写小说有三条规则。不幸的是，没有人知道它们是什么。
萨默塞特·毛姆（Somerset Maugham，1874—1965）
“当技术迈步向前时，人类还会有什么独一无二的能力？”这是我们听到的关于人脑和机器的最常见问题。鉴于数字化工具包在日常信息处理、模式识别、语言、直觉、判断、预测、躯体灵巧性等诸多方面挑战着人类的优越地位，我们还应该期望有什么领域不被它们赶上吗？
飞跃的创意
对于上面的问题，我们听到的最常见答案是创意。很多与我们交谈过的人认为，在人类产生新想法的能力里面，有一些不可简化或不可言喻的东西。我们觉得这种说法大有真意。事实上，我们在《第二次机器革命》一书中提出了很相似的看法。但是最近以来，创意深重的工业设计领域所展现的事情告诉我们，机器本身在产生强大的新想法方面正迎头赶上。
我们可以有把握地说，绝大多数人从没有想过热交换器。但是，设计冰箱、炉子、发动机和其他设备的人对此都会考虑很多。热交换器的工作是使热量从一种流体（液体或气体）移动到另一种流体，同时防止流体与另一种流体接触。卧室的散热器是一个热交换器，它将流经的蒸汽热量传递到周围的空气，房间的空调也是如此。
制造一个好的热交换器很难。它要实现转移适当能量的主要目标，而且还要有效、安全、耐用、便宜。为满足所有这些要求，设计人员必须了解所需的性能水平、热力学和流体动力学、材料性能、制造方法和成本，等等。在实践中，许多设计师当然可以利用已经嵌入以前成功的热交换器的大量有用知识，通过调整现有设计以满足新应用的要求。
如果热交换器的设计师具备所有需要的知识，但是没有经验积累，那么会怎么样呢？换句话说，如果设计师确切知道所需的性能指标是什么，包括尺寸、成本、寿命、能量转移等，并且他是所有相关科技学科的世界级专家，但从未做过热交换器，甚至没有认识到这种东西可能有价值，那么这样一位设计师会想到什么呢？
图4–1举出了一个例子。正如你现在可能猜到的那样，它是由一台电脑设计的。
图4–1 使用生成式设计软件设计的热交换器
图片来源：欧特克有限公司。
自然而然的设计
图4–1所示的热交换器是生成式设计的一个例子，在这种设计流程中，软件完全自动化地做完所有工作，并提出一个或多个满足所有要求的完整设计方案，而不是帮助人类设计师绘制图纸、执行计算并权衡决策。
这部分工作是通过3D打印制作的。事实上，用传统制造工艺不可能实现同样的效果。但既然3D打印已是现实，那么生成式设计软件就不再受制于旧的生产方式，它可以自由想象，提出多种多样的形态。与大多数（如果不是全部）人类设计师不同，软件不会有意识地或下意识地偏向现有方法，因此它确实是更自由的探索。
生成式设计软件真的有“创意”吗？这是一个很难回答的问题。创意本是人工智能先驱马文·明斯基所说的“手提箱里的词汇”的一个很好的例子。正如他所说，“我们用来形容人脑的大多数词语，如意识、学习或记忆等，是犹如手提箱物品混搭一样的不同观念”。从创意一词的不同定义中，我们看到一个这样的混搭例子。例如，《牛津英语词典》说创意是“想象力或原创思想的运用，尤其是在艺术作品的制作中”。
由生成式设计软件制成的热交换器并不真正符合这一定义，因为它既不是一件艺术作品，也不是任何人的想象力所致。然而，梅里厄姆–韦伯斯特（Merriam-Webster）对创意的定义大不相同：“它是创造新事物或思考新想法的能力。”根据这个定义，我们认为生成式设计软件显然是有创意的。
