史蒂文·霍夫曼

大多数人在想到自动化的时候，会想象由机器人来完成所有的工作。但经常被人忽视的是，如果没有人工智能，机器人只是一些非常蠢笨的机器。正是那些智能算法让它们有能力去完成一些非常高级的任务。人工智能，而不是那些机器，才是推动自动化向前发展的主要动力。无论是仿真机器人，还是正在进入我们家庭、办公室、工厂以及身体的系列智能设备，人工智能都是这些设备得以正常运转的动力。另外，在那些用来管理我们的基础设施、医疗保健、金融、交通以及政府的各种软件的背后，起到支撑作用的依然还是各种不同的智能算法。

在未来的数年时间里，深度自动化的力量将会颠覆我们整个社会。这种力量会推动人类通过算法使所有与管理、生长以及生命维持相关的底层过程自动化，而这无疑会加速创新、创造财富，并且把我们从各种日常的工作中解放出来。如果我们把当下的生活与我们父母和祖父母的生活进行对比，你就可以看到，在如此短的时间里事情已经发生了多么大的改变。我们已经从一个由笔和纸主导的世界进入了一个数字世界，现在我们的口袋里永远不会缺少的是一台计算机，而且你已经根本无法想象没有互联网的生活将会是什么样子的。随着新技术以越来越快的速度不断浮现出来，即将到来的创新浪潮也将会具有更加鲜明的变革特征。

 人工智能算命师：预测机器

智人要比这颗行星上的其他任何物种都更善于对可能的未来场景进行建模和预测。但是现在，我们的智能机器已在这方面让我们显得像黑猩猩一样落后。人工智能处理大量数据的能力已经远超我们， 这意味着计算机所具有的预判未来并推断接下来可能会发生什么的能力，将会颠覆整个行业并重塑我们的生活。

利用其所拥有的海量数据，亚马逊正在将业务的每一个方面都通过算法来实现自动化，其中就包括预测人们会购买什么。例如，亚马逊已经能够用统计模型来预测下周二在芝加哥能够卖出多少吉列的刀片，从而预先安排相关产品的发货。这也是为什么亚马逊能够避免隔夜运输成本，并将省下的钱回馈给它的客户，而它的客户通常也希望能够在第二天就收到货。当然，这种方法也只对大批量的产品有效，量越大，它所做出的预测就会越精确。

亚马逊的最终使命是在客户还不知道他们需要这款产品前就把产品销售给他们。亚马逊如何才能实现这一目标呢？这一切又需要回到数据上。利用智能设备，比如语音助手Alexa，以及来自线上和线下的购物数据，亚马逊正在对每一个个体的购物习惯进行学习和建模。一旦亚马逊有了足够的数据，接下来需要做的就是在人们下订单前就将产品发给他们。想象一下，你收到了一个来自亚马逊的包裹，打开包裹后发现里面恰好就是你想要下单的产品。如果你不想要其中的某些产品，你还可以免费把它们再退回去。

只要它的机器学习算法可以变得足够精确，而且有利可图，那么亚马逊就会具备这样做的能力。在准备过程中，亚马逊需要将它的整个供应链，从仓库到送货上门的整个过程，都实现自动化。运输的成本越低，它能够承受的退货也就会越多。而为了能做到这一点，它需要将人力成本从整个循环中剔除出去。

或许有一天，亚马逊的仓库、送货车以及在这两者间的所有流程都会实现自动化。一旦它做到了这一点，客户拒绝订单的成本就会降到最低，而亚马逊也就可以开始着手在收到订单前就安排发货了。换句话说，通过让这个过程的每一步都实现自动化，亚马逊希望可以将购买决策从购买的过程中剔除出去。如果它的客户不再购买某些产品，他们就不会在网上搜寻最便宜的价格，也不会再访问竞争商店的网页了。从长远来看，这种做法可以为亚马逊带来不可思议的利润，同时节省了客户的时间以及访问其他商店的麻烦。

