适应指数型未来:实现技术与人的平衡

亿康先达(Egon Zehnder)慕尼黑办公室每年都会举办新年招待会，邀请资深商业领袖共同探讨宏大的创意，拓展他们在各自专业领域之外的视野。2018年的招待会是该系列的第25次，它聚焦于人工智能(AI)、纳米技术和数字生物学等技术的指数级发展——所有这些都预示着巨大的机会和对商业和社会的巨大颠覆。

主讲人是Neil Jacobstein，他是NASA研究园区奇点大学人工智能和机器人的主席，也是斯坦福大学MediaX的杰出访问学者。雅各布斯坦先生是一位跨学科的思想家，他对艺术和科学如何融合有着敏锐的感觉。在我们的招待会上，他分享了关于企业如何适应“指数未来”并取得成功的生动见解，并思考了私营和公共部门如果要实现“技术与人的平衡”，就必须做出的权衡。与他同台的是经济学家、获奖著作《纽约时报》的作者克里斯托夫•基斯(Christoph Keese)数字德国．在这本出版物中，我们分享了雅各布斯坦先生的演讲的编辑版本，以及他与基斯先生之间对话的摘录。

慕尼黑亿康先达管理合伙人利奥·巴斯，招待会的开场是对当今科技指数级发展给领导者带来的挑战的反思。“我们都习惯了一切都在不断变化的事实，”他说。“如今，敏捷和创造力是成功领导一家公司的必要条件。”巴斯指出，问题在于“与线性发展不同，人类大脑的指数发展是很难预测的。”

巴斯举了一个著名的例子，印度国王想要奖励国际象棋的发明者西达(Sita):“起初，国王被西达令人恼火的谦虚要求冒犯了，他要求在棋盘的第一个方格上只放一粒米，然后在接下来的每个方格上都放两倍，2粒、4粒、8粒、16粒，以此类推。”然而，到64平方时，国王欠西达2770亿吨大米——超过了全球400年的大米产量。

正如巴斯强调的那样:“我们未来的技术可能会以这样的速度发展，创造更大、更深远的机会。每个人都在努力以最快的速度将这些机会转化为成功的商业模式。然而，在这个时代，我们作为领导人的责任远不止于此。仅仅让你的公司在数字时代站稳脚跟已经不够了;我们也有责任在这个时代实现正确的平衡。明天的职场会是什么样子?我们如何才能实现社会凝聚力?我们如何才能确保尽可能多的人从技术进步中受益?”

这些问题既激发了雅各布斯坦先生和凯斯先生强有力的观点，也激发了我们的嘉宾之间丰富的对话。我们希望这篇文章能启发出席招待会的人以及更广泛的领导人的想法和创新。

怎样才能成功地适应一个技术加速发展的未来?企业、政府和个人都渴望得到这个问题的答案。然而，没有哪一个技术未来是组织或个人可以准备的。未来有多种可能，技术和特征的组合各不相同，每一种都伴随着不确定性，无法确定其实际发生的概率。好消息是，最可能出现的技术未来的一些特征是可以合理确定地预测的。此外，实际的未来还没有写下来——它仍在发挥作用，我们都是共同作者。我们如何改善未来可能的结果?最好的方法是通过对大多数未来采取明智的行动来尊重不确定性，以我们对最可能发生的事件的理解为依据。换句话说，投资于在您和您的组织可能面临的未来中具有最大生存和成功价值的行动。这似乎是显而易见的，但事实并非如此。 Some of the most probable futures ahead will be shaped by exponential technologies. These technologies are moving much faster than most people realize, and their advance is accelerating.