人类在图4–1所示部件的设计工作中无所作为，但是就指引生成式设计软件去设计何种部件而言，人类是必不可少的。人定义了部件必须完成的工作，因而确定了对软件的输入。要做到这一点，他们必须了解该部件必须安装的地方，运作所需的环境，必须能够转移的能量，等等。简言之，这些“人类说明师”具有大量的相关领域知识和技能，与提出热交换器设计的人类设计师相比，可能都不遑多让。
人竞机择的设计
如果上述相关知识至少有一部分可以自动生成，那会怎么样？如果可以在生成式设计软件和3D打印的组合中加入其他工具，从而将创意方面的数字化技术向前再推进一步，那么又会发生些什么？从2013年开始，欧特克有限公司与洛杉矶的一批汽车设计师和特技司机合作，试图寻找答案。他们的目标是建立一个自动化系统，它可以从头开始设计一款赛车底盘，并由自己确定底盘所需的性能指标，也就是规格。
为完成这项工作，该团队首先造了一辆简版的传统赛车，基本上，它只有底盘、变速箱、发动机、座椅和车轮。然后，团队在底盘铺上传感器，用传感器测量有关数值，包括应力、应变、温度、位移以及底盘必须能够实现的其他所有方面。正如我们上一章讨论的那样，数字化传感器现在变得更加小巧，同时也更加便宜，而且功能更强，所以该团队可以从这个仪表化的底盘中轻易获得大量的准确数据。
他们把这辆用传感器集成的汽车带到了莫哈韦沙漠，在那里，一名测试的司机检验其各种性能，在不发生碰撞的前提下，他全力地加速、制动和转向，而汽车的传感器则忙于搜集数据。这场极速测试结束时，团队获得了大约2 000万个关于汽车结构和作用力的数据点，这些数据点被置入Dreamcatcher项目（欧特克有限公司的生成式设计技术）之中，用于开发现有底盘的3D模型。图4–2显示了软件的生成结果。我们只能模糊地认出一个赛车底盘。它看起来更像是猛犸象或鲸鱼的头骨，或者是硅藻[1] 在显微镜下显示的二氧化硅骨架。
这并非巧合。骨骼、外骨骼和其他自然界的结构是自古以来从未间断的进化竞争的赢家，竞争的结果关乎生死存亡。进化已经产生了奇妙的设计，即同时具有弹性、耐力、节能、复杂性、强壮和苗条等诸多特点的人体设计。鉴于此，如果生成式设计软件被赋予重任，设计一组符合性能要求的最佳结构，并且最终生成一些看起来好像来自大自然的东西，那么我们也许不应对此感到太惊讶。
图4–2 赛车底盘模型
图片来源：欧特克有限公司。
你注意到另一个不寻常的特征吗？这种底盘是不对称的，它的左右两侧不是彼此的镜像。这是有道理的。因为赛车更频繁地沿着某个方向转圈，因此它的底盘两侧受力有很大不同。人类设计师已经意识到这个事实很久了，但是他们的作品很少达到生成式设计软件实现的深度不对称效果。
像赛车底盘这样的例子告诉我们，数字化的创意不仅仅是模仿和渐进。除了对人类已然做成的事情进行延伸和组合，电脑还能提出更多的创意。我们乐观地认为，近乎极端的事情可能会发生，当电脑熟谙我们累积的科学和工程知识，并且得悉具体情况的性能要求，或者有足够数据来确定这些要求时，它们就会提出我们根本想不到的新颖方案。
“找到了！”
在建立体验的过程中，数字化设计师不带有人类日积月累的偏见和盲从，这几乎是必然的。现在有数量惊人的计算能力可供使用，意味着数字化设计师可以又快又好地探索可能的解决方案，甚至可以说，它们提出的方案比一栋大楼的人类设计师所能提出的还要多。事实上，数字化的创作者已经这样做了。
在科学中，提出一个新理论，然后终于得到实验结果的支持，就是“找到了！”（Eureka! ）式创意的典型事例。拜勒医学院的计算生物学家和IBM的分析专家开展的一项精妙研究表明，IBM的人工智能沃森可以用于提出有用的科学假设。该团队正在寻找激活p53蛋白的激酶[2] ，因为它能抑制癌细胞的生长。他们让沃森“阅读”[3] 了针对该主题公开发表的7万篇科学论文，然后要求它预测可以激活或关闭p53蛋白活性的激酶。沃森提出了7个假设选项。
