死於安樂：八旗軍由盛轉衰的歷史教訓｜知史百家

歷史春秋網

清代八旗軍早期戰鬥力甚強。從統一女真各部並征服蒙古、朝鮮，到推翻明王朝政權的歷次戰爭中，可以說是所向披靡。然而入關後不久，八旗軍便開始出現戰鬥力衰退的跡象。隨著清王朝在全國的統治日趨鞏固，戰事日漸稀少，這支軍隊也逐漸蛻變衰敗，及至晚清亟需用兵之際，它已完全變成一支不堪任戰的糜爛之師。本文將著重從軍事領域的各個不同側面，揭示其由盛轉衰的歷史教訓。


一、八旗軍由盛轉衰的歷史概況

八旗軍是清太祖努爾哈赤創建的軍事組織。他起兵後不久，便對女真族氏族社會時期就存在的兼具生產和軍事職能的社會組織──牛錄進行改造，先後建立了黃、白、紅、藍、鑲黃、鑲藍、鑲白、鑲紅8旗。皇太極時，又按民族分為滿八旗、蒙八旗和漢軍八旗。各旗設立都統、副都統、參領、佐領等官職，逐級統轄。從努爾哈赤創建八旗到1644年清軍攻佔北京這一階段，八旗實行兵民合一，兼具軍事、行政和生產等多方面的職能。兵丁平時狩獵務農，戰時自備武器糧秣，隨軍作戰，「出則為兵，入則為民，耕戰二事，未嘗偏廢」，堪稱一支能征善戰的精兵勁旅，作戰時軍紀頗嚴，有進無退，甚至在死傷慘重、屍相枕籍的情況下仍很少有人退縮逃陣。它曾以精兵6萬，採取集中兵力、連續作戰、逐路擊破的戰法，擊敗明朝10餘萬大軍，取得了薩爾滸大捷；用兩年的時間攻克明軍防守關外的寧錦防線，殲滅明軍5.4萬人；後來又在山海關與明總兵吳三桂合兵擊敗李自成大順軍，逐一消滅各地的反清力量，在建立清王朝、統一全中國的戰爭中發揮了重要作用。

清軍入關並建立全國政權後，建立了八旗常備兵制度，將整個八旗組織原封不動地移入新的社會體系之中，成為完全由國家供養的職業軍隊和職業預備役軍人集團。八旗官兵攜家帶口，按建制集中居住在軍營之中，駐於京畿地區的部隊稱「京營八旗」，駐於全國各戰略要沖之地的部隊稱「駐防八旗」。軍營內生活設施齊備，旗兵及家屬不得私自外出。官兵嚴格從旗人內部選拔，「生則入檔，壯則當兵」。都統、參領、佐領等各級軍事長官同時又是行政長官，平時督促士兵從事生產、養活家口、操練武藝，戰時率部出征。為了維護自己的政權支柱，酬謝八旗軍功貴族，清廷開國之初即給予八旗將士相當優厚的待遇，期以免除官兵後顧之憂，專心練武，保持原有的軍事素質。同時也嚴格規定，八旗官兵不得做工經商或從事其它謀生之業。然而，事與願違。從順治、康熙年間起，八旗官兵便已出現追求享受、戰鬥意志衰退的傾向。在前線指揮戰鬥的親王、郡王和貝勒們「逗留觀望。不思振旅遄進，竟爾營私適己，希圖安便，或逶兵甲之不全，或托舟楫之不具，借端引日，坐失事機」。在平定三藩之亂的戰爭中，八旗軍以往的主力地位已被綠營兵所取代。雍正、乾隆年間的一些重要戰爭，如柴達木之戰、平定大小和卓之戰、大小金川之戰中，儘管參戰的八旗官兵數量有限，其中一些號稱精銳的八旗部隊的表現卻不如綠營兵，昔日敢打敢沖的作風已不復存在。

嘉慶至清末，八旗軍逐漸演變成專靠國家供養的社會救濟組織，失去了起碼的戰鬥能力。1799年清軍在鎮壓白蓮教大起義時，曾一度把京營八旗中最精銳的健銳營和火器營派往前線，結果因軍紀敗壞，不聽約束，未及投入戰鬥就被迫撤軍回京。清朝末年，有人建議從八旗軍中挑選壯丁加以操練，使之恢復入關時驍勇善戰的面貌。而深知其弊的慈禧太后、光緒皇帝此時早已不抱任何幻想，回答說：選練八旗丁壯是多年前的老辦法了，你們卻不知今天的八旗兵早已無可練習。