指数技术不是直观的。它们不鼓励线性思维(1,2,3,4,5,6…)。每隔18到24个月，它们在速度、内存或其他参数方面的性能就会翻一番。他们的性能提升呈指数级增长(2,4,8,16,32,64,128…)例如人工智能(AI)、机器人、合成生物学和数字制造。这些技术一开始表现不佳，但后来大大超过了线性预期。合成生物学正在迅速提高我们读取和编辑DNA的能力，成本降低，精度提高。合成生物学利用DNA作为编程和编辑生物系统的软件。数字化制造包括快速发展的微尺度3D打印和一系列纳米技术。

纳米技术有一个传统的定义，即利用材料的化学和物理性质，这些性质在十亿分之一米的尺度上发生变化。然而，我们才刚刚开始看到集成纳米系统的实验室规模的演示，以及它们将实现的原子精确制造。原子精确制造是一种未来的技术，它将改变我们与分子和物质的关系——就像计算机改变了我们与比特和信息的关系一样。具体来说，它最终将使小型和超大型系统的廉价和普遍的3D编程成为可能。

要记住的关键是，有效利用指数级技术需要指数级思维，与这些技术的速度以及它们创造财富和改变世界的潜力相匹配。关注这些趋势会带来巨大的经济收益。过去有效的商业模式需要升级，以跟踪和系统地利用指数技术带来的机会。

指数思考到底是什么意思?
这里有五个步骤。

1.你了解有线性改进曲线的技术和那些指数改进曲线的技术之间的区别。
2.你有很多例子可以证明指数技术是如何快速有效地改进的。
3.您收集了许多案例研究，说明指数级技术改进如何在许多领域转化为实际的业务和组织优势。
4.你知道你的特定业务可以通过利用人工智能和机器人等指数级技术来获得实际的问题解决和业务能力，你也知道如果你不使用它们，你的竞争对手会使用。
5.你已经对自己进行了组织和配置，以便在业务的各个方面系统地、负责任地利用指数级技术——包括在业务模式过时时进行转换。

我们可以用人工智能的例子来说明步骤2和步骤3。

人工智能正在迅速发展

2014年，亚马逊在其Echo-connected音箱上推出了基于人工智能的Alexa代理，Alexa拥有15项技能，也就是你可以口头要求它做的事情。这些技能都是非常基本的，比如提供时间、流媒体音乐、设置计时器或日历日期、提供新闻或体育比分，以及从亚马逊订购商品。2015年8月，Alexa拥有三项独立于亚马逊的供应商开发的技能。到2017年9月，Alexa已经拥有超过2万个独立供应商开发的技能，可以响应口头请求。这是超过指数级的增长。

当将国际象棋的复杂性与中国战略游戏围棋进行比较时，国际象棋每回合有大约35种可选走法，而围棋每回合有多达250种可选走法。在围棋中提前思考很多步棋是极具挑战性的。2015年10月，Alphabet的DeepMind团队让AlphaGo与当时的欧洲围棋冠军樊麾对决。AlphaGo赢了五局中的五局。2016年3月，AlphaGo以4比1击败了韩国围棋世界冠军李世石。这场胜利震惊了围棋和人工智能社区的许多成员。2017年5月，AlphaGo Master以3比0击败了中国排名第一的世界围棋冠军柯洁。到目前为止，AlphaGo是从人类棋手下的数千盘围棋中学习围棋的。然而，在2017年10月，DeepMind宣布了从头开始学习围棋，只从围棋规则开始与自己对弈的AlphaGo Zero。AlphaGo Zero在3天内以0比100战胜了AlphaGo Lee，在21天内达到了AlphaGo Master的水平，在40天内超过了之前所有的围棋选手。 AlphaGo Zero is as far ahead in Go skill level of the European Champion Fan Hui as Fan is ahead of a serious amateur Go player. The reason why this matters is that AIs have now outperformed human world champions in one of the most complex strategy games. This points unambiguously to the accelerating current and future business potential of AI.

三个实用的AI案例研究

有成千上万的潜在案例研究，但这三个将提供一个起点。有关人工智能创新应用的更多示例，请探索人工智能创新应用会议论文。

案例1。

保险服务中的人工智能。Lemonade.com是一家高度自动化的保险公司，现在在业务的各个方面使用人工智能和机器学习，从销售到保险风险分析，到理赔，再到客户服务。它还改变了传统的商业模式，收取20%的保费作为费用，并允许客户将部分无人认领的保费捐给慈善机构。

例2。

能源效率中的人工智能。Jim Gao是Alphabet的数据中心经理
2014年，他将15%的空闲时间投入到提高数据中心的电力利用效率上。通过机器学习和DeepMind团队的帮助，高能够将数据中心的能源效率提高40%。请注意，提高能源效率往往具有最高的投资回报。

