【思想界】人工智能最先取代的未必是体力劳动者，而是脑力工作者？|界面新闻 · 文化美剧《西部世界》的热播再次引发了新一轮关于人工智能的热议，《纽约时报》刊登《A.I.的伟大觉醒》一文，人工智能正在改变着我们的期待和更多事情。人工智能的学习能力究竟有多可怕？A.I.有朝一日会把人类当做蚂蚁一样辗轧吗？这一在科幻作品中出现过无数次的场景究竟在现实中离我们多远？机器学习的潜力和局限在哪里？高度自动化的社会会带来怎样的劳动分工和阶级分化？
而我们对于&男孩危机&的焦虑，则是男权主义幽灵的阴魂不散。当二十世纪的女性和性少数群体的平权运动松动了男性异性恋的霸权，女性的&后来居上&和男性气质的迁移反而成了&被制造&出来的新问题。而为这一&伪命题&寻找的解决之道，不仅剥夺了每个个体选择各自生活方式的权利，而且加重了性别偏见和不平等，甚至会制造暴力和伤害。
机器学习的未来：脑力工作者首先被人工智能取代？
美剧《西部世界》迎来季终，剧中人工智能从记忆（memories）到即兴（improvisation）再到意识（consciousness）的不断觉醒和层层跃升，暗合着现实中&深度学习&（Deep Learning）技术的发展和应用，为机器的未来提供了丰富的想象空间。在过去的一周，《纽约时报》发表了一篇对Google Brain团队的深度报道，在这篇名为《A.I.的伟大觉醒》的文章中，作者刘易斯-克劳斯（Gideon Lewis-Kraus）介绍了谷歌如何运用人工智能技术改造了谷歌翻译，以及机器学习（machine learning）将如何彻底变革计算机。
《西部世界》剧照
文中指出，人们对于人工智能的认识在不断地发生变化。对于十几年前的人们来说，谷歌地图绝对是一个有说服力的人工智能范例，它可以做到任何一个会读地图的人类所能做到的事情，并且更加快速和准确；它还可以做到普通人做不到的事情，比如评估交通状况、计划最优路线等等。然而在今天的人们看来，谷歌地图只能接收直接的指令并尽量高效地满足这个需求，我们对人工智能的期待显然在提高。
这大概就是目前我们对人工智能的应用水平和人工智能的终极目标&通用人工智能&或者&强人工智能&（AGI，Artificial General Intelligence）之间的差距。通用人工智能不再需要忠实地依附于直接具体的指令，它可以自己分析和解读间接的要求，成为一个全能的助手，就像电影《她》中斯嘉丽&约翰逊扮演的角色那样。
在&人工智能&这个词最初被提出的时候，大部分学者都认为，创造人工智能最好的方法是写一个庞大而全面的程序，包括逻辑推理的规则和关于世界丰富的知识。这一观点通常被称为&符号人工智能&（symbolic A.I.），因为它对认知的定义建立在符号逻辑的基础上。但是符号人工智能有两个问题，首先对于人类来说，这一工程非常费时；其次，它只能在规则和定义非常清晰的领域起作用，比如数学和国际象棋，而在翻译这一领域，它的表现则非常糟糕。
另一派关于人工智能的观点认为，电脑可以自下而上地学习成长，而并非从对顶层的规则开始学习。人脑就是这种灵活、自动化智能的最佳范本。如果可以用电子的形式来模拟大脑神经网络的结构，那么在理论上，机器就可以像我们一样学习。
这种关于人工智能的态度是进化论的，而非创世论的。如果想要获得一种灵活的人工智能，它就必须能够适应环境，而要想它能够适应环境，就必须从一些最基本的能力开始建构它，比如感官知觉和运动控制，然后期待更高级的技能可以从中有机地发展出来。
五年前成立的Google Brain团队就建立在这样一个原则上：一个人工的神经网络，可以像小孩子一样在不断试错中自己学习，这样的人工智能可以发展出一些人类的灵活性。建立在机器学习技术上的新版谷歌翻译，已于今年11月初上线。在上线前四天的一场内测中，东京大学人机互动教授暦本纯一（Jun Rekimoto）将海明威的小说《乞力马扎罗的雪》开篇的一段翻译成日文，再将它输入谷歌翻译，翻译回英文，与海明威的原文相比，只有&豹子&一词前面漏掉的一个冠词，暴露了它是机器翻译的秘密。&
