全文约10,000 字，阅读约需24分钟
金句摘抄
——在1980年我设想的是每个人的桌面上都有一台电脑，配备能帮助人们工作的软件。但是，现在我觉得AI正让每个人都能成为超级个体
——通过聊天机器人，现在我们能用语言与数据对话，当分散的系统融为一体，企业的数字化将迎来质的飞跃。这不是简单的技术升级，而是管理范式的革命性转变
——从用户适应软件，到软件懂得用户，AI正在改写人机交互的基本法则。这不仅是界面的智能进化，更是一场以人为本的数字革命，让技术真正成为延展人类能力的得力助手
在人工智能快速发展的今天，很少有人像领英联合创始人雷德·霍夫曼(Reid Hoffman)那样，能够如此清晰地诠释技术与人文主义的交汇。作为一位具有深厚哲学素养的技术专家，他最近与科技界举足轻重的人物比尔·盖茨展开了一场关于人工智能未来发展的对话。
比尔·盖茨凭借其独特的视角，对人工智能的发展进程及其变革潜力做出了深刻洞察。在他看来，人工智能带来的最令人惊叹的改变，是其将显著降低白领工作的成本，未来甚至会影响到蓝领劳动力市场。这种转变已经显现 - 从向ChatGPT咨询MRI诊断结果，到定制个性化旅行方案，再到提升写作与理解能力，AI正在各个领域展现出惊人的创造力和实用价值。
特别值得注意的是，这场技术革命的发展轨迹出乎意料 - 与普遍预期相反，白领工作的自动化反而先于蓝领工作实现。正如《生命3.0》中所述，原本被认为会较早实现自动化的仓库作业，反而落后于法律文件撰写、程序编码等知识密集型工作的自动化进程。
采访文稿
主持人： 比尔，我们认识有一段时间了，虽然不想把时间讲得太清楚，但确实已经有一阵子了。
一、谈自己兴趣爱好
主持人： 我很喜欢和朋友一起做播客的一个原因是，通过事前的准备，我会学到一些自己之前并不知道的事情。比如，这次我发现了你对项目的三项标准：是否会产生重大影响？是否能学到东西？是否有趣？有没有一些项目让你觉得符合这三项标准的？那些让你兴奋的项目是什么？
比尔： 20岁以前，我读了很多很多的书，对各种事情都有所涉猎，甚至旁听了很多哈佛的课程，而那些课我都没有正式注册。奇怪的是，进入软件行业后，我不得不抑制自己想要成为“多学科专家”的冲动，变得专注和执着。所以从20岁到35岁这段时间，我没有再跟进像地质学这样的领域。到30岁时，我开始“作弊”——开始读一些别的东西，尤其是在我不再担任CEO后。如今，得益于基金会的工作覆盖的领域很广，我有机会涉猎得更广泛。比如气候问题，这要求我了解气象、材料和能源等方面的知识，这也给了我学习的理由。如今全球健康问题吸引了我很多的关注，因为这个领域的投资极少，而我们可以发明出拯救数百万生命的工具，每拯救一条生命的成本甚至不到一千美元。不过现在不仅有气候问题，还有人工智能，今天这个世界对我来说从来不缺乏有趣的话题。通过认识那些能帮助我学习的人，以及在线学习工具，我也不太担心会感到困惑，因为总会有朋友给我指点方向。
主持人： 你最近在Netflix上推出了一部系列片，实际上对我来说也符合这三项标准。我很喜欢它，节目名叫《未来·比尔盖茨》。我必须得谦虚地说，它和我们这个播客有很多共通之处，比如都是关于未来和积极展望。你能谈谈制作这个节目的经历吗？有没有哪些难忘的瞬间或未播出的片段可以和我们分享？