例3。

人工智能在医学领域。斯坦福大学计算机科学家在2017年开发的一种算法可以筛选可穿戴式监测器产生的数小时心率数据，以发现有时危及生命的不规则心跳，即心律失常。该算法在14种心律失常方面比训练有素的心脏病专家表现得更好，并且可以对来自偏远地区的数据进行分类，这些地区的人们无法定期访问心脏病专家。也有类似的病例，ai在诊断肺炎方面优于放射科医生，在诊断糖尿病视网膜病变方面优于眼科医生。

利用指数技术

基于这三个案例，我们很容易看到，人工智能和机器学习现在能够在一些复杂的领域提供与人类水平或更高水平的任务表现。虽然人工智能技术目前还不能取代同理心心理学家或按摩治疗师，但它能够在各种不需要“常识”或一般智力的实际应用中提供具有成本效益的解决问题的能力。商业应用更多地受到传统商业模式和人类想象力的限制，而不是机器学习的限制。人工智能的采用率现在正在飞速发展，那些没有理解它，或者没有迅速和负责任地采取行动的企业，可能会在极度强大的新竞争中遭受后果。

合成生物学也在飞速发展。过去做人类DNA测序的成本是100万美元，现在大约是100美元，而且还在下降。Helix是一个应用程序商店的DNA数据和优化您的性能。现在有可能识别糖尿病中的疾病亚型，并描述微生物组及其在健康和疾病中的多重作用。新的CRISPR/Cas9技术能够越来越精确地编辑人类DNA，包括消除单碱基对疾病，并在未来几年可能添加与特定性状的最佳表现基因相关的新扩增。

构建纳米系统目前是集成单个纳米设备的研究前沿。目前关于小型系统应用的大部分工作都集中在比纳米级大三个数量级的微系统上。例如，康奈尔大学的一个团队制造了一种微型机器人外骨骼，可以在感知环境中的化学或热变化时迅速改变其形状。这些机器可以成为生物微生物大小的机器人技术的强大平台。通过将计算能力整合到一个细胞大小的物体中，这些系统可以与人工智能融合。

商业转型与社会回应

考虑到技术驱动的竞争格局的指数级转变的速度和深度，企业将需要采取一些具体的行动。首先，他们必须预测指数级技术将如何影响其特定业务领域。其次，他们必须加快对全新产品、服务和商业模式的试验速度。但如果他们试图在旧的商业结构中这样做，几乎肯定会发生抗原-抗体反应。所以这些实验需要在组织外部进行，或者在组织边缘进行。第三，冒险必须得到奖励，接受实验性失败，而不会给员工带来负面后果。最后，业务的每个方面都必须根据新技术的可能性进行重新架构——即使它会蚕食业务的“现金牛”部分。

应对风险和其他社会问题

虽然毫无疑问，具有成本效益的人工智能和机器人应用将提供一些新的就业机会，但与社会对就业不足和失业的担忧有关的是新工作与被取代工作的比率。要解决这些问题，要么必须主动提供再培训、教育和各种基本收入计划，要么必须控制社会动荡的后果。在技术广泛丰富的长期未来，劳动力不足和失业有可能(但不太可能)不会成为一个短期问题。有效地适应可能发生的情况，即使存在固有的不确定性，也意味着通过大大改善获得高质量教育的机会和各种基本收入计划和社会服务，包括在人类生命周期中管理自尊的咨询，来应对下行风险。

此外，还有人担心，在未来几十年，人工智能可能会超过人类的智力——而且，即使没有恶意，它们的价值观和目标也可能偏离对人类有益的目标。对超级智能人工智能潜在风险的积极主动的方法已经推动了对改进的软件规范、验证、安全性和新的控制策略的研究和开发。

合成生物学对人类健康和繁荣的好处很多，而且还在不断增加，但这项技术也使许多挑战人类价值观的可能性成为可能。例如，除了治疗致命疾病，基于CRISPR/ cas9的编辑工具还可以使各种私人实验室和政府能够超级增强智力或身体能力。在某些情况下，对这项技术的深思熟虑可能会导致人类繁荣;其他用途可能会导致超级士兵或人类物种的分裂。然而，自20世纪70年代以来，分子生物学家已经从长远的角度出发，并为使用新的和新兴的生物技术制定了道德准则。随着技术的成熟和商业应用的急剧扩展，围绕这些道德准则的社会对话将变得更加复杂。

