我们为什么总是看错人(txt+pdf+epub+mobi电子书下载)

作者：王烁

出版社：中国文史出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

我们为什么总是看错人试读：

我刚认识王烁的时候，不觉得他特别爱看英文书。

并不是说王烁不看英文出版物。因为工作的缘故，王烁看大量的英文新闻刊物，从《华尔街日报》到《新闻周刊》到《经济学人》等等，既读纸刊也上网站。但是，这些是工作，不是爱好。

他的爱好有三样：武侠、科幻和加菲猫。

我们早期都爱追一个网络论坛。当时那个论坛还算小众，以武侠和玄幻小说为主。但谁也没想到，十年后这个论坛演变成一个以言情为主的原创文学网站，推出的许多知名作品变成了电视剧和游戏，包括《甄嬛传》《步步惊心》《何以笙箫默》等等。不过现在不叫小说了，叫“IP”。

我们也一起看《科幻世界》。《三体》一出，王烁受邀做书评，因此提前看到了小说。

最爱就是漫画加菲猫。王烁当时每天都上加菲猫的官方网站，看更新的漫画。短短几幅画可以看了又看。加菲猫有善良的主人宠，有忠厚蠢笨的大狗欧弟供欺负和玩耍，每天吃吃喝喝，睡睡懒觉，真是人生赢家啊。

在我看来，王烁当时的英语能力也不强。他曾经讲过在欧洲某个机场找人问路的经历。那个机场工作人员跟他唧唧呱呱说了一大通后，王烁听不懂，就说：“Can you speak English？”对方说：“I am speaking English！”

但我一向认为，只要王烁想学什么，都能学好。因为他有两个绝招。

首先，绝对不糊弄。当时有种英文阅读法很受推崇：直接看全文，不必每个单词都弄懂。所谓读书百遍，其义自见。也就是说，读着读着你就悟了。据说这符合人类学习的自然规律，小朋友就是这样习得语言的。

但王烁不干。他只要碰到陌生的单词必查，而且是立刻、马上、现在就查。我们恋爱之初一起看国外电影，但很快我就不和他一起看了。太累。首先片子是没字幕的，而且每5分钟他就要停下去查字典。但再过几年，我们偶尔一起看片子的时候，我发现他已经不查字典了，而且还可以当我的字典。我每五分钟就会问他某句话或者某个单词是啥意思，他永远有正确答案。我又不爽了。“为什么你每次都对？！”我问。“我不是故意的。”他说。

我又决定不和他一起看片子了。

其次，王烁喜欢总结。看完一个片子或者一篇文章，他会和我讨论：“你觉得用哪两个字来总结这个片子最合适？”本来很轻松的事情，结果就变成了学习。还记得我们在尼泊尔度蜜月的某一天，我一边喝下午茶，一边吃巧克力蛋糕，还不忘买一本《经济学人》杂志装模作样，多高大上的一个下午啊！刚啃了几口蛋糕，王烁说：“你用一句话说说这篇文章讲什么的？”

拜托！

说是绝招，这两招简单到我都不好意思多提。不过，大多数人只是在短期学习的时候使出这两招。学校里常记笔记，但很多人是为了通过考试被迫做笔记。再说，比之人漫长的一生，上学也是某个特定时期而已。但这种不对世界说谎，也不对自己说谎，扎实甚至到有点笨拙的学习方式，已经成为王烁日常生活的一部分，是他认识世界的一种途径。

推动王烁以阅读英文为主的工具，是电子设备，最早是PDA，俗称掌上电脑。（不小心暴露了年龄！）

电子设备最大的好处，就是帮你把所有碎片时间和空间都利用上。有的人看书要挑时间、环境、氛围。王烁本来就不大挑，现在更是一机在手说看就看了。上厕所，等电梯，等车，等人，所有3分钟以上无所事事的时间都可以用来看书，在哪里都可以看。

电子设备的第二大好处，就是可以很方便地做笔记。以前一手拿书，一手拿本或者笔记本电脑，记笔记很麻烦，至少你得找个地方坐下来吧。现在看书和笔记都在PDA上了，非常方便。

笔记类似于反刍，不仅可以帮助厘清思路，真正吃透书本，更可以留下资料，供日后检索。

PDA也逐渐将王烁的读书目标从中文转到了英文。因为那个时候中文电子书太少了。我记得那个时候找来找去也就《史记》等古籍。每次看《史记》，我都想睡觉。以后每次睡不着觉，我都要去拿PDA。（我知道我是王烁的反面！请不要再提醒我。）而英文的文章和电子版则很多。不知不觉，看得也就多了。

2004年王烁去约翰。霍普金斯大学的国际关系学院SAIS访学，至此正式走上大量阅读英文书的道路。王烁临行前狂背GRE单词。已经拿到Offer才开始背单词的人还是比较少的。当时出国考试培训行业有一句名言，说GRE单词都是那些你一辈子都用不到的，只为考试而用。但王烁不管，每天背。

到华盛顿的第一周，去学校附近的银行办卡。坐在银行柜台等着工作人员帮我们办理业务，王烁一直低着头，嘴唇蠕动。银行工作人员很奇怪，但没有多问。其实他正拿着PDA在背单词。

学校教育给王烁极大冲击，首先就是要阅读大量英文书。事后王烁说，觉得GRE单词实在是太有用了，这些词广泛存在于课堂开的参考书里。但更重要的是锻炼了他的英文写作能力。

刚上学的时候，有一门课，老师给王烁的卷子写了评语，写得比较潦草，王烁没看懂。下课了，他就去找老师问。老师说：“我是说你的英文写作太差了，要好好练。”

三年后，王烁受邀参加瑞典的一个国际大会，临时被会方邀请发言。他用10分钟时间写了一段英文散文诗，现场朗诵，与会者深受感动。

现在，我们的休闲时光基本是这样度过的：一起去咖啡馆，先喝茶聊天一阵，王烁就拿出了kindle，把大屏幕手机横放，打开折叠键盘，边看kindle边敲字做笔记。这样的二人世界已经有12年了。

本来这些笔记就躺在“云”里睡觉了，但去年下半年我们开了微信公众号BetterRead，得以和大家分享自己的读书心得。做微信公号的初衷只是为了做个实验，了解这样的社交媒体对于小众需求有什么影响。因为只是个人兴趣，我们也不想花太多时间。恰好，王烁多年来积攒了上百篇读书笔记。独乐乐，与人乐乐，孰乐？

最初，我们预计这是一个极小众的号。爱读书的人虽多，但大量读英文书的不多；专门推荐英文读物的媒体或公号不是少，简直就是没有。事实上，BetterRead应该是国内第一家持续推介英文读物的原创公号。出乎意料，公号开始一个月就有了一万订阅用户。我们想，差不多了吧。结果，到今天已过7万用户。

