未来地图

2016年,谷歌人工智能程序阿尔法狗战胜了人类最优秀的围棋选手,这一事件比原本人们预计的时间早了至少20年。牛津大学的研究人员估计,要不了20年,人类目前所做的47%的工作任务,都将交由机器人处理;优步让出租车司机失业了,取而代之的,是普通人开自己的私家车给顾客提供服务,由此向全世界提供了数百万份兼职工作机会,并计划最终用自动驾驶代替这些按需提供服务的司机;爱彼迎没有任何一间房的产权,但它可以提供的客房总数,比全球最大的某些酒店集团还要多;社交媒体算法可能影响了2016年美国总统大选的结果。

人工智能、自动驾驶汽车、按需服务之间,清楚地告诉我们:在职场、商业,甚至整个经济领域,正在发生着巨大的变革。为了更好地适应变化,必须了解过去和现在的进程,这些走过的路汇成地图,地图让我们更容易看到未来的种种可能。本文是读Tim O’Reilly《WTF?:What’s the Future and Why It’s Up to Us》的读书笔记。

地图是什么?

并非只有地理位置和路线的图式才是地图,任何能够帮助我们看到我们在哪儿和要去哪儿的系统都是地图(广义)。地图是现实世界的一种抽象表达,在生活方方面面我们都需要它。在漆黑的家中行走而不需要开灯,那是因为我们的脑海中已经有了一张内化了的地图,空间、房屋的布局和座椅的位置都一清二楚;企业家或风险投资人每天上班的时候,心中也有一张关于技术和商业的地图;我们把世界按照不同的类型分门别类,对于每个类别,我们脑海里都有一张地图(脑图或者思维导图)。

而引领我们走向未来的地图更像是一张缺失了很多小版块的拼图。你能够看到这里或那里的大致轮廓,但总有些地方你弄不清缺少的是什么图案,导致无法拼接起来。然后有一天,有人把另一堆拼图倒在桌子上,突然那个图案就进入了你的视线。与拼图不同的是,没有人能够事先知道未知领域的地图全貌。在我们看到它之前, 它并不存在—-把它拼出来的过程就是一个不断发现甚至是发明的过程。

从过去获取经验

马克-吐温曾经说过一句名言:“历史不会重复自己,但总是押着同样的韵脚。”研究历史并发现其中的规律,这个是我在思考未来时学到的第一课。

  • 20世纪70、80年代,独立的个人计算机软件业逐渐消亡,而微软则在应用软件领域不断地攻城略地。这是第一个规律,个人计算机产业以创新爆炸开始,打破了IBM对第一代计算机的垄断,却以“赢者通吃”的形式产生了另一家垄断公司而结束。这里可以想象下个周期会是什么。
  • 关于未来的另一条经验是,未来很多事情不会平白无辜地发生,是人让他们发生的。个人的决策很重要。
  • 如果想预见未来,你要看的就不是主流技术,而是要看那些处于边缘的革新者。
  • 把好奇心和奇思妙想作为通向未来的向导。那些狂热者们的奇思妙想可能意味着他们看到了你暂时还看不到的东西。
  • 关键经验,把身处未来的人们聚集起来。科幻作家威廉-吉布森有句名言:“未来已来,只是尚未流行。”Linux和互联网的早期开发者已经处在未来,这个未来正在向更广阔的世界扩散。把这些人聚集起来是重新绘制地图的第一步。

但是,地图、经验也可能会错。在诸如科学和技术日新月异的领域里,地图之所以会错,是因为未知的东西太多。我们每一位探索者都试图弄明白什么是可能的、什么是有用的、没有的,以及如何前进。因此,地图和经验应当辅助看路,而不是代替看路。如果看地图知道前面需要转弯,你就会留心。如果你明知道有这样一个转弯,但地图上没有出现,那也许是走错路了。看地图和看路,这是理论+实践的过程!

从现在得到启示

这是下一条经验。如果未来已来,只是尚未流行,那么就应当去找到未来的蛛丝马迹并研究它们,然后问问自己,当这些现象成为新常态的时候,情势会有什么不同?如果形势照此发展下去,会怎样?你看待世界的方式限制了你说看见的东西。

《创新者的窘境》的作者克莱顿-克里斯坦森建构了一个理论框架,这框架解释了开源软件的范式转变过程。在2004年发表于《哈佛商业评论》上的一篇论文里,他这样阐释“高利润守恒定律”:

当模块化和平价化使得价值链上某一环节的高利润消失时,与之相邻的环节往往会出现高利润的专有产品。

正如IBM个人计算机的平价化使得利润聚集在软件行业一样,隐藏在互联网背后的开源软件的平价化也使得财富聚集在了新一类的专有应用上。

2004Web2.0革命起于“利用集体智慧”,数据成为新的Intel Inside。在个人计算机时代,我们曾经习惯于把软件当成产品,现在公司把软件当成一种服务。这就意味着我们将会看到一种软件开发的新模式,称之为“渐进式、以用户为中心、数据驱动。”

2009年智能手机革命已经把网络从桌面移动到了口袋,集体智慧应用程序不再只是受敲键盘的人的影响,而是越来越多地受到传感器的影响。我们的手机和摄像头正在变成应用程序的眼睛和耳朵;运动和位置传感器显示我们的位置、我们在看什么以及我们运动的速度。数据被收集、呈现然后实时付诸行动。参与量正在以指数级增长。渐渐地,网络就是世界—世间的所有人和物都投下信息的影子。

通常会有一家或几家典型的公司,代表了技术的下一个浪潮。学习这些公司的经验会帮助你绘制未来的地图。现在关于影响未来的趋势,能给予我们最多启示的两家公司分别是优步和来福车。这种商业模式里的核心元素是:

