的进步正以指数级速度发生。下一代的人工智能将形成网络，利用互联网和云计算的无限资源，使存储容量再不是问题。

　　可以从人们听录制音乐曾经使用的方式来思考这个问题。为了听到一首自己最喜爱的歌，人们必须购买黑胶唱片，或者等着电台播放。在饭店或酒吧这样的公共场所，一般都有自动唱机，里面存有也许50首最流行的歌曲。那时有录制音乐的技术，但是，技术的获得受到传播渠道的严重阻碍。同理，人工智能软件已经存在，而且在呈指数级增加。但是，实际的应用还会受限，直到存有专业知识的大型数据库能与互联网的无限容量相链接。

　　在不远的将来，复杂的算法将运行专家决策支持系统，敲开庞大的知识数据库的大门。最终，这些系统将变成自我学习的体系，知识数据库不断扩大，不受人的干预。

　　决策支持系统到底是什么？设想一个简单的流程图。如果观察到条件“A”存在，则可执行功能“B”，然后产生结果“C”。

　　这个系统既可以简单，也可以复杂，取决于算法的功能和数据库中的实际知识。

　　再看看儿童决策技能的形成方式。

　　这种认识能力就是逻辑的应用，与复杂思维的不同点只是在知识储备量上。例如，一个小孩儿能够识别出“天正在下雨”这个条件，但是却不会区分暴风雨和飓风。同理，儿童有关可接受功能和预期结果的知识也一样有限。决策支持系统的作用和复杂度的演进方式跟孩子推理能力的形成方式相类似。

　　我们再来看看税务筹划怎样从由专业人员操作，到自己动手做（DIY），再到由几乎自动化的决策支持系统来完成。20世纪60年代，可能要雇一名会计来准备纳税申报单。这名会计的头脑中存有税法知识，她使用计算器进行简单的算术运算。20世纪70年代的时候，这名会计很可能已经用一台商业电脑取代了计算器，用电脑自动进行税务计算。到了20世纪90年代，消费者会购买DIY的税务筹划软件，再不需要专业会计。时至今日，纳税人使用智能手机应用程序自动收集收据，并按照建议的方法每天减税。每上一个台阶，人工智能设备便需使用更高层次的推理运行（从计算机到商业电脑，到消费者软件，再到应用程序）。

　　人工智能目前正处于推理的初级阶段的关口。决策支持系统的当前状态受限于专家数据库和硬件的水平（比如机器人的机械臂和传感器），而不是计算能力。

　　正在开发的专家数据库用以汇编各方面的人类知识。想象一下，专家数据库将是维基百科（Wikipedia）的拓展。互联网出现之前，参考资料被装在像《大英百科全书》（Encyclopedia Britannica）这样的精装书里。这些书必须买来放在实体书架上，印出的内容有限，索引是唯一的搜索途径，信息也不容易更新。相较于精装的百科全书，维基百科极大地改善了一般信息的获取方式。

　　今天我们通过医生获取医学知识。如果你胸痛，你会去急诊室确定是心脏病发作还是消化不良。急诊室医生的大脑的功能就相当于你进入医学专家支持系统的门户，它需要这个人的智商在平均水平以上，并受过几十年的训练。总有一天，这些大量的知识会被转换成一个计算机决策系统，可以通过互联网进行无线访问。可穿戴传感器（比如腕带，植入物）将监测重要的统计数据，并将这些观察结果与预期的医疗结果相关联。

　　在某种程度上，这些系统已经存在，但是与未来10年的商用系统相比，现在的系统太简单。可穿戴传感器将无所不在，提升我们生活的方方面面。发生胸痛的慢跑者会收到警告，告诉她心脏病发作了，需保持平静，救护车在赶来的路上。

　　没有专业特长？不成问题

　　因为没有知识去创建专家系统而感到失落吗？对你有利的一面是，你会从创造专家系统的技术中受益匪浅，就像我这种鲁莽的人从拼写检查、税务管理（Turbo Tax）和无数的其他软件解决方案中受益一样。

