2030机器觉醒后人类生存之道 | 机器智能将是人类意识进化的巅峰？

来源：智东西（ID:zhidxcom）,作者：戴尔未来研究院

技术过渡期我们可能会遭遇工种与当下人工技能不匹配的问题，因此需要提前准备，进行新型工种培训并适应可能的“零工经济”时代。

政策、资本、技术三重利好之下，人工智能为主的新兴技术已经成为我们可以预期的未来。除了生产力的提高、资源流通效率的提高、创新产品和服务的出现，还有一个大众关注的问题——人工智能的社会效益：它将如何如何融入我们的生活，改变我们的工作和学习方式？所谓的人机协作对我们的技能点提出了什么要求？企业结构和运作方式将会变成什么样？

本期的智能内参，我们推荐戴尔科技联合未来研究所（IFTF）推出的新兴技术社会效益调研报告，描绘机器人、 人工智能和机器学习、虚拟现实和增强现实、云计算等新兴技术对未来（2030年）人机协作方式的影响，回答上述三个问题。

以下为智能内参整理呈现的干货：

人工智能（AR）、虚拟现实和增强现实（VR/AR）、家庭机器人和云计算，光是谈到这几个名词，就充分调动了我们的想象力。

它们都会在我们工作所处的领域中实现么？我们不能确定。它们会在什么时间以什么形态落地？我们也不知道。但我们知道的是，一旦落地，我们的生活和工作将出现颠覆性的变化。戴尔科技调研显示，全球4000名高管中，有45%的人担心自己会在未来3-5年被时代淘汰，近一半的人无法想象自己所处的行业三年后会是什么样子，更有73%的人相信，数字化是未来成功的关键。

对此，戴尔科技联合20位专家探讨新型技术驱动下未来十年的社会生产生活方式，探索截至2030年，人机协作将如何实现优势互补，新兴技术将如何融入我们的日常生活，企业结构将作出怎样的调整。

机器人：2.0抢工作 3.0渗入生活

几十年来，机器人充当着替人类进行他们不想或者不能的工作，比如危险性工作、重复性工作，以及其他无需认知能力和问题解决能力的工作。事实上，在很多前沿的制造业，尤其是日本汽车制造商中，机器人已经在一些部门进行无人监督的30天不间断工作。

而随着科学、技术、工程的快速发展，引出了新的工业革命，也就是机器人2.0，极大拓展了机器人的功能，丰富相关工种，此时，一些旧有的工作岗位被新的自动化技术所取代，劳动力市场格局发生变化。

据悉，有些制造业的工作外包给发展较落后经济体的劳动力市场，能节省劳动力成本的65%，而机器人的出现，实现了90%的劳动力成本节约。目前，中国就在大力发展新型的制造业机器人（智能制造），以图应对人口结构将会带来的劳动力不足问题，并刺激生产力的提高和经济发展。

目前，中国广东省，也就是制造业大省，已经宣布将投资1540亿美元给机器人产业。普华永道的一份报告显示，截至2030年将有近三分之一的英国人的工作收到自动化的威胁；未来15年，美国38%的工作将被机器人取代。

与此同时，在商业消费需求以及深度学习等人工智能技术的催化下，机器人将突破传统的制造业环境，进入工作场所和家庭。结合了深度学习的家庭机器人、看护机器人甚至公民机器人都可能会出现，并在接下来的15年内逐渐克服法律、文化上的约束、融入我们的生活。

人工智能：最终成为“虚拟的人”

自1956年赫伯特西蒙的逻辑理论机器项目之后，人工智能已经取得了长足的进步，包括1997年击败国际象棋冠军Gary Kasparov的深蓝；2016年击败围棋顶尖高手李世石的阿尔法狗（AlphaGo）。人工智能正在变的越来越聪明，运算速度越来越快，并能够管理越来越复杂的任务。

目前，仅北美专注人工智能相关业务的公司就约1500个。我们已经看到，人工智能进入金融领域，执行数据识别、模式识别、预测分析等等。美国银行美林林奇（Bank of America Merrill Lynch）2015年预测人工智能市场将在接下来五年拓展至1530亿美元，其中830亿美元属于机器人范畴，剩下的700亿美元则为基于人工智能的软件系统。