比尔： 五年前，我和导演戴维斯·古根海姆拍了一部纪录片《比尔的头脑》，他挑选了一些我当时在做的项目，比如核聚变、消灭脊髓灰质炎、以及无需下水系统的“魔法厕所”。那是一个有趣的思路：为什么我要把钱投到那些几乎没人关注的领域？而这次的节目则完全不同，涉及了很多我并不知道答案的问题，比如信息误导问题。这是我唯一对年轻人说：“我们搞砸了，你们得想办法去解决”的问题之一。人工智能是帮手还是隐患？在这个话题上我和孩子们有很多讨论。我问他们是否愿意出现在节目里，两个孩子觉得这不是什么优先的事，而小女儿则说：“爸爸，你在数字化方面真的太落后了，居然还给我发邮件，让我来帮你理清楚吧。”在拍摄过程中，我有机会见到了一些以前不常接触的人，比如Lady Gaga，她真的是一个非常有趣的人。我们在全球健康领域拍摄了大量内容。我会担心这个部分是否能得到足够的关注，因为我们确实知道在这个领域该怎么做。很多人不熟悉这个话题，但他们会学到很多，因为他们未曾真正面对每年50万的疟疾死亡数据，而我们能看到将这个数字降到零的路径。我想可以用这样的标语来概括：‘为了Lady Gaga而来，为了全球健康而留’。
主持人： Netflix可能会用这个标语来宣传它呢（笑）。那你现在对哪些技术最为兴奋？有哪些能在规模上产生重大改变的技术？
比尔： 目前的情况是，我在各类创新领域的所有工作，不管是气候问题还是健康问题，比如营养不良、传染病，或者是教育和健康的数字工具，创新的速度远超我的预期。而我本来对创新的期望已经很高了，常常在产品会议上问：“为什么不能加快一倍的速度？”每天我都会这样提问，而现在创新速度甚至超出了我最乐观的估计。所以在这些领域里，前景非常光明。以营养不良为例，几乎有一半的非洲儿童在发育上落后，化学上他们摄取了足够的热量，但是什么微量营养素或者饮食结构的缺失，导致他们的平均身高比应有的矮5%，智商低20分。这对他们和他们的国家影响深远。现在通过科学的最新工具，研究肠道菌群等因素，我们显然有路径去解决营养不良问题。人们应该意识到这是个非常大的事情，提升程度不可小觑。再比如能源领域，无论是裂变还是聚变，提供廉价、可靠的电力，这条路程可能更长，但有很多公司都在进行深入的研究。未来20年将是令人震撼的。
二、谈AI与能源消耗
主持人： 关于电力方面，待会儿我们会谈到核能，因为我们都对它充满热情，核能是一个极好的能源选择，因为它能满足电力需求，并且具有可扩展性、清洁且成本效益高。除了核能外，还有哪些绿色能源吸引了你的关注？
比尔： 当然，我们希望太阳能变得更便宜，实际上它的进展比预期要好。还有一些新的技术，比如钙钛矿材料，可以提高太阳能板的效率。我们还需要降低风能的成本，尤其是海上风能，它的成本仍然较高。我们需要改进能源储存技术，但完全解决这个问题并不现实，这也是为什么需要将核能纳入能源组合。地热看起来也有潜力发挥作用，美国西部地区有丰富的热岩石资源。一些地热公司正在挖掘深井，目前还处于早期阶段，但Fervo和另一家公司正在展示合理的成本，现在正加速扩展。最近Google刚与他们签署了一项协议，虽然价格较高，但这可以帮助他们扩大规模。科技公司非常注重减少碳排放，他们的需求能让这些绿色产品进入学习曲线。我们希望最终能实现零绿色溢价，但必须有人帮助我们达到这一点。早期的太阳能技术获得了大量补贴，现在在某些定义下已实现了零绿色溢价。还有一些技术，比如潮汐能，可能应用范围有限。甚至还有人提出在太空中安装太阳能板，甚至把整个数据中心搬到太空。因为传输数据比传输能量更简单，特别是在发射成本下降的情况下，我们可以大胆想象这些可能性。这些属于更远的前景，但仍应被纳入创新组合。
主持人： 我觉得有必要强调的是，目前关于人工智能的讨论总是围绕着电力消耗展开，而大型科技公司在清洁数据中心和清洁电力方面的投入，正是为了扶持这些研发和先进的购买协议，这是一种公共和私营合作的良好模式。
比尔： 我认为富裕国家、富裕公司和富裕个人应该为这些绿色产品的市场提供支撑。我们应该购买清洁航空燃料，有些国家可能会强制要求私人飞机使用清洁燃料，这对提高产量有帮助，从而使商用航空最终能实现零或极低的绿色溢价。而商用航空又是全球排放的6%，我们必须实现零排放。因此，数据中心的电力需求虽然庞大，而且在未来六到七年会迅速增长，但它并没有电动车或电热泵消耗得多。我们必须找到气候解决方案，因为我们无法避免使用能源，而电力是唯一已知的非碳氢化合物能源形式。因此，我们需要大幅增加电力的生产，替代那些直接碳氢化合物提供的供暖和工业能源需求。
