成功创造人工智能将是人类历史上最大的事件。不幸的是，这也可能是最后一次，除非我们学会如何规避风险。

回顾过去，几位专家预测了技术的革命性变化，其中只有一部分在今天成为现实。美国政治学家赫伯特·西蒙（Herbert Simon）在1965年预测，“在20年内，机器将能够完成人类所能做的任何工作”。五年后，计算机科学家和人工智能研究人员马文·明斯基（Marvin Minsky）做出了类似的预测，即在三到八年内，将出现与普通人类具有相同智能水平的机器。这些都是知名人士，他们在技术领域经验丰富，但他们的预测与实际情况并不接近，甚至比他们预测的时间晚了几十年。从那时起已经半个多世纪了。

预测是一件很难的事，特别是如果是关于遥远的未来。研究表明，专家的预测与非专家的预测几乎没有区别，更糟糕的是，随机选择一种可能的结果。在上个世纪和现在，关于机器、计算和人工智能的未来，人们说了不同的荒谬的话。

计算机中的人类智能

Raymond Kurzweil - Google 的工程总监 - 他做出了 140 多项预测，并声称在 2014 年预测的正确率约为 85%，即到 2029 年计算机将拥有人类的所有智力和情感能力。2029 年仍然是很远，所以他可能是对的。他甚至在 2017 年强调了这一点，称“我一直认为，到 2029 年，计算机将拥有人类水平的智能”。后来，他进一步表示，他认为“技术奇点”将在 2045 年发生。

技术奇点，或者更简洁地说，奇点是未来的一个假设时间，当技术进步导致创造比人类更聪明的机器时。这些机器会通过学习越来越多地创造出比自己更聪明的其他机器。新创造的机器将继续创造更智能的机器，并且循环将继续，从而将机器中存在的人类智能增加几个数量级。

尽管在过去几年中技术取得了很大进步，但我们离在计算机中拥有人类水平的智能还很遥远。这需要计算机软件和硬件方面的非凡进步。

模拟人脑

为了使机器具有人类水平的智能，人工智能研究人员提出了在计算机上模拟真实人脑活动的想法。这要求对大脑的内部运作有足够的了解，但关于大脑的知识仍然很少。

然而，据估计，大脑平均约有86-1000亿个神经元（神经细胞）。每个神经元平均通过100-150万亿个突触连接到15000个其他神经元。因此，模拟真实人脑的活动意味着每个神经元和突触将由计算机部件来表示，主要是CPU和RAM。

研究人员多次尝试这种方法，但最成功的是2013年的一次。日本一个研究小组和德国另一个研究集团的合资企业使用日本K超级计算机进行了模拟。当时，K是世界上第四强大的超级计算机。该计算机由超过700000个处理器核和140万GB的RAM组成，分布在88000多个节点上。它的运算速度约为10千兆次浮点运算（每秒10万亿次浮点运算）。这是不小的计算能力。作为参考，K超级计算机的速度是英特尔酷睿i7芯片的16万倍以上，如果一个人每秒进行一次运算，则他平均需要30年以上的时间才能完成一次千兆次浮点运算（每秒10亿次浮点运算）。

超级计算机是计算机的网络/集群。网络中的单台计算机称为节点。

尽管大脑很简陋，但K计算机即使拥有巨大的计算能力，也需要大约40分钟来模拟1%人类大脑的一秒钟活动。再读一遍，“一秒钟……人类大脑的百分之一”。这表明这种模拟是多么不容易。

K电脑自2019年起停止使用，由功能更强大的Fugaku取代。K计算机和Fugaku都由富士通公司制造，并安装在日本理工高等计算科学研究所。
世界上最强大的计算机系统排行榜由TOP500项目项目维护，每年更新两次。K 计算机曾经是世界上排名第一的超级计算机（2011 年），但随着时间的推移，这个头衔已被其他几个系统所取代，现在它属于Frontier；美国的一台超级计算机，其功能大约是 K 计算机的 110 倍，使其可能足以模拟 100% 的人脑活动（但尚未尝试过）。

世界上最强大的计算机系统列表由TOP500项目维护，每年更新两次。K计算机曾经是世界第一超级计算机（2011年），但随着时间的推移，这一头衔已经被其他几个系统取代，现在属于前沿；美国的一台超级计算机，其功能大约是K计算机的110倍，可能足以模拟100%的人脑活动（但尚未尝试）。