2015年底，王烁在BetterRead上发了一篇两万字长文，点评他当年翻过的50本英文书，被广泛转发。很多人问为什么能如此高效率读书，为什么BetterRead有那么多的书评？现在知道答案了吧。

那篇文章发表后，有个读者给我们发了多条消息，又写了洋洋洒洒的邮件，核心就是一句话：读英文书没啥了不起，不读书也能做成事情。这两万字的长文给读者带来的压力或者说怨念之大，可想而知。

中国人对待读书的态度是很复杂的。一方面极其功利，所谓“书中自有颜如玉，书中自有黄金屋”；一方面又把读书看得太高，所谓“万般皆下品，唯有读书高”，读英文书就显得更高大上了。不过，在大多数人看来，就算读书是一种生活方式，那也是像品酒、饮茶、打高尔夫一样，丰富丰富生活。像王烁这样读英文书当吃饭穿衣喝凉白开一样，先是令人不明觉厉，然后就是细思恐极了。

说真的，不读英文书又怎么样？尽管同为BetterRead管理员，我也要帮那位读者振臂一呼。

我也爱看书，但看英文书主要是为了了解育儿和健康的国际理念。王烁一周一本书，我则喜欢边看书边实践，还要多方验证和比较。往往费时三个多月才能以亲身体会写下读后感。按照王烁的说法，大家看他的文章，就了解了那本书；而看我的文章，就了解了我这个人。感谢本书编辑大人慧眼如炬，居然在茫茫文海中挑中了本人的一篇。这里也打个小广告哦。

普通人面对英文书霸的巨大压力该怎么做呢？在长期共同生活中，我已经练就了化压力为动力的做法——你学不了他，就用好他。

学以致用的最好办法就是旅游。我们从恋爱到今天，每年都出去玩。每次出门前，我就有针对性地请王烁读书。旅游的时候，王烁身兼厨师、行李员、钱包多个职责，但最佳角色是导游。无论是哪个犄角旮旯的景点，他都能找到相应的历史背景和有趣的故事。

去年我二度怀孕的时候，突然想出门去旅游，王烁坚决反对无效，只好选择稍微近点的日本。他恶补日本史后，主张去京都。京都有十七处世界文化遗产，我们去了十三处。那一周，我挺着四个月的大肚子，带着4岁的女儿，天天气喘吁吁地跟在他后面逛寺庙。我突然意识到，一旦书霸将读书和行路结合起来也是很可怕的。

前些日子，王烁不无感慨地对我说：“书太多了，人生有限，所以看书一定要有选择。”我盯着桌上的地球仪，非常赞同地点点头：“我也要有选择地找一些高质量的旅游点。”

这是王烁的生活方式——学习不走捷径，读书不求名利，以英文书打开认识世界的一扇窗，以移动终端为工具，以笔记为学习和总结的积累，并以BetterRead作为分享的平台。但是，每个人有自己的生活方式，只要快乐并有所得就可以。

不读书或者不读英文书又怎么样？反正可以看BetterRead嘛。A成为超级预测者

世界是平的。历史终结了。有什么共同点？深邃，发人深省，总能自圆其说，但作为预测都是不及格的，或者说都不算是预测。如果是预测，那么托马斯·弗里德曼和弗朗西斯·福山早就被证伪，没人听了，而不是像现在这样，无论在中国在美国，只要他们开口，总是有很多人在听。他们今天改口了：世界终将变平。历史应该终结。

不明确界定，无度量手段，准确与否难以检验，这不是预测是故事。接受这种由深刻隐喻营造的故事，人们找到意义与方向，准不准确，你真的关心吗？

不过，预测这件事太重要，不能全交给故事。所有人的所有决策，不管意识到没有，都以预测为前提。循证预测来了

循证（evidence based）预测，如同循证医学重塑医学，正在重塑预测这件事。

不循证的预测有两种典型：其一，“现在怎样将来就会怎样”；其二，“将来就是沿现在变化的斜率外推”。这两种预测法粗糙了点，但也不比前面的各种包装成专家预测实则是故事的准确度差。

如果想了解活的循证预测，登录www.gjopen.com，参加一场开放、永不停止、包罗万象、精确打分的预测竞赛，Good Judgement Open，我译作善断公开赛。

善断公开赛的预测都是短期预测（不超过一年），共同点是界定精确。精确到什么地步呢？可以用来打赌，输的一方乖乖掏钱，没有借口可找。

善断公开赛不是赌场，预测输赢不关金钱，但采用的Brier计分系统与投注有相同的逻辑：你预测下周末北京市出现雾霾爆表（AQI值500）的概率是90%，而对手方认为是10%，那就等于你选择以9︰1的比例下注，如果你的对手方赢了，那么，假设他下注100块，就能从你这里赢走900块。你还敢乱说话吗？

Brier计分法一般分值在0和1之间，0意味着绝对准确，1意味着绝对错误，0.5则相当于随机乱蒙。

我在gjopen.com网站上发布了10个预测，目前的Brier分值是0.231。假设我能始终保持这个准确率，那么将接近所有参加者的最高水平。预测竞赛的第一年2001年，第五名的得分是0.22，一位超级预测者。

我有这么厉害吗？

没有。到目前为止，我的预测中只有一个产生了结果。问题是：“《超预测》（Superforecasting）这本书在2015年10月底之前能不能上《纽约时报》畅销书榜？”

因为读过这本书，我毫不犹豫地选择“会”。我在2015年读过的书中，这本最值得一读，它也是BetterRead公号2015年度推荐的最佳书籍。我绝对相信它会很快登上《纽约时报》畅销书榜。如果错了，那也是《纽约时报》的错。

我赢了。

然后，到年底，大媒体纷纷发布年度好书榜，《超预测》登上了亚马逊年度非虚构十大好书榜、《经济学人》年度好书榜、《金融时报》年度好书榜。

诺贝尔经济学奖得主丹尼尔·卡尼曼说：“这本书讲述怎样让普通人在预测这个大事上战胜专家。在不确定世界上如何做清晰思考，它给出手册。”出版过回忆录《在不确定的世界上：从华尔街到华盛顿之路》的高盛前董事长、美国前财长鲁宾说：“政策制定者或者普通人，只要想依据严格的思维过程作决策，这书都极为有用。”

善断公开赛、《超预测》，都衍生于美国著名政治学家菲利浦·泰特洛克（Philip Tetlock）领导下的大型预测研究项目：善断计划（Good Judgement Project）。

善断计划的资助者是IARPA（Intelligence Advanced Research Projects Activities）——“情报高级研究项目”，组建于2006年，名称与著名的美国国防部DARPA相近，使命也与后者为军方提供颠覆性技术相似，区别在于服务的对象是美国情报界。它合并了国家安全局颠覆性技术办公室、地理情报局全国技术协作组、中情局情报技术创新中心，直属国家情报总监，旨在跨机构为美国情报界提供革命性的新能力。