而人工智能的发展形式，根据专家米歇尔·周的理解，将分为三个阶段：具备认知能力，然后能根据认知能力智能处理数据，最后成为“虚拟的人类”。预计2030年，我们将进入第二阶段。

目前，人工智能已经在两个复杂的领域中进行尝试：无人驾驶和虚拟助手，比如苹果的Siri。此外，卡耐基梅隆大学的人工智能也能够打扑克了，也就是能够执行信息缺失任务了。人工智能当下的发展主题是数据来源、数据结构化、数据安全，以及相关道德、伦理问题等。未来十年，人工智能要学会为自己的决策负责。

虚拟现实与增强现实：构建体验式网络

尽管虚拟现实与增强现实在计算形式和图像表现手法上有很大的区别，但两者的本质都是突破现实和虚拟的界限，突破物理世界的束缚。IFTF新媒体实验主任Toshi Hoo认为，VR/AR的沉浸式体验，包括视觉、触觉、听觉，甚至味觉，将变更未来媒体信息传达方式，塑造体验式媒体。

除了媒体相关的娱乐，VR/AR还在教育、医疗、旅游、交通等等方面有着双创案例，并在建筑和制造业等领域有所尝试。从信息层面来理解，两者都能够加速数字信息的融合，解除物理环境限制，塑造体验式网络。因此，VR/AR与人工智能结合的特定工种培训、再就业和实时决策将充分刺激信息交流。

分析认为，VR/AR相关的产品和服务市场规模将在2020年增至900亿美元，大部分的利润点在于硬件，其中VR的增长达300亿美元。而AR由于建模更为复杂，传感和连接技术需求更大，预计发展会慢于VR。

云计算：动态数据无缝传递和处理

云计算，是执行信息处理的地方，但它不是物理世界的某个地点，而是一种技术方式，面向公众、私人或公私混合。目前，美国70%的组织或机构在使用云计算。

以奇尔奶业（Chitale Dairy）为例：公司最近在印度推行“云牛”计划，即给每头牛配备了射频识别标签来捕捉数据，上传给云，然后通过对数据的自动分析用网络或短信通知当地农民调整牛的饮食，安排疫苗接种等。该方法已经实现了奶厂的收益增加，帮助当地农民提高生活质量。

事实上，云计算并不是最近才发展出来的技术，随着软件企业纷纷上市的需求牵引，和相关技术成熟的推动，云计算已经逐渐成为IT行业力推的一个方向，产业向更快，更敏捷，更有弹性，可移植性更高的方向发展。预计2030年，云计算将实现嵌入式，淘汰现有的技术形态。

如何构建和谐的人机关系

找准定位：我们是数字指挥家

人机合作，可以突破人类劳动力的局限性，包括体力和智力两方面，促进生产力的提高。机器可以提供客观参考数据，帮助我们进行判断，而人类的认知和判断能力，则能指挥机器进行特定的或专业化或危险的工作。与此同时，人机协作还将优化组织运营和决策效率，创造新的价值点，提高客户满意度，帮助人事部门评估和培训员工。

用媒体人Norman Wang的话来说：人机协作既能帮我们更好的完成工作，又能给我们空出时间来做人类擅长和乐意做的事。多好！

戴尔科技认为，人机关系暂时不会出现人被机器全面取代的局面，截至2030年，人类的角色将更像是机器/数字指挥家。人类需要做的是控制数字/联网设备的开关，选择设备运行的模式，激活相关的资源/权限等等。

从劳动力市场的角度来看，目前全球关于人力资源/招聘的应用软件已经超过1800个，这也从侧面反应了劳动力需求与劳动力市场存在一定不匹配性，事实上，有很多工种并不是长期被需要，但当需要的时候又不一定能找到合适的人，导致该工种供求关系的不稳定。显然，这一问题可以通过智能化、自动化等技术进行解决。

到2030年，技术将作为人类的延伸，帮助安排、管理、运行日常生活和工作，植入个性化需求。近五年来，类似优步、Seamless、Upwork的数字平台已经出现在我们的日常生活中，使得我们能够进行数字指挥，获得需要的工具或服务。

此外，随着亚洲人口老龄化问题日益严重，面向老人设计的价格亲民（相对于人工看护）的服务型家庭机器人也有利于减轻年轻人的压力。事实上，目前已经有针对缺乏全方位照顾的老人的App，可以配对患者需要的护理，协调饮食、交通、家务和陪伴，让专业的远程的医疗保健人士和需要治疗的人突破物理空间的限制进行联系。

