公众对人工智能似乎有着很多不切实际的传闻和误解。

　　今年6月，阿里巴巴创始人马云表示，AI不仅会对很多工卐作造成巨大威胁，还有可能会引发第三次世界大战。他告诉CNBC，因为AI，在未来30年，我们将会每周只工作4天，每天4小时。

　　Recode创始人Kara Swisher在NPR的“Here and Now”节目中表示完全认同马云的说法。她还认为“如果一个工作是重复性的，不具备创新力，那么就会被数字化”，“一个几乎没有就业机会的社会是不难想象的。”

　　她甚至认为只◆有养护老人和儿童的工作才会留存下来，因为这些工作需要AI无法提供的↙创造力和情感。

　　但对㊣于我来说，这一切很难想像。我同意现在很难预测技术革命后的新工种，但主要原因是它们并不是突然产生的。这些新工种需要我们创︼造出来。我们『不需要的是有关世界末日的预言。

　　常见的误区

　　误区1：AI会消灭我们的工作——这不是真的。

　　马云和Swisher的想法和许多商◇业和政治评论家甚至许多技术人员的想法一致。最常见的误解就在于AI和重复性任务。自动化不过是计算机编程，并不是AI。Swisher所提到的只需要一个人的亚马逊未Ψ 来自动化仓库并不是AI。

　　我︼们人类非常擅长系统化、机械化和自动化。我们已经做了很多年了。它需要人类的智力来自动化，也就是说自动化本身不是智能的，这一点很重要。当那些对AI存在误解的人不断的重复“智能”时，他们往往会忽视“创造力”的重要性。如果用自动化取代一个工作时并没有创造出∞一个新的工作，那只能说明是人类的想象力出现了问题。

　　在我研究AI系统的20年里，我∩看到人们一次又一次的尝试使用计算机自动执行基础任务，并过度营销为AI。与此同时，我已经将AI应用在了本不该存在的地方，解决了我们无法用传统方法解决的问题。

　　例如，几年前，我和我在麻省理工学院的同事想要通过了解细胞DNA是如何被阅读的来设计▅个性化的疗法。我们并没有将计算机限制在我们所熟悉的生★物学知识上，而是指导AI思考如果把DNA当作是经济学该是什么样的，并让计算机以此为基础建立模型。然后，AI使用自己的模型在几秒钟内模拟出了遗传行为，而精度和传统的DNA电路模型一致。

　　目前，各式各样的◣AI系统被建立起来，但是却被限制∞在解决狭义问题上。竞争的焦点围绕着越来越复杂和通用的AI工具包，而不是AI本身。大多数公司的期望是创造一个可以和人类跨领域合作的AI，比如IBM的Watson广告。IBM的目标是将如今最强大的工具包转变为业务的基础架构Ψ。

　　AI的更大目标是合作建立一个认证机构，围绕我们所关心的但是现在无法解决的问题。这是一个巨大的机会空间，但是如果不打破关于∑AI的那些误区，我们将会面临着很多困难。

　　误区2：机器人就是AI——错。

　　工业机器人、无人机、仓库中的自组织货架，甚至我们发送到火星上的机器都∏仅仅只是运行程序的机器而已。

　　误区3：大数据和分△析是AI——错。

　　大数据和分析，以及数据挖掘、模式识别、数据科学等等都只是人们赋予的很Ψ酷的名字，而计算机所做的仅仅只是基于人类所创造的模型。它们也许很复杂，但并不是AI。数据就像你的感官，不能仅因为嗅觉可以触发记忆，你就认为嗅觉是智能的。

　　误区4： 机器学习和深度学习︽是AI——错。

　　这些只是用于编程计算机对复杂模式做出反应●的工具，例如你的电子邮件通过学习数百万用户识别垃圾邮件的模式来过滤掉垃圾邮件。它们是AI工具包的一部分。它们看上去很智能，但并不是AI。

　　误区5： 搜索引擎是AI——不对。

　　你也许可以通过各∏种不可能的方式来搜＠索信息，但是作为搜索者的你才是智能的那一部分。计算机所做的是识别¤出你的搜索模式，并向别人推荐相同的模式。它并不了解它发现的任何东西，作为一个系统，这是够蠢的了。

　　在我自己的AI研究中，我在面对还原方法过于复杂时才会使用AI来解决。那是因为AI可以让我◣们提出在传统科学环境中不容易提出的问题。例如，20多年前，我和ξ　我的同事使用AI来更快更精准的定位手机。传统科学没有帮助我们找到定位的方式，所以我们通过AI来解决这一问题。

　　顺便说一下，我们的AI解决方↓案实际上创造了工作岗位。

　　AI最重要的属性并不是处理数◥据或者执行程序，而是通过学习完成我们人类无法做到的事情。这是一种合作伙伴关系：我们人类引导AI，并学会提出更好的问题。

　　不过有一点Swisher是对的。我们应该弄清楚下一代的工作是什么，而不是纠结于目前的工作是具有创造性还是重复性。我注意到，AI工具包已经在各大科技公司创∞造了数以千计的工作岗位。

　　我们可以选择继续↘对反乌托邦的AI恐慌，或者我们利用AI来解决传统手段无法解决的问题，并发挥我们的想象力来创造出新的工作岗位。