主持人： 能不能再多说说太阳能？你之前提到太阳能板的效率提高了很多，能捕获更多的太阳能，这点非常令人惊讶。你刚才提到，你觉得电池还没有达到我们所需的水平，是不是需要更多时间才能让电池达到我们需要的效果？或者说，现在电池的成本太高？我觉得没有足够的电池，是阻碍太阳能成为救世能源的原因之一。在大多数地区，我们应该尽快增加太阳能的使用，但实际上我们受制于电网的容量。我非常喜欢太阳能，它的效率从最初的10%左右，已经提升到现在的20%，未来可能达到40%。
比尔： 太阳能确实有潜力，但不只是24小时储能的问题。现在锂电池、钠电池等能解决24小时的问题，但在一些特殊情况下，比如中西部遇到寒潮，可能会有10到12天的极端情况。如果要储存一天的电力，历史上所有生产的电池，包括汽车和电脑用的电池都无法满足需求。而且，如果电池一年只使用一次，这种储能方案的成本非常高，因为电池本应365天都在使用，这样能更有效地利用资本。遇到一些季节性和恶劣天气，尤其是供暖需求高的情况，这比人们想象的要复杂得多。电力并不能长距离传输，现在大多是煤电厂或天然气发电厂较靠近使用地。虽然在传输技术上有一些创新，进展也令人振奋，但我们必须采取混合能源的方式。比如日本，几乎没有太阳能潜力，风能也有波动性。美国在这方面就非常幸运，风能和太阳能资源都很丰富。现在我们利用一些开源模型来模拟能源系统，以了解什么时候能达到预期。很多设定的目标还缺乏深思熟虑，可能比我们希望的要难实现。
主持人： 你提到我们需要核能，特别是核裂变和核聚变，原因之一是风能、太阳能等绿色能源都存在一些发电时间的限制。虽然水力发电能稳定一些，但它也有局限性，而电池储能又是一个挑战。我们一起投资了一些聚变技术，能否说说你的看法和对核裂变、聚变的期望？
比尔： 核裂变是指通过分裂大原子（如铀）产生能量，而核聚变是通过结合小原子（主要是氢）释放能量。元素周期表的中间部分是最稳定的，所以通过质量减少来释放能量。聚变的挑战很大，需要达到像太阳中心一样的高温，数百万度。这涉及到等离子体物理学，我们现在利用AI工具研究这方面的问题，探索了多种技术，比如托卡马克反应堆，Commonwealth Fusion Systems在这一领域的进度最为可信，预计在10年左右能取得突破，其他大多可能还需15年时间。未来某一天，聚变能将会非常便宜，而且没有裂变那样的废物问题。我相信这些问题是可以解决的，所以我也在投资这一领域，因为这可能在六年内实现，如果一切顺利的话。虽然现在有更多资金投入，但我们对聚变的投资仍然不足。而且，廉价电力对社会而言非常重要。有人说水资源短缺，其实水很多，只是需要能量去输送和海水淡化。若能量便宜，我们就能在全球范围内获得充足的水资源。但目前的能源成本还无法支撑这种大规模应用。
主持人： 而且我觉得很有意思的一点是，有些人担心AI会因为耗电而加剧气候变化，但实际上，AI也能帮助我们应对气候问题。如果我们能让更多的智能应用于各种问题，它能在气候方面产生帮助。你能谈谈AI在这方面的潜力吗？
比尔： AI确实会增加用电量，预计可能会增加10%左右，这也会对绿色核算带来一些挑战。我也希望裂变和聚变技术能更早出现，因为现在AI基础设施需求激增，未来几年会是个黄金期，而裂变能源在2030年前也只能对电力供应做出适度贡献。不过，AI在解决科学问题上有巨大潜力，比如让植物更高效地进行光合作用，通过建模光合作用和改变植物基因，能显著提升植物的生长效率。这是一个非常深远的进步，我们基金会主要支持了这一研究，因为它属于前沿领域。如果证明可行，其他资金也会逐渐进入。同样地，AI在材料科学和生物学领域也是极大的加速器。无论你认为哪种绿色产品实现零绿色溢价最困难，都可以重新考虑，因为AI工具能极大地加速这些创新进程。