即使有了我们现在的计算能力，实时模拟完整的人脑仍然是不可行的。另一种让机器具有人类智能的方法是通过软件，但我们还没有在这方面取得突破。这并不是说不可能，只是需要时间。

如前所述，大脑模拟需要对大脑的工作方式有深入的理解，但目前还没有达到预期的效果。即使是这样，也需要巨大的计算能力才能用仿真软件实时完全运行仿真，这意味着需要对计算机硬件进行巨大的改进。

英特尔联合创始人戈登·摩尔（Gordon Moore）在1965年预测，在至少十年的时间里，单个芯片上的晶体管（现代计算机的主要组件）的尺寸将每年翻一番，这意味着晶体管的尺寸将减少一半，从而更容易将更多晶体管安装在相同尺寸的芯片上。摩尔做出这一预测是因为他注意到，自1959年以来，情况一直如此，在他做出预测后的大约十年里，情况一直是这样。1975年，他对其进行了一些修改，使其大约每两年翻一番（因为情况开始放缓），这就是摩尔定律。

摩尔定律受到了一些威胁，这将限制它的应用范围，如果不是现在，那也差不多是时候了。这意味着，如果我们要在大脑模拟方面取得突破，就必须研究和发现其他硬件改进方法。

人工智能与通用人工智能

你可能看过一些电影，里面有一种机器人，覆盖着类似人类的皮肤/身体，动作完全像人类。我当然有。事实是，现在还不存在这样的情况。事实上，我们离它还很远。

我们目前所拥有的，我们称之为人工智能的，与那些机器人所展示的完全不同。他们所展示的被称为人工通用智能，简称AGI。根据维基百科，“人工通用智能是智能主体理解或学习人类能够完成的任何智力任务的能力”。

这仅仅意味着AGI代理能够像人类一样学习、推理、理解、计划和交流自然语言。在你看来，这可能像我们已经拥有的，但事实并非如此。

人工智能被编程来完成特定的任务

考虑一个 AI 程序，它读取手写文本（从图像中）并以计算机文本格式输出相同的文本。在传递给它的纸上手写的“a”字符的图像将导致它输出“a”，当字符在键盘上按下时，该“a”作为输入传递给计算机。如果计算机（算法）识别每个手写字符版本所采取的步骤是手写（如“书面计算机程序”），则必须付出疯狂的努力，如果实际上可行的话，因为不同的人有不同的笔迹。

因此，程序被编写成从许多已知和确认的手写字符图像及其在计算机文本中的相应输出中学习。这需要对程序进行训练，并且通过向其提供大量此类已知且已确认的图像来完成训练。

可能会向程序提供数千个这样的字符，每个字符都包含不同的字符集。一个图像可能包含 Tony 笔迹中的手写“A boy”，另一个可能包含 Bola 笔迹中的“我讨厌食物”，等等。随着程序的培训越来越多，它会更好地提出相关步骤来获得适当的输出。研究如何编写可以像这样学习的程序被称为机器学习。

上述程序是针对特定目的的，因为该程序只能学习不同的字符书写方式，而不能学习其他方式。它无法识别人声或猫脸。为运行它（或运行它）而构建的机器可以说是智能的，因为它能够识别字符，即使它们是由不同的人编写的，但它通常并不智能。

一般智力

让我们看一下新生儿的情况。出生时，孩子一无所知。他听不懂人家说什么，也听不懂不同的动作是什么意思。所以，没有办法教他。但随着时间的推移，他学会了周围人的语言。谁教他的语言？没有人。在没有得到任何明确指示的情况下，他的大脑会根据周围的人何时以及如何使用它们而自行学习不同语句的含义。

构成语言的人发出的声音是一种由耳朵接收并发送到孩子大脑的输入。起初，大脑不理解输入，但由于其内置的通用智能，它会随着时间的推移学会适当地解析、存储、理解并间接给出相同形式的适当输出。

假设孩子出生在中国，当然周围的人都会说汉语，如果有人在他 5 岁时问他“你叫什么名字？”，他作为输入设备的耳朵会接收到声音输入，这是造成通过空气的振动（由于人的讲话），并以神经冲动（通过神经细胞传递的信号）的形式将其发送到大脑。随着孩子现在已经长大并且大脑已经学会了声音的含义（以神经冲动的形式），它知道这是对它所在实体名称的请求。然后它会根据它学到的其他细节来处理它. 例如，应该告诉这个人的名字吗？还是应该大声说出名字？然后它将指令（也以神经冲动的形式）发送到声带（人体的振动负责发声的部分），从而发出与孩子的名字和所需的其他单词相对应的声音。