　　与现行软件不同的是，功能性的专家系统既能提供服务，也能提供产品。专家系统会为外行人提供支付得起的解决复杂问题的方案，如法律的、医学的，也包括无关紧要的小事。今天，你请Alexa〔12〕从亚马逊（Amazon）为你发出一件货品；明天，她可以确定你的需求，即时用3D技术在你的家中为你打印出产品。

　　机器人只是工具

　　当所有的知识都被关联进入专家决策支持系统时，人类的专业知识还有用处吗？人类只有在停止做“人”时，才会变得与时代不相干。在可以用机器大规模生产精密零件时，就不再需要技艺娴熟的机械师了；但是，设计并创造新产品的工作仍然需要人来做。机器人只不过是用来高效制造某种产品的工具，而这种产品需要人来构想。

　　再回想一下亨利·福特对他的顾客想要跑得更快的马的评论。1994年，IBM公司推出第一款智能手机，叫作“西蒙私人通信器”（the Simon Personal Communicator）。十多年后，移动手机还是没有太多的智能。2007年，移动手机最主要的物理特征是它的键盘。你可能已经忘了，黑莓（Blackberry）手机的键盘技术是它的主要竞争优势。同年，苹果公司上马了iPhone，这款手机用一个大的功能触摸屏取代了键盘。缺少键盘成了当时很多评论的焦点，既有正面的也有负面的。在开发具有真正智力的智能手机上，触摸屏是一个大变革。乔布斯不是简单地制造出一款改进的移动电话，比如更好用的键盘；梦想家的天赋使他创造出一个全新的平台来管理交流、信息、娱乐，等等。

　　虚拟机器人

　　除了把机器人当作工具，还应该记住的是：机器人未必是个物理实体。思考机器人时，应从广义上思考。“机器人”只不过是一个术语，指一项任务的自动完成。机器人可以是为地毯进行真空除尘的一个物理设备，也可以是监控家中安全的一个报警系统。机器人真空除尘器取代了人工仆人，安全报警系统取代了人工警卫。电子表格（spreadsheet）再不需要人以手工的方式将数字输入计算器，或者在大脑中进行数学运算。

　　机器人已经来了

　　智能手机就是已经取代了其他产品的机器人：GPS、相机、录音机、计算器、手电筒，这样的例子不胜枚举。这对消费电子产品行业打击惨重，例如松下（Panasonic）、佳能（Canon）、佳明（Garmin）、卡西欧（Casio）和尼康（Nikon）。作为消费者，你对此感到非常高兴，这会跟你的雇主用廉价机器人换掉你时的感觉一样。很多公司为了在智能手机时代求得一席之地而苦苦挣扎，因自动化而沦为多余的工人将遭遇类似的命运。

　　自动化对专业人士和机构的最大威胁是它的绝对简洁性和其存在形式的非固定性。想想美联储（the Federal Reserve）的重要性。1913年，美联储成立。随着时间的推移，它在经济上的权限越来越大。发生在2008年的金融危机造成美联储的资产负债表超过4万亿美元，大约是道琼斯工业平均指数（the Dow Jones Industrial Average）所有30家公司的总市值。华尔街（Wall Street）的专家们分析了美联储发出的每一个字，以预测利率走势。美联储对全球经济的影响从没如此重大过。然而，这一强大机构的权威性正逐渐被一个简单的算法所削弱：比特币（Bitcoin）。

　　在2008年金融危机最严重的时候，有篇文章描述了一个运用区块链（blockchain）技术的对等（peer to peer）电子货币系统的概念。你可以把区块链看作一个开放的公共账簿，里面的记录无法改变。数据存储在全球成千上万台计算机里，可以瞬间访问。交易一旦被记录，便是永久性的，不受任何个人、公司，或者政府的审查或操纵。作为一种无可争议的数字化的存储库，它最终将取代长期存在的机构，比如县级法院、房地产产权公司、专利局，等等。存在无限的可能性。

