近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。

遠離華夏食人族，恢復人性共興亞

要發掘何謂香港民族，思考華夏食人族之源起與發展在所難免，而當我想更準確咁解釋華夏之時，我忽然就聯想到過去人在澳洲深入偏遠沼澤尋訪鴨嘴獸之經歷。尋幽探秘嘅結果，雖然係一如預期嘅遍尋不獲，但因為本來就有可遇不可求嘅心理準備，回程感覺既講唔上可惜，亦未見得氣餒。活化石之所以引人入勝，原因在於觀察世間罕見嘅物種，可以親眼見證佢地幾乎絕跡於世嘅形態同習性，而鴨嘴獸作為十九世紀初歐洲科學家一度以為係惡作劇嘅卵生哺乳動物，正與以「四大文明古國」之一自居嘅華夏文化極為相似。以下將探討中國—華夏食人族—儒學鴨嘴獸保守估計已達三個千紀嘅發展停滯，論證香港民族脫離中國方可振興亞洲之道義責任，希望可以刺激民族同胞對於未來世界之和平想像。

華夏死水，寸草不生

世間萬物平等，適生淘汰係物競天擇使然，生物學意義上嘅保育瀕危物種亦應當支持，但香港民族飽受華夏食人族之害，絕對唔應該對近在咫尺嘅惡霸過於寬容，事關香港民族自身亦負有順應世界歷史演化嘅偉大使命。促使老帝國順勢解體、活化石安分退場，責任在於華夏歷史之非歷史，中華帝國之千年如一日，而香港民族為東亞生態系統所做嘅，只不過係呈現自身之求生意志，順勢向鄰國一池死水送出有助人類同胞起死回生嘅氧氣——唯有中國解體，中共治下各個族群方有望恢復人性，繼而步入正途，接上現代化之軌道。所以，相比起香港曾經風行一時嘅大中華主義思想，發揚民族主義，勇於改變受制於人嘅局面，先至係為華夏食人族燃點希望嘅合理路徑。

根據現代考古成果，位於現時伊拉克之兩河流域乃係孕育人類文明嘅豐饒之地，因為人類協作共生，形成部落聚落，大約公元前四千年左右，世界史上首個農業社會應運而生。由於農業社會之形成往往係經過漫長嘅選擇同適應階段嘅成果，活躍當地嘅人類早喺新石器時代已經掌握人工種植穀物技術，因此喺短短幾千年間，農耕技術已經傳遍四方，愛琴海、地中海、黑海以至黃河文明後來之繁榮，亦同蘇美社會文化息息相關。由此可知，華夏以農立國，既非世界農業社會史上唯一演進路徑，更非優異於其他古文明，發展初期嘅大體安定，只不過係因為遠離其他族群，避過激烈競爭——公元前嘅美索不達米亞地區之所以一直經歷各個王朝嘅武力征服，呈現出華夏食人族與一般香港人唔太習慣嘅歷史亂象，正係因為區內各國都無法以閉關自守形式經營。

當人類文明因為劇烈競爭而快速成長，歐亞大陸嘅東面，以黃河流域為根據地嘅儒學鴨嘴獸則因偏安而成為華夏食人歷史敘事中嘅適者。傳說中嘅夏王國稱霸中原地區，改禪讓制為世襲制，反映出武力同資源多寡極大程度上決定歷史走向，但其後商王國直至盤庚定都於殷之前都要不停遷都，則反映縱有共主之名實，當地貴族動亂與外敵入侵卻係從未間斷。商人統治衰落之際，周人以更具道德約束力之社會文化擊敗前朝，周禮於是成為定制。如此興衰交替之現象，其實係歷史上應有之常態，因為人類存在於世，本來就係要保持開放，不斷改革，面對各種天敵同環境轉變，繼而推動世界歷史不斷向前。因此，中國經歷文革之後以改革開放為國策，向世界展示友好姿態，本質上只係扭曲自然然後放開束縛，但瘋狂嘅係，華夏食人族已經習非成是，淪落到視經濟發展自然規律為權威嘅恩賜。中國人喺近乎缺氧嘅鎖國生活之中都可以如同老鼠一樣生生不息，又更無負儒學鴨嘴獸之名——野生鴨嘴獸繁殖能力固然不如儒學鴨嘴獸，但缺乏競爭而演化緩慢則為兩者共享之特性。