“零工经济”：成为被工作寻找的人

人机合作不仅可以实现自动化加持的生活，也将改变企业寻找人才、管理团队、提供产品和服务、进行专业培训的方式。人机合作并不意味着人类的工作的终结，而只是改变了我们的工作方式。

戴尔科技认为，到2030年，人跟工作的关系会变得更主动，不是人找工作，而是工作找人，也就是“零工经济”。预计“零工经济”，工作能力竞争的公平性将得以实现，关于女性、种族等群体的刻板印象将得以改善。

企业或组织会在确定项目之后，自动匹配需要的最有人才结构，从劳动力市场中寻找相关人员一起完成该任务，工作能力，将成为最好的竞争力。一个人的技能、竞争能力、声誉将以数据可视化的形式智能呈现并纳入人事分析。因此，届时人力资源将得到充分利用，企业部门结构将有所精简，管理费用随之降低。对此，给企业提出的挑战是如何从固定的人事结构向灵活的项目主导型人事调配过渡，如何协调不同的时间和地点、不同的机构、不同的功能。

相关的创业尝试：如Glowork就业平台，利用大数据检索不同标准和条件下的目标市场，已经帮助中东妇女进行就业，匹配雇主。截至目前，已经有3000多名女性找到工作，500多名女性找到不坐班/在家的工作。此外，AI驱动的创业平台Alice也帮助女性企业家规划行业、发展阶段和工作地点，提供资源（资金、生态链路径）和参考。

甄综术艺 以应时需

美国劳工统计局表示，目前的劳动力市场中，善于学习技能的人在38岁的时候大概有过8到10个工作岗位，他们中的大多数选择了自由职业。预计2020年，这些技能过硬的自由职业者将组成美国整体劳动力市场的50%，他们中的大部分不是依靠传统的人力资源部门或传统的流程获得需要的工作岗位。

不仅是人会倾向于去学习更多工作技能，更重要的是，很多未来的工种现在还没有出现，人们会不得不去学习以适应变化的需求。IFTF专家今年三月研讨认为，2030年近85%的工作是现在的人们待学习/培训的。当然，学习新的工作技能的同时，我们会保留工作经验、三观、心态等等，并逐渐加强人机协作，不再依赖传统渠道进行学习，VR/AR将提供很好的技能培训和实时信息传输，甚至考核。

举例而言，麻省理工学院计算机科学和人工智能研究人员开发的WaitSuite就是一款基于WhatsApp的技能学习应用程序，可以直接嵌入现有任务，实现即时、灵活的学习。此外，加州企业DAQRI也引进了AR帮助员工不至于独立工作，并能在工作时实时的获得工作团队的建议和帮助。

智东西认为，技术初期，我们的工作会变得更为轻松，生活更加便利；技术后期，我们获得便利的同时整个社会的生产力和资源利用率将得到大幅提高，物质和精神生活得以丰富；而技术过渡期，或者说转型期，我们可能会遭遇工种与当下人工技能不匹配的问题。因此，我们的社会、个人都应当提前做好相关准备，进行新型工种的技能培训并适应可能的“零工经济”时代。

新兴技术描绘的未来图景，核心就是基于大数据和人工智能下的高度信息化，实现信息透明、资源流通、生活和工作效率优化。因此，我们每个人的可追踪的数字身份将成为我们在社会上的立身之本，个人经历的透明度、个人隐私的安全性等问题都有待探讨。

机器智能将是人类意识进化的巅峰？

来源：利维坦（ID：liweitan2014）

文:Caleb Scharf,译:Curie Lu

校对:兔子的凌波微步

利维坦按：如果银河系乃至宇宙存在大量先进的地外文明，那么为什么连飞船或者探测器之类的证据都看不到——按照费米悖论，这应该是一个我们经常思考的问题。而作者认为，应该先从一个现实的问题思考：即计算与能量的问题（如果把机器智能看作是一个更进化的物种）。

不论是上传大脑数据、硅基神经元系统还是量子计算，在作者看来都无法回避一个能量问题：现实和理论存在着无法逾越的鸿沟。所以，作者大胆猜想：结合费米悖论，有没有可能那些地外文明早就存在了呢？只不过，出于能量效率的考虑，他们已经从机器智能回归到了生物学？

