人工智能时代的到来，带来了政治、经济和社会等各个领域的变迁，包括学术界、商界和政府在内的所有领域都将步入这种智能化的进程。同时，人工智能时代的到来也产生了新的议题和研究领域。那么在这场颠覆性的革命中，人文社会科学领域的学者扮演着什么样的角色呢？在我看来，在人工智能时代，人文社科领域的学者并不是一个被动的参与者，而是要在参与性塑造的基础上，构建人工智能社会科学的未来。
【人工智能只是属于科技界的“热闹”？】
众所周知，人工智能的时代已经来临。不仅一些大的软件公司正在布局人工智能，传统的电脑制造商也纷纷向这一领域进军。例如，IBM公司通过收购以色列Mobileye公司，全力转向智能汽车的领域，Facebook也在全力布局人工智能的未来规划。值得注意的是，目前全球市值排名前列的公司都在全力进军这一领域，中国的互联网巨头也不例外。譬如，今年2月，国家发改委正式批复由百度牵头筹建深度学习技术及应用国家工程实验室。在过去几年时间里，百度在人工智能领域已投资超过200亿元人民币，招募了上千名软件工程师和开发人员，在人工智能汽车方面也取得了骄人的成绩。今年3月19日，在日本东京举行的世界计算机围棋大赛决赛上，中国另一家科技巨头——腾讯公司开发的人工智能围棋程序“绝艺”战胜日本的“DeepZenGo”获得冠军。简言之，整个科技界都呈现了人工智能热的图景，而这种热度也反映在几次大的预言中。《未来简史》一书指出，人工智能时代的来临将会对未来的职业产生重要影响。在未来，有一些职业将会面临冲击，这些职业依次是：旅游咨询业、外文翻译、律师助理、银行保险。除此之外，还有预言描绘了未来的社会变化。例如，人类在十年之后将不再拥有汽车，自动驾驶的出租车会成为主流的景象。这将为城市腾出大量的空间，而这些空间将会被改造成公园，从而提升城市生活的舒适度。
与科技界的“热闹”不同，人文社会科学领域的学者似乎表现得很淡然。其实，这对人文社会科学而言，在某种意义上是一种窘境。目前的学科存在这样一种逻辑：只有是某个学科的学者才有权利对该学科的问题发表看法。在一些人文社会科学学者看来，人工智能是自然科学研究的前沿领域，而人文社科在这一领域缺乏建树，所以不能在这一领域评头论足。这种观点阻止了人文社会科学的学者参与人工智能的讨论。此外，人文社科学者相对“沉寂”的一个原因是，科技领域的发展进步日新月异，已经远远超出了传统意义的思想家和哲学家思考的范围。
在这场可能决定人类未来发展的大讨论中，人文社科学者的缺席，显然不利于人工智能的总体发展。例如有学者就指出，大数据的未来不能仅仅掌握在那些数据公司手中。人工智能和人工智能的未来同样也不能仅仅掌握在自然科学家、工程师和科技公司手中。因为这不仅是科技和科学家的未来，而且也是整个人类的未来。科学家和工程师可以掌控科技发展的技术走向，但不一定能深刻地理解科技对人类的复杂性影响。因此，人文社科学者和思想家们不能缺席这场讨论，而应该主动参与到影响人类命运和人类发展的大讨论中。
【怎么看待人工智能可能带来的失业影响】
人工智能的发展对社会的影响将是颠覆性的。1908年，奥地利经济学家熊彼特提出“破坏式创新”这一颠覆性的概念。他认为，所有社会都会经历这种过程，每一次大规模的创新都淘汰旧的技术和生产体系，并建立起新的生产体系。理查德·福斯特（Richard Foster）和莎拉·卡普兰（Sarah Kaplan）在熊彼特的“破坏性创新”的启发下提出“创造性破坏”的概念。他们认为，无论是从企业到国家，还是从个人到社会，都具有面临重大改变的必然性，即“不连续性”或“断层”。在这个意义上讲，人工智能的发展对人类的进步也是颠覆式的。
人工智能对社会的影响，将造成两种状态的失业：一种是结构性失业，另一种则是全面性失业。
►结构性失业指的是，在人工智能的冲击下，某些行业将会在短期内面临结构性的挑战，甚至存在被历史发展替代的可能。这种冲击的对象首先是专业化、程序化程度较高的行业或职业，如传统的翻译行业。目前有些人工智能技术的翻译水准已经在接近，甚至有可能超过人类的翻译水平。在未来的几年中，人们到一个陌生国家旅行的时候，只需在手机上下载一款翻译软件，就可以与当地民众进行无障碍交流，到时口译行业将会受到很大的影响。相比于线下的旅游中介，人工智能提供的服务更加廉价和便捷，人们更愿意依靠人工智能的网站提供的服务，由此将造成大批旅游中介失业。此外，律师助理也将是受到人工智能挑战的领域之一。在未来人们通过人工智能平台获得的法律服务将比律师提供的更为精准，而这已经成为律师行业发展的一个重要趋势。以上这些领域受到的冲击，可以称之为结构性失业。因为这些领域所提供的服务，在未来能够轻易地被人工智能所取代，而这些领域的从业人员则会面临重新择业的风险。