谷歌旗下的DeepMind（深度思考公司）已经开发出了一款软件， 可以无须抽血或者进行其他必要的化验，仅利用视网膜的图像就能够预测发生心脏病和中风等疾病的可能性。要不了多久，很可能就会出现一种可穿戴设备，它可以告诉你应该在某一天去医院，因为你很可能会在接下来的数周时间里心脏病发作，或者你应该在接下来的24小时的时间里服用某种药物以避免中风。

“我们的深度学习算法在进行训练的时候使用了来自284335个病人的数据，这使我们能够以令人惊叹的精确性通过视网膜图像预测出来自两个独立数据集的病人患病的风险因素。”正在领导谷歌进行这方面投入的医学博士莉莉？彭（Lily Peng）这样说道。

DeepMind还开发出了一种算法，这种算法可以在大多数相关的症状被医生发现的48小时之前就预测出某一个病人是否有可能出现致命的肾损伤。谷歌的研究人员声称这种算法的精确度已经达到了90%。在有了这项技术后，医生将不用再猜测接下来会发生什么，而是直接开始准备应对接下来会发生的事情。医院也可以利用这些数据来预先做出安排，比如谁应该在某一天值班，以及在一周中每天应该安排多少张床位，从而可以用更低的成本来拯救更多的生命。

这或许会让你感到惊讶，但是人工智能还可以通过查看你的心脏检查结果来预测你在今后一年内死亡的可能性。这些检查结果对医生来讲可能看上去很正常，但是人工智能可以判断出哪个地方是否出现了问题。在学习了177万份不同的心电图检查结果后，由盖辛格健康系统公司（Geisinger）开发的深度学习算法现在已经能够在心电图的模式改变中发现人类往往会忽视的异常点，进而提醒当时的主治医师。

根据世界卫生组织的数据，每年有将近80万人自杀。脸书已经开发了一种机器学习系统来预测可能的自杀企图，一旦脸书上的某个帖子被标记为具有潜在的自杀风险，这个信息就会被发送到臉书的内容审核团队。如果该团队认为事情紧急，他们就会通知执法机构，这样他们就可以在事情变得无法挽回前进行干预了。“就在2020年，我们已经帮助全球的紧急救援人员快速找到了大约3500名需要帮助的人。”马克？扎克伯格这样写道。

很快我们可能就会看到学校和社交网络利用这些数据来预测从学生患上厌食症和贪食症的可能性，到某些学生是否更有可能出现暴力行为等各种事情发生的概率。虽然搜集和处理这类数据可能会存在隐私方面的问题，但其带来的好处也是显而易见的。

脸书目前也在利用预测引擎来最大化它自己的营业收入。它曾经开展了一项测试，询问用户什么样的文章、视频以及广告是他们在未来最有可能去点击的。接着脸书又要求它的机器学习算法来预测用户未来的行为。那么你认为谁会在大多数的情况下表现得更正确呢？是用户自己还是人工智能？答案当然是人工智能。

虽然这听上去会令人感到不安，但与我们自己相比，人工智能确实能更精准地预测我们将会做什么。无论我们相信与否，我们实际上并不真地很了解自己。我们或许会认为自己会选择点击有趣的科学视频，但是当可爱的小猫出现在视频中的时候，我们还是会不由自主地选择后者。深度学习算法观察的是我们实际会做什么，而不是我们说自己会做什么。利用这样的数据，它们会比我们更了解我们自己。

这对于我们的将来又意味着什么呢？它意味着在我们的生活中，无论我们选择在Netfix上看什么样的节目，还是去哪一家餐厅用晚餐，我们都将越来越依赖人工智能做出的决定。在有了足够的数据后，人工智能将使我们避免观看糟糕的电影或者吃到糟糕的食物，而且我们也没有必要再花时间去阅读各种评论，并以此来找出我们真正想要的东西。

对我们中的大多数人来讲，想要发现哪一种产品或服务最适合我们的需求是一件很痛苦的事。没有人想要这样的麻烦，尤其是如果人工智能可以做得更好。但真正可怕的是，每次在我们使用这些极其方便的算法服务后，我们都会放弃一点儿自己的自主权。最开始的时候，你这样做根本没有什么大不了的，毕竟，如果你能够不浪费20分钟的时间来搜寻一部更好的电影，这样做又会有什么坏处呢？