怎么判断这些选项是好是坏呢？我们知道，研究者只向沃森提供了2003年之前发表的论文。这意味着他们可以利用2003—2013年这10年的科学进展来检验沃森提出的假设，看看其中有哪些通过了理论审核并得到实验支持（如果有的话）。实际上，沃森提出的所有7种候选激酶都激活了p53蛋白。如果我们注意到在过去30年里，这一领域的科学研究每年大约只发现一种能激活p53蛋白的激酶，那么上述结果就更加令人印象深刻。这可不是一个玩玩而已的问题。
艺术又如何
数字化创意也进入了艺术领域。西蒙·科尔顿（Simon Colton）的“傻瓜画”项目在画场景时没用到任何人类投入，帕特里克·特利塞特（Patrick Tresset）已经打造了多个机器人手臂，它们通过不同的“手”绘制现场模特的肖像，而音乐教授戴维·科普（David Cope）则建立了“艾米莉·霍维尔项目”，用许多不同风格谱写乐章。
我们常听说数字化的画家、作曲家和其他艺术家不如其人类同行那么有才华，与人脑相比，机器的创作依然明显空泛得多。但是科普注意到一个有趣的现象。正如2010年《太平洋标准》（Pacific Standard ）登载瑞恩·布理兹坦（Ryan Blitstein）撰写的关于科普作品的文章所述：“在圣克鲁斯的一场音乐会上，节目单没提到艾米莉·霍维尔并不是一个人，一位身为化学教授的音乐爱好者说，霍维尔作品的演出是他音乐生涯中最激动的体验之一。6个月后，这位教授参加了科普主讲的关于艾米莉·霍维尔的讲座，并听了同一场演唱会的录播。科普记得他说：‘你知道，这音乐很不错，但我绝对可以立马听出来它是电脑谱曲的。这件作品没有心，没有灵魂，也没有深度。’”
数字化的作曲家可以制作使人感到有趣可爱的音乐，我们对此不应太过惊讶。人类美学——我们发现的美丽事物，或者吸引我们味觉和感觉的事物——是复杂的，要理解它们是困难的，尤其是它们因时而异，因不同族群和不同文化而异，但这并不是说它们就不可能被理解。我们至少已经发现了一些规则和原理，例如在安排画作或其他视觉作品的元素时，我们经常使用大约1.618∶1的“黄金比例”，而且我们一直在学习更多的内容，尽管有些一时理解不了。
这种知识正被嵌入技术，并广泛应用于各行各业。The Grid是一家初创公司，它为个人和企业建设称心如意的高度定制化网站，该公司采用领先的网页设计原则，但不用任何人类网页设计师。IBM在厨房里部署了沃森，它提供了与完整食谱等量齐观的菜谱，体现了人们喜爱的食材和口味的新颖组合。[4] 上海中心是一座位于浦东新区核心区的128层现代化摩天大楼。它的能源效率很高，采用每年可以减排3.4万吨的技术，而且节省了5 800万美元的建筑成本。此外，我们发现它弯曲闪光的造型相当漂亮。这幢建筑物的初始形状和结构都是电脑生成的，其后由人类设计师用高度迭代的过程进行提升和精炼。人类设计团队的出发点就是一个电脑设计的建筑，它就像一张白纸一样唾手可得。
人机之分
自动生成音乐领域的先驱戴维·科普说：“我听到和读到的大部分内容都是老生常谈。所有这些都事关机器与人类的关系，我觉得‘你是不是要把创意这种人类仅剩的独特能力拿走’这样的问题是徒劳的。”我们知道他的感受。可能有些人对电脑能否真正拥有创意的辩论感兴趣，但使我们感到更加振奋的问题是如何使全世界的创意总量达到最大。我们认为，正确的方法是沿两个方面推进：继续致力于制造可以提出巧思妙想的电脑，同时找出其与人类创新者的最佳结合方式。在这里，最好的解决方案将来自人脑和机器一道工作。