哈哈哈，连作者自己都觉得他想法太魔幻了……

作为一个物种，我们人类对未来极度痴迷。一方面，我们喜欢猜想人类的进化演变将引领至何方，思考未来几十年甚至几个世纪以后的科学技术将会如何；另一方面，我们幻想着遇到宇宙中比我们进化程度更高的外星人。

最近，这两种想法开始融合。从进化的角度看，一大批未来主义者预测未来会逐渐走向一个极端：计算机很快会强大到能模拟人类意识，或全部吸收化为己有；而另一方面，有人认为日后人类在宇宙中所遇到的高智商物种更可能是以计算机为基础的，而不是如人类这样的血肉之躯。

这些对未来反反复复的猜想或能解释长期以来备受争议的费米悖论（Fermi Paradox），即尽管看起来我们身边的生活中没有出现比人类更进化的高智商物种，但实际上是可能已经出现了，只是我们没有发觉而已。

如果机器智能是科技技术和生物进化最终不可避免的结局，那么这些机器智能异类可能已经演变进化到一种超越我们所能想象的生物形式，就算我们看到了也辨识不出来。同样，他们之间的交流方式也是十分完善并经过加密，以至于我们无法从整个宇宙噪音中辨识出来。

从这个角度看来，很可能是我们能力不足，所以才自认为宇宙中还没出现比我们进化程度更高的物种（译者注：人工智能≠机器智能，人工智能强调设计理念来源于人，尊重人的感情；而机器智能是机器自身具备智能，不再需要人类设计，不问出处）。

这些未来预测中还有一个更深层次的意味：我们理想中完美的机器智能是这样的（虽然我们没有挂在嘴边）：“ta”的形态不是人类般的血肉之躯，而是坚不可摧、数据化和让全人类臣服的智能机器。

一些人对这样的未来充满希望，认为是变革般的进步；而另一部分人则有被征服的畏惧与危机感。无论怎样，大家都认为机器智能将是人类意识进化的巅峰。

表面上看，推测宇宙中有智能机器人的逻辑是很可靠的。从当前科技技术进步的轨迹可以推断，随着计算机技术日臻完善，我们会对人类生物躯体构造和大脑架构逐渐失去兴趣。

时机一到，我们会迫不及待地涌入一个新的容器，以满足我们任何愿望，科技方舟带领我们走向康庄大道，到时我们创造出来的人工智能可能对我们无动于衷，也可能远超越我们，将我们降服甚至直接榨干我们。

埃隆·马斯克（Elon Musk） 和霍金（Stephen Hawking） 都曾公开警示过人工智能可能带来的风险。图源：extremetech

争议还没结束，有人说生物学并不能维持泛恒星文明或未来的人类文明。要探索宇宙，我们面临着巨大的坏境和时空上的挑战。想成为宇宙中的一个物种，所需要的各种实际驱动力可能要来自强大的机器，而不是精细调控但脆弱、寿命有限的蛋白复合物（译者注：暗指人类躯体）。机器能永久存活，自我复制，不受自然进化过程中易出错的遗传可变性束缚。这种自我设计的生命模式还能自适应各种环境，只需要一个世代，智能机器人就能自适应宇宙穹顶之下任意时间与空间（译者注：根据进化论与适者生存，人类或其他任何生物则需要几个世纪的时间才能慢慢进化适应变化的环境）。

将这些想法碎片拼凑整合在一起后，看起来人类只不过是宇宙中昙花一现的蓝图罢了。大家非常严肃对待这些分析，极具影响力人物如埃隆·马斯克（Elon Musk） 和霍金（Stephen Hawking） 都曾公开警示过人工智能可能带来的风险。同时，计算机科学家雷·库滋韦尔（Ray Kurzweil）也在书籍和各大会上也表示，未来人类将进入技术“奇点”，届时人类将与机器合二为一。

那么，生物真的被迫变得越来越聪明和强大吗？生物性的聪慧真的是宇宙进化的死胡同，终将屈服于机器吗？

并不是这样的，故事到这里还没有结束。

关于“机器智能是未来最终王者”的流行学说，实际包含了很多致命的偏见和假设，使其不太可能成为现实。现在的计算机科技是否能带领我们至技术的“奇点”，或是否能指数量级地超越一个种族是尚未明确的。无论怎么样，未来还是很美好的。