►另一种失业则是全面性失业，这里主要指的是受到人工智能冲击的覆盖面。尽管不同的职业受到人工智能的影响不同，应对冲击的调整方式也不一样，但这种影响将是全覆盖式的，所有行业几乎都不可避免。甚至连那些人类自认为最擅长的领域，如文学和艺术领域，也成为人工智能入侵的对象。例如，多伦多大学开发的人工智能机器人可以基于艺术家的曲谱，通过算法创作出美妙绝伦的乐曲。百度公司提供的写诗的功能，其创作的古体诗水平被有的人认为与唐朝时期的诗人不相上下。百度通过“图灵测试”的方法，将人工智能的作品与唐朝诗人写的诗放在一起供人分辨，人们很难分辨出两首作品的创作者。甚至在揭晓结果后，很多人认为人工智能写的诗比唐朝诗人的作品还要好。
以上对失业的分析意在提醒人文社会科学的学者参与到这场关乎人类社会未来发展的大讨论中来。因为，科学家们往往只考虑用科技的进步来解决他们眼中一些具体的问题，以及他们的解决方案能否解决这些问题，而对于科技之外的问题，如对社会产生的影响，则较少去考量，而这些问题往往更加重要。例如，针对人工智能的发展对就业产生的颠覆性影响，科学家们并没有给出解决方案。而这反过来也会对科技进步产生影响，因为科技需要在社会稳定和经济繁荣的条件下才能有大的突破。在此，社会科学家的研究意义就完全凸显出来，研究影响人类未来发展和命运的问题本来也就是他们职责所在。这就好比，科学家打开了一个个潘多拉魔盒，但并没有意识到打开魔盒后所增加的东西——打破了社会内部所具有的微妙平衡，而这正好需要社会科学家贡献智慧使社会达到再平衡。
【人类可以向人工智能学什么】
面对人工智能这样一股洪流，有些人文社会科学的学者采取一种拒斥的态度，甚至认为技术是浅薄的，从而轻视自然科学的价值。这种对技术的轻视态度阻碍了他们对自然科学领域的学习。事实上，近些年自然科学取得的许多进展，对社会科学的发展也产生了革命性的影响，但是却没有引起人们的广泛注意。例如，根据自然科学的研究，人类来自于智人，而智人起源于非洲的母亲。按照这一主张，人类文明的母亲只有一个，即同一个“非洲妈妈”。这一观点对非常流行的“文明冲突”的论断将产生颠覆性的影响。然而，这一关于人类起源的自然科学界的进展却并没有得到社会科学界的关注。学科之间的壁垒变成了一种传统知识自我强化的工具，也导致了学科内学者对学科外学者的一种轻视。某些学科学者骄傲地认为，只有他所从事的学科才最为重要，其学科内的知识是最为正确的。从学科本身发展角度而言，专业化是一种进步。但是，过于封闭以及学科壁垒的自我强化，也阻止了人类外向学习的可能，继而也产生了学科内的傲慢与偏见。这种傲慢与偏见在人工智能时代变得越来越不合时宜。
近年来，人工智能领域取得的巨大进展是来自于另外一个学科——神经认知学。简言之，人工智能本身就是一个知识跨界的产物。如果还仅仅局限于某一个学科，那么革命性的创新就不可能到来。人工智能是通过借鉴神经认知学的发展，从而模拟人类智能的一个过程。此外，近年来推动人工智能发展的大公司也在演绎这种知识跨界。例如，美国IBM公司以前是作为从事传统芯片和电脑生产的企业，但在十几年前却将自己的主营业务卖掉而转向人工智能。从芯片到电脑制造再到人工智能，本身就是一种知识大跨界。跨界是那些面向未来、敢于想象的企业的重要特质。传统的人和企业则往往不敢想象，而只有跨界才有新的未来。
此外，需要指出的是人的深度学习的问题。作为人工智能中的一个专业术语，深度学习是机器学习的一个重要的组成部分。在这样一个机器都要进行深度学习的时代，具有自主意识的人更应该进行深度学习。所谓人的深度学习，是指人需要跳出传统的知识界限，广泛地汲取各学科和领域的知识，然后不断产生新知识技能的过程。如果人没有这种深度学习的能力，终将被人工智能打败。