在文章的尾声部分，作者对机器学习和意识（consciousness）本身做了更深入的探讨。他指出，历史上对于人工智能最著名的批评就是关于翻译的。加州大学伯克利分校的哲学家约翰&赛尔（John Searle）于1980年提出了名为&中文房间&思想实验：一个只懂英文的囚犯坐在牢房里，另一个素未谋面的囚犯从门缝里塞进一张写着中文的纸条。收到纸条的囚犯可以根据一系列表格和规则来回信，当他熟悉了这些规则，他的回复就和懂得中文的人没有区别。那么我们可以认为这个囚犯真的懂得中文吗？赛尔认为当然不能。在这个思想实验里，囚犯就像是一台电脑，而一台被输入了相应程序的电脑并不等于拥有了和人一样的心智。
在对于&心智&的理解方面，Google Brain团队与其他在硅谷从事&机器学习&的研究人员有着根本上的不同。他们不认为&意识&（consciousness）是特殊、神圣的精神属性，或者像哲学家吉尔伯特&赖尔（Gilbert Ryle）所说的&机器中的幽灵&（ghost in the machine)。相反，他们相信&意识&是技能的复杂集合，它从各种简单机制的协调活动中随机产生。因此，逻辑推理只是一种幸运的归化（adaptation），它和扔球接球这种简单行为没有任何区别。人工智能并不是要创造人的精神和思想，而是要提高工具解决问题的能力&&这不是机器&知道/理解什么&的问题，而是关于它&能做&什么，或者还&不能&做什么。
而2015年在麻省理工学院举办的一场关于人工智能的根源的会议上，有人提问著名语言学家乔姆斯基对于机器学习的看法，他轻蔑地将之斥为&纯粹的数据预测&、&被封神的天气预报&。乔姆斯基认为，即便神经翻译（neural translation）拥有了最完美的功能，它依然不能揭示语言最深层的本质。就像是机器可以在医学扫描中发现肿瘤，甚至比放射科医生做的更好，但是它并不能告诉你，是什么导致了癌症。
然而事实上，医疗诊断可能是最先受到机器学习的威胁的领域。仅在过去一年中，研究者就发现，人工神经网络比人类更容易在医学影像中发现肿瘤，甚至可以通过病理报告做出诊断。放射科医生的工作并非逻辑分析，而是&样式匹配&（pattern-matching），他并不会告诉你是什么导致了癌症，只能告诉你癌症就在那里。这似乎也预示着，在不久的将来，更多脑力劳动者（甚至是医生这样的高级脑力劳动者）的工作将被机器所取代。
微信公众号&土逗公社&发表的《白领和掏粪工，哪个更容易被人工智能取代》一文也提到了类似的观点。作者胡梭首先指出，强人工智能的概念自提出以来就受到了很多质疑。加州大学伯克利分校的哲学教授、现象学家德雷福斯（Hubert Dreyfus）很早就在《计算机不能做什么：人工智能的极限》一书中断言，计算机无法应对知识表征的语境依赖问题，强人工智能的幻想不过是新时代的炼金术。
不止德雷福斯，赛尔（John Searle）和彭罗斯（Roger Penrose）等人都批判过强人工智能的观念，他们都认为，数字计算机无法完全模拟人的心智，现在基于图灵机模型的计算机架构只是一个形式系统，它可以根据特定的定义、明确的规则来对某种物理标记进行有效的机械操作，最终在有限步骤内获得一个预期的计算结果，比如下棋。因此，在这一意义上，阿尔法狗战胜人类并不是一项突破性成就。
然而，人的心智要比下棋复杂得多，它涉及到直觉、意识和生命过程这样难以用计算机模拟的现象。而即便是那些单纯的表征内容，也通常由于其情境性特征而无法清晰定义它们的形式规则，从而难以被计算机完全模拟和执行。例如语言，在自然语言中总有一些例外规则，无论是基于逻辑推理还是概率的方法，人工智能对于复杂的句子可能都无能为力。
