科幻作家早就设想过，当机器能够完成所有工作时，人类社会可能会如何构建。然而，经济学家和政治学家在研究如何从当今的政策环境过渡到这样一个世界的问题上，投入的精力却相对较少。
这个问题的紧迫性可能超出你的想象。
机器学习领域之外的大多数人尚未察觉这一领域发展速度之快令人惊叹。如今，机器已经能够做到几年前即便是乐观的专家也认为还需几十年才能实现的事情，例如在真实路况下安全驾驶汽车、理解语言、识别手写文字以及解读图像。
我们已经非常接近这样一个局面：人类在任何事情上都无法做得比机器更好。尤其值得注意的是，这一转变发生得多么迅速，而且是多么近期的事。
我曾经任职的公司Kaggle是 世界经济论坛2014年科技先锋之一 ，该公司举办机器学习竞赛。企业提供数据并提出问题：保险公司如何预测理赔水平，航空公司如何预测旅客是否会误机，零售商如何优化价格？数据科学家竞相编写算法，力求超越企业现有的工作方式。
直到一两年前，这类竞赛的获胜者通常会通过大量针对具体问题的调优来构建算法。打个简单的比方：想象一位棋类高手编写一套下棋算法，其方法是先为各种可能的策略编写描述代码，然后让计算机找出这些策略的最优参数及组合。
如今，获胜方案越来越多地基于一种名为深度学习的算法，这种算法实际上将人类排除在外。想象一个从未听说过某种棋类游戏的人，通过输入以往对局的回放，让机器自行摸索一切，从而编写出一套下棋算法。而这套算法能够轻松击败专家的算法。
一个现实案例：当默克公司请求协助分析分子数据，以寻找没有意外副作用的潜在药物时，这一同类最佳的算法是由没有医学背景的学生在两周内编写完成的。
随着机器学会如何学习，我们now看到这些同类最佳的算法正呈指数级提升，通常每过一年，其性能便约提高一倍。这里存在一个反馈循环：随着计算机速度加快、数据量增大，以及先前算法的结果指导下一代算法的开发，算法便得以持续改进。
指数增长是我们都能从理性上理解的概念，但它仍然常常让我们措手不及。还记得那个著名的故事吗：一位中国皇帝同意为棋盘上的第一个格子支付一粒米，第二个格子两粒，第三个格子四粒，依此类推；很快，他欠下的米就超过了世界上所有的米。现在，想想那些今年的智能水平是去年两倍的机器，并试着想象它们在两年、10年或50年后可能做到什么。和那位中国皇帝一样，我们的思维也会陷入短路。
历史上我们曾经历过一个时期：一波创新浪潮使机器取代了人类的工作，那就是工业革命。最终，这对所有人而言都是好事：新兴产业涌现并吸纳了就业人口，财富也得以分配。但这一过程只有在经历了长达数十年的动荡之后才得以实现，这场动荡使数百万人陷入贫困，并引发了深刻的社会剧变。
今天，我们正处在一个不仅更加强大、而且更加持久的变革临界点。近年来，工资已经停滞不前，而生产率却在持续提高。随着机器学习加速发展，这种脱钩现象也将随之加剧。或许比我们预期的要早得多，大多数人类可能将再也无法创造任何经济价值。
这对我们当前政治制度的一项根本目标构成了深刻挑战：奖励创造经济价值的人，惩罚没有创造经济价值的人。我们大多数人宁愿技术解放全体人类、使其蓬勃发展，也不愿它使大多数人陷入贫困。但我们如何管理这一从匮乏走向丰裕的过渡？
瑞士计划为每位公民提供基本收入，并将于今年5月举行全民公投，这为一种可能的路径提供了参考。另一种可能性是米尔顿·弗里德曼提出的“负所得税”，即使机器可能更高效地完成某项工作，低收入工人仍能够从事有意义的工作。
我们都应该开始思考，当机器能够承担我们所有工作时，我们希望世界呈现何种面貌；这是少数几个我们不希望由机器来回答的问题之一。
作者：Jeremy Howard是一名数据科学家，也是Kaggle的前总裁。Kaggle是世界经济论坛的 Kaggle，世界经济论坛科技先锋 公司。
图片：儿童在首尔试用笔记本电脑。路透社/Bobby Yip