主持人： 确实，训练这些大规模学习模型的电力成本很高，但一旦我们掌握了这些智能，就能在所有领域广泛应用。特别是应用在气候问题上，能带来巨大的乘数效应，从而实现碳减排和其他环境效益。我还不确定这个乘数效应会有多大，但它的潜力无疑是巨大的。不过你也提到有些目标，比如不让温度上升超过1.5度，即使AI在整体上有助于改善环境，因为推广到所有领域、所有国家的难度非常大，有些目标我们可能无法实现。但我们会避免灾难性程度的升温，并且需要特别在贫困国家采取一些适应措施。接下来我们换个话题，聊聊全球健康。你最为人熟知的领域之一就是全球健康。我认为AI在这个领域大有可为。我丈夫是公共健康数据科学家，他对这一话题特别感兴趣。你一直专注于消灭疾病。如果没记错的话，1980年，世卫组织宣布天花被消灭，这是我们消灭的第一个也是唯一一个疾病。你曾提出要消灭脊髓灰质炎和疟疾。你是如何选择下一个要消灭的疾病的？这是多么令人惊叹的目标！然后你是怎么开始实施的？
比尔： 对于大多数疾病，我们只追求降低发病率，只有极少数疾病我们会尝试消灭，因为要彻底清除它们非常困难。目前在脊髓灰质炎的防控中，我们正在阿富汗、加沙、索马里和刚果民主共和国执行高覆盖率的疫苗接种，面对的是世界上最艰难的环境，有很多错误信息和暴力。接近完成的还有几内亚蠕虫病，它仅限于非洲，卡特总统在这一领域做出了很大贡献。希望他不仅能参与下一届选举，也能亲眼见证几内亚蠕虫病消灭的庆祝会。在世纪之交，全球健康开始被严肃对待，人们开始详细记录孩子因腹泻、肺炎和疟疾等原因死亡的数据。疟疾每年导致50万名儿童死亡，这样的情况不可能用商业模式解决——你无法去硅谷找到投资者，做一个“消灭疟疾”的创业项目。这种项目的“生命拯救”一栏看起来会很好，但“盈利”一栏将布满红色的亏损数字，因为这些人买不起这些工具。医疗科学主要关注富裕国家的疾病，甚至在富裕国家中，更多关注癌症等问题。因此，激励机制非常偏向发达地区，而盖茨基金会正是为了填补这些市场力量无法解决的缺口。比如我们让儿童腹泻疫苗价格降低，让全世界的孩子都能接种，而不仅仅是富裕国家的孩子。
我们在21世纪初将每年500万五岁以下儿童死亡率降低到500万的进步中，腹泻疫苗和肺炎疫苗功不可没。我们和疫苗公司合作，将疫苗价格降了下来。我们的使命驱动是消除不平等，为什么非洲的母亲在分娩时的死亡率要高出20倍？为什么贫困国家的孩子在前五年内死亡率是发达国家的50倍？尤其是在非洲和东南亚。我们在利用最佳科学的同时，也在考量实际环境，确保这些方法可行且被接受。我们有各种创新的消灭蚊虫的手段，这些单独不足以消灭疟疾，但如果给大量人群治疗，且再感染率大大降低，我们就能在低发季节清除该地区的感染源。接下来五年，我们的目标是消灭脊髓灰质炎，并利用新工具来证明自己，从而在2030年获得全球支持启动疟疾的消灭计划。
三、谈AI与药物研发
主持人： 我们还在共同推进的另一个项目是AI在药物发现领域的应用，我认为这可能会在全球健康方面产生显著的早期成果。你最关注的是AI在药物发现的哪些方面？哪些会对全球健康产生深远影响？
比尔： 理解蛋白质和分子结构非常适合AI处理，因为我们有蛋白质数据库，里面有15万个分子的结构数据。AI在这些数据上进行了训练，预测结构和蛋白质中的可药靶点，极大地加速了医学发现。过去有家公司Schrödinger在AI出现之前就开始做这项研究，现在有20倍以上的人力投入进来，进展更快。AI非常适合这个领域。未来AI不仅会建模低层次的分子结构，还会建模细胞、器官和整个生物体。复杂的疾病动态超出人类的理解范围，而随着数据的增加，AI模型将帮助我们更好地理解过度营养、营养不良等问题。