在IARPA的财务和技术支持下，泰特洛克主持善断计划，从2011年9月到2015年6月，为期四年，总计两万多人登录善断计划网站，就情报界抛出来的五百个国际问题持续做出预测，实时预测，实时检验。比如这样的问题：希腊会不会在2014年12月31日之前退出欧元区？

IARPA同时资助了五所精英大学的类似项目，并组织锦标赛，彼此竞争。泰特洛克领导的善断计划一直赢，第一年赢了对比组60%，第二年赢了对比组70%，还赢了其他来自密西歇大学和麻省理工的对手30%到70%不等。差距实在太大，第三年，IARPA干脆取消了锦标赛。

善断计划的预测准确率高得惊人。参与善断计划的人由网站招募而来，都是普通人，智商还可以但不特殊，教育背景参差，也没有内幕信息，但他们作出的预测战胜了情报机构内部的分析师—这些人不仅是出题人，而且还有不能公开的机密信息。

对学者而言，更惊人的是，善断计划还战胜了预测市场，即那些就各种真实事件下注的公开电子交易市场，如爱荷华电子交易市场（Iowa Electronic Markets, http：//tippie.uiowa.edu/iem）。一般认为，预测准确是很难，但相对而言，用真金白银下注的真实市场对未来的预测最有效。善断计划对这个看法构成了极大冲击。

想想看：普通人能战胜市场这件事，会带来多大的冲击！

善断计划怎么做到的？正确打开方式

把一头牛牵上集市的台子，让赶集农夫目测其体重；把一罐糖果放到桌上，让幼儿园小朋友估计有多少颗。谁估得最准？

多玩几次。每次肯定会有一个最准确的估计，只不过，每次做出最准确估计的不会是同一个人。类似试验做过无数次，结论早已经有了，系统地看，所有估计的简单平均值胜过所有人的估计。几十个农夫目测牛的体重，几十位小朋友目测糖果的颗数，最靠谱的估计是求和再除以人数。

以一种简单的方式，平均值将所有人掌握的信息和做出的判断聚合起来，比单个人掌握的信息要完整，而形成的判断也更准确。这就是所谓群体的智慧。

群体的平均值是第一次聚合。这也是善断计划的起点。

用聚合来做预测，近年来在政治选举领域大热的纳特·西尔弗（Nate Silver）也是此法。这个年轻人业余开发预测美职棒新人未来表现的系统，卖掉；玩扑克又赚了几十万美元；然后做了个选举预测网站，2008年美国总统大选及国会选举一战成名，准确率超过所有民调，又卖给了《纽约时报》，然后出书《信号与噪声》。

选举民调是对选民意见的聚合。西尔弗并不直接做预测，美国选举民调已经太多。西尔弗做这些民调的聚合，等于是选民群体的聚合的聚合：

用贝叶斯概率，根据每个民调机构准确率的历史记录和动态表现，调整其在聚合中的权重。最后的结果既包含了对于每个民调机构的绩效评估，又聚合而成一个新预测。

这个预测有多准确？

2012年美国总统大选改选，西尔弗预测对了奥巴马战胜罗姆尼，这不稀奇。稀奇的是西尔弗还预测对了所有50个州两人的胜负结果，全中。

泰特洛克坦承，虽然西尔弗很年轻，但他的聚合预测是善断计划的智识来源之一：在聚合中给那些表现不同的预测者以不同的权重，效果胜过简单均值。

人以群分。善断计划启动于2011年，跨越四年，做不间断的预测实况演练。参加者在善断公开赛网站报名，就大量问题持续预测，接受严格检验，每个预测都会用Brier计分法打分，并汇总成个人总分。在漫长的赛马中识别好马，以0.25分为界，有2%的人脱颖而出，攀到最优秀一级，即泰特洛克所说的“超级预测者”。

这一步，泰特洛克与西尔弗的做法相近，相当于将其应用到情报分析领域：根据预测准确率调整每个预测者在整体预测中的权重分配，并给予超级预测者更大权重。由此产生的既是一个预测系统，又是一个预测者表现的评价系统。不出意料，它比预测的简单平均更为准确。

下一步则是泰特洛克团队的创举，其实也很简单。

对加权平均后形成的预测结果，再做一道加工：极化（extremize）。

所谓极化，就是将预测结果往100%或者0的方向推。

举个例子，对美伊达成核协议可能性的预测，如果预测者加权平均后的回答是70%，那就把它上调到85%；相反，如果预测值是30%，那就把它下调到15%。

极化基于一个简单的理由：假设群体中的每个人都获得了群体的全部信息，他们做预测时一定会更为自信。从群体简单平均值到加权平均的过程，事实上已经聚合了所有人的信息，但没有完全反映出应该有的自信。极化就是要捕捉这个自信。

如果是乐观预测，极化会输出一个更乐观的预测；如果是悲观预测，极化会输出一个更悲观的预测。

就是这样简单：一群在网络上做预测的普通人，利用公开信息，借助相当简单的算法，以明显优势战胜了参与IARPA预测竞赛的所有对手，还战胜了拥有保密情报的情报机构专业分析师，胜率高出多少这件事，本身得保密。这对那些终生研究情报的分析师，对整个美国情报界，都带来了巨大冲击。

加权平均+极化，这个做法有多强？

在两万多参与者中，只有一个人的Brier得分超过极化算法。

触类旁通：只要是存在大量预测者的领域，无论经济、政治、金融还是其他，都可以移植泰特洛克的加权平均+极化算法，应用的空间极大。超级战队

到目前为止，无论是简单平均还是加权平均+极化，聚合的对象都是个体所做预测，基础是个体。

团队呢？要是超级预测者们组团呢？超级战队的预测力怎么样？

先上答案。

善断计划发现，如果参加者第一年成为超级预测者，第二年编入超级预测者团队，他的准确率会上升50%，第三年还将再上升50%。

不光超级预测者，即使是普通人组队，其准确率也有明显提高。善断计划的第一年，泰特洛克将所有人随机分配，一部分组队，一部分不组队，团队预测的准确率比个人预测的准确率平均高出23%。这个结果不是自然而然就会发生的。团队协作可补个人能力短板，汇总信息，检验决策逻辑，但风险是形成观念和行为的正反馈，不断强化，形成群体极化：团队高度一致，认同于幻像，拒斥批判思维，也拒绝现实检验。这就是艾温·詹尼斯（Irving Janis）命名的“趋同思维（groupthink）”。对这种事，我们中国人一点也不陌生。

所以，在组队的时候，善断计划会对预测者做简单培训：提示趋同思维的风险，了解这种风险是避免的第一步。共识并不总是好的，分歧并不总是坏的。不要仅仅因为你同意某个观点就认为它是对的。不要停止反思。尖锐问题对团队就好比维生素对身体一样重要。等等。

