【人工智能】从硅到感知：引领 AI 下一个前沿和人类认知迁移的遗产

　　人类一直在迁徙，不仅在地理景观上，也通过工作和思维方式的改变而不断变化。每一次重大的技术革命都要求某种形式的迁徙：从田野到工厂，从肌肉到机器，从模拟习惯到数字反应。这些转变不仅改变了我们的工作方式，还重塑了我们如何定义自己，以及我们认为哪些因素能赋予我们价值。

　　技术取代的一个鲜活例子来自20世纪初。1890年，美国有超过13000家公司生产马车。到1920年，仅存不到100家。仅仅一代人的时间，整个行业就崩溃了。正如微软博客“马失去工作的那一天”所述，这不仅仅关乎交通运输，还关乎数百万工人的流离失所、行业的消亡、城市生活的重新定位以及大陆流动性的大规模实现。技术进步的到来，是不需要许可的。

　　如今，随着人工智能能力的不断增强，我们正进入一个认知迁移的时代，人类必须再次迁移。然而，这一次的迁移不再是物质层面的，而是精神层面的：人类不再局限于机器正在快速掌握的任务，而是转向人类创造力、道德判断和情感洞察力仍然至关重要的领域。

　　从工业革命到数字化办公，历史上充满了由机械引发的迁徙。每一次迁徙都催生了新的技能、新的制度以及关于贡献意义的新叙事。每一次迁徙都催生了新的赢家，也淘汰了其他人。

　　2015年10月，在Gartner行业会议上，IBM首席执行官罗睿兰（Ginni Rometty）公开宣布公司“认知时代”的开启。这不仅仅是一场巧妙的营销活动，更是对战略方向的重新定义，甚至可以说，这是向科技行业其他参与者发出的信号：计算新阶段已经到来。

　　过去几十年，人类软件工程师基于规则构建了可编程系统，而认知时代则将由能够随着时间推移学习、适应和改进的系统定义。这些系统由机器学习 (ML) 和自然语言处理 (NLP) 驱动，无需明确指令即可执行。它们能够进行推理、综合和交互。

　　这一愿景的核心是 IBM 的 Watson，它在 2011 年就因在《危险边缘！》（Jeopardy!）节目中击败人类冠军而备受瞩目。但 Watson 的真正前景并非在于赢得智力竞赛节目。相反，它能够帮助医生筛选数千份临床试验，从而提出治疗方案，或协助律师分析海量案例。IBM 的定位并非 Watson 取代专家，而是将其视为人类智能的放大器，是人类认知领域的首位“副驾驶”。

　　这种框架变化意义重大。与早期强调自动化和效率的科技时代不同，认知时代强调合作。IBM 称之为“增强智能”而非“人工智能”，将这些新系统定位为合作者，而非竞争对手。

　　但这一愿景中隐含着更深层次的意义：认识到长期以来作为白领专业人士的标志性工作的认知劳动，如今已无法避免自动化的威胁。正如蒸汽机取代体力劳动一样，认知计算也将开始侵蚀曾经被认为专属于人类的领域：语言、诊断和判断。

　　IBM 的宣言既乐观又发人深省。它设想了未来人类可以在机器的帮助下做更多的事情。它也暗示了未来价值需要再次迁移，这一次是迁移到机器仍在努力的领域——例如意义构建、情感共鸣和道德推理。

　　认知时代的到来在当时被视为意义重大，但当时很少有人意识到它的长远影响。它本质上是下一场大迁徙的正式宣告；这场迁徙并非身体的迁徙，而是思想的迁徙。它标志着地貌的转变，以及一段不仅考验我们技能，更考验我们身份认同的新旅程。

　　要理解目前正在发生的认知大迁徙，以及它在人类历史上的独特之处，我们必须首先简要回顾一下此前发生的认知大迁徙。从工业革命时期工厂的兴起，到现代工作场所的数字化，每一次重大创新都要求我们转变技能、制度以及我们对贡献的理解。

　　始于18世纪末的工业革命标志着人类劳动力首次大规模迁移，转向全新的工作方式。蒸汽动力、机械化和工厂体系的兴起，将数百万人从乡村农业生活中拉向拥挤的工业化城市。曾经的地方性、季节性和体力劳动，如今变得规范化、专业化、纪律化，生产力成为驱动力。

　　这种转变不仅改变了人们的工作地点，也改变了他们的身份。乡村铁匠或鞋匠转而担任新的角色，成为庞大工业机器上的齿轮。打卡钟、轮班制和效率逻辑开始重新定义人类的贡献。整整几代人不得不学习新技能，适应新的日常习惯，并接受新的等级制度。迁移的不仅仅是劳动力，还有身份认同。