在结合上述两者时，我们过多地让人脑做一些本应由机器处理的无聊琐事。如第二章所述，20年前建立的长期标准伙伴关系的全部要点，就是让电脑做死记硬背的事，把人解放出来进行更高层次的思考。但是，当下的设计师和其他创意专业人士花费太多时间来做没什么意思的枯燥事务。正如欧特克有限公司前任首席执行官卡尔·巴斯向我们解释的那样：
（计算机辅助设计）工具就像十一年级的几何。你坐在那里，画一条线，找到中点，做了这事，再画另一个，挤一下，放个圆角[5] 上去。有趣的是，你还没了解所做的事情是否能解决问题，就过早地把事情做了。你会花几周时间处理所有这些细节，然后才发现正在构建的机制的确不能奏效。我们已经用这种工作方式训练了整整一代人。我认为我们给了人们不好的工具。
欧特克有限公司等企业正在开发更好的工具来支持创意。这些下一代的产品将会有所不同。
首先，它们会让人们测试其想法的整体可行性或适当性，然后才要求他们做大量的“十一年级的几何作业”。首次设计常见于餐巾背面的草图。在不久的将来，数字化工具将能够采用类似的草图方式，使人在灵光一闪时能快速制作草案，同时对它是否奏效给出快速准确的反馈，例如建筑物是否能在地震中屹立不倒，发动机又是否能够动力充足，等等。
其次，在设计过程的每个阶段，新工具将自动完成更多的日常工作。人类不善于从事这类工作，既花费太多时间，又犯下太多错误，所以我们真应该把它们交给技术来完成，直至更新创意工作中的标准伙伴关系。
在未来很长一段时间，即使技术滚滚向前，人们仍会在创意工作中发挥重要作用。在本书前面的章节，我们曾主张，在许多需要决策、判断、诊断或预测的场合，人应该发挥相对较小的作用。为什么创意领域不一样呢？它的确是不同的，因为在世上很多领域，创造又新又好的事物可能需要创造者生活在这个世界，而就“生活”一词的任何现实意义而言，电脑都不是“生活”在我们的世界上。我们不在这里讨论什么是意识，许多生活方式和图书都专门解释这个“手提箱里的词汇”，但我们要说电脑目前还没有意识。如果要了解人们接下来想要什么，通常就需要深入了解人之所以是人的意义，以及用人的所有感官和情感体验世界的感觉。就我们所知，在未来很长一段时间内，拥有这些知识的只有我们人类。
抒情诗人安德鲁·伯德（Andrew Bird）发现了一个事实，他在2008年观察指出：“唯一能够把一些看似不一致的描述和一首歌词分开的，其实是一个信心爆棚的时刻。”我们喜欢他的洞见，但认为他太谦虚了。电脑从来不缺信心，而且它们可以生成无穷尽的关于爱恨情仇的不一致的或相关的描述。不过，当数字化的抒情诗人继续进步，能够像柯尔·波特（Cole Porter）、乔尼·米切尔（Joni Mitchell）或者杰伊（Jay Z）一样可靠地创造极好的歌词时，我们将会非常惊讶。以上各位的创造力在很大程度上来源于对人类的了解，而我们没看到任何接近于把这种理解数字化的迹象。人工智能的先驱扬·乐坤认为，我们总有一天会做到这一点，但是，目前“还有一些我们仍然不知道如何获取的重大概念进步”。另外一位人工智能专家吴恩达同意扬·乐坤的看法，他告诉我们：“我们不知道大脑如何工作，而我们的算法也不做任何类似于大脑工作的事。”
在他们尚未大功告成之前，我们将会看到类似于CuratedAI网站搜集的一些由人工智能生成的诗歌和散文，这是一本“机器写给人看的文学杂志”。一首有代表性的诗歌是“伯特伦先生的心灵使音乐得到满足”，它是由Deep Thunder神经网络于2016年8月“汲取简·奥斯汀的小说灵感”之后写出来的，诗歌的开头如下：