纳米系统正处于发展的萌芽阶段，它们可能会带来前所未有的财富。财富分配仍将是一个挑战，但随着这些技术性能的提高和价格的下降，分配这些技术的好处将变得越来越容易。想想手机技术在全球的迅速普及吧。然而，几十年来，研究人员已经认识到纳米系统可能失控复制的潜在未来风险。虽然很明显，纳米系统可以用多个冗余的安全系统来构建，以避免这个问题，但流氓分子可能会构建绕过安全准则的系统。对这种潜在的未来情景的最佳防御有两个方面:关于纳米系统设计最佳实践的技术和伦理教育，以及对强大免疫系统的持续研究和开发，以快速检测和关闭来自人工智能、生物技术或纳米系统的恶意行为。

与这些技术相关的控制策略也可以为社会带来许多重大的正面影响。我们有机会利用日益强大的指数级技术来解决人类面临的“重大挑战”问题——包括能源、环境、全球健康、安全和冲突解决、教育、水、粮食、灾害应对和繁荣分配。奇点大学和其他机构在全球范围内提供了各种各样的教育项目，探索指数级技术对人类繁荣的好处、风险和许多可能性。

Christoph Keese我们都知道人工智能(AI)已经存在很长一段时间了。甚至在上世纪六七十年代，科学家们还在谈论人工智能的突破。这从来没有发生过。在三四年前，随着神经技术和深度学习的出现，它才呈指数级增长。你能告诉我们为什么在这个时间点它会呈指数增长吗?

尼尔Jacobstein事实上，我的观点是，它一直是指数级增长的。当你开始使用指数级技术时，你几乎看不到它的发生。几乎察觉不到。而且需要很长时间，有时是几十年，才能看到结果。所以我认为计算的指数趋势发生在继电器和真空管。自人工智能出现以来，人工智能的指数趋势一直在持续。事实上，基于规则的系统能够在工业、制造业、银行业和生物学领域发挥作用。但它们并不是最好的技术:它们很难制造，而且很脆弱。现在我们已经在很大程度上用基于神经网络的模式识别系统取代了基于规则的系统，比如深度学习。这加速了该领域的发展。 But it’s always been exponential: we just couldn’t see it before.

Christoph Keese德国有一家非常成功的人工智能公司，叫Arago。(其创始人)克里斯·布斯(Chris Boos)最近做了一场引人入胜的演讲，他认为至少在我们的有生之年，人工智能的极限将会是什么。他说，智力基本上有三种不同类型。最低级的是模式识别，人类整天都在做，计算机智能正在解决这个问题。第二步是对模式识别做出反应——机器会给出正确答案。他说，第三种就是我们所说的同理心。他的观点是，我们都不会看到人工智能表现出能够通过图灵测试的情感或同理心，在图灵测试中，我们可能会混淆人类和计算机。但大多数公众担心的是同理心——电脑走出去，恨我们，想要杀了我们。你的观点是什么?有没有什么事情是计算机在我们有生之年永远无法做到的?

尼尔Jacobstein关于第二种类型，对模式识别的反应，我们称之为推理。人工智能现在可以非常可靠地进行推理。它们不像人类那样做推理，但在某些情况下，它们的推理能力超过了人类的表现。

至于同理心，我们的系统可以让人类相信他们是有同理心的，但我想说的是，他们并没有经历同理心。这些机器基本上是在劫持人类，因为它们被教会了如何说服或欺骗人类，让人类认为它们是有同理心的。他们在模仿移情的外在表现。有一个叫保罗·埃克曼的人，他研究了174个微面部表情。你可以把这些编程到一个机器人中，你可以引起人类的感觉:“哦，这个机器人对我有同理心。”但这和机器人真正体验同理心是两码事。因此，我确实认为，当涉及到通过图灵测试时，你可能能够欺骗人们，让他们认为人工智能是有同理心的，但我认为，在他们真正体验到自己的同理心之前，还需要一段时间。我不认为这是一个不会在我们有生之年发生的问题，原因有二。第一，我认为这很可能在未来15到25年发生，可能更早。其次，我认为我们会活得很长，比这个房间里大多数人的预期要长。