当然，过度趋同不行，分歧失控也会使团队崩断。善断计划推荐英特尔创始人格鲁夫提出的“建设性对抗”，就事论事，提出精确问题。如果不同意队友的看法，你既不要第一反应说“你真傻”，这只会引发争吵；也不要说“我不这样看”，不同意本身没有为讨论注入增量。正确的反应是：“你有什么依据？”然后步步聚焦，将讨论导向可检验的地带，汇总信息，聚合判断。

普通人组队的预测，准确率超过善断计划所有参加者个体的均值10%。前面提到的网上预测市场，如爱荷华电子交易市场，确实如经济学家们说的那样，预测能力强大，其准确率又超过普通预测者团队10%。但最强的是超级预测者战队：他们战胜经济学家们一般认为不可战胜的预测市场15%到30%。

总的来说，团队胜过个体，而超级预测者团队战胜所有对手。更细地分解则是这样：超级预测者团队＞预测市场＞普通预测者团队＞群体均值＞个体。谁是超级预测者

只有极少数人是超级预测者。善断计划第一年的2800名参加者中，只有58名超级预测者。

他们的平均Brier分值是0.25，比普通预测者的准确率高出60%。不仅如此，他们还看得更远。普通预测者对未来100天的事所做预测达到的准确率，超级预测者在相同的准确率上可以看到300天。

超级预测者会不会只是因为幸运？

一种看法认为，巴菲特几十年的20%复合收益率并没有什么特别之处。好比掷硬币，只要掷的人数足够多，那么一定会有一个人一直掷出人头。巴菲特就是这样的幸运儿。

1984年，巴菲特在哥伦比亚大学商学院格雷厄姆代表作《证券分析》出版50周年纪念晚宴上发表演讲，回应了这种批评：如果只有我一个巴菲特的话，这种批评是有道理的。但是，为什么那些服膺格雷厄姆价值投资理念并与他有直接间接渊源的人当中，出现了近十位超级投资者？巴菲特反问：这些超级投资者集中出现于格雷厄姆—多德系（Graham-and-Doddsville），难道是随机的？

超级预测者引出相似的故事。他们作为一个群体相当稳定。上一年的超级预测者中，有70%在下一年仍然能保持超级预测者的水准。这同样显著地高于掷硬币的概率。也就是说，尽管超级预测者不能免于均值回归的压力—30%会掉队，但总体来说，他们预测准确并非侥幸，而是有原因的。

原因跟智力有一定关系。

善断计划的参加者是普通人，有退休工人、家庭主妇、艺术家，也有投行人士，但他们又不是一般意义上的普通人。积极参加一个网上的预测竞赛这件事本身，已经是一种自我筛选。

善断计划参加者在智力和知识测验中的得分高过70%的美国人，而超级预测者的得分更高过80%的美国人。如果换算成智商，超级预测者的平均智商大约在110到115之间，这不错，但不罕见。

超级预测者在善断计划的预测者中只占2%，在总人口中的比例更低于这一比例。再换个说法，超级预测者以超过平均智力一个标准差左右的智力，创造了比平均预测准确率高出两个以上标准差的准确率。

这额外的表现是怎么来的？

他们的思维方式。他们这样思考

丹尼尔·卡尼曼系统研究人的认知误区（bias），将其引入决策研究，为经济学开出行为经济学方向，以一个心理学家之身，获得了诺贝尔经济学奖。他与泰特洛克曾在加州大学伯克利分校同事，私交甚笃，他与善断计划颇有渊源，为启动计划还一起去见过中情局局长。

不过，最初他是怀疑的。

在卡尼曼的学术体系中，人有两套思维系统，学术上称为系统1和系统2，在他近年新著《思考，快与慢》中，为便于理解称为快思想和慢思想。

所谓快思想，就是快，大拇指定律，不思而应，调动认知资源少，日常生活中的绝大多数行为都由快思想支配；所谓慢思想，就是要想，符合经济人理性，用概率思维，调动认知资源多，在日常生活中用得少。

快思想主导下的日常思维存在大量认知误区。所谓经济学的行为转向，就是承认人存在系统性的认知误区，系统性地偏离主流经济学的理性经济人假设。

投射到预测这件事上，卡尼曼觉得，这么多认知误区在那里，你怎么做得出靠谱预测呢？

举个例子：

把普通预测者随机分组，问其中一组，叙利亚阿萨德政权未来3个月倒台的可能性是多少？答案是40%；问另外一组，阿萨德政权未来6个月倒台的可能性是多少？答案也是差不多40%。

这就是范围误区（scope insensitive）的一个典型实例。普通人对于范围不敏感，这个例子里的范围是时间，不同时间长度下，预测应有明显不同，但普通人的预测显示不出差别。

超级预测者们则不一样。他们对前一个问题的回答是15%，对后一个问题的问答是24%。显然地，他们对范围敏感。

这让卡尼曼很意外。

随着善断计划对超级预测者们的认知和决策方式了解得更多，答案越来越明白。他们之所以是超级预测者，原因主要不在智商，智商只是个门槛；原因主要在于他们的思维方式：他们是普通人，不是知名学者，不是政府高官，也没上过电视当评论员，但他们克服了快思维下常见的认知误区。

超级预测者是这样思考的：

狐狸式思维希腊人说：刺猬知道一件大事，狐狸知道很多事。刺猥有一个大想法，用这个想法去理解和整合所有信息，执一而从，到底为止。狐狸则不然，从很多来源了解信息，时常改变看法。情况一变，想法就变。刺猥比较受重视，看看电视上的各种评论员就知道了，但是狐狸比较准。

费米式思维把大问题分解成一系列小问题，回答那些能回答的，并把难以回答的那些问题刻画清楚。第一颗原子弹爆炸的当量是多少？地球以外有没有智慧生命？海淀区有多少适合你的单身狗？这些乍一听让人茫然无措的大问题，有一套用诺贝尔物理学奖得主费米命名的解法。

复眼式思维弄明白你与他人的看法哪里相同哪里不同，并对预测市场和其他聚合群体智慧的机制抱有特别关注，与他们的分歧越大，你的看法就需要越强的证据支持。要像蜻蜓的复眼一样，把不同的看法整合为自己的见解。

基准概率思维这是一种外部思维，对一件事的分析不是从其内在特质入手，而是先看同类事件的共性及发生概率。举个例子，如果在体检时对一种罕见病检测为阳性，超级预测者会先了解这种罕见病的发病率，逐步由外到内：这种罕见病在特定年龄段的发病率，在特定地区的发病率，最后才会切换到内部思维，了解病例的特殊之处。

贝叶斯思维基准概率思维与贝叶斯思维几乎总是同时出现。贝叶斯思维指先验概率根据新的信息更新，变成后验概率，这个过程反复持续。基准概率思维可以视作为贝叶斯推断过程校准先验概率。

