寫小說有三條規則。不幸的是，沒有人知道它們是什麼。
薩默塞特·毛姆（Somerset Maugham，1874—1965）
「當技術邁步向前時，人類還會有什麼獨一無二的能力？」這是我們聽到的關於人腦和機器的最常見問題。鑒於數字化工具包在日常信息處理、模式識別、語言、直覺、判斷、預測、軀體靈巧性等諸多方面挑戰著人類的優越地位，我們還應該期望有什麼領域不被它們趕上嗎？
飛躍的創意
對於上面的問題，我們聽到的最常見答案是創意。很多與我們交談過的人認為，在人類產生新想法的能力裡面，有一些不可簡化或不可言喻的東西。我們覺得這種說法大有真意。事實上，我們在《第二次機器革命》一書中提出了很相似的看法。但是最近以來，創意深重的工業設計領域所展現的事情告訴我們，機器本身在產生強大的新想法方面正迎頭趕上。
我們可以有把握地說，絕大多數人從沒有想過熱交換器。但是，設計冰箱、爐子、發動機和其他設備的人對此都會考慮很多。熱交換器的工作是使熱量從一種流體（液體或氣體）移動到另一種流體，同時防止流體與另一種流體接觸。臥室的散熱器是一個熱交換器，它將流經的蒸汽熱量傳遞到周圍的空氣，房間的空調也是如此。
製造一個好的熱交換器很難。它要實現轉移適當能量的主要目標，而且還要有效、安全、耐用、便宜。為滿足所有這些要求，設計人員必須瞭解所需的性能水平、熱力學和流體動力學、材料性能、製造方法和成本，等等。在實踐中，許多設計師當然可以利用已經嵌入以前成功的熱交換器的大量有用知識，通過調整現有設計以滿足新應用的要求。
如果熱交換器的設計師具備所有需要的知識，但是沒有經驗積累，那麼會怎麼樣呢？換句話說，如果設計師確切知道所需的性能指標是什麼，包括尺寸、成本、壽命、能量轉移等，並且他是所有相關科技學科的世界級專家，但從未做過熱交換器，甚至沒有認識到這種東西可能有價值，那麼這樣一位設計師會想到什麼呢？
圖4–1舉出了一個例子。正如你現在可能猜到的那樣，它是由一台電腦設計的。
圖4–1 使用生成式設計軟件設計的熱交換器
圖片來源：歐特克有限公司。
自然而然的設計
圖4–1所示的熱交換器是生成式設計的一個例子，在這種設計流程中，軟件完全自動化地做完所有工作，並提出一個或多個滿足所有要求的完整設計方案，而不是幫助人類設計師繪製圖紙、執行計算並權衡決策。
這部分工作是通過3D打印製作的。事實上，用傳統製造工藝不可能實現同樣的效果。但既然3D打印已是現實，那麼生成式設計軟件就不再受制於舊的生產方式，它可以自由想像，提出多種多樣的形態。與大多數（如果不是全部）人類設計師不同，軟件不會有意識地或下意識地偏向現有方法，因此它確實是更自由的探索。
生成式設計軟件真的有「創意」嗎？這是一個很難回答的問題。創意本是人工智能先驅馬文·明斯基所說的「手提箱裡的詞彙」的一個很好的例子。正如他所說，「我們用來形容人腦的大多數詞語，如意識、學習或記憶等，是猶如手提箱物品混搭一樣的不同觀念」。從創意一詞的不同定義中，我們看到一個這樣的混搭例子。例如，《牛津英語詞典》說創意是「想像力或原創思想的運用，尤其是在藝術作品的製作中」。
由生成式設計軟件製成的熱交換器並不真正符合這一定義，因為它既不是一件藝術作品，也不是任何人的想像力所致。然而，梅裡厄姆–韋伯斯特（Merriam-Webster）對創意的定義大不相同：「它是創造新事物或思考新想法的能力。」根據這個定義，我們認為生成式設計軟件顯然是有創意的。
人類在圖4–1所示部件的設計工作中無所作為，但是就指引生成式設計軟件去設計何種部件而言，人類是必不可少的。人定義了部件必須完成的工作，因而確定了對軟件的輸入。要做到這一點，他們必須瞭解該部件必須安裝的地方，運作所需的環境，必須能夠轉移的能量，等等。簡言之，這些「人類說明師」具有大量的相關領域知識和技能，與提出熱交換器設計的人類設計師相比，可能都不遑多讓。