　　同样重要的是，机构也必须迁移。公共教育体系不断扩展，以培养一支有文化的工业劳动力。政府根据新的经济形势调整劳动法。工会应运而生。城市快速发展，但往往缺乏与之匹配的基础设施。城市发展混乱、不平衡，且充满创伤。这也标志着一个由机器塑造——并且日益为机器服务——的现代世界的开始。

　　这种迁徙创造了一个重复的模式：现代技术取代了旧有的，人类和社会需要适应。这种适应可能逐渐发生——有时也可能剧烈——直到最终出现一种新的平衡。但每一波浪潮都对我们提出了更高的要求。工业革命需要我们的身体。下一次工业革命则需要我们的思想。

　　如果说工业革命需要的是身体，那么数字革命则需要的是新的思维。始于20世纪中叶，并在20世纪80年代和90年代加速发展的计算机技术再次改变了人类的工作方式。这一次，重复性的机械任务越来越多地被信息处理和符号操作所取代。

　　在有时被称为信息时代的时代，办事员变成了数据分析师，设计师变成了数字架构师。管理人员、工程师甚至艺术家开始用像素和代码来工作，而不是用纸笔。工作从工厂车间转移到办公大楼，最终转移到我们口袋里的屏幕上。知识型工作不仅占据主导地位，而且令人向往。计算机和电子表格成为新经济秩序的铁锹。

　　我在职业生涯早期，担任惠普的软件工程师时就亲眼目睹了这一点。当时，几位刚毕业的MBA毕业生带着惠普品牌的Vectra电脑和Lotus 1-2-3电子表格软件来到公司。似乎正是在那个时候，数据分析师开始提供成本效益分析，从而改变企业的运营效率。

　　相比从农场到工厂的迁移，这种迁移带来的创伤不那么明显，但意义却丝毫不减。它从认知角度重新定义了生产力：记忆、组织、抽象。它也带来了掌握数字系统的人和落后者之间新的不平等。而各机构再次努力跟上步伐。学校为培养“21世纪技能”而进行重组。公司利用“业务流程重组”等技术重组信息流。身份也再次发生转变，这一次是从劳动者变成了知识工作者。

　　如今，已进入21世纪第三个十年，就连知识型工作也正在走向自动化，白领阶层也能感受到这种变化。下一轮迁移已经开始。

　　我们的劳动力在不同领域、工厂和光纤之间迁移。每一次，我们都在适应。这往往是不平衡的，有时甚至是痛苦的，但我们已经过渡到了一种新的常态，一种新的平衡。然而，目前正在进行的认知迁移与以往不同。它不仅改变了我们的工作方式，也挑战了我们长期以来认为的、让我们不可替代的东西：我们的理性思维。

　　随着人工智能能力的不断增强，我们必须再次转型。转型并非转向更难的技能，而是转向那些依然是人类优势的更深层次的技能，包括创造力、道德、同理心、意义，甚至灵性。这是迄今为止最深刻的一次转型，因为这一次，我们不仅要应对转型，更要探索超越自身创造的自我，并理解自身价值的真正本质。

　　每次技术迁移的时间线也急剧加快。工业革命持续了一个多世纪，实现了代代相传的适应。数字革命将这一时间线压缩到几十年。一些从业者从纸质文件开始职业生涯，退休后则管理云数据库。如今，下一次迁移只需几年即可完成。例如，大型语言模型（LLM）在不到五年的时间内就从学术项目转变为工作工具。

　　威廉·布里奇斯（William Bridges）在2003年修订的《管理转型》中指出：“过去几十年来，变化的速度加快，使我们难以融入，并迫使我们进入转型期。”如今的变化速度比2003年快得多，这使得转型变得更加紧迫。

　　这种加速不仅体现在人工智能软件中，也体现在底层硬件中。在数字革命中，主要的计算单元是CPU，它根据软件工程师明确编写的规则串行执行指令。现在，主要的计算单元是GPU，它并行执行指令，并从数据而非规则中学习。任务的并行执行提供了隐性的计算加速。GPU的领先开发商英伟达将此称为“加速计算”，这并非巧合。

　　曾经跨越几代人的转变，如今却发生在一个职业，甚至仅仅十年之内。这种特殊的转变不仅需要新的技能，更需要对人类本质进行彻底的重新审视。与以往的技术变革不同，我们不能简单地学习新的工具或适应新的惯例。我们必须迁移到这样一个领域：我们人类独有的品质——创造力、道德判断和意义建构——将成为我们决定性的优势。我们面临的挑战不仅仅是技术适应，更是对存在本质的重新定义。

　　随着人工智能系统掌握了我们曾经认为是人类独有的任务，我们发现自己正处于一段加速的旅程中，去发现超越自动化的真正意义：在这个智能不再是我们专属领域的时代，人类的本质是什么。