但是，当涉及的事情已经不再是一部电影，而是像食品、杂货、小工具、新闻以及各种媒体等我们每天都必须消费的东西，而此时如果我们仍然让人工智能来代替我们做出决定，事情又会如何呢？

如果我们将大多数的决策，无论大小都委托给人工智能的话，那么在这样的世界里，我们还会有自由意志吗？答案既是肯定的，也是否定的。我们始终会有自己的选择权，但我们是否会行使这项权利就是另一个问题了。我的看法是，在大多数的时候我们会选择采用人工智能做出的决定，而不是相信我们自己能够做出更好的判断。这是因为，在将来，人工智能会变得十分强大，它的判断力在几乎所有方面都会超越我们自己的判断。

硅谷以及好莱坞的未来

娱乐业的未来最终会落在好莱坞的星光大道上，还是会落在硅谷？现在我们可以看到的是，这两条截然不同的道路实际上都已经和同一条以高科技为导向的高速公路连接在了一起。随着线上内容分发的快速崛起，我们已经看到娱乐行业正在经历根本性的改变。如果只控制广播电视、有线网络以及各地的院线，任何大型的制片厂都已经不足以支撑起整个行业。现在，真正对娱乐市场有影响力的大事都发生在各种平台上，比如Netfix、Hulu视频网站、迪士尼+、亚马逊、iTunes以及音乐流媒体的代表Spotify等。

这些平台的力量实际上来自原始数据，以及它们精确预测用户观看习惯的能力。组织一个焦点小组，邀请十几个人来观看一个试播的节目，然后再获得他们的反馈，早已没有任何意义。搜集觀众实际在做什么，而不是他们会说什么，这样的原始数据会是一种更好的做法。

Netfix已经证明，那些在电影公司里拿着高薪，长期待在伯班克市中心那些安逸的办公室内的高管，是完全无法与那些混迹在硅谷的极客数字高手比肩的。

利用数据，Netfix已经重塑了整个电影行业的片场制度。他们首先会利用深度学习算法来分析观众正在观看什么，其次再以此来判断接下来观众想要看的是什么类型的节目。在有了这些洞见后，他们会南下洛杉矶，去招募最优秀的人才来制作和出演他们准备好的内容。这种将技术和人才融合在一起的做法已经被证明是制胜的秘诀。

Cinelytic是一家总部设在洛杉矶的创业公司，通过数据来判断应该投资哪些类型的娱乐项目，这家公司正在帮助像华纳兄弟和索尼影业这样的传统电影公司模仿硅谷的行为方式。Cinelytic声称，源自超过95000部电影和50万名电影专业人士的数据使得它能够以85%的精确度预测票房收入。

在这方面，《地狱男爵》（Hellboy）这部电影的重启就是一个例子。Cinelytic 就曾经预测这部电影的票房收入会非常惨淡，而且最终的结果也确实不出其所料。Cinelytic的深度学习算法估计，这部电影在美国的票房收入大约只有2320万美元，而当时这部电影的预算已经达到了5000万美元。这部电影的实际表现更加糟糕，只获得了2190万美元的票房收入。

Cinelytic公司的CEO托拜厄斯？奎瑟（Tobias Queisser）之前曾经在电影行业工作过两年时间，而且一直为自己的手上没有好的数据而感到沮丧。他感到这个行业仍然在使用过去传统的方式，比如通过电子表格和无休无止的会议来挑选出具有潜力的项目。他已经习惯了金融行业的工作方式，在那里他可以接触实时的数据，也因此看到了把这种工作方式介绍给电影制片行业高管的机会。

随着好莱坞的电影公司开始纷纷进入流媒体领域，并尝试与硅谷展开竞争，Cinelytic公司在这个时候向它们伸出了援助之手。传统的电影公司目前正处在一个相当不利的地位，因为它们无法像Netfix和亚马逊公司一样接触海量的数据。为了弥补这一点，Cinelytic公司针对全球各地非法下载有关内容的流量进行了监控，而且他们已经发现，在人们非法下载的内容和他们在流媒体频道上观看的内容之间存在很高的相关性。所以他们把这些信息发送给了那些电影公司的高级管理人员，以帮助他们判断哪些项目在流媒体服务上会受到欢迎。