人競機擇的設計
如果上述相關知識至少有一部分可以自動生成，那會怎麼樣？如果可以在生成式設計軟件和3D打印的組合中加入其他工具，從而將創意方面的數字化技術向前再推進一步，那麼又會發生些什麼？從2013年開始，歐特克有限公司與洛杉磯的一批汽車設計師和特技司機合作，試圖尋找答案。他們的目標是建立一個自動化系統，它可以從頭開始設計一款賽車底盤，並由自己確定底盤所需的性能指標，也就是規格。
為完成這項工作，該團隊首先造了一輛簡版的傳統賽車，基本上，它只有底盤、變速箱、發動機、座椅和車輪。然後，團隊在底盤鋪上傳感器，用傳感器測量有關數值，包括應力、應變、溫度、位移以及底盤必須能夠實現的其他所有方面。正如我們上一章討論的那樣，數字化傳感器現在變得更加小巧，同時也更加便宜，而且功能更強，所以該團隊可以從這個儀表化的底盤中輕易獲得大量的準確數據。
他們把這輛用傳感器集成的汽車帶到了莫哈韋沙漠，在那裡，一名測試的司機檢驗其各種性能，在不發生碰撞的前提下，他全力地加速、制動和轉向，而汽車的傳感器則忙於搜集數據。這場極速測試結束時，團隊獲得了大約2 000萬個關於汽車結構和作用力的數據點，這些數據點被置入Dreamcatcher項目（歐特克有限公司的生成式設計技術）之中，用於開發現有底盤的3D模型。圖4–2顯示了軟件的生成結果。我們只能模糊地認出一個賽車底盤。它看起來更像是猛犸象或鯨魚的頭骨，或者是硅藻[1] 在顯微鏡下顯示的二氧化硅骨架。
這並非巧合。骨骼、外骨骼和其他自然界的結構是自古以來從未間斷的進化競爭的贏家，競爭的結果關乎生死存亡。進化已經產生了奇妙的設計，即同時具有彈性、耐力、節能、複雜性、強壯和苗條等諸多特點的人體設計。鑒於此，如果生成式設計軟件被賦予重任，設計一組符合性能要求的最佳結構，並且最終生成一些看起來好像來自大自然的東西，那麼我們也許不應對此感到太驚訝。
圖4–2 賽車底盤模型
圖片來源：歐特克有限公司。
你注意到另一個不尋常的特徵嗎？這種底盤是不對稱的，它的左右兩側不是彼此的鏡像。這是有道理的。因為賽車更頻繁地沿著某個方向轉圈，因此它的底盤兩側受力有很大不同。人類設計師已經意識到這個事實很久了，但是他們的作品很少達到生成式設計軟件實現的深度不對稱效果。
像賽車底盤這樣的例子告訴我們，數字化的創意不僅僅是模仿和漸進。除了對人類已然做成的事情進行延伸和組合，電腦還能提出更多的創意。我們樂觀地認為，近乎極端的事情可能會發生，當電腦熟諳我們累積的科學和工程知識，並且得悉具體情況的性能要求，或者有足夠數據來確定這些要求時，它們就會提出我們根本想不到的新穎方案。
「找到了！」
在建立體驗的過程中，數字化設計師不帶有人類日積月累的偏見和盲從，這幾乎是必然的。現在有數量驚人的計算能力可供使用，意味著數字化設計師可以又快又好地探索可能的解決方案，甚至可以說，它們提出的方案比一棟大樓的人類設計師所能提出的還要多。事實上，數字化的創作者已經這樣做了。
在科學中，提出一個新理論，然後終於得到實驗結果的支持，就是「找到了！」（Eureka! ）式創意的典型事例。拜勒醫學院的計算生物學家和IBM的分析專家開展的一項精妙研究表明，IBM的人工智能沃森可以用於提出有用的科學假設。該團隊正在尋找激活p53蛋白的激酶[2] ，因為它能抑制癌細胞的生長。他們讓沃森「閱讀」[3] 了針對該主題公開發表的7萬篇科學論文，然後要求它預測可以激活或關閉p53蛋白活性的激酶。沃森提出了7個假設選項。