而要了解儒學鴨嘴獸到底係缺乏競爭在先，抑或係拒絕競爭在先，研究與華夏密不可分之儒學即可獲得關鍵線索。華夏文化敬鬼神而遠之，以自然解釋人倫，迴避形而上學嘅傾向，眾所周知，而孔子正係其中將形而下之事睇得最重因而成為所謂萬世師表嘅代表人物。無可否認，春秋戰國時期，中原確實出現過百家爭鳴之現象，事關當時儒學尚未具備壓倒一切嘅能力，但天人合一之謬說之所以喺秦漢之後成為主流，絕對唔係單單源於某任皇帝強行推動，真正起決定作用嘅係漢帝國人民已經具有充分思想準備迎接糅合陰陽學與五德終始學之儒教。華夏食人族之精神世界貧弱，易子而食，以至道德殺人嘅文化，就係由儒教所支撐，而儒教之所以歷久不衰，到廿一世紀都有人擁護，現象背後反映嘅正係華夏食人族即使曾經擦出資本主義嘅火花，但一直都未有真正進入近世，係貨真價實嘅人類文明活化石。

精神貧弱，後繼無人

回應世人對秩序嘅需求，本來無可厚非，亦有好處，但喺華夏文化之中，理想同現實逐漸割裂，倫理地位日高，實際道德反而每況愈下。周人趕絕已征服地內之故有文化風俗，由上而下推行官方祭祀儀式，係世界歷史上相當常見之統治策略，但封土建國求安穩之後，始終要面對周天子失去民心之事。春秋時代，各國主體意識亦變得不穩，人人急於發掘治道解決眼前困境，而魯國孔子選擇嘅策略就係上追周公，重塑國家地位以自保。當時魯國歷史悠久，但政經實力皆不敵其他國家，再次從諸侯國林立之背景中突出自身自然成為孔子嘅目標。

「周禮盡在魯矣」一說，既反映魯國求助於周禮力量，亦透露孔子以先王聖道描述自己心目中嘅理想國之心，無奈再苦心經營嘅政治理論，到最後都因為缺乏小共同體而歸於塵土——如此發展，同時亦已預示後世所有真心儒者屢試屢敗嘅必然下場。孔子之政治思想，本來或者係有向善演變嘅空間，但魯國自己人唔支持，子弟傳道又力有不逮，久而久之，自然失去進入新時代嘅活力。其實，假如周公理念真係值得魯國上下傾盡全力守護，如此優秀嘅文化又豈會經唔起時代考驗，因為他國入侵而輕易失傳？對比以色列人之堅忍不拔，甚至將地方神想像成至高之神去解釋亡國滅族嘅命運，最後令猶太教釋放出自我救贖之能量，影響其他族群以至成個羅馬世界，孔門子弟嘅傳道意志，可謂相當薄弱。

周人統治早期，前朝文化仍然興盛，重視鬼神意見，事無大小都會問道於天，刻有甲骨文之龜甲出土，正係商人信仰虔誠之象徵。然而，周人之文化有別於前朝，而且對缺乏道德責任感之祖靈天帝都失去耐性，於是佢地開始相信個人意願高於神明指引，自身德行更勝上天欽點（畢竟商人亦曾經係天命所歸），結果就令神明成為政治決定嘅背書者。當神權變得低落而未有惹起嚴重爭議，人道比天道更重要之思想自然慢慢成為主流，華夏過早嘅政教分離，就令後人視人間一切都係人類事務，亦令「未能事人，焉能事鬼」成為後來孔子思想嘅基礎。

