0:00:01.292,0:00:03.167
清晨六点半，

0:00:03.583,0:00:08.458
克里斯汀正推着[br]她的前列腺病人进手术室。

0:00:09.500,0:00:11.750
她是一名实习住院外科医生，

0:00:12.333,0:00:14.500
学习是她工作的一部分。

0:00:15.292,0:00:18.617
这天，她非常想[br]参与进行神经保留手术，

0:00:18.617,0:00:23.110
这要求医生有极度精细的切割技巧，[br]以让病人恢复勃起的功能。

0:00:23.500,0:00:27.075
不过，这还要看主治医生的意思，[br]但那会儿他并不在手术室。

0:00:27.625,0:00:29.912
克里斯汀和其他手术人员[br]给病人打了麻醉。

0:00:29.912,0:00:33.750
首先，她在病人的下腹部[br]切开了一道8英寸的切口，

0:00:35.042,0:00:38.763
当她把切口固定好，[br]便让护士打电话给主治医生。

0:00:39.583,0:00:41.875
主治医生赶到后，穿上手术服。

0:00:42.458,0:00:48.218
接着，两人共同开始手术，[br]他们四只手都在病人体内，

0:00:48.708,0:00:51.625
主治医生负责指导，[br]克里斯汀则主导了手术。

0:00:52.875,0:00:57.252
当病人的前列腺被取出后，主治医生[br]让她进行了部分神经保留的操作，

0:00:57.542,0:00:58.742
他脱掉了手术服，

0:00:58.742,0:01:00.167
开始处理一些文件。

0:01:00.833,0:01:06.208
而克里斯汀在一个[br]初级住院医生的协助下

0:01:06.583,0:01:08.972
于8：15完成了手术，

0:01:08.972,0:01:12.125
克里斯汀还让他[br]给病人做了最后的缝合。

0:01:12.833,0:01:15.875
克里斯汀感觉好极了，

0:01:16.250,0:01:17.773
病人很快就会恢复，

0:01:17.773,0:01:21.000
而她也无疑比凌晨六点半时的[br]自己更进了一步。

0:01:22.208,0:01:25.042
虽然，医生的工作挑战性极高。

0:01:25.417,0:01:29.250
但克里斯汀的学习过程[br]其实和我们的并无分别，

0:01:29.625,0:01:31.512
通过观察专家的操作，

0:01:31.512,0:01:34.658
从简单、安全的部分开始着手，

0:01:34.658,0:01:36.877
过渡到风险更高、难度更大的工作，[br]

