还有什么工作不可能被AI取代？什么工作可以由AI催生？

这个问题来自第九期浦江科学大师讲坛。

第九期浦江科学大师讲坛在复旦大学相辉堂举行。我们有幸聆听了两位分量极重的嘉宾的精彩分享：来自康奈尔大学的乔恩·克莱因伯格（Jon Kleinberg）教授，其在搜索引擎算法和社交网络底层架构等前沿领域斩获开创性成就；还有约翰斯·霍普金斯大学的杰瑞米·内森斯（Jeremy Nathans）教授，他在视觉科学领域声名远扬，乃是约翰斯·霍普金斯大学医学院分子生物学与遗传学、神经科学和眼科学的讲席教授。

克莱因伯格以“算法视角下的世界：计算与高风险决策”为题，解答了这些问题：

算法视角下的人类世界是怎样的？

如何确保算法的公平性？

未来人工智能是否会完全替代人类行动。

讲座主要的内容记录如下：

三十一年之前，天文学家卡尔·萨根教授于一场讲座中详述了伽利略探测器的绕地飞行历程，此场讲座对克莱因伯格教授影响至深。

克莱因伯格教授将计算机科学三十余年的发展进程划分为三个阶段。

九十年代初，我们开始把互联网视作一座庞大的图书馆。

伴随社交媒体的兴起，互联网被赋予更为丰富的内涵，人与人、人与机器于社交网络中的接触，催生了海量的分享、转发以及虚拟社群信息，构建起一个涵盖各类人类行为的生态系统。

自 2014 年起，人工智能技术的发展促使互联网步入第三阶段，算法于其中发挥着举足轻重的作用，其能够处置海量的信息，并从中萃取有价值的部分。然而，算法的应用亦带来了新的难题，诸如怎样借由算法分析获取更多信息，虚拟信息能否转化为可供研究、可供加工的素材。

克莱因伯格教授认为，有效运用机器学习和人工智能技术，能够使当下以人工智能为根基的互联网生态体系更为完善。

于数字时代，海量的数据如何改变人类？从算法视角审视的世界究竟是何种模样？克莱因伯格团队通过剖析数百万用户的照片、搜索引擎查询以及移动设备的位置信息，识别出地球上人类活动的“热点”。这些“热点”不单是物理空间内的聚集之处，更是特定时间段内人们社会活动的核心。他们对地理标签数据展开热力图分析，凭借大语言模型从繁杂的数据中提炼出有用的信息，解析其中的高频词汇、特殊词汇，进而精准定位并描述这些“热点”。这种基于大数据的研究方式，在两个不同的尺度上施行：以约一百公里为半径的大都市规模，以及缩小至仅约一百米的地标级精细程度。这不但有益于人们更优地了解大范围内的人口流动趋向，也能对单个地点具备更为明晰的认知。克莱因伯格教授表示，当我们运用算法来剖析这些数据时，能够发掘众多饶有趣味且至关重要的社会和文化内蕴。此项研究有助于提高城市规划、旅游管理、灾害响应等诸多领域的工作效率。

最后，克莱因伯格教授着重强调，算法生来便存有偏见。在设计算法时，必须顾及多元化的公平准则，并开发崭新的技术手段。他始终致力于探寻如何定义及达成算法公平，尤其是在算法辅助人类做决策的情境。在他眼中，公平并非单一标准，而是牵涉多个维度。需要斟酌不同的度量标准，确保算法在各个层面均是公平的。

有人就问了这么一个问题：究竟还有哪些工作无法被 AI 所取代，又有哪些工作能够由 AI 催生？更为有趣的是，针对这一具有普遍性质的困惑，计算机科学领域的杰出学者乔恩·克莱因伯格（Jon Kleinberg）直言不讳，“我不知道”。

克莱因伯格教授认为：“2008年我们不会想到人工智能将会在视觉分析、语言处理上有那么好的发展，2016年我们也未曾料到人工智能可以和人进行自然的对话。“如果没有人类的观察和思考，我们就不可能推进这些工作。”

还有一个问题是：如何在研究中考虑到没有移动设备、无法接入互联网的人？而世界各国人们常用的社交平台不同，又该如何得到更为客观准确的数据和分析？

克莱因伯格教授对这一关切表示赞同，认为研究者们可以从政府、非营利组织、援助机构等渠道获得多元类型数据，开展物理世界和数字世界的综合比对，同时不能只关注某个特定的平台和地点，要全面关注人类对互联网的使用。他强调，我们必须思考算法对人类生活和后代可能产生的影响。除了偏见，算法还可能存在文化单一问题。如果我们都使用同一种算法去做决定，是否会导致做出的决定高度趋同，导致我们的文化也是高度趋同？在他看来，人类在使用算法工具的时候，设计者、使用者、研究者都需要保持一定的多元性。