微信公眾號」職場視界Jobsight"(id:jobsight)
作者Stefan Oschmann是德國默克集團的董事會主席兼執行長,默克集團(Merck KGaA)創建於1668年,超過350年歷史,總部位於德國達姆施塔特市(Darmstadt),默克是一家全球領先的科技公司,專注於醫藥健康、生命科學和高性能材料三大領域。2018年,默克集團的銷售額達148億歐元 。
本文為職場視界JobSight編譯撰寫。
在我最近在《經濟學人》(The Economist)上讀到的一篇文章中,我找到了一個適合新十年開始的說法:「在痴迷科技的21世紀20年代生活,是有史以來最幸運的人之一。」我完全同意,但這篇文章實際上是在鼓勵那些感到威脅的人,而不是幸運的人。畢竟,這些天科技悲觀主義似乎又在抬頭。毫無疑問:我們必須討論新技術的影響。從人工智慧到基因編輯,嚴重的潛在風險需要得到解決。
問題是:我們如何看待這場辯論?現代社會的正確答案是什麼?
對我來說,毫無疑問,在短短幾年內,顛覆性的新技術可以使人類取得前所未有的進步。要找到這種巨大潛力的一個好例子,我們不需要看得太遠。人類基因由大約1.5千兆字節的DNA數據組成。我們體內大約有15萬億個細胞攜帶這些數據,所以我們的身體大約有22萬億個十億字節。我們說的是2zb的數據——超過去年全球估計數據量的一半!與此相比,預計到2025年,全球將出現175兆字節的數據爆炸,這似乎沒什麼大不了的。
我待會再講DNA。當然,儘管如此,飛速增長的數據圈仍然是一件大事。利用這些數據所需要的計算能力也是如此。推進大數據和人工智慧所需要的深度學習將把計算需求提升到一個全新的維度。今天的高端超級計算機已經比高端PC快了100多萬倍。超級計算能力可以在個性化醫療、碳捕獲或天體物理學等領域帶來可觀的未來進步,但它的速度將再快1000倍。這表明,雖然圍繞數字轉型的爭論主要集中在軟體上,但硬體在其中的作用越來越重要。許多人工智慧相關的數學概念早在20世紀60年代就已經存在,但計算能力和內存顯然沒有。
當人工智慧時代還在曙光初現之時,我們正慢慢告別另一個誕生於上世紀60年代的計算概念:英特爾(INTEL)聯合創始人戈登.摩爾(Gordon Moore)的一個被稱為「摩爾定律」(Moore’s Law)的預測。根據摩爾的說法,可安裝在微晶片上的電晶體數量每兩年就會翻一番,從而降低生產成本。聽起來很專業,但我的觀點是:幾十年來,摩爾預測的發展已經導致了計算機速度和效率的持續提高。今天,摩爾定律的持續晶片小型化正逐漸達到其極限。關於這一切何時會發生還存在爭議,但在某一時刻,它將會發生。因此,我們正在接近半個多世紀以來一直是計算進步範例的終點,隨之而來的是人類整體進步。
將這些被低估的事實包括在等式中——回到對科技持悲觀態度的人:我們如何確保未來的科技與人類進步緊密相連?在我看來,為了塑造顛覆性創新的未來,讓每個人都受益,我們必須應對至少三大挑戰:效率、道德和協作。我所說的「我們」是指全球社會的利益相關者。
首先,存在效率方面的挑戰——包括計算能力和能源消耗。推動前所未有的人類進步將需要看不見的大量能源。讓你了解一下它的規模:人類大腦活動最多消耗20瓦的能量。目前世界上至少有五臺最先進的超級計算機,它們的計算能力大致與人腦相當,但需要65兆瓦左右。這比我們的大腦多出了300多萬倍,足夠供應一個小鎮上大約3萬戶人家的電力。