创业公司ScriptBook目前正在处理另一个截然不同的难题，它利用机器学习和自然语言处理程序对剧本进行了分析。他们将推荐建立在400个不同的标准上，其中就包括情感、主角在剧中的经历和过程、观众的诉求、角色的行为架构等。然后这家公司就会以此判断某一部新戏的脚本是否值得投资和制作。这家创业公司声称，他们推荐的准确率可以高达84%，这已经是人类能够达到的准确率的三倍以上。

为了证明自己的能力，ScriptBook公司对62个索尼影业的剧本进行了一次反向的测试。结果它成功地32部于不同时期出现亏损的电影中找出了其中的22部电影。“如果索尼当初使用了我们的系统，他们可以从一开始就淘汰这22部票房收入非常糟糕的电影。”ScriptBook的创始人兼CEO纳迪拉？阿泽迈（Nadira Azermai）这样说道。分析一个剧本只需要花费ScriptBook公司大约5分钟的时间。它可以预测出相关剧本的电影分类等级，同时对剧本中的人物进行评估，包括具体地评测主角和他的对手，另外它还能预测相关的目标观众（包括性别和种族），并预估可能的票房收入。这其中的秘诀是用上千部以前的电影剧本来训练深度学习算法，并将它们与现在的剧本进行比较。

挑选什么样的故事并把它拍成电影是一回事，但是在人工智能把整个制作的过程都自动化以后接下来会发生什么就是另一回事了。在制作的整个流程中，我们还需要人类参与吗？好莱坞明星的好日子是否已经到头了？让我们首先来观察一下音乐行业。制作一张完全由人工智能生成的专辑要比制作一部完整的电影或者一档完整的电视节目要容易得多。当下已经有一批新的从事人工智能音乐的创业公司登上了舞台，而且它们正在以极其惊人的速度制作由人工智能生成的音乐。在这些公司中就包括Beat Blender（节奏混合）、Neural Drum Machine（神经鼓机器）以及Piano Genie（钢琴精灵），上述这几家公司目前都在用算法来生成音乐和节奏，而且它们的音乐听上去都好得有些令人出乎意料。

索尼公司在这方面也有一个自己的项目，叫作 Flow Machine（流机器）。在分析了成千上万首不同的歌曲后，它已经能够自己编写乐谱和音频的片段了。“我们没有给这些机器输入过任何有关音乐的规则或者抽象的音乐知识，”索尼的高级研究员皮埃尔？罗伊（Pierre Roy）这样说道，“机器只是基于它从数据中学到的东西来制作音乐。”

“这就是未来吗？”创业公司WaveAI的CEO和联合创始人玛雅？阿克曼（Maya Ackerman）认为事情确实如此。这也是为什么她会开发ALYSIA，ALYSIA是一款手机 App，无论你是否拥有音乐才华，这款App都可以让你非常轻松地创作出音乐作品。人工智能不仅能够生成非常符合用户当时情绪的曲调，还会推荐相应的歌词，另外，如果用户不想自己来唱这首歌，人工智能还可以代为演唱。阿克曼相信，创作音乐的整个过程具有改变人们生活的力量，这种力量可以让他们宣泄被压抑的情绪并逐渐平复各种复杂的情感。

阿克曼并没有就此止步。她的创业公司随后推出了《蓝色圣诞小姐》（Miss Blue Christmas）专辑，他们声称，这是第一张无论歌词还是音乐旋律都完全由人工智能创作的音乐专辑，整个过程没有任何人类参与。

那么由人工智能生成的音乐质量又如何呢？或许你自己就可以做出评判。当然，对企业所采用的视频、广告以及游戏来讲，其质量已经足够好了。如果你仔细研究类似 Spotify 这样的在线音乐公司，你会发现它们的最大成本是音乐的版税。如果他们不需要为每一首发行的歌曲支付創作者版税，利润就会飙升。

当 TikTok（抖音海外版）收购Jukebox（点唱机）的时候，它实际上也已经迈出了第一步，而Jukebox是另一家从事人工智能音乐的创业公司。如果你是TikTok的用户，那么通过那些短视频你将会听到越来越多由人工智能创作的音乐。

