online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 我為什麼不在乎人工智能

摘要: 很多人喜歡鼓吹人工智能,自動車,機器人等技術,然而如果你仔細觀察,就會發現這些人不但不理解人類智能是什麼,不理解人工智能有什麼局限性,而且這些“AI狂人”們的心,已經嚴重的機械化了。


有人聽說我想創業,給我提出了一些“忽悠”的辦法。他們說,既然你是程序語言專家,而現在人工智能(AI)又非常熱,那你其實可以搞一個“自動編程系統”,號稱可以自動生成程序,取代程序員的工作,節省許許多多的人力支出,這樣就可以趁著“AI 熱”拉到投資。

有人甚至把名字都給我想好了,叫“深度程序員”(DeepCoder = Deep Learning + Coder)。口號是:“有了DeepCoder,不用Top Coder!”還有人給我指出了這方向最新的,吹得神乎其神的研究,比如微軟的Robust Fill ……

我謝謝這些人的關心,然而其實我並不在乎,也不看好人工智能。現在我簡單的講一下我的看法。

機器一樣的心

很多人喜歡鼓吹人工智能,自動車,機器人等技術,然而如果你仔細觀察,就會發現這些人不但不理解人類智能是什麼,不理解人工智能有什麼局限性,而且這些“AI狂人”們的心,已經嚴重的機械化了。他們或多或少的失去了人性,彷彿忘記了自己是一個人,忘記了人最需要的是什麼,忘記了人的價值。這些人就像卓別林在『大獨裁者』最後的演講裡指出的:“機器一樣的人,機器一樣的心。”

每當提到AI,這些人必然野心勃勃地號稱要“取代人類的工作”,“節省勞動力開銷”。暫且不討論這些目標能否實現,它們與我的價值觀,從一開頭就是完全矛盾的。一個偉大的公司,應該為社會創造實在的,新的價值,而不是想方設法“節省”什麼勞動力開銷,讓人失業!想一下都覺得可怕,我創造一個公司,它最大的貢獻就是讓成千上萬的人失業,為貪得無厭的人節省“勞動力開銷”,讓貧富分化加劇,讓權力集中到極少數人手裡,最後導致民不聊生,導致社會的荒蕪甚至崩潰……

我不可想像生活在那樣一個世界,就算那將使我成為世界上最有錢的人,也沒有了意義。世界上有太多錢買不來的東西。如果走在大街上,我看不到人們幸福的笑容,悠閒的步伐,沒有親切的問候,關愛和幽默感,看不見甜蜜浪漫的愛情,反而看見遍地痛不欲生的無家可歸者,鼻孔裡鑽進來他們留下的衝人的尿騷味,走到哪裡都怕有人搶劫,因為人們實在活不下去了,除了偷和搶,沒有別的辦法活……

如果人工智能成功的話,這也許就是最後的結果。幸運的是,有充足的證據顯示,人工智能是永遠不會成功的。

我的人工智能夢

很多人可能不知道,我也曾經是一個“AI 狂熱者”。我也曾經為人工智能瘋狂,把它作為自己的“偉大理想”。我也曾經張口閉口拿“人類”說事,彷彿機器是可以跟人類相提並論,甚至高於人類的。當深藍電腦戰勝卡斯帕羅夫,我也曾經感嘆:“啊,我們人類完蛋了!” 我也曾經以為,有了“邏輯”和“學習”這兩個法(kou)寶(hao),機器總有一天會超越人類的智能。可是我沒有想清楚這具體要怎麼實現,也沒有想清楚實現了它到底有什麼意義。

故事要從十多年前講起,那時候人工智能正處於它的冬天。在清華大學的圖書館,我偶然地發現了一本塵封已久的『Paradigms of Artificial Intelligence Programming』(PAIP),作者是Peter Norvig。像個考古學家一樣,我開始逐一地琢磨和實現其中的各種經典AI算法。PAIP的算法側重於邏輯和推理,因為在它的年代,很多AI研究者都以為人類的智能,歸根結底就是邏輯推理。他們天真地以為,有了謂詞邏輯,一階邏輯這些東西,可以表達“因為所以不但而且存在所有”,機器就可以擁有智能。於是他們設計了各種基於邏輯的算法,專家系統(expert system),甚至設計了基於邏輯的程序語言Prolog,把它叫做“第五代程序語言”。最後,他們遇到了無法逾越的障礙,眾多的AI公司無法實現他們誇口的目標,各種基於“神經元”的機器無法解決實際的問題,巨額的政府和民間投資化為泡影,人工智能進入了冬天。