颗粒化思维超级预测者们的判断总是量化的，且量化的精度远高于普通人。中情局的情报分析将预测分作七档：极为可能、很可能、可能、两可、不大可能、很不可能、极不可能，作为决策依据这似乎已经足够。但超级预测者们思维的颗粒度（granularity）远比这精细：他们做判断及调整判断，会精确到一个百分点。“苏格拉底说，了解你自己。卡尼曼在《思考，快与慢》中发展出了解自己的科学。泰特洛克在《超预测》中提供了我们都能运用的方法。”瑞银全球研究主管胡安·佩雷斯说。朝向黑天鹅的活法

在塔勒布出版《黑天鹅》以后，任何关于预测的乐观断言，都必须面对这个问题：你能预测黑天鹅吗？如果不能，你的预测有什么意义？

泰特洛克的回答是：不能预测黑天鹅，而预测仍然有意义。

他承认，现实世界只有一个，可能世界却有无数重。在导向最终结果的长链条上，如果有哪怕一个环节没有像事实上那样发生，结果会变成怎样，根本无法想象。

20世纪的世界史是由斯大林、希特勒、罗斯福、丘吉尔、毛泽东塑造的。考虑到20世纪是一个男女极不平等的世界，假设这五位领袖生为女性，他们事实上将没有机会成为领袖及发挥后来的那些作用。而他们生为男性或女性的几率是五五开的，五位都是男性的机率，只有3.125%。也就是说，站在19世纪末，就以这五位大人物而论，20世纪有30多个可能世界，我们只是偶然走进了其中之一。

人们常常低估了随机性的重要性，过度自信于对环境与自我的虚幻掌控。

泰特洛克承认，长期预测是不可能的。但基于善断计划的表现，他有两点回应：

第一，超级预测者的存在证明，对时限一年以内、边界清楚的短期预测，可以做到相当准确，对指导行为和决策有用。

第二，长期中总会有黑天鹅，但预防不可预测的黑天鹅的成本很高，也许是太高了。凯恩斯说：“在长期中，我们都死了。”

泰特洛克最后给出建议：如果一定要为长期预测做准备，那么，惟一能做的是准备迎接意外。也就是说，加强适应能力，增加从打击中恢复的能力。

如果生活扇你一耳光，你怎么办？

如果生活踹你一脚，你怎么办？

如果……

如果……

人生太漫长，别做预测，做准备。预测人机大战

2016年1月28日，Goolge在《自然》杂志发表论文，披露其人工智能阿尔法围棋战胜了欧洲围棋冠军，震动世界；3月9日到15日，阿尔法围棋与世界围棋最强者之一李世石大战五局，并获得胜利，再次震动世界。

从消息最早爆出到3月间大战尘埃落定，我公开发表了三篇文章：

——1月28日，《李世石，对不起，我们押宝阿尔法围棋》，基于当时所了解的阿尔法算法机理，预测阿尔法将获得3月间对李世石之战的胜利；

——3月7日，阿尔法围棋与李世石大战前夕，《为什么李世石会输》从李世石的棋风角度，预言李世石会输掉这场比赛；

——3月13日，阿尔法围棋已连胜三局，意外输掉第四局，《阿尔法输在哪里》分析李世石在对局中找到的间不容发的机会。

五番棋已经全部结束。事后看，我的三篇文章有错误，有臆想，有想当然，但总的说来，从预测的角度看，结果颇令人自豪。此次发表，除个别错字外，未做任何修改。李世石，对不起，我们押宝阿尔法围棋1月28日

AI崛起，最新证据来自《自然》杂志最新封面论文。Google旗下的深度学习团队DeepMind开发的人工智能阿尔法围棋（AlphaGo）以5︰0战胜了围棋欧洲冠军樊麾。这是人工智能第一次战胜职业围棋手。它将于2016年3月间挑战李世石，当下世界围棋最强者之一。胜者拿走100万美元。

作为一个曾经很强的业余围棋手（曾经拿过一次北京市高校围棋冠军），我打了这五局棋谱，震惊。

不是震惊于阿尔法围棋下得多么惊艳。表面上，这五局棋下得反而是很平庸。樊麾抵抗不足，五盘棋没有什么激烈的战斗，开局、定式、占大场、小规模接触战、收官，对抗度很差。

令我震惊的是，如果事先不说，换成我坐在棋盘对面，我不会知道这是人工智能下出的棋。由于阿尔法围棋与樊麾在对局中展现的棋风相近，如果不说谁执黑白，哪怕事先告诉我其中一方是人工智能，我也无法准确地辨别出，哪一方是人，哪一方是人工智能。

也就是说，阿尔法围棋不仅战胜了职业棋手，也通过了图灵测试（围棋单项，如果能够这么说的话）：如果机器能够跟人交流而不被认出来是机器，那么它就能思考。此前的围棋人工智能则通不过，虽时有精彩之笔，也总会露出马脚。

这不是偶然。在过往围棋人工智能通常采用的蒙特卡洛树搜索算法之外，阿尔法围棋加入了两种深度神经网络算法，分别减少了搜索所需的广度和深度：用价值网络算法评估棋子位置的优劣，用策略网络算法来选择下一步。阿尔法围棋与人的思维方式更接近。在与樊麾的对局中，靠着更精准的评估和更聪明的棋步选择，阿尔法围棋的计算量只需20年前IBM深蓝计算机击败国际象棋世界冠军卡斯帕罗夫时的几千分之一。

竞争对手立即做出了评价。田渊栋领导着Facebook人工智能围棋项目“黑暗森林（DarkForest）”，你可在跨国围棋对弈平台KGS上与它交手，目前是业余5段水平。田在知乎上说：“他们训练了一个走子的神经网络，又训练了一个可以评估局面的网络，然后在蒙特卡罗树搜索中同时使用这两个网络。后者用了两千万局的自我对局的结果训练。为了避免过拟合，每局只随机选了其中一个局面，然后让网络预测对局结果（胜或负）。两千万局不是个小数字，大家可以算一下一刻不停地下，15分钟一局需要多久才能下完（大约是570年）。这个规模我说实在没有想到过，谷歌在这方面是很有优势的。最后，他们的预设策略（defaultpolicy）也是经过处理的，能够两微秒走一步而且准确率也不错。还有一些小细节就不一一赘述了。总之，谷歌的做法充分利用了大数据+深度学习的优势，而几乎完全没有用到围棋领域的知识，所以若是以后棋力能再往上走，我也不会惊讶。”

人工智能近年突飞猛进。最近还有人说，人工智能要战胜人类围棋手还要许多年。现实立即粉碎了这种预言。人工智能战胜业余强手也就是去年的事，现在已经战胜职业棋手。业余强手与职业棋手之间的差距，远大于职业棋手与职业顶尖棋手的差距。

