比如，法律。冷酷无情的法律恰恰是守护社会正义的关键。而法官这一角色对具体案件的衡量，其实是人工智能在未来最佳的应用领域。为什么？因为在法官对案件判定的过程中，只涉及“讲证据”、“按法律”的两大基本原则。而无论是对证据的讲求，还是对法律依据的寻找，其实都是对“数据”本身的学习解答，它不依赖于其它的复杂条件——

　　一个好的法官，即便从某方面知道罪犯有罪，但如果拿不出可以证明其有罪的证据，就不会对其宣判。而这种本我意识和职权操守可能产生的矛盾，带来的内心博弈，只是人类的专属。人工智能当然要比人类做得更好。机器于“工具理性”上实现判罚效率和准确度的提升，也伴随着维护正义的“价值理性”的实现。

　　再比如，atv，考试评测。人工智能领域的科大讯飞，甚至已经在语音智能评测上实现了产品化的应用——如今，几乎各地的普通话考试，都在使用科大讯飞的人工智能做为评测考官，在广东，甚至英语高考中的口语考试环节，也是在由讯飞的智能机器人把关。

　　在人类多少存在主观错判概率的情况下，语音人工智能对以往“语言评分教师”的取代，为我们提供了零出错、绝对完美的“工具理性”；而在社会效率的实现上，它同样是促进公平的“价值理性”的摇篮。

　　人类，去向何处？

　　机器与人，在目前的优劣势对比上，存在着完美的互补性。那些我们觉得困难的事情，如高等数学、金融策略分析等，对于人工智能而言，是早已征服，正日趋完美的小儿科，而我们觉得容易的事情，视觉上的识别，动态移动的物理动作，直觉和情感判断，对机器来说却异常困难。

　　也正因此，我们不难发现，人工智能机器的弱势之处，正是人类数千年繁衍生息的生物本能——从灵活的肢体移动，到“下意识”的视觉识别判断，并非来自于日积月累的学习，而是天生使然，这对于需要构建数据模型，不断学习和优化的机器而言，是难以企及的优势。

　　而当我把这样的思考放在AlphaGo、Master与人类的围棋对决上看时，更有细思极恐之感——看不见的机器运算本身，借助于DeepMind的资深研究员黄士杰博士的手，得以物化的呈现。“代为落子”，也许可作为知秋的那一片落叶。

　　实际上，越发达的经济体里，人们就越依赖于简单的人工劳动，这是全球经济社会向前发展的一个基础共识——

　　在发达国家，服务业占GDP的比重通常超过60%，而世界第一经济体的美国，其服务业占GDP的比重达到了80%，为社会提供了超过80%的就业岗位。

　　这个道理其实也很简单，就像是富豪们会花上千万买一部内饰全手工打造的劳斯莱斯，也不愿意去买量产的工厂跑车一样。人工劳动为产品构建留出了足够的信息差异，这种信息差异正是人们越来越看重的个性化。

　　更有意思的是，量产的工厂有了更多的智能机器，它只会由产业链不断发展，而一再因技术升级迭代降低成本，但人的技艺却有且只能源于最古老的学习规则，付出了必要劳动时间，并规避掉种种诱惑的人，倒成了产品价值的最大来源。

　　这就是质朴的经济规律：商品价值总量与生产商品的个别劳动时间成正比。发展到发达社会的高消费，只会给予人工劳动更大的意义。

　　更别说，当未来社会人人都能享受到足不出户即可体验全世界的黑科技时，还有多少人愿意去做人工生产——人工劳动只会越来越稀缺，越稀缺自然越昂贵；这就是为什么发达的未来社会，人工会愿意去补齐那些在价值链下游的空位的原因。

　　现在，就只剩下另一个问题：如果说人工凭借尊崇的劳动会获得高价值消费的需求匹配，那么，那些成本越低越好的下游行业，人类会因人工智能的介入而失业吗？

　　首先我想说的是，如果人工智能主要的应用场景不是在数据分析和理论计算上，而是要通过和人比体力、比灵活来构建应用形态，这就不是什么人工智能时代的讨论，j2直播，而成了杀鸡焉用牛刀的段子。

　　就像手机刚出来时，如果你看到的不是手机对“连接”这一问题的革命性突破，你就只会把手机看成是用来对讲的高级寻呼机。但是，手机是为互联而生，并用通信改变世界；同样，人工智能的未来，也绝不是机器人般的肢体活动，而是用其非凡的信息搜集与数据分析能力，帮助人类社会探究解决发展上层的种种“价值”与“工具”所交缠的难题。