这将会造成一个人们意想之外的现象，那就是机器首先取代的，未必是体力劳动，而是高度形式化的脑力劳动。在现有技术条件下，机器不可能模拟和处理所有的情境，因此如建筑、环卫、护理等需要应对无数可变情境的体力劳动，反而很难被机器替代。而简单的信息采集和整理工作，只要不涉及文学性的写法，只是处理一些语法规则简单、语境相对独立的句子，机器则很容易胜任。总而言之，无论是体力劳动还是脑力劳动，那些高度依赖直觉、创造力和学习能力的工作，都将会保留下来。
作者指出，按照现象学的观点，人本身也可以被理解为一部机器，海德格尔意义上的&被抛入世界的机器&。人的身体不仅支撑了生命，而且在非常深刻的层面上形塑了人的心智结构。因此，如瓦雷拉（Francis Varela）和汤普森（Evan Thompson）这样的现象学家，一直主张具有身体的人工生命是人工智能的前提，即人工智能必须有一个鲜活的身体，嵌入到具体的情境之中，在历史中演化。而现在主流的深度学习仅仅是基于大数据的暴力运算，以监督式学习为基础的深度学习仍然不具备真正的创造力和学习能力，更不具备一切智能系统应有的目的、欲望和情感，因此，强人工智能的出现仍不可见。
因此在现阶段，我们虽然不需要警惕人工智能本身，却不能不警惕人工智能的应用，人工智能、基因编辑、生物医疗等新技术与资本的结合，可能早就塑造了一个跟绝大多数人隔绝的精英世界。在这样一个世界中，富人享受着自动化带来的一切好处，甚至可以订制更聪明、更健康的后代，而穷人则与新技术绝缘，从事着人工智能无法替代的初级劳动。
&男孩危机&是伪命题？我们需要怎样的性别教育？
12月7日，国内首本男生性别教育教材《小小男子汉》在上海举行了新书发布会，该书主编、上海闸北区第三中心小学校长尤睿表示，&近年来，在应试教育等众多因素的影响下，男生的健康成长备受关注，寻找&小小男子汉&也成为了一个社会话题，这本教材正是在这样的背景下诞生的。&
12月9日，在中国新闻网题为《全国首本小学男生性别教材引关注，&男孩危机&怎么破？》的报道中，有专家称，如今校园内男孩在学业、体质、心理和社会适应能力等各个方面已经被女孩全面超越，&阴盛阳衰&已是不争事实。而一些男生外形柔美、说话&娘娘腔&、穿衣打扮趋向女性化，男生阳刚之气不足的问题更引发了社会担忧。文章还分析了&男孩危机&产生的主要原因，其中包括女生越来越强势；父亲在教育中的缺位，使男孩更多地受到了女性化的影响；日韩流行文化的影响等。文章一经发表即引发争议与批评，其中对于性别的刻板印象与对所谓&男孩危机&的不实宣传，不禁让我们思考：我们究竟需要怎样的性别教育&&是被意识形态和性别偏见裹挟的？还是真正具有科学导向和平等意识的？
在《&男孩危机&：男权的怀旧幽灵》一文中，作者重木指出，人们对于男孩身上男性气质弱化的恐惧，就好像一部分国学者对于传统女性气质丢失的焦虑一样。而有趣的是，他们对这两种相似现象的解决办法也如出一辙，都是以某种仪式性的手段，来召回在他们看来已经远去的&气质幽灵&。
作者援引社会学家R. W. 康奈尔（R. W. Connell）的理论，将&男性气质&划分为四种具体类型：支配性、从属性、共谋性和边缘性。其中只有&支配性男性气质&是作为社会主流意识形态而被认可和称赞的，而&拯救男孩&正是希望把男孩们从其他非支配性男性气质中拯救出来，尤其是从属性的男性气质，时常被人们用&女孩子气&或&娘娘腔&这样的词语来形容。
面对这样的性别刻板印象，作者首先强调，无论是性别本身还是男女两性气质，都不是自然赋予、生而有之的，它自始至终都是一种社会历史文化的建构。而所谓的&阳刚之气&同样来自建构，同样是在社会实践中逐渐形成的，在不同的历史语境下还有相应的更迭和变化。
&男子汉气质&的流变
盖尔&比德曼（Gail Bederman）在《用种族和&文明&重塑男人身份》一书中，回顾了英国历史上关于男性气质的权力角逐。在19世纪末，曾经占据支配地位的维多利亚式男性气质被污名化，并最终遭到抛弃，而劳动阶级代表的粗野的男性形象登上历史舞台，中产阶级找到了新的方式来张扬男性身体的健康、肌肉和力量。而这种支配性的男性气质随着西方殖民势力的扩张传播到其他国家，也影响到中国，从&东亚病夫&这一侮辱性称谓中可以窥见一斑。