基于此，AGI 被要求能够接收任意输入，对其进行解析，在需要时从中学习，并以适当的形式给出相应的输出。虽然语音识别、文本到语音输出、人脸识别等人工智能的当前状态可能会给人一种可以组合形成 AGI 的印象，但事实并非如此。正如我们在孩子的案例中看到的那样，人类级别的 AGI 代理需要能够自行学习事物，而无需明确编程。这个孩子能够在没有任何人教他的情况下学习他周围人的语言。起初，他听不懂人，看不懂书，看不懂不同的动作，没有办法将信息传递给他，让他的大脑能够理解。但由于一般智力，

如果孩子不是在中国出生，比如说他出生在美国，由于他的一般智力，他会以同样的方式学习语言。如果他出生在世界上任何其他国家，情况也是如此。他将学习周围人的语言并能够与之交流。即使他出生在使用手语交流的聋人中，他也会学习语言，理解它，并能够与之交流。

这只是一般智能特征的一部分。我们上面提到的可以从图像中输出文本的智能机器之所以能够做到这一点，只是因为它的学习过程已经被明确地编程了。它采用特定的输入类型（图像），并按照说明（由程序员编写）从图像中学习。

在通用智能的情况下，代理能够接受任何类型的输入，对其进行推理并从中学习。基本上，在计算机中实现这一点意味着我们必须编写一种可以让计算机从任何类型的输入中学习的软件，或者我们模拟人脑，而这些都还没有成功。

即使是像我们刚刚提到的文本识别软件这样的特定目的的人工智能软件，也还没有达到最佳状态。因此，现在可能不是开始谈论编写通用智能 AI 软件的最佳时机。一台运行这样软件的机器必须能够学习任何语言、任何专业、上大学、与其他学生一起学习、通过考试、能够做饭、洗衣服，以及做每一件智力上的事情人可以做到。

iPhone 11 上的苹果人脸识别系统仍然把我的脸误认为是朋友的脸，我可以解锁他的手机。如果像这样的特定目的人工智能软件还没有达到最佳状态，我认为在软件中实现通用人工智能对于我们目前的技术水平来说比看起来要困难得多。

值得注意的是，学习只是 AGI 代理的一个特征。代理人还必须能够推理、想象和计划。关于 AGI 代理是否需要情感甚至存在一些争论，但我们对此并不十分关心。到目前为止，AGI 是否真的可行还没有得到证实。

控制问题

有很多大人物不相信人类水平的智能是可能的。另一方面，其他一些人相信它总有一天会在这里。第二类中的知名人士是比尔盖茨和埃隆马斯克。这两个人甚至对甚至超级智能的人类水平 AGI 的出现都表现出了担忧。

人类之所以仍然称霸世界，是因为我们的智力超过了其他动物。我们能够做他们做不到的事情。但是，如果有一天，奇点发生了，我们最终会创造出具有超级智能的机器，那么我们就无法保证我们会继续主宰世界。他们创造的超级智能机器人和其他更智能的机器人最终可能会推翻我们，并控制世界。他们甚至可以终结人类。

因此，我们需要找到一种方法来始终控制机器人和它们创造的其他机器人，即使它们比我们更聪明，或者我们可能正在寻找自己的厄运。这个问题被称为控制问题或 AI 对齐。

虽然有人说控制问题没什么好担心的，因为奇点不会很快出现，但许多专家反对他们说，在继续研究 AGI 之前应该首先解决这个问题，因为它可能是当 AGI 已经存在时，开始研究这个问题为时已晚。比尔盖茨甚至说他不知道为什么其他人不关心。

无论如何，如前所述，预测是困难的，尤其是关于遥远的未来。比尔·盖茨曾在 1989 年说过“我们永远不会制造 32 位操作系统”，但如果从那时起微软不推出 32 位和 64 位操作系统，就不会成为今天的样子。苹果联合创始人兼前首席执行官史蒂夫乔布斯在 2003 年也曾表示，“购买音乐的订阅模式已经破产”，但苹果后来在 2015 年推出了使用这种模式的 Apple Music（尽管不在史蒂夫手下），并且该服务仅去年（2021 年）就为公司创造了大约 50 亿美元。