这就引出了这样一个问题：在一个由人工智能主导的未来，那些勤奋工作的音乐人又将如何谋生呢？那些影视明星的境遇会比音乐人更好吗？

今天由人工智能撰写的新闻稿的数量正在呈现出不断上升的趋势。从财经类数据的更新到气象预报，越来越多我们在网上阅读到的新闻都将是智能算法的产物。在彭博新闻所发布的内容中，有1/3 以上的内容都已经采用了某种形式的自动化技术，而且这个数字还会继续不断增长。专业记者不但昂贵而且无法跟上市场变化的节奏，更何况财经类的数据往往需要快速进行更新。所以与那些让人感到平淡无奇的文字质量相比，时间往往是更重要的因素。

不仅仅财经新闻会用到这项全新的技术，事实上机器人记者已在为美国联合通讯社撰写有关职业棒球小联盟赛的新闻，为《洛杉矶时报》撰写有关地震的新闻，为《华盛顿邮报》撰写高中橄榄球赛的新闻。《福布斯》杂志一直在尝试使用一个叫作Bertie的人工智能，它可以向记者提供报道的草稿以及如何讲故事的模板。在当今媒体的利润不断缩水的情况下，这种类型的深度自动化就显得很有必要了。

中国已经推出了首个人工智能新闻主播。“它可以自己向实况直播的视频学习，并且可以像一个专业的新闻主播一样自然地朗读新闻稿。”新华社在报道中这样表示道。

随着技术的进步，人工智能是否还可以具有撰写剧本或者小说的能力呢？

无灯车间和供应链自动化

拥有近一亿工人的中国正在把深度自动化视作未来。这是因为，随着中国工资水平的不断提升，它已经无法与印度尼西亚和越南等国家的低成本劳动力竞争了。如果中国想保持其制造业中心的地位，那么就必须投资于机器人和人工智能。

“中国正面临很大的压力，其中就包括劳动力成本和能源成本。这也就是为什么我们会把重点放在了自动化，而不是依赖低成本劳动力上。”目前正在中国经营着一家电信设备公司的黄盖瑞（音译，Gerry Wong）表示，“我这样告诉研发人员，从现在开始，如果你的产品不是为自动化而设计的，那么它们根本就不会被生产出来。”

中国呼吁在制造业进行一场“机器人革命”，而现在这场革命正在全速进行中。2020年中国的工业机器人市场规模据估计已经达到了60亿美元，已经投入运营的工业机器人接近100万台。

“就年销售额和运营库存来讲，中国是目前世界上最大的机器人市场。”国际机器人联合会主席乔？杰玛（Joe Gemma）表示，“这是在整个世界范围内增长最快的市场。在任何其他市场，你从来没有看到过在如此短的时间里出现过如此强劲的增长。”

生产苹果手机的富士康公司是一家工业巨头，它有超过100万名员工和超过1800亿美元的营业收入。公司董事长郭台铭已经计划在未来5-10年的时间里用机器人来替代其80%的工人。富士康的工厂早已拥有了成千上万台被称Foxbots的专业工业机器人，而且这样的机器人每个月还在不断增加。

郭台铭对于采用新技术始终是非常积极的。当年他和10名老员工一起用7500美元的资金在台北开始创业，最初他在一个租来的棚子里为电视机生产塑料部件，但当雅达利公司要求他生产游戏手柄时，他成功赚取了人生的第一桶金。在这之后，他来到美国寻找新的客户。在早期，他以激进的销售策略而闻名，常常不请自来地闯入一些公司，然后带着新的订单离开，虽然那些公司的保安经常会拦住他。

在让他的工厂实现生产自动化这方面，郭台铭同样是咄咄逼人的。他有一句名言：“富士康在全世界有超过100万名员工，正因为人类也是动物的一种，想要管理好这100万头动物确实让我很头疼。”