孔子死後兩百年左右，秦漢相繼而興，前者焚書坑儒，殘害儒者，後者則借屍還魂，利用儒學，儒學自此已經因應華夏土壤而萎縮變形，再未見昔日曇花一現過嘅茁壯之姿。畢竟，周人已經播好君權先於神權嘅種子，制裁政治由人定斷嘅果實亦係時候加以收割。收割之後，漢武帝以儒學包裝專制，以官俸收編文士，繼位者再興黨錮大獄屠殺少數敢言之輩，種種行為都係以唔敬神嘅周人為榜樣。公元二百年左右，東漢陷入分裂之局，周公理念終告壽終正寢，華夏文化亦正式鴨嘴獸化，而儒學幾經焊接轉化再焊接，就衍生出南宋國之民族主義、明清政權之閉關自守，以至當代中國之自卑自大矛盾心理——當華夷之辨代表排外心態，中華正統則代表自我中心，所謂「孔子學說本身係好」一語已經再無討論價值。

唯古是尚，輕薄自然

漢武帝想將儒學演繹為儒教，唔可能一廂情願推行，因為鞏固權力嘅過程引起太大反彈，就會擦槍走火，觸發動亂。換言之，在上位者收唔收窄到思想自由，係視乎民間接唔接受思想控制嘅準備。而活化石代表人物孔子之政治主張唔主張普世，唔主張反戰，是非對錯觀念含糊，可謂最有利於政權殘民自利，溫水煮蛙。

孔子主張之中，愚民反智首推「為政不因先王之道，可謂智乎」。先王所指，不論係理解成神話傳說中嘅堯舜，定係創立周禮嘅周公旦，其實都唔係完美無瑕嘅人，因為聖人始終係人。有能之人為處身於特定時代同空間中嘅人民建立社會共識，其實即係同英國普通法一樣嘅概念，過度歌頌某個時期嘅聖人，甚至要求往後嘅統治者都要複製聖人王政，簡直係忽略時移世易之自然規律。例如，神話人物神農氏之能力，在於推廣農耕技術，神話人物黃帝嫘祖之能力，在於擊敗蚩尤同推廣養蠶紡織，呢啲所謂為人民謀福祉嘅形象，其實係將人物刻意平面化加隱惡揚善嘅壓縮式造神運動，以聖人稱呼凡人可謂不合情理。雖然基督教信仰之中都有大量先知聖人，但先知聖人永遠唔係上帝，佢地只係負責傳達福音同按神意行事，最後審判之權仍然在於造物主手上，國王都要向上帝交代，人道之外畢竟尚有天道。

然而，儒教世界觀認為聖人有權替天行道，而天理既然要運行於人間，就唯有由最了解聖人之道之開國皇帝定斷。皇帝之所以自動成為聖人，係因為佢獲得五德終始說嘅加冕，咁亦即係話，天理係用於追認獲得江山嘅人間權威，天理可以係少數凡人嘅意志，天理根本同自然意義嘅天毫無關係。眾所周知，中華帝國皇帝概念（Emperor）同歐洲國王概念（King）有異，主要分別就係前者係天人之間溝通嘅中介，即使係貧民出身都一定係天命所歸之聖人，成聖之後就會自動同平民身分徹底割裂，而後者重視貴族血統，繼承領地只因家世顯赫，管治之時都經常要同教廷或教會爭奪權力。明白到兩者分別，兩種發展模式之相異即刻呈現眼前：平民爭奪聖人頭銜，華夏因而自陷於惡性循環，貴族爭奪俗王寶座，歐洲則逐漸走上協商之路，簡而言之，儒教可謂罪魁禍首，但產出儒教之族群亦難辭其咎。

審視返華夏神話，神農氏以身試藥嘅實證主義有貢獻，唔代表佢係仁義之人，黃帝攻打原居於中原地區嘅蚩尤部落，更分明係武力征服，後世儒者咁都可以話「君臣朋友之倫，亦為聖人所立，故人知之」，可見崇拜權威之頑疾已經積重難返。華夏食人族甘心接受統治，儒者更孜孜不倦於以聖人概括古代有能之人，不斷將有能者同有德者混為一談，直接導致嘅結果就係華夏文化總係有陳義過高、厚古薄今嘅傾向，而長遠後遺則係信史非史，真假混集，社會進程不進則退，如同鴨嘴獸一樣停止演化。

