正如哲学家黑格尔所揭示的：历史给我们的教训是 ， 人们从来都不知道汲取历史的教训 。 实际上 ， 人类在过去100多年内至少经历了三次这种担心 ， 这就是“老”“旧”“新”三次IT变革 。 当年 ， 人们对老IT（工业技术）的担心远大于今天我们对新 IT（智能技术）的担心 。 在工业革命的发源地英国 ， 纺织工业诱发“羊吃人”现象 ， 女王担心机器的大规模使用将使她的臣民变成乞丐 ， 民众更是揭竿而起 ， 干脆一把火将机器烧了 。
70多年前 ， 诺伯特·维纳的控制论和数字计算机的出现开启了旧 IT（信息技术）的变革 ， 又一次引发社会对机器取代人类工作的担心 。 为此 ， 维纳还发表了《人有人的用处》（The Human Use of Human Beings ）来专门讨论这一问题 ， 其中特别强调“信息永远不能取代启迪”（Information will never replace illumination 。 ） 。 启迪是语言和想象的核心功能 ， 因此机器及其生产的代码与信息根本无法取代人类 ， 而且 ， 计算机还为“机器取代人”做了一个绝好的说明 。 20世纪50年代之前 ， 英文中“computer”一词其实是指从事计算工作的人类 ， 但今天作为机器的“computer”已经完全代替了作为人类的“computer”；然而 ， 被称为“computer”的机器 ， 不但没有使人类大规模失业 ， 而且还为人类创造了更好、更多的新工作 ， 比如程序员、架构师、算法工程师、网络管理员 ， 等等 。 事实胜于“恐”辩 ， 尽管机器可能造成一定程度的短暂的社会错位 ， 使一些人失去工作 ， 但不会造成人类的大规模失业 ， 相反 ， 机器能够创造出更多、更好、适合人类的工作 ， 推动社会进步 。
其实 ， 这个问题在100多年前就已被研究清楚 ， 这就是著名的“杰文斯悖论”（Jevons paradox） 。 威 廉姆·斯坦利·杰文斯（William Stanley Jevons）是19世纪英国的数学家、哲学家和经济学家 ， 现代经济学中的边际效用理论的主要奠基人 。 在英国工业革命时期 ， 工业大量消耗煤资源并产生了严重的污染 ， 引发了利用技术提高燃煤效率的讨论 ， 但杰文斯的研究表明：烧煤效率越高 ， 耗煤量将会越大 。 这就是杰文斯悖论：技术进步可以提高自然资源的利用效率 ， 但结果是增加而不是减少人们对这种资源的需求 ， 因为效率的提高会导致生产规模的扩大 ， 这会进一步刺激需要 。
计算机的“机器取代人”的例子说明广义的杰文斯悖论也成立：技术进步可以提高人力资源的利用效率 ， 但结果是增加而不是减少社会对人力资源的需求 ， 因为效率的提高将导致生产规模的扩大 。 计算机的确完全消灭了名为“computer”的职业 ， 使其变成了一种真正的机器 ， 但同时也扩大了社会对计算机生产、操作等相关人员的需求 。 还有很多这方面的例子 ， 比如全球定位系统取代了许多测量工作岗位 ， 但却产生了更多基于位置的服务（location based services ， LBS）的相关工作以及导航算法工程师等岗位；机器学习取代了很多统计员 ， 但却增加了更多不同的数据工程师工种 。 可以预见的是 ， 随着智能技术的发展 ， 这类例子将会越来越多 。
我们相信 ， 表面上以取代人力为目标的智能技术 ， 将产生更多更适合人类的新的工作岗位 ， 例如学习工程师、决策工程师、法务工程师 ， 等等 。 智能技术可能会将今日之“码农”解放出来 ， 使其变成明日之“智农” ， 成为“人机结合 ， 知行合一 ， 虚实一体”的“合一体”智慧员工 。 如此一来 ， 维纳所说的：“人有人的用途 ， 机有机的用处”将会实现 。
未来智能的方向与体系
40多年前 ， 侯世达在“GEB”之末提出了关于智能的十大问题和猜想 ， 吸引了年轻的米歇尔转行随其学习和研究人工智能 。 现在 ， 米歇尔也在其著作的结语中也提出了当下人工智能领域备受关注的六个问题及其答案或推测 ， 这本质上也是对未来智能技术发展的探讨与期望 。 我个人更是坚信人工智能必须从长期占据主导地位的逻辑智能（AI 1.0）和近20年来作为主力的计算智能（AI 2.0） ， 向人机混合、虚实交互的平行智能（AI 3.0）迈进 。
推荐阅读
- 人工智能识别出一百六十五个新癌症基因
- 人工智能从“大炼模型”到“炼大模型”
- 人工智能助力国际能源行业减少碳足迹
- 机器人组团出征 集群智能协同让1加1大于2
- 通用人工智能的时代已经来临
- 被小黑盒秒破，智能门锁怎会如此脆弱
- 向通用智能迈进 机器手单手解魔方无需编程
- 《新一代人工智能治理原则》发布，八项原则让人工智能发展负责任
- 人工智能已嵌入航空发动机产业全流程
- 人工智能专家警告：机器人将在50年内超越人类