而随着二十世纪女性和性少数群体平权运动的兴起，传统的支配性男性气质受到了挑战，于是他们迫切地想要召回被驱逐的男权幽灵。尤其在当下中国，在这一曾经的父权男性异性恋社会中，女性和性少数群体的觉醒必然会对这一霸权造成解构，但这并不意味着支配性男性气质并非如他们所恐惧的那样已经失去主流位置。所谓&男孩危机&并不存在于现实中，只存在于对支配性男性气质的怀旧中，相反，女性和性少数群体仍然生活在歧视、污名和压迫之中，她们争取权利的斗争才刚刚开始。
而那些&拯救男孩&的活动&&如&父子班&、&男孩班&最终培养出来的只能灌输一套关于女性、两性以及同性恋和性少数群体的陈词滥调，让偏见和污名在这样的&父-子&模式中继续死灰复燃。
最后作者呼吁，我们不再需要那个事事物物都被性别成见禁锢的世界，无论男孩还是女孩，都应该可以按照自己的意愿，去成为自己想成为的人。
而在《阳刚教育是校园欺凌最恶劣的解决办法》一文中，作者麦嘈将&阳刚教育&与近期另一个社会热点&校园霸凌&联系在一起，认为所谓的阳刚教育，不仅会加重两性之间的不平等，也可能在男性之间制造暴力和欺凌。作者认为，很多学校教育和家庭教育，将男孩之间的竞争（无论是暴力的还是非暴力的），看成是男孩社会化的必经之路，将争强好斗视作值得推崇的男性品质，甚至认为手无缚鸡之力的男孩活该挨打，在传统标准下不够阳刚的男孩，本身就是有问题的。这不仅让我们警惕校园霸凌与性别气质之间的内在联系。
联合国教科文组织对&校园霸凌&的定义将霸凌归因于&权力不平衡&。所谓&权力不平衡&，指的是男孩通过一系列实践而习得男性性别优势，这一优势建立的过程往往伴随着霸凌和其他暴力行为。虽然不少男孩对此并没有自觉意识，但如果学校和家长纵容甚至鼓励这种行为，为其背书埋单，就会让孩子逐渐相信，他周围的文化鼓励他所属的性别通过竞争性的欺凌行为，来取得相对于其他弱者的优势，并以此建立霸权性的男子气概。
因此，呼吁阳刚教育，一方面根本无法让所有男孩强起来，另一方面，更让学校和家长对男孩养成方案背后存在的问题视而不见，在一个竞争和教养都充分性别化了的社会里，丛林法则的诸般逻辑，最终还是会归于性别。
&&&&&&&&&&&&&&
欢迎你来微博找我们，请点。
也可以关注我们的微信公众号&界面文化&【ID:BooksAndFun】
更多专业报道，请
0界面记者相关文章您至少需输入5个字评论()激辩：人工智能将会取代一半的人类工作吗？
人工智能不只是代替一半的人类工作，可能会代替80%、90%的人类工作。
讯 12月15日消息，由创业黑马主办、摩比神奇冠名的2016年创业黑马社群大会今日在京举行。在本日激辩环节上，朋友印象、乂学教育创始人栗浩洋，格灵深瞳技术副总裁邓亚峰，图森互联首席科学家王乃岩，智能管家CTO雷宇，DeepCare联合创始人、CEO刘圣等六位嘉宾开展了题为&人工智能将会取代一半的人类工作吗？&的激烈辩论。
这场讨论，虽然是以辩论的形式进行，但实际上正反方只是表象，这其实是六位嘉宾对人工智能发展未来的讨论。栗浩洋，用工业革命代替了大部分工人的工作为佐证，代表正方提出人工智能不只是代替一半的人类工作，可能会代替80%、90%的人类工作。他认为未来十几年是&人工智能+&的时代，这场颠覆将会比互联网和移动互联网给人类带来的颠覆更加令人震撼；刘圣则代表反方提出&人工智能不会取代人类，而是解放生产力&。
以下为现场辩论实录节选：
正方辩手（会）：
邓亚峰 格灵深瞳技术VP
栗浩洋 朋友印象、乂学教育创始人
雷宇 智能管家CTO & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & &&
反方辩手（不会）：
王乃岩 图森互联首席科学家
刘圣 DeepCare联合创始人、CEO
王曦 杉数科技联合创始人
正方反方辩论陈词
正方邓亚峰：我方认为人工智能能够取代人类的工作，人工智能是一种用机器来实现人的一些智能，增强人的能力的技术。它的目标实际上是要提高这个社会的生产力。