樊麾二段出生于中国，目前是法国国家围棋队总教练，连续三年赢得欧洲围棋冠军的称号。欧洲冠军与世界最强之间水平大概差让到先让两子，这对人类是天堑，但对已经取得突破的人工智能来说，步子大点也许一步就迈过去了。

本文要发出的时候（2016年1月29日），已经有两位世界冠军级棋手发表了看法。

芈昱廷九段：“谷歌围棋战胜职业棋手的消息很刺激，对李世石挑战赛胜负很难说。”

刚刚两次战胜李世石两夺世界冠军头衔的柯杰则称：“以现在这个计算机的实力，战胜李世石可能性不到百分之五。”

但是，柯杰恐怕不知道，阿尔法围棋战胜樊麾是在2015年10月，到2016年3月与李世石对局时，还有近半年时间。阿尔法围棋通过与自己下棋来做加强学习，以闪电般的速度每天跟自己下无数盘。关键的技术突破已经发生，它从高手达到独孤求败水平不需要很多天。如黄文政所说，量的改进是人工智能最擅长的事情。

不要被阿尔法围棋与樊麾对局中表现出来的“平庸”所迷惑，它也许只是以樊麾的棋风打败了樊麾。跟人不一样，人工智能不会也不需要有特定的棋风，如果要猜的话，我猜它是镜像了对手的棋风。对手不同，它就不同。

模仿对手的做法，是一种常见的博弈策略。比如帆船赛里，一对一，领先者保证领先的最简单办法，就是追赶者做什么，领先者就做什么，不管这个做法本身是不是最优，这样以确保不会减少领先的优势。

围棋当然没有这么简单，但套用这个思路也是可能的，对手什么风格，AI就什么风格，对手是人，会有无谓失误，会有漏着，会有精神专注度问题，这些问题AI一个也没有，镜像对手的做法，岂不有姑苏慕容氏“斗转星移”一般的效果？

还是让3月对战来验证这个猜想吧。与樊麾相比，李世石是另一种动物，从始至终血战到底。如果阿尔法围棋转为采用嗜血战法，那李世石就要特别小心了。

李世石说：“作为人类代表，相信这一次我还能赢。”

祝你好运。

我参加的一个微信群对此战结果的预测出现分歧。像所有合格的贝叶斯人那样，我们下注。最终产生的赔率是押李世石为押2赔3，认为人类会输的已占明显多数，等于预测人类获胜的概率只有40%。它是我们这个微信群集体智慧的凝结：有懂围棋的，也有懂AI的。

至于我自己，押阿尔法围棋胜。人类，对不起了。

围棋成为人工智能新突破选择的领域，意义重大。围棋规则简单，变化繁多，而结果不确定，没有“正解”。不是说初始输入一个值，然后直线计算到终局，而是每一步都有判断、权衡、取舍。我的体会是它好似生活的投影，简单一些，但足够复杂。认知科学家阳志平说，认知心理学实验研究智力、专家、专业技能习得常选取棋类作靶子，因为它标准化程度较高；不过，一般棋类游戏认知复杂度不足，围棋却兼具了标准测试集与认知复杂度高双重特点，人工智能在围棋上取得的突破，具有划时代意义。

那人还能做什么？

近来影响巨大的《第二次机器革命》一书认为，过往人们认为自己相对于人工智能的优势，已经越来越靠不住了，将来还可能有点比较优势的领域（暂时）只剩下：提出有趣问题；宽幅模式识别；复杂沟通能力。该书推论说，二百年来主要重视数学（ARithmatics）、阅读（Reading）、写作（WRiting）的3R式教育，与将来的需求错配，必须改革。

围棋失守在即，未来已经到来。为什么李世石会输3月7日

2016年3月9日，李世石会输给AlphaGo。

AlphaGo横空出世的时候，我写过一篇文章《李世石，对不起，我们押宝阿尔法围棋》发在BetterRead，讲它为什么会赢。这次讲李世石为什么会输。

李世石不是此刻的世界最强者。算上刚刚结束的农心杯三国围棋擂台赛最终局，他已经连续输给中国的柯洁好多盘，输掉了近来两人相争的所有重大比赛。

不过，我要讲的不是这个。李世石是不是最强者没有什么关系，他已经够强了。

接着看。

几个月前，在两人争夺世界冠军头衔之前，被问及与李世石之战胜率如何时，柯洁说：李世石有5成，如果总共有100成的话。

棋盘如战场，不许人间见白头。十余年前，李世石像柯洁这般如日中天的时候，也是一样地盛气凌人，不给别人留路走。

不过，我要讲的也不是一个李世石遭报应的故事。

接着看。

后来有人问李世石，你当初那么目无余子，是真的认为自己最强吗？

李世石说，不是的，是因为当时李昌镐太强大了，又没有任何破绽，我觉得自己模仿他的平衡风格毫无胜算，只有尽力张扬自己的性格才有可能破局（李昌镐是1990年代中期到本世纪第一个10年中期无争议的围棋统治者。今天围棋总共产生了100个世界冠军，其中他拿的最多，17个）。

少年的心事与心机啊。

李世石及其发扬光大至今仍统治职业棋界的棋风，极度重视气势：你要战，我便战；你不要战，我更要战，追求从一开始便将对手拉入不到终局不休的无数场战斗之中。

为什么这个策略可行？

第一，战斗中，双方下错的概率显著增加。你会犯错，我也会犯错。棋手不再不切实际地寄希望于不犯错误，而是争取自己的错误犯得较小，避免自己成为犯最后那个错误的一方。

第二，主动将局面导向这种博弈的一方，在心理上、棋风上乃至体力上更有准备。

第三，一战定局这种事变得越来越少，一局棋变得很漫长，在可能多达几十场战斗中，如果你擅于捕捉机会，机会多很多。

全力张扬桀傲个性，不求平衡，从开局战斗到终局，李世石创造了自己的时代，引领了一代围棋风格，其间收获了十多个世界冠军头衔，也埋下了今天面对AI的尴尬。

为什么？

与投资界里常说的赢亏同源相似，李世石的长处明显，短板也明显，都是一个：在战斗中寻找对手的破绽，自己的破绽也会增多，为将局面引入乱战，甚至不惜故意露出破绽，开局即崩。

李世石雄踞世界棋坛多年，但没有留下传统意义上的名局，就是那种棋：双方落子都臻于完美，没有恶手，一方取胜是因为下得更好，而不是另一方下得不好。李世石固然会下出绝妙手段，但也会露出不少破绽，下出不少恶手，一盘棋赢下来是因为对手的破绽和恶手更多。李世石拿到世界冠军的不少决胜谱很难看，对手在懊恼自己犯下错误之余，更有许多郁结。不信请问同为世界冠军级棋手但被李世石多次碾压的常昊、孔杰。李世石棋风有恶名“僵尸流”，就是这样来的。

