□张瀚文 

　　自18世纪开启工业革命以来，各种科技逐渐融合，物理、数位和生物等领域间的界线逐渐模糊，同时又有各种新兴科技上的突破，如量子计算、生物科技、纳米技术、机器人学、人工智能、物联网、边缘计算、新材料和3D打印等。

　　这其中的一部分现在已经相当成熟。人们在媒体上看到了一些实用价值很高的应用，比如“拿了就走”的Amazon Go、迎宾和导购机器人、智能穿衣镜、货架监测和管理机器人、送Pizza的无人车……有些则是全新的，仍有大量值得摸索和尝试的空间。毋庸置疑的是，今天的人们仍然知之甚少，在展望未来时不够全面，可能还略显幼稚。

　　人类正步入机器脑时代

　　或许人类即将面对着的是，机器能够独立思考，系统会自我迭代更新。甚至于有人怀疑人类是否在创造一种物种都不得而知。经历蒸汽技术革命、电力技术革命、计算机与信息技术革命，我们来到了“机器脑时代”。

　　2016年，就在世界围棋冠军李世石输给Alpha Go人工智能的那几天，网上流行着一个段子：有人采访李世石，问他对比赛的看法。李世石回答：“我只能尽我所能去下棋，但是最后还是失败了，我很遗憾。不过值得庆幸的是，在比赛开始前，我斥巨资购买了Google公司的股票。”

　　不论是人工智能，或者机器脑，人类正在不可避免地步入其中，我们唯一可选的，是把握对待这个时代的方式。加藤埃尔蒂斯聪志所著的《机器脑时代》，描述了我们的工作生活会有哪些变化，以及该如何面对这样的时代。

　　该惧怕还是接受？与以往几次工业革命不同，机器脑取代的将是直接的脑力劳动者。研究结果表明，人工智能在不久的将来会在许多领域中超越人类，包括语言翻译(到2024年)，高中水平的作文写作(到2026年)，驾驶一辆卡车(到2027年)，在零售行业工作(到2031年)，撰写一本畅销书(2049年)和开展一名外科医生的工作(到2053年)……这些都可接受吗？

　　当然，就像作者所说，《机器脑时代》这本书并不是为了鼓吹“危机意识”，而是想为身处机器脑时代的你提供“工作会发生怎样的变化”“我们应该学些什么”“如何应对职场挑战”等富有建设性的意见。

　　我们并不需要都变成专业的数据科学从业者，但至少要知道机器学习的本质，即书中提及的机器脑的三板斧——可视化、分类、预测。

　　可视化将理想转变为现实，把人们通过感官获取的信息以数据的形式输出；

　　分类区分不同的数据，进行整理，形成对事物的认识；

　　预测基于分析，根据原有数据，预测未来的发展方向。

　　本书配有详实案例，不过其最大的特征并不在于勾勒未来的机器脑时代，而是阐述业务、科学与技术三者之间的关系，以框架的形式为读者整理思路，同时为团队内的成员建立同样的交流语言和评价体系。

　　AI引发就业问题是伪命题

　　知晓未来趋势是一回事，为应对未来积极准备又是另一回事，《机器脑时代》用面向未来的思维方式去着手于眼下的具体工作。应该像口诀一样记住这些关键点，以便在选择、决策时迅速反应。

　　在企业和团队合作中，应用数据科学是项团体而非个人竞技。数据科学的实践需要融合工程学、统计数理和传统的业务经验。很难想象卓越的业务能力、擅长编程与统计以及领导组织能力会汇集一个人身上，而且他/她还需要有足够的影响力带动整个组织。因此，应通过组建数据团队而不是寻找数据超人，留出充分的试错空间，同时在管理层建立数据意识。并非所有企业都像书中列举的大公司那样拥有雄厚的资金和充分的人才储备，但现阶段的市场定位、资金能力和能否参与机器脑时代的竞争并无关联。

　　对个体而言，机器脑时代意味着人与机器的分工会更快速地发生转变。技术的进步会让机器逐渐代替人工作业，媒体热衷于炒作AI造成的就业问题，描绘可怕的未来。但从更长期来看，就业岗位的增加是我们不难想象的。过去200年来，每一项新技术都会导致一些人的失业，但同时也为其他人创造了新的就业机会。根据Gartner分析师的报告显示，到今年，AI将淘汰180万个职位，但同时创造230万个就业机会。就像汽车的出现让马车夫深恶痛绝，但是它带来了包括司机、机师、汽车制造及加油站等难以计数的岗位。当我们经历这场变化时，甚至会出现就业人口不足的时期。

　　未来，机器脑与生活的关系愈发紧密。每个人都应该懂得一些关于新式“武器”应用和实践方面的知识。