你知不知道，未来，你很有可能会沦为幽灵打工人(9)

人工智能并不像大多数人希望的或害怕的那样聪明。以驱动AlphaGo的人工智能为例，最近技术专家斯科特·哈特利（Scott Hartley）在《模糊性与技术专家》（The Fuzzy and the Techie）一书中记录了它取得的斐然成就。围棋是中国古代的棋盘游戏，2017年5月，AlphaGo成为第一个击败中国围棋世界冠军柯洁的电脑程序。5个月后，AlphaGo迭代出AlphaGoZero。但我们不必太震惊，因为有一点非常重要，即围棋的规则是死的，有固定的形式，在封闭的环境中进行，结果完全取决于两个玩家。在谷歌旗下的公司DeepMind，AlphaGo和AlphaGoZero的人类程序员给出了输赢的明确定义。围棋的制胜之道是在对弈过程中预测落子的远期影响。
因此，通过人类围棋大师对弈的庞大数据库以及与自己对弈，AlphaGo接受了几十亿个棋局的训练，从而了解哪种棋路更好，哪个落子位置威力更大。之后AlphaGoZero与它的镜像AlphaGo对弈，把之前的经验又复习了一遍。但是正如人工智能研究领域的著名专家汤姆·迪克里奇（Tom Dietterich）所说，“人工智能对世界的渊博知识必须依靠人类补充”，如此才能完成大多数日常任务。现实生活可比围棋复杂得多。
新的线上工作平台把工作机会介绍给琼、卡拉、贾斯汀和艾莎，这颠覆了媒体经常报道的人工智能拥有无限智慧、机器人势不可挡之类的传奇故事。现实世界的任务，从识别仇恨言论、把出租屋归类为春季婚礼的绝佳场地，到修正纳税申报表，都需要人类的见解和判断。生活不像围棋，不存在单一形式和最优解。例如，你很难列举“最好的”婚礼场地具备哪些特质。即使能列出来，也不会使人信服，因为人们对这些特质存在不同的偏好。
此外，也不存在那种用来教会人工智能识别“最优解”的训练数据。而且，从方言俚语、气候变化引起的飓风，到随意的税法改革，一系列无穷无尽的外部因素会掺杂进来，影响结果。在许多情况下，未知因素太多了，以至于无法训练当前的人工智能，使它具备足够的意识或者获得足够的经验，也无法对所有意外情况做出明智的反应。这就是为什么人工智能还必须得指望人类，利用人类对世界的渊博知识来弥补决策的盲区。
任何人只要像我们一样仔细地观察，走到人工智能的背后，就会发现一个新的工作世界，在这个世界里，软件管理着人类，而人类则在完成计算机做不到的工作。这个世界的系统把任务从人转移到机器，他们通过自动化来解决新的问题。例如，网络成为主流之后，Facebook、Twitter和Instagram等公司需要在线审核的内容越来越多，仅仅靠自动化工具无法实现。与此同时，新系统上线时，通常会面临突发问题，无法达到预期效果，因此需要卡拉和琼的工作。多亏了这样的工人，自动化审核软件变得越来越好，但还远远不够完美。在达到完美的过程中，自动化不可避免地会出现小故障，这就需要临时工来解决。一旦工人成功地训练了人工智能，使它像人类一样工作，他们就会转向工程师指派的下一个任务，这些任务将不断推进自动化的边界。人们畅想人工智能的新应用，自动化的终点线也在改变，所以我们无法确定通往完全自动化的“最后一英里”是否会走完。