这样说对李世石并不公平。旁观李世石下棋，会觉得李世石的棋风很脆，常常在开局用压迫式的布子求战，结果露出破绽，一举落入下风；然而那些坐到李世石对面的高手，会觉得李世石的棋强韧之极，他们常常赢得每场战斗，直到输掉最后一场战斗。

可是，李世石这样下，用自己的不稳定賭对手的更不稳定，对AI会有效吗？

点到即止。

最后，再来看一下AlphaGo。

上周，研发AlphaGo的GoolgeDeepMind创始人杰米斯·哈萨比斯（DemisHassabis）在牛津大学发表演讲，介绍人工智能进展，其中大部分内容介绍AlphaGo。

面对当前局面，AlphaGo不是做穷举计算，两个深度学习算法极大地减少了计算量。“策略网络”算法负责下一步的落子选择，从理论上存在的平均200种可能选择，缩小到三四种得分最高的选择；“价值网络”算法负责评估落子后的局面与最终胜负的概率关系，就是判断局面是否处于优势，优势多大。

前者减少计算的宽度——不用去计算所有落子的可能；后者减少计算的深度，不用徒劳地去尝试算到底。

这确实就是人类棋手在面对棋局时的思维方式。没有人能算到终局，也无须如此，只要算到下一步棋能导向优势就足够了。用诺奖得主、经济学家、政治学家、人工智能专家司马贺（HerbertSimon）的话说，人做不到完美（optimal）计算，做够用就行（satisficing）的算计。AlphaGo下棋看来也是如此。可是，AlphaGo有拟人的围棋思维，但它不会有人的波动。与人下，你露出破绽，还有无数机会；与它下，就结束了。

从诞生以来，AlphaGo主要是在与自己的许多个分身之间下棋，多到每天下几十万盘。武侠小说中左脚踩右脚越升越高的轻功是乱盖的，但AlphaGo跟自己下棋却真能涨棋，哈萨比斯称之为内部测试。每隔一段时间，AlphaGo会跟外部棋手下，以做校准，这叫外部测试。前两次外部测试，2015年4月跟同为AI的CrazyStone下，2015年10月跟樊麾下，结果大家都知道了。

哈萨比斯最后说，跟李世石对战，绝大多数职业棋手认为AlphaGo会输，但我们的内部测试结果可不是这样。

走着看。阿尔法围棋输在哪里3月13日

2016年3月7日，我在BetterRead上发文《为什么李世石会输》，说李世石的棋风波动很大稳定不足，在对AI时不利。现在目标不同，如果要下得漂亮，下得让AI意外，但求充分燃烧，向死求生，那这是李世石的最擅长。

在AlphaGo 5︰0战胜樊麾和李世石的前3局，整整八盘棋不能说没有战斗，但确实没有深入骨髓手术刀一般的贴身缠斗，对手被阿尔法的算法控制住了。

2016年1月底阿尔法出世时，我写《李世石，对不起，我们押宝阿尔法围棋》，猜想阿尔法没有棋风，是应变型的，对手怎么样它就怎么样；现在看正好相反，在现在的算法参数下，表现在棋枰上，阿尔法有明显的棋风，就是控制：控制棋局朝向对它有利，至少并非不利，但变化较少的方向走。两套深度学习算法合力，它永远选择胜率最大的下一步。

你有力，发不出；你求战，条件我开。

上图，第3局，李世石左侧作战不利，于是一头撞在白棋右下的大飞角上。

围棋又称手谈，在这场人与AI的对话中，李世石说，就是要战斗！没有战斗的条件也要战斗！

过了几步，李世石又断在这里，如果说前面的靠大飞角是拼，这步棋就是拼的平方。如果是人类棋手相对，那么上手对下手让三子时才会这么下。想求战而不得，要这样不利地来求战。

悲凉。

阿尔法围棋连漂亮一战的机会都不给你。

在顶级职业棋手绝不会现在就输给AI的神话仅仅于几天前才被打破之时，新的神话出现了，阿尔法不可战胜。

能赢一局就是重大胜利，是人类在重大挑战面前自我适应能力的礼赞。现在已很明显，论“实力”，人是不如狗的，但如果人能找到狗的一点漏洞，偷袭成功，哪怕狗随后升级补漏，也是对人类了不起的适应能力的证明。

比赛之前，人们对AI的弱点有很多猜测，比如虚路不行，全局不行，然后一一感到震惊。第二局中这步尖冲是其中的一幕，AI也能下出这样的虚路构思，此前右下角尖的俗手，重新获得了意义。

最重要的，还是劫争。

万众瞩目的大劫争，终于在阿尔法围棋对李世石的第三局中出现。李世石没有因此创造奇迹。但是，如果说阿尔法的弱点最可能在哪里，还是在劫争上，只不过，要造劫的话，必须要早造，生造，硬造，因为等着棋局的流向自然而然产生劫，可能等不到了。阿尔法控制力太强。

人们对阿尔法的认识，也是在棋盘上去反推的，根据下法，一步一步地去认识它。

人类下围棋有两种下法，一种是下正着，就是不管对手怎么下，我下我认为最好的下法；一种是根据对手来下，不管正着是什么，我下让对手感到最难受的下法。在人与AI的竞争中，人类棋手已经无法再按前者来下，而是必须按照后者来试试，看看什么可能让阿尔法最难受。至于什么能让阿尔法最难受，事前的想象都靠不住，总要在棋枰上去试一试。

终于，下到3月13日，第四局，才发现，阿尔法长拳强，洪拳强，太极拳强，就是咏春拳有点破绽。

李世石白78手挖，“神之一手”，然后阿尔法狗就乱了阵脚。

到目前为止，就是这种坂田荣男小刀流管用了。其他吴清源流的哲理、李昌镐流的坚忍、李世石流的凶悍，都没有明显效果，阿尔法比你还会吴清源流、李昌镐流、李世石流。人类第一次明显占到上风的地方，居然是外科手术式局部战斗，跟预料完全相反。

其实，仔细看上图。阿尔法的败因还是避劫，即使白下出挖以后，如果黑棋选择补左边，那么右边有个白打劫连回的手段。这个劫价值不小，却是黑棋的无忧劫，最终大体会形成白连回上边，黑连回右边四子的转换。形势还早，而阿尔法其实很擅长这种局面。

但是，阿尔法就是倾向于避劫，最终没有选择上图，而是选择了损失更大的实战，输掉了这一局。

阿尔法的软肋已明，如果这次是十番棋，李世石也许还有机会。可惜。

最后说点别的。

围棋是一种可以只依靠绝对理性的游戏，但非理性却仍然在人类对手间有很重要角色。所谓“气合”，就是讲究气势，不仅要赢，还要在气势上占上风，这一类。

在人类对弈当中，之所以还没有消灭这些非理性因素，是因为理性能力其实还不够。棋手时常表现得从感情上、直觉上就不能接受某些着手。这是因为，一方面，自己的理性能力仍然不足，算不透；另一方面，对对手的理性能力不足抱有信心，所以你要博，我就陪你博。阿尔法消解了这种博弈。以后的人类围棋至少在表面上也会阿尔法化了，尽管计算能力永远也追不上阿尔法。