我就是在那樣一個冬天遇到了PAIP。它雖然沒能讓我投身於人工智能領域,卻讓我迷上了Lisp 和程序語言。也是因為這本書,我第一次輕鬆而有章法的實現了A* 等算法。我第一次理解到了程序的“模塊化”是什麼,在代碼例子的引導下,我開始在自己的程序裡使用小的“工具函數”,而不再憂心忡忡於“函數調用開銷”。PAIP 和SICP​​ 這兩本書,最後導致了我投身於更加“基礎”的程序語言領域,而不是人工智能。

在PAIP 之後,我又迷了一陣子機器學習(machine learning),因為有人告訴我,機器學習是人工智能的新篇章。然而我逐漸意識到,所謂的人工智能和機器學習,跟真正的人類智能,關係其實不大。相對於實際的問題,PAIP 裡面的經典算法要么相當幼稚,要么複雜度很高,不能解決實際的問題。最重要的問題是,我看不出PAIP 裡面的算法跟“智能”有什麼關係。而“機器學習”這個名字,基本是一個幌子。很多人都看出來了,機器學習說白了就是統計學裡面的“擬合函數”,換了一個具有迷惑性的名字而已。

人工智能的研究者們總是喜歡抬出“神經元”一類的名詞來嚇人,跟你說他們的算法是受了人腦神經元工作原理的啟發。注意了,“ 啟發 ”是一個非常模棱兩可的詞,由一個東西啟發得來的結果,可以跟這個東西毫不相干。比如我也可以說,Yin語言的設計是受了九yin真經的啟發:P

世界上這麼多AI 研究者,有幾個真的研究過人腦,解刨過人腦,拿它做過實驗,或者讀過腦科學的研究成果?最後你發現,幾乎沒有AI 研究者真正做過人腦或者認知科學的研究。著名的認知科學家Douglas Hofstadter 早就在接受采訪時指出,這幫所謂“AI 專家”,對人腦和意識(mind)是怎麼工作的,其實完全不感興趣,也從來沒有深入研究過,卻號稱要實現“通用人工智能”(Artificial General Intelligence, AGI),這就是為什麼AI 直到今天都只是一個虛無的夢想。

識別系統和語言理解

縱觀歷史上機器學習能夠做到的事情,都是一些字符識別(OCR),語音識別,人臉識別一類的,我把這些統稱為“識別系統”。當然,識別系統是很有價值的,OCR 是非常有用的,我經常用手機上的語音輸入法,人臉識別對於警察和間諜機關,顯然意義重大。然而很多人因此誇口,說我們可以用同樣的方法(機器學習,深度學習),實現“人類級別的智能”,取代很多人的工作,這就是神話了。

識別系統跟真正理解語言的“人類智能”,其實相去非常遠。說白了,這些識別系統,也就是統計學的擬合函數能做的事情:輸出一堆像素或者音頻,輸出一個個的單詞文本。很多人分不清“文字識別”和“語言理解”的區別。OCR 和語音識別系統,雖然能依靠統計的方法,“識別”出你說的是哪些字,它卻不能真正“理解”你在說什麼。

聊一點深入的話題,看不懂的人可以跳過這一段。“識別”和“理解”的差別,就像程序語言裡面“語法”和“語義”的差別。程序語言的文本,首先要經過詞法分析器(lexer),語法分析器(parser),才能送進解釋器(interpreter),只有解釋器才能實現程序的語義。類比一下,自然語言的語音識別系統,其實只相當於程序語言的詞法分析器(lexer)。

大部分的AI系統裡面連語法分析器(parser)都沒有,所以主謂賓,句子結構都分析不清楚,更不要說理解其中的含義了。IBM的語音識別專家Frederick Jelinek曾經開玩笑說:“每當我開掉一個語言學家,識別率就上升了。”其原因就是語音識別僅相當於一個lexer,而語言學家研究的是parser以及interpreter 。當然了,你們幹的事情太初級了,所以語言學家幫不了你們,但這並不等於語言學家是沒有價值的。