因為拒絕面對歷史，拒絕相信聖人非聖，拒絕與時並進，抑制商人同民不聊生最終就成為中國歷史書上最常見嘅兩個四字詞。戰國時代，商鞅入秦推行變法，已經提倡重農抑商，壯大地主階級力量，希望社會經濟停留喺農業主導嘅階段；至漢武帝執政，社會經濟再次興旺，朝廷又以新經濟政策打擊商賈，妨礙商品經濟發展，只為平息紛亂；其後儒者王莽篡漢自立，面對農民賣地，商人買地，土地兼併導致民不聊生之局，新政府嘅對策將儒學發揚光大，參考周禮推行終極復古，以井田制之名充公土地，再次分配，胡適形容佢做「一千九百年嘅社會主義者」，可謂無意幽默而更顯幽默。概而言之，儒學之本質，就係深信只要倒帶歷史加高舉禮教就會改善社會爭逐名利之亂狀，儒者之本質，則係真心推廣從根本上消弭階級生成空間之聖人必聖學說，既然如此，共產主義會同華夏文化無縫對接，自然合乎邏輯。

擁抱階級，拒絕天道

商品經濟係農業社會不斷發展就必然會走向嘅新階段，而唐帝國之所以重視貿易，所謂中國歷史都曾經有過資本主義之說，則係受益於儒教正統地位一度旁落。漢帝國時代，朝廷長期徵用異族士兵對抗異族，久而久之，異族亦定居中原，各族文化因而融和。其後，異族勢力隨時而增加，趁漢帝國崩解之際建立政權，更多異族大舉遷入中原，衝擊原有文化，儒教逐漸不敵佛教，平民精神世界亦因佛教傳入中土而稍為開闊。北朝政權一輪混戰過後，北周成為強國，然後楊堅取而代之，建立隋國，但僅僅經歷兩代君主，即敗於李唐，最後，面向世界之鮮卑文化正式主導中原，舊漢氣象因而大變，中原自由之風可謂空前絕後。故此，唐帝國時代，政權非但無意效法周禮解決經濟問題，更順應社會互信逐漸建立嘅趨勢，開創出前所未見之榮景。究其原因，並唔係君臣相契，而只係在於唐人未受儒教繁文縟節所限，敵視異族文化之心淡薄，亦無法接受只講倫理、盲從古制之落後觀念。

十世紀初，李唐由盛入衰，遊牧民定居日久，節度使手握重兵，地方力量割據，擊碎帝國模型，而以漢人領袖自居之趙宋亦乘機佔地稱王。積弱不振之趙宋定都汴京，再偏安江南，最後都係不敵其他政治力量，根本原因就在於世界秩序層層加疊之結晶品必然會超越華夏疊一層又刮清一層返回起點之墨守成規。丸山真男認為，儒學所呈現嘅世界觀，係從自然現實嘅觀察中演繹社會關係，即係將人間之事反映於自然界，呢種認知模式喺人類思維嘅初級階段其實係屢見不鮮，正正點出點解死守祖宗家法係不可取。研究前人經驗，抽取合乎自然之道加以發揚，係人類一直穩步前進嘅基礎，而因時制宜而精進，從來都唔係易事，任何部落、城邦、民族脫穎而出，都一定係有佢地嘅適生之處。華夏食人族之所以適生而又非適生至今，靠嘅就係閉縮世界一角，始終堅持以力服人，排斥人心善性，以無神論掏空平民對死後世界想像，令平民專注今世之禍福。佢地唔相信天堂地獄，唔相信真主在上，更唔相信八百萬神明時刻存在，就連因果報應之說亦唔會對佢地構成實質心理壓力。終於，仁義禮智倡於市，即演變成虛偽造作，中庸之道行於世，即演變成折衷妥協，三綱五常為定法，即演變成父權壓迫，儒教之流弊，盡見於當代中國社會。