人的深度学习主要包括两部分：一是跨界学习；二是团队学习。第一，跨界学习是跳出自己的学科边界汲取与自己学科相关的前沿进展，进而反哺自己学科的过程。信息大爆炸时代为人们跨界学习提供了工具和条件。例如，搜索引擎和网络百科的出现，给予了人们快速接近知识的工具。第二，社交媒体的革命可以以学习小组的形式把相同兴趣的人凝聚在一起。学习者可以通过加入一个VR的社群，学习某种技术，并在此过程中获得认同感。第三，各种开放知识产权的媒体和社交工具便利了人们的跨界学习。例如，网络上有大量的专业性的学习视频、免费软件和开源软件。只要学习者有足够的决心和毅力以及相应的基础，借助这些资源就可以学习掌握一些技能。第四，由网络社群、电子书、网络视频等多维空间组合成的虚拟社群，为学习者提供了一个长期的跨界学习沉浸式的情景。如果学习者真正迷恋上了某个领域的知识，那么这一系列网络条件会帮助他沉浸在这种学习氛围中，从而在更短的时间内更高效地学习。
在跨界学习的基础上，团队学习可以进一步加速跨界学习的效率。人工智能的能力，实质上是通过分布式学习的方式提高的。机器学习往往先根据学习内容分成不同的小组，然后每个小组再学习各自的算法和可能性，最后机器将不同小组的内容汇集在一起，从而产生一种共同智慧的结果。这种方式同样可以帮助人类进行跨界学习。如果一个人学习一本书的内容比较复杂和艰苦，那么十个学习者就可以把这本书分成十部分，最后十个人再以小组讨论的方式进行交叉学习，相互印证直至最后打通所有的学习要点。需要强调的是，学习小组的规模和学习效率之间存在一个均衡点。学习小组的规模越大，成员间交流的密度就会减弱，同时联系沟通的成本会增加；而学习人员过少，这种学习的规模效应就无法得到体现。因此在一个面对面学习的小组中，五至十人的小组是最佳的规模。
社会科学的学者与其被动地面对人工智能的挑战，不如主动参与到人工智能的大浪潮中。同时，也只有社会科学的学者对人工智能发展的充分参与，才能保证自然科学的新进展仍然在人类能够掌控的节奏中发展，从而解决我们未来可能面对的问题。
【参与性塑造与人工智能规则的制定】
当前人工智能所面临的许多关键性问题，不仅是技术问题，更多是社会科学问题。譬如，之前讨论的由于科技进步而导致的失业问题就具有代表性。这在人类历史上也是一个古老的问题，马克思就用“机器吃人”这一概念来总结和分析这一问题。只不过在马克思那里，机器“吃掉”的是工人，而在今天，所有产业都将会面临这种“被吃”的风险。因此，社会科学家应该研究人工智能对未来职业产生的系统性影响，即哪些人和哪些职业不会面临失业的问题？人工智能会创造出哪些新的职业需求？而且，在人工智能时代，创新精神显得尤为重要。因为一旦工作被模式化和程序化，人工智能就可以很快学会。与机器相比，人类的优势主要集中在灵活、情感和创造力等方面。这些都是与创新相关的领域。对于如何创新，中国目前并无太多的经验支撑。这也是我努力推动创新学发展的主旨所在。
人工智能除了对人类就业产生冲击之外，在许多方面也将对现行的法律和规则提出挑战。
例如，目前智能汽车上路运行面临最大的瓶颈是相关法律、法规和公共管理规则的制定问题。传统汽车的模式是汽车被卖出之后所有权归车主所有，由汽车造成的一系列问题也多数由车主来承担责任，如违规停车和交通事故等。在某些情况下，除非汽车有明显的质量问题，相关责任才由汽车制造商来承担。然而在智能汽车领域，由于汽车是由智能汽车提供商来控制而不是由车主驾驶，如果出现肇事事故，那么事故责任是由车主还是由智能汽车提供商承担便成为有争议的问题。此外，自动驾驶技术根据自动化程度被分为六个级别，而目前智能汽车还不能完全做到自动驾驶。在这六个级别之间，例如在第二级和第三级之间，自动驾驶是作为车主的辅助性工具而出现的。换言之，在紧急状态下，车主应该也有必要采取如终止自动驾驶等紧急的方式来避险。由此就会产生以下问题：第一，车主的责任边界在哪里？第二，如果车主避险失败，那么责任由谁来承担？还有一个方面值得注意，自动驾驶通常是通过无线网络进行的，而网络运营商并不能保证信号时刻畅通。假如出现的故障和网络有关，那么网络运营商也会牵扯其中。因此，在消费者、网络提供商、汽车制造商和智能驾驶提供商之间，就会出现多个交叉的责任空白区域。因此，智能驾驶在未来需要解决的不仅是技术问题，还会面临法学、社会学、政治学等相关领域的问题。这些问题都需要社会科学领域的学者来推动和解决，而这也就要求社会科学家对人工智能的前沿知识有所学习和了解。
本文来源于上观新闻。作者为华东政法大学政治学研究院院长，教授。