很多人語音識別專家以為語法分析(parser)是沒用的,因為人好像從來沒有parse 過句子,就理解了它的意義。然而他們沒有察覺到,人其實必須要不知不覺地parse 有些句子,才能理解它的含義。比如這樣一個句子:“我並不完全反對去游泳這個提議。” 我問你,一個不能正確parse 句子的機器,它如何知道你到底想去游泳,還是不想去?這個機器很可能看到“完全”,“反對”,“游泳”,…… 然後就根據關鍵字做出判斷,認為你不想去游泳。它有可能會考慮那個“不”字,可是這個“不”字在句子裡的位置,決定了它否認的結構。沒有語法分析,你就不可能正確的理解它到底在否定什麼。

製造自然語言的parser 有多難?很多人可能沒有試過。沒想到吧,我做過這事:) 在Indiana 的時候,我為了湊足學分,修了一門NLP 課程,跟幾個同學一起實現了一個英語的parser。你可能想不到有多困難,你不止需要深刻理解編程語言的parser 理論,還得依靠大量的例子和數據,才能解開人類語言裡面的各種歧義。我的合作夥伴是專門研究NLP 的,什麼Haskell,類型系統,category theory,什麼GLR parsing 之類…… 都弄得很溜。然而就算如此,我們的英語parser 也只能處理最簡單的句子,還錯誤百出,最後蒙混過關:P

經過了語法分析,得到一棵“語法樹”,你才能傳給人腦里語言的理解中心(類似程序語言的“解釋器”)。解釋器“執行”這個句子,為相關的名字找到對應的“值”,進行計算,才能得到句子的含義。至於人腦如何為句子裡的詞彙賦予“意義”,如何把這些意義組合在一起,形成“思維”,這個問題似乎沒有人很明白。至少,這需要大量的實際經驗,這些經驗是一個人從生下來就開始積累的。我們製造的機器完全不具備這些經驗,我們不知道如何才能讓他獲得經驗,也不知道這些經驗在人腦裡面是什麼樣的結構,如何組織的。所以機器要真的理解一個句子,真的是登天一樣的困難。

這就是為什麼Hofstadter 說:“一個機器要能理解人說的話,它必須要有腿,能夠走路,去觀察世界,獲得它需要的經驗,它必須能夠跟人一起生活,體驗他們的生活和故事… …” 最後你發現,製造這樣一個機器,比養個小孩困難太多了,這不是吃飽了沒事幹是什麼。

機器對話系統和人類客服

各大公司最近叫得最響亮的“AI 技術”,就是Siri,Cortana,Google Assistant,Amazon Echo 一類含有語音識別功能的工具,叫做“個人助手”。這些東西里面,到底有多少可以叫做“智能”的東西,我想用過的人都應該明白。我每一次試用Siri 都被它的愚蠢所折服,可以讓你著急得砸了水果手機。那另外幾個同類,也沒有好到哪裡去。

很多人被“微軟小冰”忽悠過,咋一看這傢伙真能理解你說的話呢!然而聊一會你就發現,小冰不過是一個“網絡句子搜索引擎”。它只是按照你句子裡的關鍵字,隨機搜出網上已有的句子。大部分這類句子出自問答類網站,比如百度知道,知乎。一個很簡單的實驗,就是反復發送同一個詞給小冰,比如“王垠”,看它返回什麼內容,然後拿這個內容到Google 或者百度搜索,你就會找到那個句子真正的出處。人都喜歡自欺欺人,看到幾個句子回答得挺“俏皮”,就以為它有智能,而其實它是隨機搜出一個句子,牛頭不對馬嘴,所以你才感覺“俏皮”。比如,你跟小冰說:“王垠是誰?”,她可能回答:“王垠這是要變段子手麼。”

心想多可愛的妹子,不正面回答你的問題,有幽默感!然後你在百度一搜,發現這句話是某論壇裡面黑我的人說的。小冰只是隨機搜索出這句子,至於幽默感,完全是你自己想像出來的。很多人跟小冰對話,喜歡只把其中“符合邏輯”或者“有趣”的部分截圖下來,然後驚呼:“哇,小冰好聰明好有趣!” 他們沒有告訴你的是,沒貼出來的對話,很多都是雞同鴨講。