0:01:36.877,0:01:39.250
其中确保她准备就绪，[br]并且有专家在一旁指导。

0:01:40.042,0:01:42.888
我这一生都被这种学习过程所吸引。

0:01:42.888,0:01:46.625
这样基本的步骤，体现了人之常情，

0:01:47.750,0:01:53.092
人们为这个过程赋予不同的名字，[br]学艺、训练、教导和在职培训，

0:01:53.542,0:01:56.833
在外科手术中，[br]这被称为“看、做、教”，

0:01:57.625,0:01:58.933
但实际步骤是一样的，

0:01:58.933,0:02:03.167
这也是千百年来所有人[br]在培养人才时所用的方式。

0:02:04.333,0:02:08.833
但如今我们应用人工智能的[br]方法却反其道而行之。

0:02:09.625,0:02:12.315
为了提高效率，我们[br]牺牲了学习必经的过程。

0:02:13.292,0:02:16.065
我在麻省理工学院做手术时[br]第一次发现了这个现象，

0:02:16.065,0:02:18.565
但现在我发现这样的现象随处可见，

0:02:18.565,0:02:22.500
遍布各行各业，[br]以及各项人工智能的应用场景中。

0:02:23.083,0:02:28.908
如果我们无动于衷，成千上万的人[br]在学习如何掌握人工智能时，

0:02:28.908,0:02:31.375
将会碰壁。

0:02:33.125,0:02:34.897
让我们再用外科手术作为例子，

0:02:35.708,0:02:37.617
时间快进六个月，

0:02:37.617,0:02:43.207
还是凌晨六点半，克里斯汀推着[br]另一个前列腺病人进手术室。

0:02:43.207,0:02:46.333
但这一次，是去自动化手术室。

0:02:47.667,0:02:49.315
主治医生把一个

0:02:49.315,0:02:52.208
长着四只手、重一千镑的[br]机器人连接到病人身上，

0:02:52.750,0:02:55.158
医生们都脱掉了手术服，

0:02:55.158,0:02:58.333
来到三五米外的控制台，

0:02:59.167,0:03:02.917
而克里斯汀只负责观察。

0:03:04.375,0:03:07.422
在机器人的帮助下，[br]主治医生独自便可完成手术，

0:03:07.422,0:03:09.035
他也是这么做的，

0:03:09.917,0:03:12.012
即使他知道克里斯汀需要练习，

0:03:12.012,0:03:13.625
他也希望可以给她机会，

0:03:14.250,0:03:17.747
但是他同样清楚克里斯汀[br]操作得更慢，还有失误的风险，

0:03:17.747,0:03:19.167
而病人的安全永远是第一位的。

0:03:20.250,0:03:25.437
所以克里斯汀在这次手术中[br]完全没有机会碰到病人的神经，

0:03:25.437,0:03:29.792
她能在四个小时的手术中[br]操刀超过一刻钟就算是走运了，

0:03:30.250,0:03:32.875
而且她很清楚，万一她出现失误，

0:03:33.458,0:03:36.500
主治医生就会重新操刀，[br]她又不得不回到观察者的角色，

0:03:36.917,0:03:39.542
感到非常沮丧和失落。

0:03:41.595,0:03:44.649
正如我过去八年做的[br]所有关于机器人的研究一样，

0:03:44.649,0:03:47.215
在这次研究的开始，[br]我也提出了一个宏大的问题：

0:03:47.215,0:03:50.042
我们要如何与智能机器共存？

0:03:50.792,0:03:56.635
为了寻找答案，我花了两年半的时间，[br]观察了数位外科医生和住院医生。

0:03:56.635,0:03:59.175
他们既做传统的手术，[br]也做自动化手术，

0:03:59.175,0:04:03.250
我采访他们，试图了解他们的学习过程。

0:04:04.250,0:04:07.565
这次研究覆盖了[br]美国18所顶级的教学医院，

0:04:07.565,0:04:09.083
研究结果显示出相同的趋势。

0:04:09.875,0:04:12.417
大部分住院医生都和克里斯汀一样，

0:04:12.958,0:04:14.750
他们“看”得很多，

0:04:15.583,0:04:17.875
但“做”的机会却很少。

0:04:18.333,0:04:20.861
所以他们难以进步，也无从学习。

0:04:21.291,0:04:25.665
这一现象对外科医生来说十分重要，[br]但我想知道，这样的现象有多普遍？

0:04:25.665,0:04:28.958
还有哪些领域也是这样，[br]人工智能阻碍了人们的学习？

0:04:30.208,0:04:34.562
为了找到答案，我联系了一个[br]年轻但正迅速成长的研究团队。

0:04:34.562,0:04:37.920
他们在不同领域都做了一些[br]关于人工智能的实地研究，

0:04:37.920,0:04:40.930
包括初创公司、监管治安部门、

0:04:40.930,0:04:43.585
投资银行和在线教育等。

0:04:43.585,0:04:49.540
和我一样，他们花了至少一年的时间，[br]用了数百个小时进行观察

0:04:49.540,0:04:53.707
采访研究对象，甚至[br]和他们一起生活、工作。

0:04:54.458,0:04:56.875
我们共享了数据，[br]我想从中寻找出规律。

0:04:57.917,0:05:03.462
不管在什么行业，利用何种[br]人工智能，结果都非常相似。

0:05:04.062,0:05:07.648
企业、机构都卯足了劲，[br]想从人工智能中获益，

0:05:07.648,0:05:11.250
而这一行为导致学习者[br]从专业工作中脱离出来。

0:05:12.333,0:05:15.883
初创公司的管理者把[br]联系消费者的工作外包出去，

0:05:15.883,0:05:19.875
警察在没有专家的支持下[br]去做犯罪预测工作，

0:05:20.875,0:05:24.125
初级银行家被排除在复杂分析之外，

0:05:24.500,0:05:27.583
教授也要独自开始做在线课程。

0:05:29.125,0:05:32.295
而这些种种带来的后果[br]和上述外科例子是一样的，

0:05:32.295,0:05:35.292