郭台铭建立无灯车间（工厂）的梦想虽然是一个极具雄心的目标，但并非遥不可及，对那些专注于生产长生命周期产品的工厂来讲，就更是如此了。技术进步的速度已经快到足以让他在有生之年看到让他头疼的问题得到解决。公平地讲，郭台铭并没有像他自己说的那样无情无义，他成立了很多慈善基金会，并且承诺把他个人财富的90%捐献给慈善事业。

另一个颇受人关注的机器人的支持者是京东的CEO刘强东，京东是中国最大的电子商务企业之一。刘强东在极度贫困中长大，在他回到小时候读书的中学发表演讲时，他告诉他的听众，小时候他有多么渴望能够吃到肉，因为他的家人在一年中也就只能吃到几次肉。如果没有村里的帮助，他根本无力承担上大学的费用。

“他们一共捐赠了76个茶叶蛋和500元钱送我上大学，而这次机会改变了我的整个人生。”他这样说道。

当刘强东毕业时，大多数他的同学要么在考虑进入政府部门工作，要么在准备出国留学。但是他并不想当公务员，也无力承担出国留学的费用，另外他还需要钱来支付他祖母的医疗费用。这促使他最终创办了一家分销电子产品的公司，而这也正是我们今天所看到的京东的前身。

这家公司紧随着亚马逊的脚步，目前已在商业自动化方面处于领先地位。这使得刘强东成为中国最富有的科技大亨之一，他的个人财富估计超过了70亿美元。和亚马逊的创始人杰夫？贝佐斯一样， 他也痴迷于在尽可能短的时间里把产品送到客户的手上。这家公司宣称，在京东购买的产品90%会在当天或者第二天送到客户的手上。

“今天我们已经有超过70000名快递员奔走在大街小巷中。你要知道，这样做的成本是非常高的。但如果你能够使用机器人来递送包裹，那么成本就会非常低。”刘强东说，“我们的目标是最终有超过100万架无人机来运送我们的货物。”

这家公司在中国实验用无人机投递包裹已经有一段时间了。现在它正在向东南亚扩张，在那里无人机送货可以帮助它抵达偏远的岛屿以及几乎没有什么服务的乡村。

“我们计划采用人工智能和机器人来建立一个几乎不用人来控制的商业模型。”刘强东说，“我并不是说我们可以完全排除所有的蓝领工人。就目前来讲，想要实现完全的自动化，我们可能需要有10000名客户才能够实现收支平衡，但是在将来，我们或许只需要1000名客户就能够实现收支平衡，或者实现真正的赢利。”

整个供应链正在不断升级。“广州零号”是一家中国的供应链和物流企业，目前正致力于利用人工智能尽可能地实现完全自动化。这家公司的“智通三千”平台可以将卡车司机与企业进行匹配并同时优化整个过程。将来的某一天，货物经由卡车、轮船、飞机、火车等不同的交通工具被转运到某个仓库的整个过程，都将实现完全自主化的自动管理。人类的快递员将包裹送到你家门口的日子已经屈指可数了。

Nuro是一家利用自动驾驶的机器人开展送货业务的创业公司，这家由两名谷歌前工程师创立的企业已在使用自动驾驶汽车将各种食品和杂货送到人们的家中。

“幾年前，我们会这样告诉客户，如果他们今天就下订单，我们可以在明天下午为他们准备好所有的东西，而且他们对此完全没有意见。”克罗格连锁超市的首席数字官雅艾尔？科塞特（Yael Cosset）这样说道，“今天，我们的一些客户期望同样的订单可以在一小时内就送达。”

不仅产品的交付和发运在实现自动化，生产产品的方式也在不断演化。在《星际迷航》这部科幻连续剧中，一种幻想出来的被称为“复制器”的设备可以凭空制造出各种产品，今天3D打印正在接近于实现这种看上去完全无法实现的目标。利用一系列不同的材料，包括金属、玻璃、陶瓷、碳纤维、塑料以及树脂，工业用3D打印机已经可以制造出足够可靠的能够用在飞机、汽车、建筑物以及其他产 品上的零部件。

将制造业和零售业融合在一起可以带来更大的灵活性，使企业能够更加适应消费趋势的改变，同时能够提供更多个性化的产品，降低库存、分销以及运输的成本。将来的某一天，你可以走进一家商店，非常详尽地告诉他们你需要的款式、颜色以及其他具体的特性，然后他们当场就会把你想要的那件衣服打印出来。