IBM 的Watson 系統在Jeopardy 遊戲中戰勝了人,很多人就以為Watson 能理解人類語言,具有人類級別的智能。這些人甚至都不知道Jeopardy 是怎麼玩的,就盲目做出判斷,以為Jeopardy 是一種需要理解人類語言才可以玩的遊戲。等你細看,發現Jeopardy 就是很簡單的“猜謎”遊戲,題目是一句話,答案是一個名詞。比如:“有個歌手去年得了十項格萊美獎,請問他是誰?” 如果你理解了我之前對“識別系統”的分析,就會發現Watson 也是一種識別系統,它的輸入是一個句子,輸出是一個名詞。一個可以玩Jeopardy 的識別系統,可以完全不理解句子的意思,而是依靠句子裡出現的關鍵字,依據分析大量語料得到的擬合函數,輸出一個單詞。世界上那麼多的名詞,到哪裡去找這樣的語料呢?這裡我給你一個Jeopardy 謎題作為提示:“什麼樣的網站,你給它一個名詞,它輸出一些段落和句子,給你解釋這個東西是什麼,並且提供給你各種相關信息?” 很容易猜吧?你只需要把這種網站的內容掉一個頭,製造一個神經網絡,輸入句子,輸出名詞,就可以製造出可以玩Jeopardy 的機器來,而且它很容易超越人類玩家(為什麼?)。其實為了驗證Watson 是否理解人類語言,我早些時候去Watson 的網站玩過它的“客服demo”,結果完全是雞同鴨講,大部分時候Watson 回答:“我不清楚你在說什麼。你是想要……” 然後列出一堆選項,1,2,3……

當然,我並不是說這些產品完全沒有價值。我用過Siri 和Google Assistant,我發現它們還是有用的,特別是在開車的時候。因為開車時操作手機容易出事,所以我可以利用語音控制。比如我可以對手機說:“導航到最近的加油站。” 然而實現這種語音控制,根本不需要理解語言,你只需要用語音識別輸入一個函數調用:導航(加油站)。個人助手在其它時候用處都不大。我不想在家里和公共場所使用它們,原因很簡單:我懶得說話,或者不方便說話。點擊幾下屏幕,我就可以精確地做到我想要的事情,這比說話省力很多,也精確很多。個人助手完全不理解你在說什麼,這種局限性本來無可厚非,可以用就行了,然而各大公司最近卻拿個人助手這類東西來煽風點火,誇大其中的“智能”成分,閉口不提他們的局限性,讓外行們以為人工智能就快實現了,這就是為什麼我必須鄙視一下這種做法。

舉個例子,由於有了這些“個人助手”,有人就號稱類似的技術可以用來製造“機器客服”,使用機器代替人作為客服。他們沒有想清楚的是,客服看似“簡單工作”,跟這些語音控制的玩意比起來,難度卻是天壤之別。客服必須理解公司的業務,必須能夠精確地理解客戶在說什麼,必須形成真正的對話,要能夠為客戶解決真正的問題,而不能只抓住一些關鍵字進行隨機回复。另外,客服必須能夠從對話信息,引發現實世界的改變,比如呼叫配送中心停止發貨,向上級請求滿足客戶的特殊要求,拿出退貨政策跟客戶辯論,拒絕他們的退貨要求,抓住客戶心理,向他們推銷新服務等等,各種需要“人類經驗”才能處理的事情。所以機器能不但要能夠形成真正的對話,理解客戶的話,它們還需要現實世界的大量經驗,需要改變現實世界的能力,才可能做客服的工作。由於這些個人助手全都是在忽悠,所以我看不到有任何希望,能夠利用現有的技術實現機器客服。

連客服這麼按部就班的工作,機器都無法取代,就不用說更加複雜的工作了。很多人看到AlphaGo的勝利,以為所謂Deep Learning終究有一天能夠實現人類級別的智能。在之前的一篇文章裡,我已經指出了這是一個誤區。很多人以為人覺得困難的事情(比如圍棋),就是體現真正人類智能的地方,其實不是那樣的。我問你,心算除法(23423451345 / 729)難不難?這對於人是很難的,然而任何一個傻電腦,都可以在0.1秒之內把它算出來。圍棋,國際象棋之類也是一樣的原理。這些機械化的問題,其實不能反應真正的人類智能,它們體現的只是大量的蠻力。