怎麼判斷這些選項是好是壞呢？我們知道，研究者只向沃森提供了2003年之前發表的論文。這意味著他們可以利用2003—2013年這10年的科學進展來檢驗沃森提出的假設，看看其中有哪些通過了理論審核並得到實驗支持（如果有的話）。實際上，沃森提出的所有7種候選激酶都激活了p53蛋白。如果我們注意到在過去30年裡，這一領域的科學研究每年大約只發現一種能激活p53蛋白的激酶，那麼上述結果就更加令人印象深刻。這可不是一個玩玩而已的問題。
藝術又如何
數字化創意也進入了藝術領域。西蒙·科爾頓（Simon Colton）的「傻瓜畫」項目在畫場景時沒用到任何人類投入，帕特裡克·特利塞特（Patrick Tresset）已經打造了多個機器人手臂，它們通過不同的「手」繪製現場模特的肖像，而音樂教授戴維·科普（David Cope）則建立了「艾米莉·霍維爾項目」，用許多不同風格譜寫樂章。
我們常聽說數字化的畫家、作曲家和其他藝術家不如其人類同行那麼有才華，與人腦相比，機器的創作依然明顯空泛得多。但是科普注意到一個有趣的現象。正如2010年《太平洋標準》（Pacific Standard ）登載瑞恩·布理茲坦（Ryan Blitstein）撰寫的關於科普作品的文章所述：「在聖克魯斯的一場音樂會上，節目單沒提到艾米莉·霍維爾並不是一個人，一位身為化學教授的音樂愛好者說，霍維爾作品的演出是他音樂生涯中最激動的體驗之一。6個月後，這位教授參加了科普主講的關於艾米莉·霍維爾的講座，並聽了同一場演唱會的錄播。科普記得他說：『你知道，這音樂很不錯，但我絕對可以立馬聽出來它是電腦譜曲的。這件作品沒有心，沒有靈魂，也沒有深度。』」
數字化的作曲家可以製作使人感到有趣可愛的音樂，我們對此不應太過驚訝。人類美學——我們發現的美麗事物，或者吸引我們味覺和感覺的事物——是複雜的，要理解它們是困難的，尤其是它們因時而異，因不同族群和不同文化而異，但這並不是說它們就不可能被理解。我們至少已經發現了一些規則和原理，例如在安排畫作或其他視覺作品的元素時，我們經常使用大約1.618︰1的「黃金比例」，而且我們一直在學習更多的內容，儘管有些一時理解不了。
這種知識正被嵌入技術，並廣泛應用於各行各業。The Grid是一家初創公司，它為個人和企業建設稱心如意的高度定制化網站，該公司採用領先的網頁設計原則，但不用任何人類網頁設計師。IBM在廚房裡部署了沃森，它提供了與完整食譜等量齊觀的菜譜，體現了人們喜愛的食材和口味的新穎組合。[4] 上海中心是一座位於浦東新區核心區的128層現代化摩天大樓。它的能源效率很高，採用每年可以減排3.4萬噸的技術，而且節省了5 800萬美元的建築成本。此外，我們發現它彎曲閃光的造型相當漂亮。這幢建築物的初始形狀和結構都是電腦生成的，其後由人類設計師用高度迭代的過程進行提升和精煉。人類設計團隊的出發點就是一個電腦設計的建築，它就像一張白紙一樣唾手可得。
人機之分
自動生成音樂領域的先驅戴維·科普說：「我聽到和讀到的大部分內容都是老生常談。所有這些都事關機器與人類的關係，我覺得『你是不是要把創意這種人類僅剩的獨特能力拿走』這樣的問題是徒勞的。」我們知道他的感受。可能有些人對電腦能否真正擁有創意的辯論感興趣，但使我們感到更加振奮的問題是如何使全世界的創意總量達到最大。我們認為，正確的方法是沿兩個方面推進：繼續致力於製造可以提出巧思妙想的電腦，同時找出其與人類創新者的最佳結合方式。在這裡，最好的解決方案將來自人腦和機器一道工作。
在結合上述兩者時，我們過多地讓人腦做一些本應由機器處理的無聊瑣事。如第二章所述，20年前建立的長期標準夥伴關係的全部要點，就是讓電腦做死記硬背的事，把人解放出來進行更高層次的思考。但是，當下的設計師和其他創意專業人士花費太多時間來做沒什麼意思的枯燥事務。正如歐特克有限公司前任首席執行官卡爾·巴斯向我們解釋的那樣：