基于此，我们永远不排除 AGI 出现的可能性。未来是非常不可预测的。

我们安全吗？

不管我们喜不喜欢，人工智能已经在抢走人们的工作，老实说，这种情况将继续存在，但一些专家认为，人工智能创造的工作比它需要的要多。在关于人工智能及其趋势的对话中，麦肯锡全球研究所主席詹姆斯·马因卡在被问及人工智能及其对就业的影响时说：

当您查看该模式并考虑经济因素时，出现的模式如下。实际上，将会有一些工作会增加，而其他工作也会被创造出来。所以这是一件好事。将其视为获得的工作。将会有一些工作会丢失，部分原因是技术将能够完成这项工作所涉及的各种活动。第三，会有一些工作会发生变化。

詹姆斯提到的第三件事是一个非常有趣的事情，这绝对是真的。事实上，技术带来的变化主要是人们工作方式的变化，而不是从他们身上带走的变化。这几乎适用于所有领域。

但关于高级人工智能作为一种技术的可悲事实是，它是为了取代人类而创造的。这是每个知道什么是人工智能的人都应该知道的事情。之所以此时可能不那么明显，是因为该技术仍处于起步阶段。但值得知道的是，很多公司和机构都在人工智能研究和机器人技术上投入数亿甚至数十亿美元。他们中的许多人也开始用机器人代替人类工人。

2016 年，DHL 开始在仓库中使用与人类工人一起工作的机器人。像日产、福特等汽车厂现在也在他们的大部分工作中使用机器人。事实上，在日产位于桑德兰的工厂，据说 95% 的工作已经自动化，机器人完成了大部分工作。这些是通常由人类承担的工作。

公司希望尽可能地实现业务自动化。这主要是因为有了自动化，成本有望降低，生产速度会更快。它对许多人都有效。不过，在 2018 年，决定将特斯拉 Model 3 的大部分生产过程自动化的埃隆马斯克证实，自动化一直在减慢这一过程。后来他继续用人类工人取代了一些机器人。他还在推特上承认，“特斯拉的过度自动化是他的错误”，并且“人类被低估了”。

但是，当然，这并不意味着机器人将不再被使用。如果他们能达到他们的目的，他们甚至可能推翻公司的所有工人。2015年，德国大众汽车工厂的一名工人被机器人杀死。据说，机器人和人类工人通常用笼子隔开，但当时，22岁的工人和机器人在笼子里，不知道为什么，机器人把他抱起来了。把他压在一块金属板上。这就是机器人被编程要做的事情。它本来是用来处理汽车零件的，但工人在机器人应该拾取零件的地方。因此，这不是机器人的错误，而是人为错误。这种事件并没有以任何方式减少大众汽车对机器人的使用。

为转型做准备

随着人工智能取代人类工人的趋势越来越大，我们普通人如何准备？我们必须以某种方式支付账单。

再培训

由于人工智能与任何其他技术一样，据说可以在需要时创造就业机会，因此有几件事要做，为不那么遥远的未来做准备。尽管人工智能创造就业机会是我们不能过分依赖的事情，但以某种合理的方式为不可预见的未来做好准备是有意义的。詹姆斯在我之前提到的谈话中提到了四件事。首先是关于技能再造。

第一个是，我们确实必须解决技能问题，因为随着工作的变化，我们将需要确保工人能够真正适应、学习技能、能够与机器一起工作，或者进入实际上是生长。因此，技能问题实际上是我们所有人都需要努力解决的问题。

投资于人力资本

二是更多关于人力资本投资和政策制定。詹姆斯这样说：

第二个问题是我们如何帮助工人从衰退的职业过渡到正在增长的职业？这就是政策和其他机制真正非常重要的地方，以确保我们支持工人，我们拥有安全网和福利模型，以及过渡支持以真正帮助工人过渡。这是第二件事。

随着人工智能变得越来越好，工作也发生了变化，我们必须通过提高技能和再培训来适应，当然，还要让更多不熟练的人掌握技能。

工资问题

接下来，James 谈到了 AI 似乎不容易接受的工作，以及薪水不高的工作。这里的重点似乎是雇主，而不是工人。

（詹姆斯正在与另外两个人交谈：斯坦福大学计算机科学教授和以人为本的人工智能常务联合主任李飞飞，以及服务业雇员国际联盟的国际主席玫琳凯。 )