縱觀人工智能領域發明過的嚇人術​​語,從Artificial Intelligence 到Artificial General Intelligence,從Machine Learning 到Deep Learning,…… 我總結出這樣一個規律:人工智能的研究者們似乎很喜歡製造嚇人的名詞,當人們對一個名詞失去信心,他們就會提出一個不大一樣的,新的名詞,免得人們把對這個名詞的失望,轉移到新的研究上面。然而這些名詞之間,終究是換湯不換藥。因為沒有人真的知道人的智能是什麼,所以也就沒有辦法實現“人工智能”。

生活中的每一天,我這個“前AI 狂熱者”都在為“人類智能”顯示出來的超凡能力而感到折服。甚至不需要是人,任何高等動物(比如貓)的能力,都讓我感到敬畏。我發自內心的尊重人和動物。我不再有資格拿“人類”來說事,因為面對這個詞彙,任何機器都是如此的渺小。

紀念我的聊天機器人helloooo

乘著這個熱門話題,現在我來講一下,十多年前我自己做聊天機器人的故事……

如果你看過PAIP或者其它的經典人工智能教材,就會發現這些機器對話系統,最初的思想來自一個叫“ ELIZA ”的AI程序。Eliza被設計為一個心理醫生,跟你對話排憂解難,而它內部其實就是一個類似小冰的句子搜索引擎,實現方式完全用正則表達式匹配搞定。比如,Eliza的某個規則可以說,當用戶說:“我(.*)”,那麼你就回答:“我也$1……”其中$1代替原句子裡的一部分,造成一種“理解”的效果。比如用戶也許會說:“我好無聊。” Eliza就可以說:“我也好無聊……”然後這兩個無聊的人就惺惺相惜,有伴了。

有些清華的老朋友也許還記得,十多年前在清華的時候,我做了一個聊天機器人放在水木清華BBS,紅極一時,所以我也可以算是網絡聊天機器人的鼻祖了:) 我的聊天機器人,水木賬號叫helloooo。helloooo 的性格像蠟筆小新,是一個調皮又好色的小男孩。它內部採用的就是類似Eliza 的做法,根本不理解句子,甚至連語料庫都沒有,神經網絡也沒有,裡面就是一堆我事先寫好的正則表達式“句型”而已。你輸入一個句子,它匹配之後,從幾種回復之中隨機挑一個,所以你反复說同樣的話,helloooo 的回答不會重複,如果你故意反复說同樣的話,最後helloooo 會對你說:“你怎麼這麼無聊啊?”或者“你有病啊?” 或者轉移話題,或者暫時不理你…… 這樣對方就不會明顯感覺它是一個傻機器。

就是這麼簡單個東西。出乎我意料的是,helloooo 一上網就吸引了很多人。一傳十十傳百,每天都不停地有人發信息跟他聊。由於我給他設置的正則表達式和回複方式考慮到了人的心理,所以helloooo 顯得很“俏皮”,有時候還可能裝傻,搗蛋,延遲回复,轉移話題,還可能主動找你聊天,使用超過兩句的小段子,…… 各種花樣都有。最後,這個小色鬼贏得了好多妹子們的喜愛,甚至差點約了幾個出去呢!:P 在這點上,helloooo 可比小冰強很多。小冰的技術含量雖然多一些,數據多很多,然而helloooo 感覺更像一個人,也更受歡迎。這說明,我們其實不需要很高深的技術,不需要理解自然語言,只要你設計巧妙,抓住人的心理,就能做出人們喜愛的聊天機器。

後來,helloooo 終於引起了清華大學人智組研究生的興趣,來問我:“你這裡面使用的什麼語料庫做分析啊?” 我:“&%&¥@#@#%……”

自動編程是不可能的

現在回到有些人最開頭的提議,實現自動編程系統。我現在可以很簡單的告訴你,那是不可能實現的。微軟的Robust Fill之類,全都是在扯淡。我對微軟最近乘著AI熱,各種煽風點火的做法,表示少許鄙視。不過微軟的研究員也許知道這些東西的局限,只是國內小編在誇大它的功效吧。

你仔細看看他們舉出的例子,就知道那是一個玩具問題。人給出少量例子,想要電腦完全正確的猜出他想做什麼,那顯然是不可能的。很簡單的原因,例子不可能包含足夠的信息,精確地表達人想要什麼。最最簡單的變換也許可以,然而只要多出那麼一點點例外情況,你就完全沒法猜出來他想幹什麼。就連人看到這些例子,都不知道另一個人想幹什麼,機器又如何知道?這根本就是想實現“讀心術”。甚至人自己都可以是糊塗的,他根本不知道自己想幹什麼,機器又怎麼猜得出來?所以這比讀心術還要難!