（計算機輔助設計）工具就像十一年級的幾何。你坐在那裡，畫一條線，找到中點，做了這事，再畫另一個，擠一下，放個圓角[5] 上去。有趣的是，你還沒瞭解所做的事情是否能解決問題，就過早地把事情做了。你會花幾周時間處理所有這些細節，然後才發現正在構建的機制的確不能奏效。我們已經用這種工作方式訓練了整整一代人。我認為我們給了人們不好的工具。
歐特克有限公司等企業正在開發更好的工具來支持創意。這些下一代的產品將會有所不同。
首先，它們會讓人們測試其想法的整體可行性或適當性，然後才要求他們做大量的「十一年級的幾何作業」。首次設計常見於餐巾背面的草圖。在不久的將來，數字化工具將能夠採用類似的草圖方式，使人在靈光一閃時能快速製作草案，同時對它是否奏效給出快速準確的反饋，例如建築物是否能在地震中屹立不倒，發動機又是否能夠動力充足，等等。
其次，在設計過程的每個階段，新工具將自動完成更多的日常工作。人類不善於從事這類工作，既花費太多時間，又犯下太多錯誤，所以我們真應該把它們交給技術來完成，直至更新創意工作中的標準夥伴關係。
在未來很長一段時間，即使技術滾滾向前，人們仍會在創意工作中發揮重要作用。在本書前面的章節，我們曾主張，在許多需要決策、判斷、診斷或預測的場合，人應該發揮相對較小的作用。為什麼創意領域不一樣呢？它的確是不同的，因為在世上很多領域，創造又新又好的事物可能需要創造者生活在這個世界，而就「生活」一詞的任何現實意義而言，電腦都不是「生活」在我們的世界上。我們不在這裡討論什麼是意識，許多生活方式和圖書都專門解釋這個「手提箱裡的詞彙」，但我們要說電腦目前還沒有意識。如果要瞭解人們接下來想要什麼，通常就需要深入瞭解人之所以是人的意義，以及用人的所有感官和情感體驗世界的感覺。就我們所知，在未來很長一段時間內，擁有這些知識的只有我們人類。
抒情詩人安德魯·伯德（Andrew Bird）發現了一個事實，他在2008年觀察指出：「唯一能夠把一些看似不一致的描述和一首歌詞分開的，其實是一個信心爆棚的時刻。」我們喜歡他的洞見，但認為他太謙虛了。電腦從來不缺信心，而且它們可以生成無窮盡的關於愛恨情仇的不一致的或相關的描述。不過，當數字化的抒情詩人繼續進步，能夠像柯爾·波特（Cole Porter）、喬尼·米切爾（Joni Mitchell）或者傑伊（Jay Z）一樣可靠地創造極好的歌詞時，我們將會非常驚訝。以上各位的創造力在很大程度上來源於對人類的瞭解，而我們沒看到任何接近於把這種理解數字化的跡象。人工智能的先驅揚·樂坤認為，我們總有一天會做到這一點，但是，目前「還有一些我們仍然不知道如何獲取的重大概念進步」。另外一位人工智能專家吳恩達同意揚·樂坤的看法，他告訴我們：「我們不知道大腦如何工作，而我們的算法也不做任何類似於大腦工作的事。」
在他們尚未大功告成之前，我們將會看到類似於CuratedAI網站搜集的一些由人工智能生成的詩歌和散文，這是一本「機器寫給人看的文學雜誌」。一首有代表性的詩歌是「伯特倫先生的心靈使音樂得到滿足」，它是由Deep Thunder神經網絡於2016年8月「汲取簡·奧斯汀的小說靈感」之後寫出來的，詩歌的開頭如下：
寒冷，不回想如此悲傷。當我試圖第一個讚美時，我對你家老大說，所有這一切是非常不小心撞上了克勞福德先生，但是你應比以前得到的更多，而且我確信我沒有說謊，夫人，我確信我們不知道音樂對伯特倫先生的想法感到滿意。
我們不知道這是什麼意思，在可預見的未來，我們會堅持看人寫的小說和歌詞。
數字化之中有人道