算法农业

农业是另一个已经被深度自动化占据的领域。高盛投资公司估计，到2050年，将农业和技术融合在一起的精准农业可能是一个价值2400亿美元规模的市场。这是一个非常好的消息，因为世界资源研究所估计，到2050年我们必须让粮食的产量翻番才能够养活接近100亿的人口。

2014年才刚从洛斯阿拉莫斯国家实验室中拆分出来的笛卡尔实验室（Descartes Labs）以及于2012年成立的创业公司 Farmlogs（农场日志）正在使用机器学习算法、大数据以及计算机视觉技术向农民提供信息，帮助他们提高农作物的产量。这项技术可以在各种常见的农作物疾病传播开来前就探测出这些疾病，然后派出全自动化的无人机或者机器人在那些作物发病的区域喷洒农药，从而降低农药的使用量。

按照加州农场局联合会的数据，使用自动番茄收割机的农民的劳动力成本已经降低了90%。这不仅涉及劳动力成本，它还帮助解决了如何找到足够的劳动力的问题。

采摘浆果是最困难且劳动强度最大的农场工作之一。浆果很娇嫩，机器很容易弄伤它们，另外你还很难区分哪些浆果已经成熟，可以采摘。虽然有这些困难，Harvest CROO机器人公司已经提出了一种利用高级人工智能和机器人的解决方案。一台由Harvest CROO生产的机器能够在8秒钟之内采摘完一株果树。它还可以在一天内完成8英亩农作物的采摘，而这已经是一个由30多人组成的团队在一天内能够完成的采摘量了。

“我们还可以做到一天 24 小时不停地采摘，而且晚上的采摘量会更多，因为晚上浆果的温度会更低，所以也更不容易被机器划伤。” 已在浆果行业工作了将近50年的加里？维斯纳茨基（Gary Wishnatzki）说道，2013年他与鲍勃？皮策（Bob Pitzer）一起在佛罗里达州共同创立了Harvest CROO机器人公司。

葡萄酒行业已经从自动化获得了大量的好处。按照加州葡萄种植者协会的数据，2018年，在加州所有收获后用于酿制葡萄酒的葡萄中，80%是由机器而不是人来负责采摘的。这不仅降低了农民对人力的依赖，而且机器采摘葡萄的成本还不到人手工采摘成本的一半。加州大学戴维斯分校的研究人员甚至更进一步，他们开发出了一种“无接触”的葡萄园。从最初的灌溉到最后的收获，机器几乎包揽了所有的事情，这也使得每棵葡萄树的劳动力成本从1美元降至仅7美分。

在农业自动化上，物联网也在扮演一个重要的角色。农场现在已经越来越依赖大数据来分析土壤、水、阳光、气候模式、植物的生长、霉菌、害虫等各种各样的因素。农场搜集的数据越多，效率就会越高。

“我认为这是提升农业生产率的下一波重大的浪潮。”全球著名的投资银行和资产管理公司威廉？布莱尔（William Blair）的分析师劳伦斯？德？玛丽亚（Lawrence De Maria）说，“利用自动化来实施精准农业将会提高产量，同时降低农民的投入成本。作为提升农业生产力的重要推动力，这项技术已经可以和绿色革命以及机械化相媲美了。”

不僅种植水果和蔬菜的农民正在从自动化技术中获益，牧场主同样如此。在澳大利亚内陆地区，养殖羊和牛的牧场是非常庞大的。例如，在当地一个最偏远地区的一家名叫Suplejack Downs的养牛场占据了约4000平方公里的面积，而且距离其最近的主要城镇还有13个小时的车程。这就是为什么他们正在使用机器人来监管牛群了。

