鸿蒙文学网

手机浏览器扫描二维码访问

8 塔林 科技之城（第8页）

以前把织布作为副业的农民放弃了他们的土地，转而开始全职从事布料生产。

兰开夏郡成为当时的“硅谷”

，吸引了来自本地之外的家庭，法国和美国的发明家也搬到了那里。

服务的世界

现代农业和工业依赖于几个世纪以来的劳动节约型技术，这一事实解释了为什么2019年英国和美国的农业就业人数都低于5%，制造业就业人数都低于10%。

在被生产率高的机器驱赶出工厂和田地之后，现在有超过80%的人从事服务行业。

“服务”

的定义很广泛，既包括商店、酒店和餐馆的工作，也包括提供专业性的服务，如会计和建筑，以及提供教育、演讲或职业治疗等公共服务。

服务经济中的交易通常是为了节省时间或避免做家务，比如做饭、打扫卫生、开车或洗衣服，或者是花钱请别人来完成我们自己没有能力完成的任务，比如翻译文本、起草建筑规划、设计网站。

在现代经济中，几乎没有人种植或制作东西，80%的人每天都在交换时间、努力、技能和知识。

人们很容易得出这样的结论：这应该能在一定程度上防止机器抢工作，这为人们提供了一点儿安全感，因为人类似乎特别擅长提供服务。

对于那些听起来有些吓人的自动化研究，有一种更为乐观的解读，如果14的工作面临风险，那么34的工作没有风险，剩余的人力可以相对平均地分布在需要各种技能并可以发工资的工作中。

店主、服务员或美发师必须做的许多事情让我们觉得很容易，比如察言观色、感知顾客的情绪等，但机器却很难做到。

当涉及提供所有类型的服务时，人类有天生的优势。

永远不要与机器人比赛

然而，阿提·海因拉却指出：“所有关于机器人不能做的事情的假设都是错误的。”

机器人现在可以爬楼梯，处理3D（三维）图像，并识别人类的情绪和感受。

它们之所以能够做到这些，要归功于一种被称为“机器学习”

的技术，这是一个技术术语，指的是从经验以及创造AI（人工智能）的过程中学习。

给计算机或机器人设置一项任务，比如，让它识别图像，从货架上拿起物品，通过路线导航绕过房间里的障碍物，然后向它反馈什么是对的，什么是错的。

随着不断重复这种“训练”

，通常是成千上万次，机器人就会做出调整以避免过去的错误，并在正确执行任务方面做得更好。

这些想法并不新鲜，它们最初是由美国计算机科学家亚瑟·塞缪尔证明的，他在20世纪50年代创造了“机器学习”

这个术语，并用这项技术教计算机下国际跳棋。

在过去的十年里，计算机能力的提高使人工智能变得更加复杂。

现在，计算机的图像识别能力要好得多，在发现癌细胞的测试中经常击败人类实验室的技术人员。

机器人在解读图片和视频之外的能力正变得越来越好，总部位于塔林的软件初创公司RealEyes利用网络摄像头和机器学习技术，创造了能够解读用户情绪的人工智能。

海因拉表示，实验室中所取得的发展要远远领先于公众看到的水平。

到目前为止，星舰科技公司的机器人已经完成了16万公里的训练，它们在塔林、伦敦和加利福尼亚州进行了试驾，每次试驾的数据都反馈到爱沙尼亚神经中枢一个巨大的共享大脑中。

来自爱沙尼亚的著名发明家的警告是，不要妄自尊大。

人工智能背后的基础技术表明，它值得被认真对待。

机器人的人工大脑是由计算机芯片上的晶体管驱动的，就像珍妮机一样，而芯片正在以惊人的速度改进。

1965年，时年36岁的戈登·摩尔预测，计算机芯片的功率将每两年翻一番。

这项现在被称为摩尔定律的预测非常准确，1971—1989年，英特尔（摩尔帮助创立的一家公司）芯片上的晶体管数量从2300个增加到120万个。

1970—2017年，每台计算机处理器的晶体管数量变化如图8.2所示。

最近，有证据表明速度可能会略微放缓，但即使功率每三年翻一番，2030年的芯片也将比2018年的芯片强大16倍。

更先进的人工智能即将到来，并将出现在我们的工作和生活之中。

唯一需要谨慎选择的是，要不要让人工智能控制的机器做我们所能做的任何事情？