我要强调的第三件事实际上是玫琳凯提出的，这是工资问题，因为我们在这里遇到的挑战之一是一些最难自动化的职业，以及那些正如玫琳凯所描述的，将要增长的，往往是在护理工作等领域。我们需要真正的人来做这项工作。他们往往是教师，他们往往是所有这些非常非常重要且从根本上说是人类的职业。我们的劳动力市场体系面临的挑战是，这些往往不是经济中收入最高的工作。因此，即使有工作，我们也必须考虑如何为从事这项工作的人提供生活工资以维持生活。所以工资问题实际上是一个非常重要的问题。

重新设计工作

技术不时改进，我们总是希望将新技术引入我们的工作流程。因此，随着人工智能的进步和新的突破，雇主需要考虑重新设计工作的方法，以保持一切和每个人的状态。

我们需要解决的第四件事也是最后一件事是我们如何真正重新设计工作，因为发生的事情是，随着我们将技术引入劳动力，工作场所实际上会发生变化。事实上，这是玫琳凯和我以及其他人一直在谈论的事情之一，这就是我们如何看待工作场所的数据？我们如何考虑重新设计作品本身？顺便说一句，如果我们不认为这些关于重新设计工作的问题很紧迫，我们只需要关注 COVID 现在发生的事情。

人工智能如何影响社会的社会福祉

2020 年，两位研究人员就人工智能对人们社会福祉的影响进行了一项研究。两位研究人员之一是亚利桑那州立大学的助理教授克里斯托斯·马克里迪斯。斯坦福大学以人为中心的人工智能 (HAI) 的 Saurabh Mishra 位居第二。HAI 由斯坦福大学创立，其使命是“推动人工智能研究、教育、政策和实践，以改善人类状况”。

两项研究使用 HAI 的 AI Index（一个使用 AI 跟踪和可视化数据的开源项目）发现，在 2014 年至 2018 年期间，与 AI 相关的职位发布增加幅度更大的城市表现出更大的经济增长。他们还发现，城市经济的增长导致了人民福祉的改善。但这些增长是城市对人力资本的初始投资以及它们创造基于人工智能的就业机会的能力的结果。因此，只有拥有特定人工智能相关基础设施和受过更多教育的工人的城市才能从增长中受益。这并不像预期的那样，因为许多人一直担心人工智能会抢走他们的工作。

事实证明，基于此，随着事情的逐渐变化，我们必须确保更多的人接受教育，以便从人工智能的发展中受益。但是，尽管该研究表明在同一时期发生了这种增加，但这并不一定表明人工智能会导致幸福感的改善。那么这对我们意味着什么？

正如我们已经看到的，机器人已经被用来代替人类，而且这种情况不太可能改变。程序员的工作很可能在未来被 AI 抢走，他们担心 AI 程序员很快会接管他们的工作，但其中一位研究人员 Saurabh Mishra 表示：

鉴于城市拥有受过教育的人口、良好的互联网连接以及具有编程技能的居民，它们可以推动经济增长。支持基于人工智能的产业可以改善任何城市的经济增长，从而改善居民的福祉。

看起来，就目前而言，开发人员可能仍然可以感到安全。但我们需要明白，需要磨练我们的技能。（我也是开发人员。）越来越多的开发人员非常轻视计算机科学学位，我认为这不是一件好事。尽管没有 CS 学位也有可能获得开发工作，但年轻一代的开发人员（他们仍然可以攻读学位）应该去争取。同样，我们不知道未来会怎样，除此之外，编程还有更多能够在最新的 JavaScript 框架中编写代码😀。

更多的事情要做

随着对人工智能的研究继续进行，我们需要确保满足技术进步的技能、技能再培训和技能提升需求。政府还应制定政策，促进技术创新、人工智能相关研究和增加对人力资本的投资，从而从人工智能的发展中受益。

没有理由反对人工智能。计算和自动化是世界成为今天这样的原因。我们必须确保始终研究世界上正在发生的事情，并愿意适应。因此，也许人工智能研究人员不应该将研究和创新指定给他们自己和特定的工作人员。日常工作者不妨以某种方式加入设计，使该领域多样化。例如，在谈到使 AI 领域多样化时，James 说（在上面提到的对话中）：

它也并不总是关注被认为是低工资的工作和工人，以至于人工智能研究经常与工人进行研究，它一直在与放射科医生、医生合作，而不是与前线的人合作。

日常工作者在人工智能发展中提供帮助的唯一问题是他们白白丢掉了工作。这是个大问题。但这不是无法解决的。同样，政策制定必须发挥作用。在谈话中，玫琳凯谈到了瑞典的卡车司机如何与工程师们合作打造无人驾驶汽车。