孔子真心相信貴賤有序，君臣有別，佢推崇仁義嘅目標只係想維護社會秩序，而唔係期望小人質地嘅人有朝一日變成聖人。天人相關之世界觀，係孔子理念之核心，即使天人合一同性即理係後人加以發揮，亦唔代表孔子本人係意識到天道但刻意存而不論。而朱熹生逢社會排外心態熾熱之際，主張「聖賢千言萬語，只是教人明天理、滅人慾」，則向下開啟魯迅式精神勝利法。戴震批評朱熹理學，「酷吏以法殺人，後儒以理殺人」，與外儒內法之華夏治國之道相呼應，本居宣長直言「儒者用儒道古聖人之說，佛道用佛之說，以定其理，於儒佛之中選取優劣，名之為道，皆己所私作之道也」，更係一矢中的。假如儒學所倡之君臣父子關係為恆定不變確為千古之法，父對子如同天對地，夫對婦如同陽對陰，階級社會合乎天理，咁古埃及王朝嘅「法老祭司—官吏軍人—商人農民—奴隸」社會制度同印度社會已經廢除但影響猶存嘅「婆羅門—剎帝利—吠舍—首陀羅—賤民」社會制度又有何不當？印度賤民女性生而為高階種姓男性之性器，應當承受施暴，若然理據來自種姓制度規定，又何以於理不合？當今印度社會之所以輕視女性，正正就係因為人類將人為之定制誤奉為金科玉律，唔再與時並進。當法老之墓已經風化，種姓制度亦已廢除，華夏儒教竟然仍然受到無知之徒狂熱吹捧，現代人除咗同情，大概亦只可苦笑。

人類之所以生於人道，在於人道生於天道，所謂天道即世界秩序、自然規律，難以名狀，但世界各地嘅神話同宗教正係人類解釋自身對天道如何理解嘅參考，只要加以比較，就會理解儒學鴨嘴獸原地打轉之演化史既罕見亦唔算罕見之處。希臘神話、北歐神話、日本神話等神話體系之中，諸神品格並非無可挑剔，但正因為諸神各有瑕疵，以天理操縱凡人之事至得以避免，因為人間之上有天神，天神之外有宇宙。漢武帝之後，所謂儒者，僵化大腦之內充斥盲目抵制外國之執念，又堅持凡人必須接受教化方可由惡轉善，所謂人本思想由此更見粗陋。

取締腐儒，遺毒自清

香港歷史自開埠起即與華夏食人族分道揚鑣，儒教思想早已隨年月而淡化，國體安定之後，新政府與學術界亦應以全面否定儒教遺毒為要務。回顧香港歷史，前人對中國革命事業嘅熱情確實高漲，而二戰之後，居於香港但卻心繫故國嘅人亦不在少數，但對香港民族新世代而言，反民主、反自由以致反歷史嘅華夏文化，已經變得陌生。即使中小學一直受到教科書論調洗腦，但大多數香港人都已經從中共暴政同華夏食人族真心擁戴不義政權之驚人現實之中，明白到中國政權同中國人之社會共識你中有我、我中有你嘅恐怖真貌。所以，只有徹底排除儒毒，解構華夏，香港民族至有可能正本清源，堂堂正正步上獨立之路。

二十世紀初，滿清帝國倒台在即，稍有學識之革命人士如梁啟超抄襲西方民族主義，虛構出中華民族概念並加以普及，尚未進入近世嘅中國平民照單全收，忽然就成為炎黃子孫。華夏可與古埃及、巴比倫、古印度並稱「四大文明古國」之荒誕主張，亦係梁啟超得意之作。香港華人定居香港日子尚短，難免關心故地政事，香港歸屬尚未生成，積極參與中華民國內政者不在少數，何東之第三子何世禮放棄英國國籍而加入中國國民黨，戰後按黨指令促成港台貿易，直至1973年返回香港都繼續辦報為國民黨作政治宣傳，正係出名例子。