为什么说它能够取代人的工作：
第一，技术的进步。人工智能发展了60年，在近几年内，归功于深度学习技术的出现，在技术上取得了非常大的进步。以图像识别中的人脸识别技术为例，过去的50多年中只有4倍的提升，但是在最近几年内取得了20倍的提升。这个领域还会有更多的技术进步出现。
第二，归功于大众、资本的关注，更归功于应用的产生。在前几年讲人工智能，关注的都是很专业的人士，大众很少有人关注。而现在社会、资本对这个方向非常的关注，同时各种应用应运而生，这些都能够促进这个行业的进步。
第三，为什么我们认为很多的工作可以给人工智能代替呢？是因为人工智能的特点，决定了它要代替的是人比较简单的重复性工作，而这部分人是在社会中数量最大的人群，所以说能够代替一半的人。
反方王曦：今天我们讨论的这个题目其实是面向未来的，但是如果回溯一下历史，我们会发现伴随着任何一次科技技术的革新，都会有类似的讨论，所以我们不妨来看一下历史上究竟发生过一些什么，给大家举一个不太遥远的例子。
1908年，当人类第一次实现批量化、流程化生产福特汽车的时候，人们出现了相似的担忧，因为整条生产线上可能一半以上、甚至三分之二的员工都已经不被需要了，只需要14个小时就可以生产一部汽车，这样人类的工作彻底会被机器取代。
但是实际上我并没有看到这些人被彻底淘汰，相反我看到的是这些人转而能够服务于由于机械化、流程化生产，而催生出一个比原来更大千倍、万倍的生产。具体而言就是汽车的生产、制造、服务、保险，现在可能是一个达到了11万亿的市场。
最后总结一下，我认为这个问题不要关注眼前的这张小饼，要看人工智能给我们带来的大饼。
正方雷宇：我觉得人工智能提高生产力，释放很多好的需求，是一定会发生的。比如，现在人工智能的基础是通过机器深度学习，可以把人类以前所有的基于经验的、基于数据的很多工作，都承担起来，我觉得这是社会进步，就和第一次和第二次产业革命是一样的道理。
我觉得这是一个不可逆的过程，大家必须去接受它，只有这样才能把人的精力释放出来，人类才能引领新的格局、引领新的未来。
我本人是做机器人的，如果我们把机器人作为人工智能的最佳载体来说的话也是一样的，很多重复劳动还有高危的一些行业已经在发生了，比如说客服机器人、迎宾机器人、消防机器人，都是在代替人类的工作，大家会觉得这是在解放生产力，我觉得这是一定会发生的事情。
反方王乃岩：我的观点主要有两点：第一，我确实赞成对方辩友说的，可以取代掉部分的人工工作。可能机器可以取代掉人类99%的工作，但是剩余1%的工作，是需要人来完成的。比如说在自动驾驶中，机器可能在99%的时间能够取代人，但是在剩下1%的时间，也就是那些往往最危险、最关键的时刻，人的作用依然是不可取代的。但是如果只考虑那99%、忽略掉1%的话，这样的系统仍然是不能完全被机器所运作的。
第二点，目前的人工智能依然是以数据为主导的弱人工智能，这其中涉及到我们要去采集大量的数据，用来覆盖掉我们所有可能可以遇到的情况，我们并不能像人类这样使用一个描述性的语言定义一个事情，这样的一个弱人工智能其实是非常不完善的。
正方栗浩洋：刚才反方的一辩其实正好证明了我们的观点。他说其实人工智能机械化取代了人的工作，以至于他可以做别的，或者像马斯克说的那样什么也不做，由政府来发福利。我投资并担任董事长的乂学教育，做的就是用机器来代替人类老师的工作。我认为我们可以代替几百万、几千万的老师，因为每位老师不可能像人工智能系统一样了解6万个知识点，了解6000万道题目、了解所有的高考、中考考点&&这样的人工智能机器人与人对比，其智能远高于人类智商的智能。所以我认为人工智能代替的人类目前的工作，将是大面积的而且也是恐怖式的，而人类到底走向哪里，能不能被政府发福利，能不能获得更优越的生活，我们并不知道。