奶牛场现在正越来越多地使用机器人为奶牛挤奶，机器人可以使奶牛场的工人数量减少到原来的50%。奶牛养殖机器人现在已经是一个市场规模为16亿美元的产业，而且发展非常迅速。另外，这个产业所涉及的也已经不再只是机器人而已，它还包括与自动化相关的海量数据。荷兰的创新公司Connecterra已经开发出了一种智能奶牛颈圈，它可以追踪一头奶牛的每一个动作，这就像我们给奶牛戴上了一个手环。当一头奶牛生病的时候，系统能够在任何可见的症状出现前的一到两天就发出预警。除此之外，它还能够监控奶牛的行为，并且在奶牛没有去吃第二份干草的时候向奶牛场的员工发出提醒。

与此同时，在鹿特丹港，一家创业公司已经推出了首个全自动的水上浮动奶牛场，在这个奶牛场中一共蓄养了40头奶牛。这家公司相信，将农业生产带到更接近大城市的地方是一件很重要的事情。“正因为我们就住在港口的附近，所以我们才会想到要在水上建立一个农场。”悬浮农场（Floating Farm）的 CEO 彼得？范文格登（Peter van Wingerden）说，“这样我们才能够把健康的食物带给越来越多已经搬迁到城市里的消费者的身旁。”

悬浮农场并没有就此止步，他们的农场里还到处采用了最新的乳品技术，其中就包括自助的清洁站、自动化的喂养系统、打扫粪便的机器人，以及可以远程监控奶牛的智能手机App。

范文格登还非常关注农场的自我可持续性，他的农场引入了一台可以将干的粪便材料与尿液区分开来的机器，其中干燥的部分被用作了奶牛的垫草，而尿液被转化成有机肥料。在房顶上他们还安装了雨水采集器，以及一组悬浮的太阳能电池板，用来满足农场40%的能源需求。如果这还不够，他们还采用了从当地公园和高尔夫球场上割下来的草、酿酒商剩余的谷物、餐厅丢弃的土豆皮等东西的混合物来喂养奶牛。而所有这些都是经过了自动切割和混合后再通过传送带传送到食槽中的。

在实践“让可持续的农业生产实现自动化，同时将农业生产带到更靠近城市的地方”这一理念上，悬浮农场并不是唯一的先驱。

创业公司Iron Ox（铁牛）正在占地8000平方英尺的室内设施能够以大约每年26000株的速度生产绿叶蔬菜，这一产量是室外农场产量的5倍，但这还仅仅是第一步。这家公司的联合创始人兼CEO布兰登？亚历山大（Brandon Alexander）已经下决心要将从播种到收割的所有过程都实现自动化。“在 Iron Ox，我们用机器人优先的方式设计了整个种植过程。”他说，“这意味着我们并不是在现有的过程中添加了一个机器人，而是围绕着机器人设计了所有的东西。”

几乎可以肯定的是，未来的农业将更接近于Iron Ox目前正在开创的前景。除非要去解决各种问题，比如机器发生了故障，否则人类很可能不再需要踏足农场。牧场主们可能会在他们牲畜的大脑中植入芯片，然后让人工智能来控制所有的事情。整个农场会非常像一个巨大的、高科技的装配线。

完全自主化的拖拉机、播种机、除草机、收割机以及无人机将会完成所有的工作，而先进的算法将会在后台指挥所有的机器进行表演。

这肯定需要花很大一笔钱，大公司将巩固在农业生产中的地位，并且从规模经济中获益。所有这些对消费者来讲意味着更高的产量和更低的成本。我们或许会把那些由家庭经营农场的日子仅仅看作一个更加浪漫的过去。

今天，我们在全世界能够看到的人工智能都是弱人工智能，它们中还没有哪一种已经接近再现人类的意识。

深度自动化并不需要超级智能，所以这也意味着我们可以在不远的将来就实现它。事实上，大多数相关的核心技术早已经存在，并且正在我们的工厂、办公室以及家庭中得到应用。从苹果的Siri和亚马逊的 Alexa这样的虚拟助手，到Netfix的视频推荐和亚马逊的购物推荐，我们中的很多人已经在日常生活中体验到了由弱人工智能支撑起来的自动化。虽然所有这些我们都已经习以为常，但是它们仍然具有某些我们看不见的和很少提及的社会与经济影响，而正是这些影响在颠覆我们小心维持的社会秩序的平衡。

我们应该准备好，如何在这样一个社会中生存下去？