但我們甚至不需要走到最尖端——用谷歌好好搜索一下。今天谷歌的平均搜索消耗大約0.3瓦特小時的能量,做大約220次搜索,你就能燒開一升水。我們甚至還沒有開始考慮碳排放,但這個例子仍然讓我們看到了下面的數字:在2019年,谷歌每天每分鐘執行大約450萬次搜索。到2030年,信息和通信技術可能佔世界電力消耗的20%以上,大約是2020年估計的兩倍。換句話說:開發既能提高計算性能又能提高能源效率的材料和技術是關鍵。
業界正在努力解決這個問題,目前的創新渠道是相當驚人的,因為這些努力仍然主要是漸進式的。重點是新材料,能夠實現更高效的處理器,內存,傳感器和顯示技術。不僅僅是因為摩爾定律已經到了極限,進步還需要全新的材料解決方案,賦予下一階段的技術以力量,比如神經網絡和量子計算。與此同時,對效率的追求正在超越信息技術(IT),走向自然。這讓我想起了DNA,一個38億年前的數據來源,自從格雷戈爾·孟德爾(Gregor Mendel)的開創性工作以來,它為科學研究帶來了新的機遇。大約160年前,孟德爾發現了我們今天所說的基因遺傳。科學家們正在努力使DNA成為未來數據存儲的工具,並最終成為計算機。DNA的存儲密度和能源效率將使我們能夠把目前網絡上的所有東西都保存在一個鞋盒裡——幾乎使用零能源來維持。
然而,在這成為一種可行的選擇之前,仍有一些障礙需要克服。其中一個對基於DNA的技術和對數字顛覆同樣重要。我說的是第二個挑戰:未來技術急需的道德準則。從委託醫療決策到人工智慧,從我們自身的安全到自動駕駛汽車,顛覆性技術的潛力是如此強大,它們可以改變人類的狀況。與此同時,包括數據安全保障在內的道德標準仍然遠遠落後。在這種背景下,人們越來越多地討論的一個問題是人類的偏見。從本質上講,用於訓練人工智慧系統或算法的數據反映了此類偏見,包括那些與性別或種族相關的偏見。更重要的是,我們都知道,在數字世界裡,操縱可以很容易地大規模產生。如果我們不能解決這些問題,人工智慧不僅會變得強大,還會大大加劇不平等。
毫無疑問,良好的道德規範需要清晰的法律框架。與此同時,需要全球統一的標準來促進創新,確保公平的競爭環境。不僅如此,學術界和產業界的創新者能夠而且必須儘自己的一份力——制定嚴格的道德標準,並與外部專家(例如專門的道德委員會)討論重要的道德問題。然而,有一件事是倫理論證永遠不應該鼓勵的:那種將嚴肅的、建設性的辯論扼殺在萌芽狀態的反技術倫理主義。訴諸憤怒和限制不是答案,我們需要找到可行的概念和指導模型。
這讓我想到第三個也是最後一個主要挑戰:加強全球性、跨學科的合作。從簡單的市場邏輯來看,滿足全球龐大的計算需求所需要的規模,將使純粹在國家或歐洲層面上的監管辯論註定失敗。在利用衛生數據實現有意義的衛生保健改善方面,我們迫切需要跨界和跨部門的夥伴關係。雖然市場通常會獎勵那些堅持自己核心能力的人,但政治機構應該鼓勵利用新創新領域的跨行業、跨學科專業知識進行研究。鑑於技術可能對社會產生的根本影響,我們必須確保世界領先的工業國家遵循一種基於明確國際準則的合作方式——最好是在聯合國層面,儘管存在地緣政治競爭。
效率、道德、合作——三個簡單的詞,三個主要的挑戰,讓顛覆性技術成為它本來的樣子:不是威脅,而是幫助人類進步的工具,我們非常幸運擁有它。毫無疑問,技術顛覆會帶來相當大的風險。但在我看來,將這樣的機會棄之不顧將是所有風險中最大的風險。
微信公眾號」職場視界Jobsight"(id:jobsight)