另一相當熱愛中國代表，則必定要數中大新亞書院創辦人錢穆。余英時形容佢「一生為故國招魂」，可見錢穆終生以所謂國學推廣者自居，完全未有因移居香港而改變舊思想。昔日香港中文大學成立之時，錢穆極力取爭院校首任校長必須係中國人，又認為中文大學應以中文為教學主要語言因而堅持以「香港中文大學」命名，中國認同昭然若揭。佢對自己想像中嘅中國一往而情深，因而流露一種彷彿終生從未接觸西方與東洋思想之固執，重申中國傳統政治唔可以僅僅以西方之君主專制簡單概括，實為「一種自適國情之民主政治」——視唐帝國為一個中國、主張唐之三省制有效制約君權、中國之常態係和多於分等等，都係落伍到無以復加嘅一管之見。而由佢生前曾經講到美國就發狂，指住門口一隻狗當佢係美國前總統杜魯門咁痛罵，更講出狗都比杜魯門有尊嚴呢類軼事觀之，佢嘅生平係完全符合一個愛國儒者嘅典型形象。如此人物，即使對本地大學教育事業有所貢獻，但情緒上狂熱反美反帝，又為中華帝國千年專制辯護，學養實在需要重新評估。

無可否認，大量香港前人視野受時局影響而繼續以中國人自居，但如此現象持續至香港前途談判時期，已經開始生變。香港人雖然尚未完全去除原有認同，但香港文化喺無形之中已經重塑緊大眾嘅心理，只係香港人發現唔到自己一邊做中國人，另一邊又希望維持英殖原狀之精神分裂。呢種精神分裂之下嘅集體意識流動，其實就係香港人成為民族前嘅心路歷程，而一百八十年嘅潛移默化所實現嘅厚積薄發、飛躍進步，非但唔係儒家教化而致，更係完全因為親近西方同時遠離華夏而成。

脫華復性，重新做人

所謂親近西方，更準確嘅講法其實係脫離華夏，恢復人性。儒學本身具有箝制思想之效，自漢武帝獨尊儒術已見一斑，名為推廣文教，實則罷黜各家各派思想體系；南宋朱熹理學號稱重振道學，實際上只係以嚴厲道德批判約束平民，同時助長社會無道德無責任之風；至明之世，統治者為求維持社會穩定，藉科舉制度推動儒教洗腦，應舉者因而受到顧炎武所指之「八股之害」，最終心腦俱殘，民智盡廢。儒學鴨嘴獸分泌之毒液之所以毒，在於人性本有善心，社會發展本有規律，無論任何年紀，都自然會心懷慈愛，無論任何職業，都應該以誠待人，但儒教竟一味高舉聖人之教，無視人類生而擁有之情感與本能，以及可以憑藉強大意志戰勝自身惡念之潛能。結果，華夏食人族因為遺忘人性而更難消滅食人文化，每日猜忌鄰里甚至親人，惶惶終日，最後只可以加入恐懼共同體以求自保；而香港先民因為勇於走出重圍，移居自由天地，最終就喺講究契約精神同市民權利嘅英國殖民地落地生根，開花結果。

〈皇后大道東〉歌詞提及「知己一聲拜拜／遠去這都市」，知己所指正係英國。香港人當時之所以認為知我者莫若英國，其實係因為尚未意識到真正嘅原動力始終來自自身，而非他者。的確，「這個正義朋友面善又友善／因此批準馬匹一周跑兩天」，英國殖民統治為香港先民提供比華夏食人族領域更自由嘅生態系統，但「百姓也自然要鬥快過終點」之「自然」二字，其實只係香港人之自然，並非任何人都可以做到，因為香港人願意為家人付出，亦積極計劃未來，再好逸惡勞都始終希望跟隨社會流動，成為中產。香港人樂天而散漫，靈動而急躁，好食懶飛、輕言放棄者大有人在，然而，大家從未向惡勢力低頭，正係因為心中有愛，是非分明，始終相信只要肯做肯試，凡事皆可能。