人類的狀況本質上是人際的。我們是深度的社會化生物，歷經現代的進化史，生活在家庭、樂隊、部落、城市等越來越大的群體中。這種趨勢的必然結果，就是我們無論作為個人還是作為集體成員都是彼此緊密互聯的。基本上，我們所有人都不斷地、深深地關心我們怎樣與他人聯繫，他人又怎樣看待我們（真正的反社交者和極端自閉症譜系障礙的人是少數）。我們在麻省理工學院的同事、天賦異稟的研究者德布·羅伊（Deb Roy）指出，這種社會性為我們提供了一種強大的方法，可用於預測哪些工作、哪些任務受技術進步的影響最小，很簡單，它們就是那些利用人類社會驅動力的工作和任務。
羅伊的驅動力清單包括同情、自豪、尷尬、羨慕、正義和團結。我們不妨以某高中的女子足球教練為例，看看這些驅動力如何應用於工作之中。如果這位教練對足球運動有深刻的戰略認識，也有能力察覺比賽的走向並適當地轉換戰術，那就很棒了，但由於比賽勝負與財務結果沒有太大關係，因此這份工作最重要的並不是帶隊取勝的能力。相反，重要的是要有能力讓女孩們一起拚搏，追求目標，教導她們成為支持彼此的好隊友，並通過運動來鍛煉她們的性格。在很大程度上，教練通過發掘自己的同情心和女孩們的自豪感來完成工作。作為女孩們心目中的榜樣和權威，她還利用了她們想得到教練讚許的渴望。
大多數人都知道，好的足球教練很難找，但我們忘了非人類的教練根本就不存在。試圖想像一個全數字化的人工智能女子足球教練。它能夠挑出隊伍中的天賦領導者和難以相處的人嗎？如果某些女孩是兩者兼具，它知道該怎麼做嗎？在漫長的賽季，它能否將球隊凝聚在一起，走過高峰和低谷？它能否激勵一名女孩去克服疲勞和自我懷疑，從而完成她曾認為不可能的事情？我們已經知道，永遠不要對技術說永遠不能，但是在這裡，我們說「幾乎肯定不能」。
電腦正越來越善於做某些工作，例如通過觀察面部表情和發音模式來確定人的精神狀態，但與我們剛剛列舉的事情相比，它還差得太遠。我們相信，在未來一段時間內，有效把握人的精神狀態和社會驅動力的能力仍是一種深度的人類技能。在我們深入第二次機器革命的過程中，這意味著人腦和機器的一種新穎結合方法，也就是讓電腦牽頭做決策（或者判斷、預測、診斷等），然後，如果需要說服、勸說其他人服從這項決策，那麼就讓人牽頭去做。
醫療保健領域提供了許多例子，說明這種方法如何付諸實踐。醫療診斷是一項模式匹配工作，由於醫療保健信息的數字化和機器學習等領域的進步，電腦在這項工作上達到了超人的水平。即便放射學、病理學、腫瘤學等大多數專科最好的診斷醫生還未數字化，這一天也很快就會到來。讓人類專家審查診斷結果也許仍然是個好主意，但電腦應該牽頭。[6]
然而，大多數患者不想從機器那裡取得診斷結果。他們想從富有同情心的人士手裡拿到結果，這位人士能幫他們加深理解，接受那些常常很難面對的診斷結果。診斷之後，能夠打造人際關係、善用社會驅動力的專業醫療人員非常有價值，因為他們更有可能促使患者遵守醫囑。據估計，不遵醫囑是醫療保健的一個大問題，它對數百萬人的健康造成負面影響，僅處方藥一項，美國每年就要花2 890億美元。
Iora Health是一家位於馬薩諸塞州劍橋的公司，截至2015年年中，該公司在美國6個州開設了13個醫療保健分支，試圖使人通過與「健康教練」配對而保持健康。這些專業人士提供醫療咨詢，但也會耐心傾聽，花時間陪患者，使整個醫療保健體驗看起來充滿人情味，而不是冷漠無情。這種方法似乎奏效了。據《波士頓環球報》（Boston Globe ）報道，「該公司稱，在某個Iora Health分支，住院率下降了37%；與使用傳統醫療保健系統的對照組相比，醫療保健支出低了12%……在另外兩個分支，急診室的訪問率下降了至少30%」。