寒冷，不回想如此悲伤。当我试图第一个赞美时，我对你家老大说，所有这一切是非常不小心撞上了克劳福德先生，但是你应比以前得到的更多，而且我确信我没有说谎，夫人，我确信我们不知道音乐对伯特伦先生的想法感到满意。
我们不知道这是什么意思，在可预见的未来，我们会坚持看人写的小说和歌词。
数字化之中有人道
人类的状况本质上是人际的。我们是深度的社会化生物，历经现代的进化史，生活在家庭、乐队、部落、城市等越来越大的群体中。这种趋势的必然结果，就是我们无论作为个人还是作为集体成员都是彼此紧密互联的。基本上，我们所有人都不断地、深深地关心我们怎样与他人联系，他人又怎样看待我们（真正的反社交者和极端自闭症谱系障碍的人是少数）。我们在麻省理工学院的同事、天赋异禀的研究者德布·罗伊（Deb Roy）指出，这种社会性为我们提供了一种强大的方法，可用于预测哪些工作、哪些任务受技术进步的影响最小，很简单，它们就是那些利用人类社会驱动力的工作和任务。
罗伊的驱动力清单包括同情、自豪、尴尬、羡慕、正义和团结。我们不妨以某高中的女子足球教练为例，看看这些驱动力如何应用于工作之中。如果这位教练对足球运动有深刻的战略认识，也有能力察觉比赛的走向并适当地转换战术，那就很棒了，但由于比赛胜负与财务结果没有太大关系，因此这份工作最重要的并不是带队取胜的能力。相反，重要的是要有能力让女孩们一起拼搏，追求目标，教导她们成为支持彼此的好队友，并通过运动来锻炼她们的性格。在很大程度上，教练通过发掘自己的同情心和女孩们的自豪感来完成工作。作为女孩们心目中的榜样和权威，她还利用了她们想得到教练赞许的渴望。
大多数人都知道，好的足球教练很难找，但我们忘了非人类的教练根本就不存在。试图想象一个全数字化的人工智能女子足球教练。它能够挑出队伍中的天赋领导者和难以相处的人吗？如果某些女孩是两者兼具，它知道该怎么做吗？在漫长的赛季，它能否将球队凝聚在一起，走过高峰和低谷？它能否激励一名女孩去克服疲劳和自我怀疑，从而完成她曾认为不可能的事情？我们已经知道，永远不要对技术说永远不能，但是在这里，我们说“几乎肯定不能”。
电脑正越来越善于做某些工作，例如通过观察面部表情和发音模式来确定人的精神状态，但与我们刚刚列举的事情相比，它还差得太远。我们相信，在未来一段时间内，有效把握人的精神状态和社会驱动力的能力仍是一种深度的人类技能。在我们深入第二次机器革命的过程中，这意味着人脑和机器的一种新颖结合方法，也就是让电脑牵头做决策（或者判断、预测、诊断等），然后，如果需要说服、劝说其他人服从这项决策，那么就让人牵头去做。
医疗保健领域提供了许多例子，说明这种方法如何付诸实践。医疗诊断是一项模式匹配工作，由于医疗保健信息的数字化和机器学习等领域的进步，电脑在这项工作上达到了超人的水平。即便放射学、病理学、肿瘤学等大多数专科最好的诊断医生还未数字化，这一天也很快就会到来。让人类专家审查诊断结果也许仍然是个好主意，但电脑应该牵头。[6]
然而，大多数患者不想从机器那里取得诊断结果。他们想从富有同情心的人士手里拿到结果，这位人士能帮他们加深理解，接受那些常常很难面对的诊断结果。诊断之后，能够打造人际关系、善用社会驱动力的专业医疗人员非常有价值，因为他们更有可能促使患者遵守医嘱。据估计，不遵医嘱是医疗保健的一个大问题，它对数百万人的健康造成负面影响，仅处方药一项，美国每年就要花2 890亿美元。