  • 以使用代替拥有
  • 乘客可以按需约车
  • 魔幻般的用户体验
  • 只要你有需要,司机就会出现
  • 增强版员工
  • 是公司,更是平台
  • 算法管理

从这些核心元素可以得到未来商业的启示,即“下一代经济的商业模式图”的核心元素有:

  • 用信息代替物质
  • 网络化市场平台
  • 按需
  • 算法管理
  • 增强版员工
  • 魔幻版的用户体验

用全新的眼光看待现在,当企业家不是仅用新技术复制前人的工作或是改进世界现在的样子,而是去重新思考世界应该是什么样子的时候,真正的突破就到来了。

算法统治世界

在不久的将来,世界有望实现人类大脑和计算机的紧密耦合,由此而建立的人机合作伙伴关系将颠覆人类大脑的思维常规,革新当今信息处理机器的数据处理方法。 —-约瑟夫-利克莱德,1960

如果沿用20世纪工厂的思维方式,大概会认为在谷歌、亚马逊和Facebook这样的公司里,成千上万的软件工程师们日复一日地生产产品和工业流水线上的前辈们别无二致,唯一区别在于:今天他们生产的是软件产品,而非实物,但是用21世纪的思维去审视这些公司,就会发现他们从事的大部分工作—-提供搜索结果、新闻与资讯、社交网络状态更新、相关产品购买、网约车司机—-均由软件程序和算法完成。这些程序相当于过去的工人,编程人员就是他们的经理。

如果把算法比作发动机,那么数据就是它的燃料,而训练出来的模型就是飞机。比如机器学习中,开发人员首先进行假设,根据假设有针对性地收集一套训练数据集,然后把数据输入到程序算法中,输出一个模型—-从数据中提取出特征的数学表达式。这个流程周而复始,利用程序算法对模型进行微调,并采取梯度下降法逐渐修改假设,直到它更完美地匹配数据。简单来说,改进后的模型是从数据中学习的结果,之后可以把模型放开,吸收与训练数据集显示的现实世界数据,然后进行预测。

在大数据时代,一些公司为了牟取利益,不惜滥用用户的隐私数据。例如Facebook泄露的用户数据数量达到千万级。因此,在未来,政府的监管会起到关键的作用,需要给数据画红线,保护用户的数据。

算法时代的媒体,有着亟待解决的问题—-假新闻。Facebook的假新闻在2016年美国总统大选中起到了一定的影响作用。由点赞驱动的社交媒体算法为每个人定制更多他们感兴趣的信息,肯定他们的偏见,强化他们的信念,鼓励他们在网上结交与自己志同道合的人。算法会根据不同的人,推送不同的假新闻,以达到有效影响的作用。假新闻正是互联网商业模式中最阴暗的一面。

在面对假新闻时,我们应该问几个问题,从而更理性地判断真假:

  • 故事或图片有没有引用来源?
  • 数据来源说描述的情况是否真的与文章所称的一致?
  • 来源是否有权威性?
  • 是否具有统计学规律,在数学上是否说得通?
  • 引用来源是否论证了观点?
  • 是否做到了同一个故事包括多家独立观点?

算法时代带给我们效率的提升,但也有阴暗的一面,我们未来该如何应对完全取决于我们自己。

未来掌握在我们手中

未来人类真的无事可做了吗?

担心失业的痛苦,是来自技术和经济过快发展带来的变化的生长之痛,是来自两个经济周期之间再调整的痛苦。经济学家凯恩斯将我们当下的苦闷命名为“技术性失业”。他将其定义为人类为自身劳动力找到新用途的步伐,赶不上我们消除劳动力需求的速度。他总结道,“但这只是一个暂时的失调期。”

我们不会失去工作,除非已无问题需要解决。问题解决完了吗?当然没有,我们正面临着能源基础设施的巨大转变,以应对气候变化;传染病的挑战;人口结构倒置,老龄化社会问题;粮食危机等等。

但我们不会失去工作,并不等同于我们不会失去岗位。岗位是一个人为的设置,其中的工作内容有企业和其他机构来管理分配。正如从前没有程序员这个岗位,但随着计算机的出现和技术的发展,人们通过学习由原来的职业变成了程序员。

未来什么岗位更加有价值?

根据克莱顿-克里斯坦森的高利润守恒定律:当某件商品平价化后,其他事物随之变得有价值。当机器将一些重复性、机械化的脑力劳动商品化后,真正由人类贡献的成果将更富价值。因此学习成为了最重要的增强途径。理解未来的关键之一是要认识到,随着已有知识嵌入工具,就需要学习另一种知识来使用它,再有另一种知识来改进它。每次增强飞跃之后,学习就成为一种当务之急。就像最初的程序员学习使用的是低级的汇编语言,后来是面向对象的高级语言如C++,Java等,再到现在的机器学习训练模型而不是直接写代码。这是一个事实:技术发展远远领先教育系统。

然而无论获取新知识的技术与方式如何变化,总有些东西是不变的:

  • 人们要有一定的基础:起码能够正确提问和接受新知识,这是结构化素养,知道应该学什么和怎么寻找,脑中有完成任务的路线图。这也证明了按需获取信息的能力是下一代学习的关键;
  • 人们相互学习,通过分享和协同,会学得更多;
  • 人们在动手解决实际问题、寻求他们需要的知识时,学习效果最好;
  • 人们因着迷于所做的事情,出于兴趣愿意投入个人时间来学习,而不仅出于工作需要时,学习效果最好。

总结

“以史为镜,可以知兴替”,站在现在,回顾历史带来的经验,洞察着现在的变化以窥探未来的可能。我不担心技术会取代人,相反,人通过持续的学习可以用技术让自己变得更加强大,让自己能够去做以前不可能做的事情!