我也在想，虽然训练这些大型学习模型的电力消耗很高，但一旦拥有了这些智能，它将被广泛应用。AI在气候变化上的应用可能会产生巨大的乘数效应，通过减少碳排放等方式带来实际节能效果。我不知道最终的乘数效应会有多大，但它的潜力毋庸置疑。所以我认为，在接下来的10到20年里，大多数医学领域都会有显著进展，甚至在神经领域，比如阿尔茨海默症，我认为我们也会有所突破。我很喜欢和这些公司讨论他们正在解决问题的哪个部分。今天似乎很流行一种观点：世界很糟糕，像个火坑，情况越来越糟，过去30年很糟，未来20年也会很糟。但和你谈话的时候，我会觉得，不是这样的。如果我们真正去看数据，会发现情况其实在改善，尤其是在过去30年全球健康方面，情况正在变好。部分原因是AI的进步，让未来充满了希望，很多事情都可能实现。
主持人： 是的，不仅是技术进步，还有一些官僚体制问题，甚至是AI可能解锁的新领域。除了最前沿的技术创新之外，AI是否还能解锁一些“无聊”的行政功能，或者帮助医疗工作者完成一些平常的任务？比如说，微型计算机革命让我很年轻的时候就想到，计算将会变得很廉价，那么如果个人可以免费使用计算能力，他们会做什么呢？我和保罗·艾伦就认为，唯一的限制因素是软件。而当时年长一些的人觉得电脑太贵了，认为这不可能会用于电子表格或文字处理工具，因为那太昂贵了。
比尔： 现在更让人难以置信的是，你可以说白领工作能力，甚至未来某一天蓝领生产力也会变得很便宜。举个例子，有朋友拿着MRI诊断结果向ChatGPT咨询，它会详细解释并指出信息来源。AI的创造力和流畅度让人震撼。如今，如果你想了解某种化肥，Wikipedia很不错，但如果你想知道8月带16岁的孩子去意大利四天，预算4000美元的行程安排，这种具体信息可能没人写过，但AI可以非常准确地提供答案。我们在写诗、写演讲稿、理解复杂内容或总结时，AI已经带来了巨大的好处。许多白领工作也因此变得更有效率，或者推动了质量的提升。
主持人： 这让我想到，过去十年左右，个性化医学非常流行。我们现在处于什么位置？这方面是否在进步？个性化医学的承诺是否有所实现？
比尔： 我对人们对“个体化医学”的迷恋总是感到不解。比如，每年有50万儿童死于疟疾，有数百万人被诊断出患有阿尔茨海默症。我倾向于不支持个性化医学的理念，因为全球并没有足够的资源去做这种“个体化解决方案”。如果某位超级富翁资助个性化医学研究，或许能推动科学进展，但我个人无法参与其中，因为这是一种资源分配不公的方式。当然，将来我们可能会理解每个人的基因，并基于此调整药物剂量。但在我看来，个性化医学科学虽好，但更重要的是解决大规模疾病，尤其是贫困国家的病症。
四、谈AI与教育变革
主持人： 你们基金会在提升人类整体健康水平方面付出了很多努力，而另一大重点领域是教育。人们现在普遍在教育领域接触到AI。AI在教育中能带来哪些出人意料的应用？比如像全球通用的虚拟导师之类，有哪些吸引了你的注意？
比尔： 首先要承认，像我这样的技术爱好者，谈论科技对教育的好处已经一整代人了。然而，实际对普通学生的帮助非常有限。如果你是一个有动力的学生，每晚能在可汗学院学习2小时，或者看YouTube上的光合作用视频，这当然是很好的学习方式。对我们这些自我驱动的学习者来说，科技带来了前所未有的学习方式。我个人在跑步机上会看《伟大课程》公司的课程，真的有很多很棒的资源。但美国高中毕业生的数学水平，与100年前相比，并没有显著提升。这与医学领域不同，没有全新的工具或理解来提升教育质量。要是我说1900年的最好的数学老师可能与今天的无异，你也无法反驳我，因为这有可能是真的。
