自约翰麦卡锡首次创造“人工智能”一词以来的 65 年里，该领域最令人惊讶的发现之一就是人们所做的事情很容易，而且计算机应该很容易做到，实际上 结果对机器来说非常非常困难。
普通成年人可以相对轻松地感知到门把手，伸手抓住它，转动它，然后打开门。 即使是使用尖端深度学习 AI 方法的最复杂的机器人电枢，同样的任务仍然非常难以设计。
相比之下，同样令人惊讶的是，机器在完成人类难以完成的任务时超越了科学家的预期。 在人类对国际象棋游戏进行了大约 500 年的开发之后，DeepMind 建造的一台名为 AlphaZero 的机器能够在短短几年内发展到可以击败所有人类大师的程度，并且还击败了他们 在更古老的游戏中，围棋。
简单和困难之间的区别通常定义了关于所谓的“人类水平”AI 的争论，也称为“人工通用智能”或 AGI，即使机器与人类平等的追求。 许多人认为，这个鸿沟意味着 AGI 几十年内都不会实现，即使它曾经实现过。
人工智能科学家梅兰妮·米切尔 (Melanie Mitchell) 写道：“人工智能比我们想象的要难，因为我们在很大程度上没有意识到自己思维过程的复杂性。”
但是，如果“人类水平”智能的定义正在改变呢？ 如果 AI 不再根据人类在现实世界中的思想和行动的质量来衡量，而是整天盯着智能手机的完全可预测的行为，那会怎么样？
人类越来越多地花时间做机器可以做得更好的事情。 现代软件的众多成就之一就是用简单的任务占用人们的时间，例如您在社交媒体上所做的繁忙工作，诸如发帖、评论、“点赞”和快照之类的事情。
人们每天花几个小时在 Twitter 上输入 280 个字符的信息。 他们不停地点击他们在 Instagram 上看到的图片上的赞按钮。 在每个人行横道上，他们一边滚动一边愉快地走进迎面而来的车流。 他们花费数小时列出他们并不真正需要的东西，以便在亚马逊上购买。 为了获得高分，人类在 Xbox 游戏上重玩同一关卡已经经历了无数小时。 天知道我们花了多长时间在史诗般的沙发土豆会议中吸收 Netflix 视频。
所有这些滚动和点击都通过网站表层下的整个软件子结构得到增强。 例如，Apache Pinot 的技术是一种加速数据库查询的程序，它管理“谁查看了我的个人资料？”这一功能。 在领英上。 正如 Pinot 的创始人之一 Kishore Gopalakrishna 所说，该软件的设计目的是在瞬间为那些每天查看数十次查看其个人资料的人提供答案。
Pinot 和相关的中间件，如开源流数据程序 Kafka，旨在养成不断点击、点赞、打字、发推文、再打字、固定、滚动等的习惯。当有 对重复的奖励，而现代平台的反馈回路通过响应人类点击并提供越来越多的点击机会来提供奖励。 Pinot 和 Kafka 意味着人类的在线活动是一个无休止的按下按钮的过程，就像经典的实验室老鼠推动杠杆以获得颗粒一样。
人类非常擅长推动杠杆，但对人类来说，坏消息是所有这些任务仍然可以由机器更轻松地完成，也许更好。
虽然一流的自然语言处理 AI 程序（例如 GPT-3）无法就哲学话题进行长篇讨论，但它足以自发地生成简短的帖子，例如关于给定主题的推文。 对于人工智能来说，在 Instagram 上自动发布图片可能同样容易。
人们能够以一种直观的优雅方式想起模因并在社交网络上发布，回忆起适合当下的完美 GIF 图像。 虽然这其中有一些令人印象深刻的东西，但机器可以通过蛮力搜索提出新颖的解决方案来发布更优化的模因。
当然，检查谁在 LinkedIn 上查看过某人的行为，或归结为通过 Pinot 等程序的 API 消耗信号的任何其他行为，都可以自动化，从而比人类执行此操作的方式更有效。
的确，人类还在做很多其他事情，比如去健身房和养育他们的哺乳动物后代。 不过，他们越来越多地花时间在健身房休息，盯着手机看，他们的孩子也越来越多地呆在屏幕前。 自然的人类活动已经成为被屏幕打断的过程。
结果是现代社会到了一个陌生的地方。 现在很多人类行为都发生在计算机内部和周围，人类的能力落后于最好的计算机程序。
主导 AI 处理芯片的公司英伟达 (Nvidia) 的联合创始人兼首席执行官黄仁勋 (Jensen Huang) 直截了当地描述了历史的转变。 人类太慢了，Huang说：
我们只有几十亿人，需要九个月的时间来孕育，然后需要数年的时间来抚养他们，然后当你最终让他们达到一定程度的智能时，他们就会开始研究这些叫做智能手机的东西 ，每次你戳它们，它都会在云中创建查询。
这一切都非常缓慢，令人不快。 解决方案很明确，正如 Huang 所描述的那样：
嗯，未来，造一个新的智慧生物不需要九个月，养育他们也不需要几年； 制造一辆 BMW 汽车实际上需要一个小时，下载人工智能需要几秒钟，然后几秒钟之内就可以上网了。 会有数万亿个这样的东西。
Huang讲的那些东西是智人之后的东西。 Huang 所指向的范例是自动机的范例。 一个没有人类弱点的自动机非常有能力处理可以明确定义的任务——用工程术语来说是“范围明确”的。 虽然驾驶汽车还不适合人工智能，但驾驶网站，即不断点击和“喜欢”，现在是可行的。
因为，鉴于其不断强调在一组受限的数字规则内进行优化，当今的大部分社会类似于视频游戏，努力达到最佳分数。 还有谁比机器更了解如何在与机器对战的游戏中取胜呢？
在国际象棋和围棋中击败人类的同一个程序 AlphaZero 在 2019 年催生了一个新程序 MuZero，它能够在玩吃豆人女士等 Atari 视频游戏时取得不错的成绩。 从 Pac-Man 女士到擅长发布表情包，这只是短短的一段旅程。
人类和计算机所做的简单和困难的事情之间的鸿沟仍然存在，也许它永远不会被 AI 征服。 但人类思维越来越无法驾驭数字世界。 远在 AGI 出现之前，人类世界可能会到达一个地方，在那里大多数活动都可以更好地由机器执行。
到那时，人类就变得多余了。 那么他们应该被替换吗？ 不取代它们的唯一原因是，如果人类仍然作为实体很重要，这些实体不是达到目的的手段，而是自身的目的。 这不是技术问题，而是人性的本质问题。
在一个越来越痴迷于速度、效率和最佳结果高于一切的世界里，这个问题的答案是不确定的。