Christoph Keese你刚才所说的对社会和商业都有巨大的影响。例如，当你从手术中恢复时，你需要同理心，你需要关怀。所以你最好去看护士，而不是看医生。所以很有可能医生丢了工作，而护士保住了她的工作。这一工作的报酬甚至可能比医生高得多，因为她不能被机器取代。我很想听听你的意见。

尼尔Jacobstein耶鲁大学的精神病学家杰罗尔德·马克斯曼在1976年写了一本书，叫做后医生时代．它是这样论证的。但这一幕发生的时间比他想象的要长得多。据我观察，人们去看医生不仅仅是为了诊断。与患者真正的共情，帮助患者理解诊断的解释将是非常重要的。因为你不想让一台机器看着你的x光片或核磁共振成像说:“哦，你得了癌症，只能活4.5个月了。”出于很多原因，这样做是不对的。你可能有很多可供选择的治疗方法。你可能需要点时间考虑一下。对话中有很多内容，我认为我们的ai目前还不能胜任这项任务。

Christoph Keese:有趣的是，世界上如此多的人工智能能力——包括智力能力和公司能力——都被亚马逊、Facebook和谷歌这样的大公司收购了。他们收购了DeepMind。当你从地缘政治的角度来看，大部分投资都在美国和中国，在欧洲，尤其是德国的投资很少。那么，我们是否在损失?即使我们今天醒来，在大公司过去三到四年的收购之后，还有足够的收购空间吗?还有足够的人才可以雇佣吗?

尼尔Jacobstein:虽然很多优秀的人才确实被大型人工智能公司挖走了，但好消息是，你现在可以从Kaggle众包你的人才，公司可以提供奖金，让200或300个人工智能科学团队为解决你的问题而竞争。当然，有了这些，你必须拿出你的数据和你的问题。如果你不想这样做，你可以去experfy.com，它允许你把你的问题而不是你的数据，如果你担心数据隐私，你可以通过这种方式众包你的人工智能科学家，并得到非常好的结果。(本着充分披露的精神，我是该公司的投资者。)这里最关键的是你可以众包你的人才。你不必在公司内部拥有强大的后备力量。我认为我们会发现更多的人会去研究机器学习。我们将会看到那些被剥夺公民权的人群中有很多优秀的人。在非洲和亚洲，我们看到越来越多的人参与人工智能，从事计算机科学的女性人数也在增加。在计算机科学领域，有很多天才基本上没有被开发出来。 So I think there’s lots of talent that we haven’t recruited yet.

Christoph Keese当前最有价值的数据是什么?是汽车数据还是医疗数据?如果你举起手来，如果你有一个愿望，你可以说，“哦，这大量的数据应该是我的，”你会选什么?

尼尔Jacobstein:我认为最具增长潜力的领域可能是健康数据。但这将是一种特殊的健康数据，不只是体温和心率之类的，而是关于人们基因组序列的深层数据以及他们基因组序列的表型表达。他们的饮食和运动模式与他们的健康和疾病模式之间的相关性真的很重要。我认为我们大多数人都觉得我们可以在生活中游手好闲，通过饮食和锻炼做得相当好。我们认为这会让我们拥有大部分的人生。但从另一个角度来看，如果你真的注意饮食、锻炼和基因组序列，并监测你的健康，你可能能够挤出更多的生命和有用的生命……而不是随着年龄的增长而减少的生活。这是在座的每一个人都可以得到的机会。这需要对你的健康数据进行智能管理。

Christoph Keese尼尔，当你展望未来的人工智能格局时，我们会看到强大、激烈、生动、充满活力的全球竞争，还是会看到垄断的趋势?

尼尔Jacobstein我认为将会出现激烈的竞争而不是垄断。人们很容易就会认输，说:“哦，谷歌和Facebook和亚马逊，他们拥有所有的大理石。他们只会带着东西跑掉。”我认为这不会发生。我认为将会有来自世界各地的激烈竞争。我们不会有一个巨大的天网人工智能。我们将会有数百万的人工智能。它们将渗透到日常生活的结构中，以至于我们不再称之为人工智能。我们就称之为日常生活吧。我们只期待它在那里。