《机器人自我复制理论》：该书描述了在一场指数级无可遏止的爆炸中，机器是如何毁灭所有妨碍其复制方式的生命。图源：AbeBooks

那些天马行空的想法可追溯到约翰·冯·诺依曼（John von Neumann）生前发表的一本有关机器自我复制的书籍《机器人自我复制理论》（Theory of Self-Reproducing Automata，1966）。这本书奠定了机器自我复制的概念，描述了在一场指数级无可遏止的爆炸中，机器是如何毁灭所有妨碍其复制方式的生命。诺依曼还描述了这种机器是如何模拟人类神经的功能行为的。

从该书发表以后的数年内，电子信息互联网的确对人类日常生活有重大影响，影响着我们决策、思考新命题或挑战的方式。在互联网信息时代里，我们都会还没试着去自己思考答案，或不耻下问咨询他人，就开始百度或谷歌问题。因为现在人民的智慧结晶已经上传到无所不在的云端数据库中了，单单个人广而浅层知识的重要性已经慢慢削弱，甚至个别行业的垂直专业重要性也会在互联网深化的过程中不断被减弱。

然而，我们未来的发展方向仍是不清楚的。一定要说些什么的话，可以说我们正走向一个蜂巢式状态，有点类似白蚁群落或裸鼠群体。不是进化得越来越聪明，而是我们生物最原始的内在驱动力受到了遏制，反而变得越来越被动了。悲观主义者会说我们人类思想停滞不前，成为群体中互相参照、互相提参考建议的一员，而不是变成指数级进化的天才们。

在传统计算机处理信息架构中，可能存在能量效率的“天花板”。

历史还告诉我们，我们是无法预测颠覆性技术带来的长期影响。举个简单粗暴的例子，17世纪末连续旋转蒸汽机对人类世界有深渊影响，这是没人能预测得到的；也没有人能预测150年以后内燃机和电气机的出现就让这些蒸汽机过时了一样。同样地，也没有人可预测碳氢化合物燃烧可能会通过改变地球大气层的组成危害到人类。

目前也没有证据表明，人类特有的智慧除了是几亿年以来进化的结局以外，还可以是什么，更不用说其是宇宙中最完美的物种了（公平地说，也没有证据说明我们人类是宇宙中的奇葩）。

结果是，通过推断我们自己的意识和智慧程度来预测外星人的智商和行动——或者及其群体，是非常困难的。

说着说着，就倒戈了：我们并没有变聪明，反而我们可能会变得越来越愚蠢，无法预测未来，我们不知道宇宙中存在着怎样的聪明的物种（如果有的话）。但我觉得还是有一线希望，正是因为这种自省精神，我们备受挫败，但仍着迷般地正视自己的文化和当前技术水平等残酷的现实。

其中一个现实是能量问题——诺依曼曾经说过，但这是那些未来学者经常忽视的问题。设计计算机时，有个关键因素：计算能力与能源使用情况，即“每次计算/焦耳”。

人类大脑以约20瓦特的速度耗能，在现有的计算机技术下，如果你想把自己完整无缺地上传至计算机，你所需的能量跟三峡水电站产生的电能差不多。图源：Giphy

随着微处理器变得越来越复杂，硅基架构越来越小（可以到数十纳米），效率仍在提高。 因此，每焦耳计算量的效率每一年都有进步。

而实际上这个比例每一年改善的空间越来越小。有研究者表示，在传统计算机处理架构内，我们可能遇到能量效率的“天花板”，比如基本乘法算法，这个天花板大概在10G/焦耳。

对于需要真正制造人工智能或上传大脑数据的机械来说，这潜藏了很大一个障碍。计算能力要接近人脑大脑（从速度和操作复杂度衡量）的话，估计所需要的能量效率要比这个限值超出10亿倍。

我们可以这么看，人脑以约20瓦特的速度耗能的。在现有的计算机技术下，如果你想把自己完整无缺地上传至计算机，你所需的能量跟三峡水电站产生的电能差不多。如果将全人类73亿多号人，全部上传至计算机上，至少需要14万瓦特的能量流，相当于太阳能达到地球顶部发电量的800倍。显然，想要超越人类肉体上升到机器层面，还有很大一段距离。