在工作中学习变得越来越难，

0:05:36.958,0:05:38.375
这样的情况需要得到改善。

0:05:39.542,0:05:43.763
据麦肯锡估计，到2030年，[br]我们中有5亿到10亿人，

0:05:43.763,0:05:47.958
将不得不在日常工作中[br]适应人工智能。

0:05:49.000,0:05:50.995
而我们却以为[br]在职学习机制将一直存在，

0:05:50.995,0:05:52.952
在我们想要学习的时候就唾手可得。

0:05:53.500,0:05:57.882
埃森哲最新的员工调查显示，[br]多数员工在工作时才能真正掌握技能，

0:05:57.882,0:06:00.083
而不是在培训中。

0:06:01.292,0:06:04.753
我们一直在关注[br]人工智能对未来潜在的影响，

0:06:04.753,0:06:08.462
但却忘了它在目前最大的影响，

0:06:08.462,0:06:11.917
就是它阻碍了我们学习的步伐，

0:06:12.375,0:06:14.390
而学习恰恰是[br]我们目前最需要的东西。

0:06:15.458,0:06:21.500
现在有一个小群体[br]找到了学习的方法，

0:06:23.625,0:06:26.667
通过改变和突破规则。

0:06:27.083,0:06:31.780
因为现有的方法不奏效，[br]所以他们要改变和突破规则，

0:06:31.780,0:06:33.700
来获取和专家一起学习的机会。

0:06:33.700,0:06:39.395
在我经历的环境里，住院医生[br]在医学院时可以参与到自动化手术中，

0:06:39.395,0:06:42.958
牺牲他们的通识教育课程，

0:06:44.417,0:06:50.202
他们花了数百个小时[br]研究模拟器和手术记录，

0:06:50.202,0:06:52.833
虽然他们更应该在手术室里实操。

0:06:53.375,0:06:56.835
最重要的是，[br]他们找到了奋斗的方法，

0:06:56.835,0:07:00.625
在有限的专家指导下进行现场操作。

0:07:01.792,0:07:06.055
我称之为“影子学习”，[br]因为它修改了规则，

0:07:06.055,0:07:08.125
让学习者在聚光灯之外学习，

0:07:09.542,0:07:13.677
而所有人都对此睁一只眼闭一只眼，[br]因为这样的学习的确有效。

0:07:13.677,0:07:16.833
记住，这样学习的学生都是学霸。

0:07:17.792,0:07:21.000
显然，这样的方式并不对，[br]也并不可持续，

0:07:21.708,0:07:23.857
没有人应该要冒着被开除的风险，

0:07:23.857,0:07:26.067
去学习应掌握的技能，

0:07:26.792,0:07:28.848
但我们可能真的要向这些人学习。

0:07:29.917,0:07:32.167
他们为了学习不惜冒着巨大的风险，

0:07:32.792,0:07:37.057
他们明白需要保护那些工作中[br]遇到的困难和挑战，

0:07:37.057,0:07:40.043
而强迫自己去解决难题，

0:07:40.043,0:07:42.042
不断挑战自己的极限。

0:07:42.458,0:07:45.838
他们也保证身边有[br]足够的专家资源指导他们，

0:07:45.838,0:07:47.792
在必要的时候出来提供支持。

0:07:48.875,0:07:52.333
让我们把努力和专家支持结合起来，

0:07:52.708,0:07:55.458
将其应用到人工智能中。

0:07:56.375,0:07:59.203
我这里有一个具体的例子，

0:08:00.125,0:08:01.335
在有机器人之前，

0:08:01.335,0:08:06.167
如果你是一个拆弹专家，[br]你经常要直接处理简单易爆装置，

0:08:07.333,0:08:09.440
一个年轻的警官就在你几百米之外，

0:08:09.440,0:08:12.773
他只能观察你，并且在[br]你觉得安全的时候才能提供帮助，

0:08:12.773,0:08:14.250
才能接近装置。

0:08:15.208,0:08:19.075
现在你们并排坐在防弹卡车里，

0:08:19.075,0:08:20.928
一起看着视频，

0:08:20.928,0:08:25.252
他们远程控制着机器人，[br]而你大声地指挥工作，

0:08:25.252,0:08:28.500
这样一来，他们反而可以[br]有更好的机会学习。

0:08:29.125,0:08:31.742
我们可以把这种方式应用到[br]外科手术、初创企业、治安系统、

0:08:33.082,0:08:35.707
投资银行和在线教育等等行业中。

0:08:36.375,0:08:38.875
好消息是，我们有了[br]更好的工具辅助学习，

0:08:39.750,0:08:44.017
网络和云技术的发展意味着我们不再[br]需要专家进行一对一、面对面的教学，

0:08:44.017,0:08:48.625
专家和学习者甚至[br]不需要在同一个机构中。

0:08:49.292,0:08:52.333
我们可以利用人工智能来辅助学习，

0:08:53.167,0:08:58.310
在学习者奋斗的过程中指导他们，[br]还可以指导专家进行更有效的教学，

0:08:58.310,0:09:00.792
将两者以更智慧的方式联系起来。

0:09:03.375,0:09:05.917
现在已经有在职人员[br]有这样的教学系统，

0:09:06.333,0:09:09.125
但是他们也仅仅是[br]关注入职培训，

0:09:09.458,0:09:12.042
更大的危机其实出现在[br]在职培训当中。

0:09:12.417,0:09:14.242
我们必须要做得更好，

0:09:14.242,0:09:16.875
现在出现的问题[br]要求我们要做得更好，

0:09:17.375,0:09:22.250
来创造价值，来更好地利用[br]人工智能带来的便利，

0:09:23.042,0:09:25.792
同时也让我们的技术变得更加成熟。

0:09:26.333,0:09:29.083
这才是我小时候梦想的未来，

0:09:29.458,0:09:31.625
而现在正是去开创[br]这一未来的最佳时机。

0:09:32.333,0:09:33.483
谢谢。

0:09:33.483,0:09:36.258
（掌声）