反方刘圣：刚才我觉得正方的一辨、二辨也是反过来在证明我们的观点。刚刚我们的二辩说人工智能很多可以解决大部分的问题，但是可能最后只有1%到10%的问题是没法解决的，所以这个时候需要人类的介入。
举个例子，我们是做人工智能和医疗的，我们想做的事情是，想教会电脑看医疗的片子。我们在帮助医生的时候，等于医生在看病的时候，看的是脑袋里面的数据库，根据他很多年的经验积累下来的数据库。一个好的医生一辈子看的不会超过5万个病例，可是5万个病例如果教给机器来学的话，可能只需要一个礼拜的时间。那我们通过大数据的积累，帮助医生提高其诊疗水平，最后做决定的时候还是由医生来做。
三分钟的自由辩论
正方：其实在极少数的地方，人工智能只能代替一部分的人，但是在80%的工作里面，人工智能可以全部代替人。比如说搬运机器人，比如说很多工业制造商的生产线，完全可以用机器人代替人。
反方：我们不否认这件事儿，但是我们今天的辩题是是否能够取代人类。我们其实回想工业革命或者是农业革命，都是一样的。我们被取代的工作通常都是重复性的比较低价值的工作。把这些人力解放出来之后，其实他们可以投入到更高价值的工作当中去，为我们整个社会创造一个更大的饼、更大的价值。
正方：实际上我觉得人工智能是不可能把人都抛弃掉或者取代掉的，但是在人数众多的重复性的劳动上是具有非常大的优势的。
反方：刚才我们都强调是可不可以取代，但是其实在很多行业里面，人工智能能够比人做得更优秀，这是大家不容否认的。比如，在一些需要精度的地方，机器人是完全可以代替人类的，并且我觉得这个是可以依赖他的。科技是用来被人用的，这是我们最核心的观点，只有科技才能推动人类发展。
我们杉数科技就是一个用运筹优化，机器学习、深度学习理论来帮助企业做决策的。但是我今天依然是反方的辩手，这两件事情其实并不矛盾，因为我们的目的并不是要取代决策者，而恰恰相反我们要为决策者提供支持。他能够告诉我们什么样的决策场景、什么样的决策输入，才能得出一个合理化结论。换句话说，如果把人工智能切分开来，要以人工为基础去开发智能，而当智能成熟了以后，他必须要反过来服务于人工。
正方：我觉得对方三位辩友搞混了智能化机器、智能系统和人工智能的区别。人工智能并不是做一个机器设备让人来操控的，至少在某些领域里面会全面取代人，比如亚马逊的仓储搬运机器人，包括未来的自动驾驶，我认为未来有一天一定是全面取代所有的司机，尽管它可能也会死人，但是出事故的概率远远低于人类，我们就可以让它百分百取代。
还有医疗，我们每个人都受过庸医给出来的错误诊断的痛苦，现在别说普通的医病的案例，既使在CT对于癌症的诊断方面，最高明的医生大概也就80%的准确度，而现在人工智能已经达到99%的准确度。为什么在这么高准确度的时候，你要让一个低智能的人类再来替机器做的判断呢？
反方：这个问题其实更涉及到技术层面的一些理解。这一轮人工智能的兴起，很大程度上是源于深度学习的发展。但是我们知道深度学习从2012年有了一个飞速发展之后，至今也有差不多四五年的时间了。深度学习的红利还能持续多久？以目前从学术界的角度来看，最多也就再有5年时间。我的意思不是说人工智能不会有发展，而是在5年之后，我们在这一波深度学习的发展之下，我们能解决的问题已经解决得很好，但是我们不能解决的问题仍旧不能解决。实际上这种强人工智能，仍然需要再有一波需要像深度学习这样的革命性变革。
正方：花旗银行和牛津大学的一个报告，跟你的看法相反，他认为美国有47%的人类工作，中国、印度有70%的人类工作，都会在最近的15年全部被取代。
反方：刚才正方三辩一直在强调人工智能是要取代人类的，但是我想问一个事情，就是人工智能再厉害、机器人走到哪儿也是要找电源的。
正方：我想回复对方二辩说的结论。其实我是不认同的。第一，这个辩题没有规定时间，5年。第二，深度学习技术，其实我跟乃岩本身是做算法方面的，这个技术确实取得了非常大的进步，但是并不等于它是停止了，它其实变成了一个基础，比如说在特征表示这方面。所以说技术的进步，尤其是现在受到这么多的关注、这么多的资本和学校的支持，其实这个领域是很难用今天的视角来看，它就已经是限定了的。