對於如此弱智的問題,都不能100% 正確的解決,遇到稍微有點邏輯的事情,就更沒有希望了。論文最後還“高瞻遠矚”一下,提到要把這作法擴展到有“控制流”的情況,完全就是瞎扯。所以RobustFill 所能做的,也就是讓這種極其弱智的玩具問題,達到“接近92% 的準確率”而已了。另外,這個92% 是用什麼標準算出來的,也很值得懷疑。

任何一個負責的程序語言專家都會告訴你,自動生成程序是根本不可能的事情。因為“讀心術”是不可能實現的,所以要機器做事,人必須至少告訴機器自己“想要什麼”,然而表達這個“想要什麼”的難度,其實跟編程幾乎是一樣的。實際上程序員工作的本質,不就是在告訴電腦自己想要它幹什麼嗎?最困難的工作(數據結構,算法,數據庫系統)已經被固化到了庫代碼裡面,然而表達“想要幹什麼”這個任務,是永遠無法自動完成的,因為只有程序員自己才知道他想要什麼,甚至他自己都要想很久,才知道自己想要什麼……

有句話說得好:編程不過是一門失傳的藝術的別名,這門藝術的名字叫做“思考”。沒有任何機器可以代替人的思考,所以程序員是一種不可被機器取代的工作。雖然好的編程工具可以讓程序員工作更加舒心和高效,任何試圖取代程序員工作,節省編程勞力開銷,剋扣程序員待遇,試圖把他們變成“可替換原件”的做法(比如Agile,TDD) ,最終都會倒戈,使得雇主收到適得其反的後果。同樣的原理也適用於其它的創造性工作:廚師,髮型師,畫家,……

所以別妄想自動編程了。節省程序員開銷唯一的辦法,是邀請優秀的程序員,尊重他們,給他們好的待遇,讓他們開心安逸的生活和工作。同時,開掉那些滿口“Agile”,“Scrum”,“TDD”,“ 軟件工程 ”,光說不做的扯淡管理者,他們才是真正浪費公司資源,降低開發效率和軟件質量的禍根。

傻機器的價值

我不反對繼續投資研究那些有實用價值的人工智能(比如人臉識別一類的),然而我覺得不應該過度誇大它的用處,把注意力過分集中在它上面,彷彿那是唯一可以做的事情,彷彿那是一個劃時代的革命,彷彿它將取代一切人類勞動。

我的個人興趣其實不在人工智能上面。那我要怎麼創業呢?很簡單,我覺得大部分人不需要很“智能”的機器,“傻機器”才是對人最有價值的,我們其實遠遠沒有開發完傻機器的潛力。所以設計新的,可靠的,造福於人的傻機器,應該是我創業的目標。當然我這裡所謂的“機器”,包括了硬件和軟件,甚至可以包括雲計算,大數據等內容。

只舉一個例子,有些AI 公司想研製“機器傭人”,可以自動打掃衛生做家務。我覺得這問題幾乎不可能解決,還不如直接請真正智能的——阿姨來幫忙。我可以做一個阿姨服務平台,方便需要服務的家庭和阿姨進行牽線搭橋。給阿姨配備更好的工具,通信,日程,支付設施,讓她工作不累收錢又方便。另外給家庭提供關於阿姨工作的反饋信息,讓家庭也省心放心,那豈不是兩全其美?哪裡需要什麼智能機器人,難度又高,又貴又不好用。顯然這樣的阿姨服務平台,結合真正的人的智能,輕而易舉就可以讓那些機器傭人公司死在萌芽之中。

當然我可能不會真去做個阿姨服務平台,只是舉個例子,說明許許多多對人有用的傻機器,還在等著我們去發明。這些機器設計起來雖然需要靈機一動,然而實現起來難度卻不高,給人帶來便利,經濟上見效也快。這些東西不對人的工作造成競爭,反而可能製造更多的就業機會。利用人的智慧,加上機器的蠻力,讓人們又省力又能掙錢,才是最合理的發展方向。

轉貼自: yinwang


留下你的回應

以訪客張貼回應

0

在此對話中的人們