Iora Health是一家位于马萨诸塞州剑桥的公司，截至2015年年中，该公司在美国6个州开设了13个医疗保健分支，试图使人通过与“健康教练”配对而保持健康。这些专业人士提供医疗咨询，但也会耐心倾听，花时间陪患者，使整个医疗保健体验看起来充满人情味，而不是冷漠无情。这种方法似乎奏效了。据《波士顿环球报》（Boston Globe ）报道，“该公司称，在某个Iora Health分支，住院率下降了37%；与使用传统医疗保健系统的对照组相比，医疗保健支出低了12%……在另外两个分支，急诊室的访问率下降了至少30%”。
在改善未来医疗保健服务体系方面，人将继续发挥至关重要的作用，但可能与现在的作用不尽相同。扮演核心角色的将可能是善解人意、擅长社交的护理协调员，而不是优秀的诊断医生和其他HiPPO人士。在前面的章节，我们提到了未来工厂只有“一人一狗”两个员工的古老笑话。就医疗保健领域而言，我们可以提出一个微调的版本：未来的医疗机构可能会使用人工智能、人和狗。人工智能的工作是诊断患者；人的工作是理解和沟通诊断，并通过治疗来教导患者；狗的工作是在人企图怀疑人工智能时咬他一口。
本章总结
• 电脑现在可以做更多满足大多数创意所定义的事情，如设计多种用途的美丽物件、谱写乐曲、提出有用的科学假说，等等。
• 电脑的创意能力正在迅速增强。例如，它们现在不仅可以设计符合要求的部件，而且还可以利用大量数据来确定这些要求。
• 数字化的创作者经常会提出与人类大不相同的解决方案。这是一件好事，因为观点的多样性往往会导致更好的结果。
• 电脑仍然不能真正了解人类的情况，因为它们没有以人类的方式体验世界。我们不能指望机器在近期写出一部像样的小说。
• 创意工作是人脑和机器的新组合中最富有成果的领域之一。一种有前途的方法是让机器接管“繁忙的工作”，并生成可供人们扩展和改进的初步方案。
• 数字化技术在满足人类的大多数社会驱动力方面做得不好。所以，在未来一段时间内，利用这些驱动力的工作可能会继续由人来完成。这类工作包括那些需要同情、领导、团队合作和指导的任务。
• 随着技术的进步，高级的社交技能可能比高级的定量分析能力更有价值。将社交技能与定量分析能力相结合的能力往往会得到最大的回报。
问题
A 在你所在的组织中，最具创意和创新意识的人要做多少沉闷的日常工作？
B 你是否确信自己能可靠地区分由人工完成的和机器生成的画作、旋律、网页设计和科学假说？你对人类能做得更好有信心吗？
C 较佳的人际关系在什么地方最能帮助你和组织的表现？
D 就你所在组织目前由人工完成的任务而言，哪些是最难被电脑接管的？你为什么这么认为？
E 看了自己的岗位或所在组织的现有任务和流程，你认为人与机器之间的理想分工是什么？
F 通过将机器的新兴功能与人文关怀相结合，可以创造哪些新产品或新服务？
[1] 硅藻是世界各地水域都能发现的一种藻类。
[2] 激酶是调节细胞内多种活性的酶。
[3] 沃森还没能以人类的方式理解语言，但它确实在书面文本中找到可用于构建其知识库的类型和关联性。
[4] 在沃森想出来的菜谱中，《快公司》记者马克·威尔逊喜欢“孟加拉国胡桃”烧烤酱。（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.）他认为“奥地利巧克力卷饼”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] 机械圆角是从一个部分的某一区域到另一区域的平滑过渡，例如两个以直角相交的表面之间的圆角。
[6] 它也可能不是一个好的想法，只有时间和研究能给出结果。