有一个可能的解决方案是所谓的神经形态结构，模拟真实生物神经元及其连接性方面的硅基设计。乔治亚理工学院的珍妮弗·哈斯勒（Jennifer Hasler）等研究人员提出，如果设计得好的话，这种硅基的神经元系统（译者注：生物是以碳原子为基础，碳与硅是同一主族元素，化学性质相似）可以将所需能量降低至少4个数量级。不幸的是，即便有这么大的进步，要达到人脑的水平效率还差10万倍的能量。

当然，计算机技术的历史上，人类逐年克服了曾经以为难以逾越的障碍，所以大家对未来仍然比较乐观。但关键是，结局不是给定的。很可能我们为了去捕捉人类大脑的复杂性，大脑灰质密度和超常的效率等等，才发现硅和其他相似的原子根本都不是答案，无论它们如何修饰或堆砌在一起可能都无法达到我们预期的结果。

英国物理学家戴维·多伊奇。图源：The New York Times

乐观的技术宅最喜欢的替代方案就是调用量子计算，利用原子或原子体系之间的量子重叠态以替代传统的计算机晶体管。他们认为，量子叠加态的思维计算能力或可以解决能源和速度问题，从此走上建立最强大脑的康庄大道。

至少从论文上看，一般概念上的量子计算机或图灵量子计算机是可能坐拥无限的有效计算能力。英国物理学家戴维·多伊奇（David Deutsch）在他的论文“量子理论，邱奇-图灵原理和通用量子计算机”（Quantum Theory, the Church-Turing Principle and the Universal Quantum Computer，1985）中，精辟巧妙地提出这一想法，值得注意的是，他留下了完成这一壮举的细节，让读者浮想联翩，想去揭开谜底。

理论上，真正适用的量子计算机是可以模拟任何有限物理系统（包括头脑）或其他量子计算机所期望的任何精度。量子化的进程还可以让这种模拟批量运行，概率测试也可以超速完成。然而，尽管近年来人们已取得了巨大的实验室和理论进步，这理论在实际操作仍是困难重重的。日前，虽然人们提出过量子计算应用（例如语境化搜索）可能与“认知计算”（现在许多人工智能的当前运作的缩影）完全吻合，但离真正的人工智能还很远，关于任何一种拟人AI的争论还有很多。

我们可能生活在过去物种所憧憬的未来宇宙之中。

支持计算的基本单位——可能以冷原子或其他量子物体形式出现的量子比特—— 也许只需要很少的能量。但是，将量子计算机的组件保持在一致性状态（即所有这些量子状态都控制地很好）就需要巨多额外的能量，并且总依赖于大量的支持系统和工程技术，这些支持系统和工程也会消耗能量。目前我们甚至还不清楚，量子计算真实所需要的能量到底是多少。

还有其他因素也同样令人担忧。“n”量子比特的量子计算机可以在一个周期内执行2n个计算，但是设置这些计算是巨大的数据流工程。通过计算，模拟我们整个宇宙中约1089个粒子和光子可能只需要296个量子比特，但是如何进入1089这个初始条件？更难的是，如何从量子模拟中挑选出正确的解决方案？模拟一个人的大脑可能会更容易一些，但仍然需要量化并启动至少1014个神经联结（人脑中大致一个数字）来建立计算。然后呢，我们还希望这个量子化大脑具有非常高的吞吐计算量，有与世界保持高分辨率、高保真感官界面。这又是另一个未知的，很可能无法克服的挑战。

好吧，我可能太过简化了现有可被利用的技术手段。我对未来的看法也许太有限。无论怎样，我认为社会对仿生AI的乐观预测有越来越针对性的反响是有缘由的。我们需要承认，尽管与人类智商相当或超过人类的AI是可能诞生，但它可能无法实现人们经常提出的指数量级计算的增长能力。

换句话说，指数级的完美AI从数学角度上是没有破绽的，但实际面临的障碍或是不可逾越的。

说到这儿，我会（假设性地）从未来主义者口中选一些内容，做出一些疯狂的推论。我想探讨如果我们将机器智能增长缓慢的概念与费米悖论的问题结合起来，会发生什么。这样做很有趣，但所需的信息量也很大。