瑞典的卡车司机正在与工程师合作设计和调整无人驾驶车辆。卡车司机明白，无论经济创造什么，他们的工作都将以相同的工资和福利被取代，就像瑞典在无碳排放和该国所有其他需求方面的新工作一样。所以卡车司机正在训练自动人工智能，与工程师一起工作，然后进入中学，帮助孩子们了解除了卡车驾驶之外，他们还有其他机会，为下一代重新布线。我认为这是全球承诺的一个令人难以置信的例子。

在她说这句话之前，她提到了这样一个事实，即有一些机制将为工人及其雇主铺平道路，即使工作发生变化（由于技术），并且他们已经决定“保护工人，而不是工作”。

但在瑞典，政府、雇主和劳动人民之间存在一种精神，因为他们有一个谈判制度，让每个人都能在谈判桌上占有一席之地。他们决定保护工人，而不是工作。所以工人可以理解会有很多变化，但政府和雇主对再培训有承诺。

如果这样的机制可以在世界上每个国家都存在（这绝对是可能的），他们可能只是一个小小的理由，甚至不用担心人工智能的发展及其对就业的影响。

有趣的是，2020 年，瑞典的一家卡车初创公司开始招聘远程卡车操作员。这些操作员不一定是其他人，如果他们设法重新掌握技能，可能是以前的卡车司机。这在一定程度上显示了人工智能如何在需要一些工作的情况下创造新的工作岗位，以及在转型过程中需要重新学习技能。

如果我们能创造和控制 AGI 机器人

让我们发挥一下我们的想象力。想象一个机器人完成我们今天所做的每一项工作的世界。农民不再需要耕种，餐馆和酒店的工人可以一直呆在家里，没有人被要求在上午9点之前到达工作场所。那有多疯狂？

我们人类与社会性昆虫（例如蚂蚁和蜜蜂）并没有太大区别。在蜂群中，有负责繁殖的蜂王、采集食物、维护巢穴、保卫蚁丘、照料蜂王等的工蜂，以及与蜂王交配、延续物种的雄蜂。结构与蚂蚁相似。

我们中的一些人从事粮食生产，一些人从事住房生产，另一些人从事维持福利的工作，还有一些人从事其他领域的工作。作为一个社会，我们相互依赖才能生存。

但是，如果我们能够创造出人类水平的AGI机器人，或者可能是超智能机器人，这些机器人可以完成我们目前必须做的所有工作，人类将不再需要工作，但如果我们能够控制机器人，那当然是。（记住控制问题。）

当我们深入地看它时，我们作为人类生活的目的只有三件事；食物、乐趣和责任。想一想你现在想做的任何事，都是为了这三个人中的一个。人们为钱工作，但钱本身没有意义。你想要它要么是为了获得食物，享受乐趣，也许是环游世界，要么是为了照顾责任，也许是为了照顾你的孩子。宗教也将被视为一种责任。在这一点上，需要的是人们在工作时控制机器人，这可以在家里完成。或者也许没有必要对他们进行监控。

由于群众没有工作，而且仍然需要钱，因此全民基本收入（简称UBI）可能是解决方案。每个国家的政府将向该国的每个公民支付一笔固定的金额，该金额应足以正常生活。而且，也许那些仍然喜欢为娱乐而工作的人可以加入进来，与机器人一起工作，赚取一些额外的钱。或者，正如Quora上的许多人所说，有些人可能会购买机器人，然后租赁它们来赚钱。😂

如果所有这些都能发生，我们最终可能能够解决长期存在的社会不公正和不平等问题，因为每个人都将获得基本收入，每个人都会过上相同的生活。但当然，需要很多政策来落实这一点，我认为这是一个可能的未来。（也许我有点奇怪。）顺便说一下，经济学家也必须做出很多贡献。

虽然这些事情听起来很有趣，但我认为这是有道理的。利用机器人赚钱的大公司可能必须由政府征收重税，或者政府可能会控制一切，让每个人平等生活（基本收入）。😀

结论

我们仍处于 2022 年，距离开发一个功能齐全的 AGI 系统还很遥远。我们现在应该坚持我们的工作，并继续为人工智能可能发生的任何变化做准备。