我们确实做了很多努力，但我相信，AI的出现让我们对教育有了更高的期待。AI的流畅性和个性化能力让我们可以将社交体验与教室里的教学经验更好地结合在一起，比如当你在朗读时，AI会立即纠正你的发音；当你做数学题时，AI会立刻告诉你做错的地方，而不是等到老师批改作业两天后再告诉你。这能解决“是运算错误还是概念理解错误”的问题，AI会即时反馈：是因为没有正确抵消两个负号，还是因为设置问题时代数公式出错了。AI能像一位私人导师一样，帮助学生保持学习动力，使用学生能理解的领域，如体育、健康或建筑等，来激发他们的兴趣。拥有这样出色的个人导师无论是在美国的内城区，还是在贫困国家，都是令人兴奋的前景。全球教育其实是一个极度缺乏资金支持的领域，但如果一个国家有良好的健康和教育，那么他们的经济会增长，税收会增加，最终实现自给自足。这也是我们希望帮助贫困国家脱离贫困的原因，不仅出于道德责任，更是为了经济稳定，许多好事都会随之而来。
我也鼓励慈善家们关注这个领域，特别是现在AI的加持下，有一些有效的教学结构，比如“结构化教学法”，为老师提供非常明确的教学方式，且效果显著。我能理解人们的怀疑，可能有人会觉得我们像“狼来了”的故事一样，20年前就说过慕课会改变教育，现在还有人质疑：“我们真的到达那个点了吗？”
主持人： Khanmigo和早期的GPT-4，显然你非常关注教育公平。你觉得这种模式是否可以推广，能否大规模复制？
比尔： 我非常喜欢可汗学院，但它主要是被有学习动力的学生使用。在过去大概八年里，他们一直在探索如何走进课堂，与教师合作讲解内容。随着电脑和互联网的普及，特别是疫情期间，教育技术的应用有所增加。索尔（可汗学院的创始人）和我是最早接触到OpenAI早期的GPT-4模型的人之一。很多有趣的功能，比如写歌和作诗，实际上是索尔教我的，我本来都不知道它可以写得像莎士比亚那样。他投入了很多可汗学院的资源，并得到了盖茨基金会等多个机构的支持，开发了Khanmigo。上个学年，他在少数学校试点了这个系统，包括新泽西的一个学校。我去那里拜访了老师和学生，了解他们的使用情况。你会看到有些学生明显比同班同学进步快，而30人一班的传统教学模式可能会让这些孩子产生厌倦，甚至分散注意力。个性化导师功能可以让这些学生有时独立学习，有时帮助其他学生。可汗的仪表盘与Khanmigo结合起来，老师早上走进教室时，可以看到每个学生的学习进展，比如谁昨晚登录过系统、需要多少提示、学习进度如何。
家长也可以连接这个系统，甚至可以实现提交作业时不交纸质文件，而是提交AI互动记录。老师可以让AI检查学生的学习参与度，提供建议，比如帮助学生完成初稿，或提高语法和逻辑的准确性。看到这些在实际应用中效果不错，让我更有信心了。但每次引入新事物时，大约只有10%的教师会真正接纳并获得显著成效，而强制要求其他90%的教师使用时，效果通常就消失了。因此，如何让这个系统能够有效推广是我们需要思考的。
主持人： 很多人可能不了解你们基金会在解决这些问题时所采用的方法，不仅是像“每条生命的成本”等数据量化分析，还有系统性思维。那么除了技术手段外，还有哪些非技术性的杠杆可以推动教育变革？在美国或世界范围内，有哪些政策可以帮助改善教育？
比尔： 有很多数据显示，不让学生在学校使用手机是非常有效的。有些研究表明，男生应该晚些上学，学校的上课时间应该延后。还有来自特许学校运动的经验教训，虽然这些有争议，但延长上课时长和学年时间对提升学习效果非常有帮助。与家长沟通孩子的挑战，帮助家长更好地参与教育也很重要。现在在有特许学校的社区，即使大多数学生在公立学校，那些公立学校也会通过竞争来采用类似的教育方法，或开发自己的方法。在新奥尔良、华盛顿特区和奥斯汀这样的地方，学校表现都有所提升，因此我们在引入AI的同时，应该确保这些成功的经验被纳入。
