摘要： 编者按：这是以色列著名风投机构Aleph在官网上发布的一篇文章。Google一直在研发无人驾驶汽车，真正要做到用人工智能代替人的智能，但是这对于人工智能本身就是一项极大地挑战，
编者按：这是以色列著名风投机构Aleph在官网上发布的一篇文章。Google一直在研发无人驾驶汽车，真正要做到用人工智能代替人的智能，但是这对于人工智能本身就是一项极大地挑战，代价也很高。与此同时，全世界又有很多的劳动力被闲置，其中也不乏可以当司机的人。所以，如果可以把闲置的劳动力调动起来，就像Uber等共享经济模式那样，我们就不需要那么高的代价去让机器驾驶汽车，你能实时找到司机就可以了。我们可以把Uber和Airbnb等已经大获成功的模式称为“共享经济1.0”，事实证明共享经济在调动闲置资源上有很大的优势，但是面对全球劳动力的分布不均等众多问题，我们还需要发挥更多创造力去开拓“共享经济2.0”。
人工智能不是创造人工的科学，它也不是去理解人的智能的科学，它甚至不能模仿人类行为，以至于让人把机器看做是人，就像图灵测试那样。人工智能是一门创造机器的科学，从而让机器去完成人类可以做或者想去做的任务。
－－ James F. Allen, Rochester大学计算机科学教授
谷歌汽车、传感器网络和机器人都是与机器视觉、自动化的计算机控制绑在一起的，这就能创作出一个不错的新闻故事：人VS.机器，人的智能VS.人工智能。但我想要冷静下来，并给新闻故事泼点冷水。相比人工智能，还是有人可以做得更好且成本更低的地方，那就是“共享经济2.0”。
我们可以把 Uber 和 Airbnb 等已经大获成功的模式称为“共享经济 1.0”，事实证明共享经济在调动闲置资源上有很大的优势，但是面对全球劳动力的分布不均等众多问题，我们还需要发挥更多创造力去开拓“共享经济 2.0”，比如美国的初创公司的TripMD，它把共享模式用于帮助用户在美国以外的地方找到比当地价格更低的优质医疗服务。还有像“停车”也可以尝试共享模式，比如居住在一个城市的某个小区，当他早上把车开去上班后，他的停车位就空出来了，这个时候另一个恰好要到这周边的人就可以把车停在空出的这个位置上。
完美的AI是很难实现的。人脑是数百万年演化的结果，它已经拥有一些还未被清楚理解的规则所定义的内在能力，这种能力可以处理好程序员称为“极端案例（corner cases）”的各种情境。这是因为人脑有一些学习能力根本不能被彻底地解释清楚。人工智能不允许任何失败，而大多数软件工程却不是完美的，它只要“足够好用”就行，就像Zuckerberg的名言“完成比完美更重要”。对于软件而言，这是可行的，因为完成一个软件项目最初的那80%的收益只需20%的成本，但是剩下的那20%的收益却需要花费200%的成本与时间。
这就可以用经济学来解释了。比方说，有大量的司机和保安的供给，但是他们却找不到有需求的地方。而且，全球的劳动力成本分布不均，如印度的年收入的中位数是616美元，而美国有些地方是13794美元。另一个席卷全球经济的趋势就是远程劳动力的增加，Global Workplace Analytics的一份研究表明，未来5年，在家办公的人数会增加63%.有这么多廉价劳动力，还有越来越快的链接力与远程技术，我们完全可以用人力去完成很多用机器人去完成的工作。
同时，共享经济如也在降低生活成本。每一个做“共享经济2.0”服务的企业正在逐渐实现边际最优化，其中的自动化部分也在增加。但是，这样的服务也有一些明显的困难，比如相互沟通的可信赖性和等待时间的长短，还有部署远程设备的成本，以及各种管制上的问题，如服务的提供者是否符合资质。这些问题与目前Airbnb,和Uber等处理的事务还不一样。
就像对大数据的需求驱使了人们对Hadoop的开发与使用，并且使得AWS成为亚马逊的赚钱机器，共享经济这个平台也依然需要进一步开发。这就需要一个像亚马逊所开发的“土耳其机器人”的平台，就是利用人的网络来执行不适合计算机执行的任务，把人和AI联合起来，从而可以在全球基础上提供实时服务。这将需要数十年的时间才能实现。还会是由人来驾驶汽车，因为在未来很长一段时间内，人类驾驶汽车的成本更低，而且人类驾驶汽车时在直觉处理上比AI做得更好。