反方：我非常同意你刚才说的，不能以一个限定的眼光去静态地看我们现在这张饼的大小，这张饼的大小可能很容易就可以有一半甚至更多被机器人或者人工智能取代。但是因为它们所催生出来的更大的饼，它们能占多少，我相信远远到不了一半。
正方：所以我们并没有说完全把人代替掉，而是把人解放出来做更高级的工作。我是说让人解放出来做这些需要脑力活动的高级的工作。
反方：我继续补充一下刚才的观点。现在的人工智能仍然是数据驱动的人工智能，所以它的使用场景仍然是非常局限的。确实我们在一些限定的场景、特殊的应用下可以超越人类。但是在更多的情况下，因为机器是没有常识的，所以会导致对于人类很简单的一些任务反而不能实现，比如是识别红绿灯这样一个简单的任务。
正方反方总结陈词
正方栗浩洋：我们认为人工智能不只是代替一半的现在的人类工作，可能会代替80%、90%，就像在上百年来，在农业领域，90%的人类工作都已经被播种机、收割机所代替。现在人工智能的拖拉机已经可以每分钟扫描5000株植物，可以识别出生菜和杂草、以及农作物的病变程度和未来要撒什么农药，从而节省90%的农药。
除了一些共识的工人和基础白领工作，人工智能在一些我们认为不可取代的领域里面，也取得了更好的成绩，包括新闻编辑领域今日头条的小鸣和新华社的快笔小新、律师判案，甚至是艺术领域。我们当时说人只能走到艺术的领域和情感的领域，但是现在人工智能在艺术领域的发展，它能够读懂毕加索、梵高、马蒂斯等并从中抽取艺术风格。人工智能作出的画已经超过了80%的画家的水平，也就是说，世界上80%、90%的艺术从业者都要被取代。
人工智能在艺术的商业应用更是突飞猛进，在《冰川时代》里面，人工智能机器人所做的美术渲染，已经部分代替了美工设计。在我们&朋友印象&APP里面我们通过人工智能来促进人与人之间的交往，不但能帮你高效地进行了社交匹配，而且我们期望在未来你不一定需要那么多的朋友和闺密，有一个人工智能的机器人闺密，可以跟你一起聊天、抒情，帮你一起去发泄骂你的老板，但是最后它们又能给你最有价值、最客观、最冷静的建议，能够帮助到你。
到了那一天，人工智能代替我们所有人目前80%的工作，并不是一件恐怖的事儿，而是我们在座的每个人必须要接受和拥抱的现实，也是我们每一个企业致力于要推动的事情。我觉得互联网+时代已经过时了，未来十几年是人工智能+的时代，而这场对几乎所有行业的颠覆会比互联网和移动互联网给人类带来的颠覆更加令我们猝不及防和深刻，每一个人一定要好好拥抱。
反方刘圣：我先来回应正方的观点。您捕捉到了很重要的一个点，我们现在这一波的人工智能主要是基于大数据的，所以我们用来训练的大数据其实是从行业里面来的。
您刚才讲的现在也有人工智能从事创造性的行业（比如说作诗、写音乐、画画），可是这些机器人作的画和写出来的音乐，只能够达到一般人的水平，也就是说让我们一般人看起来还不错的水平。如果真的让专家来评判的话，还是远远不足的。
应该这样讲，我们在座的各位都是人工智能的从业者，所以我们对未来是坚信不一的，我总结一下，我们并不认为人工智能会取代人类，而是解放生产力。有三个观点需要重申：
第一个观点：人工智能目前还是比较弱的人工智能，所以它的应用场景是非常有限的，它只能在特定的场景下解决一个定义非常明确的任务。
第二个观点：它能够取代的工作也非常有限，有三种工作是人工智能无法取代的，也就是领导者、连接者、沟通者。领导者就不多说了，没有人愿意听一个机器说话。沟通者和连接者是什么意思呢？比如说医疗是一个跨学科的行业，包括软件工程师、算法工程师和医疗工作者，连接者这个事情就必须要人来做。有一句名言说，医生是偶尔会治疗，常常会帮助，总是在安慰。那安慰这件事情只能人来做，而不能机器来做。
第三个观点：我们认为人工智能取代的是人类的重复性的劳动，我们把这些生产力解放出来，人类可以把时间放到更好的，解决一些高难度的劳动上面去，给社会、给整个进步创造更大的价值。}