五、谈AI与未来世界
主持人： 那么，我们换个一个话题你曾经问过的问题。如果你有机会见到2100年的人，你会问他们什么问题？
比尔： 哇，我会问他们是如何应对AI带来的挑战和机遇的。我有这样的观点，认为生活质量在逐步提高，这是客观事实。当然，总有一些“注脚”，比如核武器、生物恐怖主义，现在还要加上AI。但总体来看，过去50年间，生活确实在改善。比如对于女性他们的生活质量在提高。不过遗憾的是，我们总是专注于问题，反而忽视了积极的改变，比如每年少了500万儿童的死亡率。有人在谈气候变化时会说：“气候会毁灭世界”，但你认为死亡人数会回到每年1000万的情况吗？不会的。这确实是一个巨大的阻力，尤其是农业受影响大。但总体来说，世界还算不错。希望那位2100年的人能告诉我他们如何避免这些“注脚”——AI、核武器、生物恐怖武器以及极端化的影响，同时也希望他们能解释如何让人们团结协作，特别是如何让政府适应这种变革，尤其是AI带来的改变，比如税收和监管。
主持人： 在未来3到5年里，大家应该对AI带来的哪些变化有所预期？
比尔： AI带来的冲击让人难以想象。很少有人预料到，白领工作的自动化会先于蓝领工作实现。在《生命3.0》一书中提到了一些例子，比如仓库工作本以为会更早被自动化实现，但实际上写法律文件、代码等高阶工作反而更先实现。这种顺序确实出人意料。不过，所谓的“蓝领”机器人，比如被指派去建筑工地、餐厅、酒店等执行任务，甚至是家庭清洁，尽管价格一开始可能会较高，但我相信在未来十年内可以实现。
主持人： 回到你最初的愿景，你当年设想的是每个人的桌面上都有一台电脑，配备能帮助人们工作的软件。你觉得现在AI的变化会带来什么新的转变？
比尔： 数据处理能力的提升非常重要。以前你需要IT人员来编写程序，比如设定报表的标题和页脚，而这些现在都显得非常过时。现在可以通过自然语言与数据进行深度对话，这将让企业的运营更高效。你再也不需要复杂的软件了，软件的应用数量将显著减少。例如，一所大学可能会有排课、财务、学生支持等多个应用，但这些都可以集成到一个统一的系统中。未来的软件将会更适应用户，动态创建用户界面，而不是用户去适应软件。这种智能助手将成为我们生活中重要的帮手，帮助我们处理繁琐的工作，甚至读取你本想阅读的所有内容，然后只把重要的内容提炼出来供你参考。
六、快速问答
主持人： 我们进入快速问答环节。我会先问：有没有一本书、一首歌或一部电影让你对未来充满希望？
比尔： 《我们内心的善良天使》这本书。斯蒂芬·平克讲述了如何减少暴力死亡率，延长寿命，提高教育水平。这本书提醒我们为什么我们过去做得很好，虽然不能保证未来，但能让我们认识到已经取得的成就。
主持人： 有没有一个你希望别人更多问你的问题？
比尔： 营养不良是如何运作的？我经常思考的很多问题都很“无聊”，例如厕所、核反应堆、疾病的原理。但我很惊讶人们不更好奇这些问题。当我最初问“孩子们都因为什么而死？”时，竟然很难找到答案。我觉得大家都应该问这种问题，比GDP还重要。
主持人： 你在自己行业之外的领域中，看到哪些让你鼓舞的进展？
比尔： 印度是一个例子。尽管有很多困难，但在健康、营养、教育方面都有所改善，他们有稳定的财政收入，未来20年他们的生活质量会显著提升。印度也是一个试验田，在印度验证的成功模式可以推广到其他地方。
主持人： 最后一个问题，如果接下来15年一切顺利，最理想的成就是什么？我们要迈出的第一步是什么？
比尔： 如果一切进展顺利，我们将重新思考如何利用我们的时间。我们会面临一些深刻的问题，比如保持彼此的连接、避免沉迷于更有吸引力的虚拟世界。未来一代人将会探讨在基本需求得到满足的情况下，如何更好地生活和共存。
文章转自：AI深度研究院
素材来源：官方媒体/网络新闻