在改善未來醫療保健服務體系方面，人將繼續發揮至關重要的作用，但可能與現在的作用不盡相同。扮演核心角色的將可能是善解人意、擅長社交的護理協調員，而不是優秀的診斷醫生和其他HiPPO人士。在前面的章節，我們提到了未來工廠只有「一人一狗」兩個員工的古老笑話。就醫療保健領域而言，我們可以提出一個微調的版本：未來的醫療機構可能會使用人工智能、人和狗。人工智能的工作是診斷患者；人的工作是理解和溝通診斷，並通過治療來教導患者；狗的工作是在人企圖懷疑人工智能時咬他一口。
本章總結
‧ 電腦現在可以做更多滿足大多數創意所定義的事情，如設計多種用途的美麗物件、譜寫樂曲、提出有用的科學假說，等等。
‧ 電腦的創意能力正在迅速增強。例如，它們現在不僅可以設計符合要求的部件，而且還可以利用大量數據來確定這些要求。
‧ 數字化的創作者經常會提出與人類大不相同的解決方案。這是一件好事，因為觀點的多樣性往往會導致更好的結果。
‧ 電腦仍然不能真正瞭解人類的情況，因為它們沒有以人類的方式體驗世界。我們不能指望機器在近期寫出一部像樣的小說。
‧ 創意工作是人腦和機器的新組合中最富有成果的領域之一。一種有前途的方法是讓機器接管「繁忙的工作」，並生成可供人們擴展和改進的初步方案。
‧ 數字化技術在滿足人類的大多數社會驅動力方面做得不好。所以，在未來一段時間內，利用這些驅動力的工作可能會繼續由人來完成。這類工作包括那些需要同情、領導、團隊合作和指導的任務。
‧ 隨著技術的進步，高級的社交技能可能比高級的定量分析能力更有價值。將社交技能與定量分析能力相結合的能力往往會得到最大的回報。
問題
A 在你所在的組織中，最具創意和創新意識的人要做多少沉悶的日常工作？
B 你是否確信自己能可靠地區分由人工完成的和機器生成的畫作、旋律、網頁設計和科學假說？你對人類能做得更好有信心嗎？
C 較佳的人際關係在什麼地方最能幫助你和組織的表現？
D 就你所在組織目前由人工完成的任務而言，哪些是最難被電腦接管的？你為什麼這麼認為？
E 看了自己的崗位或所在組織的現有任務和流程，你認為人與機器之間的理想分工是什麼？
F 通過將機器的新興功能與人文關懷相結合，可以創造哪些新產品或新服務？
[1] 硅藻是世界各地水域都能發現的一種藻類。
[2] 激酶是調節細胞內多種活性的酶。
[3] 沃森還沒能以人類的方式理解語言，但它確實在書面文本中找到可用於構建其知識庫的類型和關聯性。
[4] 在沃森想出來的菜譜中，《快公司》記者馬克·威爾遜喜歡「孟加拉國胡桃」燒烤醬。（Mark Wilson. 「I Tasted BBQ Sauce Made by IBM』s Watson, and Loved It,」 Fast Company , May 23, 2014, https://www.fastcodesign.com/3027687/i-tasted-bbq-sauce-made-by-ibms-watson-and-loved-it.）他認為「奧地利巧克力卷餅」是自己遇到的最糟糕食品。（Mark Wilson. 「IBM』s Watson Designed the Worst Burrito I』ve Ever Had,」 Fast Company , April 20, 2015. https://www.fastcodesign.com/3045147/ibms-watson-designed-the-worst-burrito-ive-ever-had.）
[5] 機械圓角是從一個部分的某一區域到另一區域的平滑過渡，例如兩個以直角相交的表面之間的圓角。
[6] 它也可能不是一個好的想法，只有時間和研究能給出結果。