　　对区块链技术使用最多的是一种加密货币（cryptocurrency），称作比特币。这种货币出现在经济大衰退最严重的时候，当时被看作无政府主义的新奇玩意儿，现在却成了无所不能的交换媒介。截至2016年，比特币的流通已经超过1500万，市值超过了95亿美元。在不到10年的时间里，比特币的价值超过了已有113年历史的美国人的形象品牌哈雷-戴维森（Harley-Davidson）。哈雷-戴维森公司每年摩托车的产量近30万辆，有6000多名员工，拥有资产40亿美元。而比特币是一个虚拟的自动中央银行，只作为一个区块链数据库算法存在，在一个由不相互关联的众多计算机组成的网络中运行。

　　比特币很重要，因为它具有感知价值（perceived value）；这种价值是靠无数的人际互动决定的，而不是中央银行的货币政策。使用区块链的比特币或类似的加密货币可以消除对中央银行和财政部的需求，就如同在线音乐服务Napster的文件共享（file sharing）技术淘汰了90年代的音乐产业一样。

　　人类的傲慢

　　自动化使用不当会暴露人类的愚蠢，从而为那些真正有智慧的人创造机会。2008年金融危机爆发后，美联储前主席艾伦·格林斯潘（Alan Greenspan）承认美联储没能预见到金融危机的爆发，其言辞令人震惊：“一切都支离破碎，事实上没有一个重要预测者或机构预见到本次危机。”他接着说：“美联储有着最精细的计量经济模型（econometric model），合并了有关整个世界运行方式的所有最新式的模型——但是，它根本没能预测到这次危机。”

　　格林斯潘对错误的认识尤其值得注意，因为他主持美联储工作长达18年，因对经济的精心策划被誉为“大师”（Maestro）。他所承认的错误是现实世界中的一个实例，验证了计算机科学领域的一个委婉语“垃圾入，垃圾出”（garbage in, garbage out），意思是说质量差的输入总是产生错误的输出。美联储的计算机模型无疑是以学术智能为基础的，然而这个智能却缺乏智慧。

　　人工智能与人类智慧

　　人工智能没有被称作人工“智慧”是有原因的。“智能”指的是为了得到预期结果而使用知识的能力。“智慧”就更加微妙，也许更深奥，它是由人的经验所指导的知识的汇聚。这里我强调的是“人”，而不是经验，因为机器人也能通过试验和犯错学到东西。智慧的撷取靠的是逻辑和情感。

　　智能告诉我们二加二等于四；而智慧告诉我们的是，为提升幸福感，我们该跟谁结婚或者该从事哪种职业。我认为智能是发现自然法则（比如物理学），而智慧是应用这些法则来实现自我（过充实的、有目的的生活）。智慧是创造力或人情味的源泉。

　　在儿童时代我便学会了识乐谱，可我是个糟糕的音乐家，因为我对音乐没感觉。我父亲没受过任何正规训练，也不识乐谱，但他却是个天才的音乐家，他只要听过那音乐便可演奏出来。不认识写在纸上的音乐符号并没有阻止他拥有能将听到的声音组合成悦耳的曲调的创造力。我所具备的是音乐知识，而我父亲拥有的是音乐智慧。只有当我们既提高智力又增添智慧时，机器人的价值才能得到提升。因此，不仅要思考如何提高智商（IQ，intelligence quotient），还要思考如何提高慧商（WQ，wisdom quotient）。

　　正如上面所提到的，智慧比智能或逻辑更微妙。一旦理解了数学，要确定两个数的乘积或者求和就很容易。历史学家、社会学家和心理学家已经研究了上万年的人类历史，然而对社会结果的预测却根本做不到准确。我们最该做的就是寻求智慧、避免自大。

　　行动方案：合理利用专家决策支持系统；提升慧商

　　1．我可以培养我的_____________________专长，使其能够进入专家决策支持系统。

　　2．我可以购买一个能从事_______________________________的决策支持系统，以克服我的主要障碍。

　　3．我将使用以下方法来提升我的慧商：

　　（1）________________________________________

　　（2）________________________________________

　　（3）________________________________________