以后AI暂时不能战胜人的领域，主要是人的那些“非理性”部分，不可能与阿尔法式理性对抗的那些领域，主要存在于人与人之间的密切互动。“非理性”仍然是人类必要部分的那一类竞争，暂时还在AI射程之外。

阿尔法只有算法没有心理，但人类心理这一套在棋盘上可以没有用，所以气合终将被算法消灭。经济学中的理性经济人假设捍卫者曾有类似逻辑，即没人是完全理性的，但那些“貌似”理性的行为，会在市场中消灭不理性行为。所以理性经济人假设是成立的，因为“应该如此”。不过，人际之间复杂互动似乎还是没这么简单。以泡沫为例，从一轮泡沫到破裂到政府援救全过程来看，似乎是全疯的和完全不疯的都没有适应性，有适应性的是那些有点疯又不全疯的参与者。至于疯到多少正好，这个可没法事前说清楚。

我们人类自己之间的那点破事，还轮不到AI来管。机器人终将获得意识3月15日机器人寓言

如果你想亲身看到一万年后的地球，惟一的办法是休眠。你爬进休眠舱，然后在公元12016年醒来。

可是，问题没这么简单。休眠舱需要经受万年考验，要保证能源供给不断，要能经得起环境灾变，如果受损还得自我修复，数不清的考验，它都要能应付，否则你就永远睡过去了。

找个最理想的位置，有阳光、空气和水，以及维系休眠舱所需要的所有资源，然后定在那里。行不行？

这不算好办法，一万年间，地震、海啸、陨石撞地球，这么长时段中，想想就知道没法有靠谱的预测。人算不如天算。要不然，万年一遇的事情怎么总是在发生？福岛核电站怎么会发生泄露？天津港怎么会发生那么大的爆炸？无法预测未来，那怎么办？

制造一个能感知外界、回避风险、寻找资源的机器人，把休眠舱放进去。

说到这里，你应该明白点了。不动，能动，是从自然界复制而来的两个策略，前者是植物，后者是动物。我们学动物。

造这样的机器人很难，比你想象的还要难。一万年里，你一开始给它下达了“让我活着”的指令，然后便一直沉睡，不能给它临场指导，所以，你的机器人必须能够自己制定策略，“知道”如何去寻找资源，如何转移到安全地带，如何预判和回避危险。

这些你既不可能都提前想到，就算想到一部分你也不能事事都提前准备，你准备不起：所需资源太多，太笨重，更不能适应环境变化。

挑战不止于此。未来一万年不会只有你的那个机器人。有许多人也想看到一万年后的世界，可能有许多机器人彼此竞争与人类竞争。你的机器人得具备与其他机器人竞争与合作的能力，合纵连衡。

最初的指令很简单，但最终，你的机器人会表现出自运行的能力。机器人在保存你的生机这个最终目标之下，根据环境变化，会自己衍生出许多次生目标，衍生就意味着脱离，脱离于当初的目标。

不忘初心，何其之难。

允许机器有相机决策的自主权，那么它一定会超越你的预想范围。阿尔法围棋战胜李世石的招法，它的设计者们可下不出来，他们只是设定了算法，然后跟我们一样惊叹于阿尔法在棋盘上表现出来的“自主”构思。

讲到这里，你终于明白了。上面讲的机器人不是别人，正是人自己。在演化中，基因创造出人来做它们的机器人，以保护它们在人类深处的漫漫休眠。

这个故事，道金斯在《自私的基因》里讲过，丹尼特在《信息泵》里也讲过。人是基因为了自己生存而造出来的机器人，但在基因不得不让渡的自主决策空间中，人类演化出了自由意志。我们作为人的利益，与“造物主”基因的利益，走上岔路。从基因赋予人类学习能力，授权自主决策的那一天起，这就是注定的结果。短期只是人类换工作而已

现在谈论AI取代人，还太早。

在AI获得意识之前，它就只是人的一种工具，只不过这种工具很特殊。以前的工具，如汽车，能跑但只能跑，你要它采矿它做不到，得另外造。今天的阿尔法已经是通用AI，可不止能下棋，很快就会看病。

就连大家谈得比较多的工作竞争这件事，也基本是假问题。新工具不会减少人类的工作机会，只会改变人类工作的方式。有一些工种会消亡，有一些工种会出现，能力固化难以调整的那些人，是会付出代价。但这主要是人类内部之间的博弈，AI的进步暂时只是个扳机，还不是主角。将来一定时期内，人类会享有极大好处，闲暇会增加，但人又是一种永远闲不下来的动物，没有闲暇就没有发明，谁知道人会折腾出什么新东西来呢？

人的创造力将与AI的演化赛跑。终将获得意识

长远看，AI终将获得意识，只要人类给它的使命越来越开放，越来越笼统，包含着越来越复杂的权衡，以及越来越充分的授权。

作为一个封闭有限游戏，围棋存在理论上的确定解，但阿尔法围棋不是求得了一个确定解，它是在一个最终目标下，自己制定策略，自己权衡，自己做决定。阿尔法围棋战胜李世石，是里程碑式一步。

前面讲透了，人类之获得自我意识，最初也是这样的，只不过花了数百万年时间。而如果从生命出现至今算，花了数十亿年。AI的进化不必重复如此漫长的过程。

人类是很特殊，但说到底不过是一堆碳，碳可以，硅为什么就不行？重新来过

AI获得意识以后，人类会发生什么，现在只有各种畅想。因为资源竞争，因为非我族类的黑暗森林法则，或者仅仅是因为机器不在乎人类正如人类不在乎蝼蚁一样，凡此种种，很难有好的最终结局。

不过，可以确定，如果把视角放到《三体》尺度一般的超人类和宏大，则看得见AI自己也注定不会有好下场。一个高度联网的大一统智慧，可以战胜一切眼见的竞争者，但在进化中却是脆弱的：一个超级病毒，一颗巨型流星，一次太阳黑子大爆发，一次覆盖全球的电磁脉冲事件，AI文明便终结了。

然后地球重新来过。人类觉醒宣言暨墓志铭

为天地立心，为自然立法，从人的角度看，人是宇宙的中心，赋予一切以意义；但在人体深处，从基因的角度看，人不过是其自我复制的载体。自我复制是基因惟一的“目的”，对人类福祉的“关心”仅限于其中有利于基因复制的那一部分，两者利益并不完全重合。比

试读结束[说明：试读内容隐藏了图片]

下载完整电子书