我们来假设宇宙中某高智商物种已成功地将自身转化为机器形式，或者被比他们进化程度更高更、并不是指数级进化的机器智能所取代。那接下来会发生什么？

由于这些智能机器受到效率限制的影响，他们有可能会温故而知新，想用过去手段变出新法子来向前继续推进。 他们知道的一件事（就像我们已经知道那样）就是生物学的体系，其已经是非常完善的。有研究人员估计，现代人类的大脑处于其计算的极限，但可能只需要一个稍微更聪明一点点的机器重新设计这样一个复杂的器官。换句话说，可能有一个更好的方法，能从机器智能回到生物学上，并有着更非凡的能源效率。

我们也不能保证机器智能必定是或可能是完全合理。为研究复杂宇宙相，数学本身含有不可证明的定理，一点点不可解都可能是成为致命的绊脚石。现在，我们时不时就推测，智能化未来会以硅或量子形式到来——这些我们认为优于肉体的某种其他形式。照着葫芦画瓢，那么那些机器可能也出于能量效率问题，或者由于其他我们无法想象或理解的原因，想再次回归生物学形态。

如果生命是恒久不衰的，且最终形成更智能的形式的话，那么我们可能生活在过去生命物种所预测的未来之中。宇宙是138亿岁，而我们星系更是亘古久远；在过去130多亿年，恒星和行星已逐渐形成。有理由相信宇宙在我们太阳系诞生之前的80亿年左右肯定发生了些有趣的事儿。有一天，我们可能又会认为地球上的智能未来需要生物学，而不是机器算法。过去数十亿年前的无数生命可能已经经历了过这个阶段。

那些早期的高智商生命物种可能早就达到了他们决定从机器转移到生物学的阶段。 如果是这样，我们又回到了费米悖论：那些外星人现在在哪里？一个简单的答案是，他们可能受到星际过渡期的极端困难束缚，特别是在物理、生物学上的束缚。 也许这些早期生物物种还在，但回归生物学形态的代价，意味着得重新回归孤立的状态。

有些机器智能可能已经在想回归生物形态，想在巨大的星际空间中恢复到从前的孤岛状态。

KIC 8462852这颗恒星位于天鹅座，距离地球约1,480光年。图源：维基

那些早期的物种可能曾经建造了很多大型建筑，已在恒星上部署过巨大的宇宙工程。也许有些东西还在那里，也许我们正在用不断改进的天文设备来检测其中的一些东西。KIC 8462852是最近一颗令人振奋的恒星，其发光变化模式暂时不能用已知的自然机制来解释，就是说我们现有仪器敏感度还不足以对其作出解释。也许外太空文明已经退变回生物形态，其机械时代的建筑遗迹还残留着，在严酷宇宙辐射环境下，受到长期干燥蒸发与恒星的爆炸等崩塌了。

我们现在的状态可能是处于第一代机器智能与下一代机器智能之间。任何机器智能或其他更进化的物种在星系中的可能只是稍瞬即逝的星际原力之一；可能最后一个已经消失了，下一个可能还没有浮出水面，可能没有时间来我们这参观，也可能已经在想着回归生物形态，在伟大的星际空间大洗牌中回归孤岛的状态。 我们自己的技术未来可能看起来也会像这样——从幻想成为机器又回到更宁静地，更有效率的有机生物存在形式。

我们要承认这些想法的确是过于魔幻，但提出这些想法本身对我们已经有一些特别启示：我们正在研究自己可能的未来。可以想象，宇宙已经告诉我们这些选择是什么了。这种自我反思自我审查的行为已经有别于人类任何其他行为，这一点就值得我们继续去深入关注下去了。

作者简介：

凯莱布·沙夫（Caleb Scharf）是纽约哥伦比亚大学天体生物学主任， 是书籍《太阳系行星及其天体生物学》的作者，该书获得了“钱布斯天文写作奖”（Chambliss Astronomical Writting Award）。

“远望智库”聚焦前沿科技领域，着眼科技未来发展，围绕军民融合、科技创新、管理创新、科技安全、知识产权等主题，开展情报挖掘、发展战略研究、规划论证、评估评价、项目筛选，以及成果转化等工作，为管理决策、产业规划、企业发展、机构投资提供情报、咨询、培训等服务，为推动国家创新驱动发展和军民融合深度发展提供智力支撑。