香港人開朗樂觀，自覺鴻運當頭，源於香港歷史順風順水，寄居香港，有付出就必定有回報。香港位處東西之交匯處，立於風暴前線，但自開埠至廿一世紀初，城市內部大體風平浪靜，經濟偶有受挫都總係快速復原，貨如輪轉，財源滾滾來，香港人因而難免自覺好彩。加上，香港人長期觀察邊境以北之民間疾苦，對比之下，落戶香港有如抽到上上籤之感，自然油然而生。然而，香港人心中亦一直暗藏惰性，雖然知道不勞而獲只屬幻想，但仍然難以戒除受華夏食人族文化影響之少做少錯僥倖心理。不過，香港人有小聰明，學習能力強，享有相當教育水平，配以外資林立之營商環境以及因自由開放而格外開闊之國際視野，醒目仔女形象相當鮮明，心懷僥倖都一直過到骨。香港人思維靈活，重視規則但絕不死板，生活上體現為擅長與來自世界各地之人溝通，寬容接納各式文化，抗爭時則表現為手段多樣，變化莫測，創意無窮，正係醒目之明證。不過，一般而言，香港人唔係以堅守原則而廣為人知，急功近利與缺乏耐性，常見於日常生活及工作，可以敷衍了事則必然得過且過，節省成本心力，亦係香港人之特點。由此可知，香港人之民族性，與告別華夏食人族之香港歷史緊密相連，全靠一代接一代發揚人性，一點一滴累積而成，香港民族形狀方有今日之清晰可見，後人應當追認珍惜。

華夏毀滅，東亞振興

霍布斯認為，人處於自然狀態難免侵略他人，故此強大政府結合嚴刑峻法，方可防止人類作惡，喺著作之中，佢更以神話中嘅海怪利維坦比喻權力無限膨脹之政權，形象鮮明而震撼。如此思維，正與華夏食人族之認知經驗相似，兇猛海怪與儒學鴨嘴獸之相似，自然亦合理不過。當我回想遠足當日尋覓野生鴨嘴獸，行到設有指示牌之處時之興奮，守候多時而更覺眼前湖景乏善可陳之悵然若失，我突然就諗起黑格爾對中國歷史之精準概述——不停將歷史推倒重建，只不過係「重複終古相同之莊嚴毀滅」。人類文明史上有戰有和，興亡交替，但整體一直係向建立契約、互相約束、互相理解邁進，生活亦因而變得更加美好，無奈華夏食人族一直錯過改革機會，最終就只可以凍結於遠古之世，停留於保護自己免於遇害身亡之原始時期，無法離開every man is enemy to every man之悲慘國度。

中國解體之後，以理殺人之儒教枷鎖將會同時崩潰，滅頂之災會令華夏文化追隨者真正意識到自身信念之不合時宜，而中國治下飽受壓迫嘅大小族群將會經歷西方族群早已經經歷過嘅後帝國時代，呼吸道聽途說已久之自由空氣。建設之路雖然長路漫漫，但天花拆封之後，非你死則我亡之敵對心理自此鬆綁，以日本為秩序維護者之東亞各國將會長久和平共存，而香港建國，既要與日本台灣攜手合作，鞏固東方連繫，亦要促進北方初立諸國與已發展國家之政經交流，扶掖後進。香港深受東西文化薰陶，輝煌歷史已達一百八十年，經驗之豐富絕對不遜色於世上其他喺戰後至按住民自決原則建立嘅國家。只要繼續精進自身，分工合作，堅持到中共主動挑起戰爭之日，香港民族自然會戰勝黑暗，浴火重生。

精進之真義，在於將好戰之意約束於一己體內，以批判他人之態度自我批判，每日反省，每日悔悟，直至重新發現香港民族本已有之嘅人性，成就自己同民族全體。而人性之內，本來就應該有順應天道與愛護他人之心，因為香港民族既然一早已經從華夏食人族之無神論輪迴中自我解放，自然亦等同回歸最初之善良。幾年之後，中國勢將發動戰爭，殘害香港民族，兩國平民難免要兵戎相見，但我相信香港民族大獲全勝之後，絕對唔會重蹈華夏食人族覆轍，冤冤相報，種下更深仇恨。相反，香港民族經歷正義之戰後，將會胸懷促進全人類之道德觀及世界觀差距繼續收窄之美好願景，上承抗爭時期齊上齊落口號，由學識寬容對待民族同胞開始，發揚民族內部應當愛人如己之團結精神，為日後同敵人亦可冰釋前嫌鋪路，成為更成熟嘅民族。只有維持香港文化中一直存在之宗教多元主義，勇於承擔為區域和平竭盡所能之重任，香港民族至會既可確立香港國體，同時再次成為名副其實嘅自由香港、東方之珠。
https://gnimmm.com/2020/06/11/chinese_platypus/

特別鳴謝同道 歪畸 贈圖