八旗軍的衰敗主要表現在以下幾個方面：

官兵素質低下。八旗軍入關以後，尚武精神迅速失落，好逸惡勞的現象到處蔓延，直接導致了八旗官兵體能和軍事素質的全面下降。人人耽於安逸，優遊渡日，很少把心思用在練功習武上，掌握良好的鞍馬騎射技藝的官兵越來越少。1815年，嘉慶帝閱看左右兩翼前鋒營官兵射靶，200人內竟無一人能5箭全部射中。八旗兵每逢上操、應差大都是僱人頂替。在皇帝和大臣都要出席的玉泉山閱兵大典上，也是由僕人攜帶著兵器，騎馬乘車趕赴演武場，儼然一副老爺兵的模樣。當時京城中盛傳的謠諺「糙米要掉，見賊要跑，雇替要早，營營要少」，說的便是這幫旗下大爺每次領歲米月糧時都要刁難發放者，臨陣交鋒時唯恐奔逃不及，操演檢閱時都要預僱替身，平日儘量少到營中當差巡城的情形。上述不正常現象的長期存在，必然使八旗軍中充斥人殘技疏、羸弱不堪任戰之人。清末甲午戰爭中，京營八旗中最精銳的部隊神機營赴山海關佈防。有人在蘆溝橋遇見他們，但見「前二名皆已留髯，第三名則一十一二齡童子也，余多衣不周體，蹲踞道旁，不願前進」。這樣的老弱殘兵當然不會在槍林彈雨的戰場上有什麼作為。

訓練形同虛設。清朝建立以後，逐漸建立起較為完善的軍事訓練制度。但因承平日久，這些制度實際上並無人認真執行。平日規定的每月練習步射、騎射，每年合操、考試大都草草了事。有的將領還肆意篡改條例，減少訓練次數，減輕訓練強度。如乾隆年間廣州駐防八旗的火炮訓練時間就由每年4周減為2周，射擊訓練的次數由10次減為5次。有的駐防八旗部隊，甚至因操場被出租賺錢，乾脆取消了火槍和火炮的射擊練習。

軍隊風氣敗壞。清軍入關以後，軍紀鬆懈、風氣敗壞的現象開始出現。終年仰食於官府的八旗官兵拋棄了以往淳樸簡約的社會風尚，以遊手好閒、華衣美食相標榜，追求安逸舒適的生活。平日裡很少有人按時巡城出操，而是「三五成群，手提雀籠雀架，終日閒遊甚或相互賭搏」，「肆無顧忌窩竊、窩娼、窩賭」。將領整日「居家彈箏擊築，衣繡策肥，日從賓客子弟飲」；士兵穿衣爭用綢緞，飲食必求醉飽，甚至將剛發下來的餉銀拿出來揮霍一空，剛領到的糧米轉手賤賣給商舖，換取銀錢大吃大喝，鬥雞走狗、入班唱戲以及抽大煙之風到處蔓延。一些人倚仗著自己的旗人身份，以為反正在生活過不下去時，官府要予以接濟，所以「多有以口腹之故，而鬻房賣產者，即如每飯必欲食肉，將一月所得錢糧，不過多食肉數次，即罄盡矣。又將每季米石，不思存貯備用，違背禁令，以賤價盡行糶賣，沽酒市肉，恣用無餘，以致閤家匱乏，凍餒交迫，尚自誇張，謂我從前曾食美物、服鮮衣。」一月的餉銀不足數日之需，餉米領出以後便行糶賣。

清中、後期，統治階級政治上的腐敗也嚴重地影響了八旗內部。在生活方面，一些軍官為了私人目的指使手下旗兵去做各種小差使、跑腿，打仗時則在隊伍中挑選精兵專門保護自己。一些軍官藉口各種公務對兵丁錢糧私行科斂。如旗人辦事，需要佐領出具保結，佐領往往要收受銀錢才出具手續，使旗人本來就難以養家餬口的兵餉被層層剋扣。還有一些軍官利用手中的權力對屬下兵丁放印子錢（高利貸）。有人甚至與商人勾結起來，讓兵丁先向米鋪借錢，到發放祿米的時候，則由軍官串通米鋪代領，剋扣折算欠款，等到兵丁缺糧少米時，只能向米鋪高價購買。軍官和米鋪商人靠這種卑劣手段獲取重利，不少普通兵丁卻因此家境日趨貧寒，負債纍纍。在用人方面，八旗將領往往以自己的隨營子弟立有戰功及鞍馬騎射技藝出眾為由，將他們提升為軍官。或不顧年齡的限制，挑選心腹及家屬中的孩子和老人當兵吃糧。像防禦和驍騎校這樣較低的軍官職務，簡直可以公開用錢來購買。太平天國戰爭期間，一位名叫陳升的廣州駐防八旗馬甲，就因為捐獻了2500箱火藥而被提升為防禦。八旗軍內部腐敗現象的盛行加速了官兵貧富分化的進程，使官兵關係趨於惡化，對軍隊戰鬥力的削弱有著不可低估的影響。

裝備殘缺廢損。按照制度規定，八旗官兵出征作戰時都應自備兵器糧草，清軍各級組織對官兵自備兵器的殘缺廢損情況平時要定期進行檢查。但從乾隆年間開始，相當一批八旗官兵的自備兵器已是徒存名目。有的八旗兵丁藉口經濟困難不按規定置辦軍器，還有人將已有軍器典當換錢，甚至偷偷地把軍中利器──火炮砸碎賣廢鐵。清廷三令五申，仍是屢禁不止，最後只好在軍器點驗時實行照顧政策，不再點驗旗員內護軍校、筆帖式以至六品武職的軍器。到了乾隆末年，那些沒有經過點驗的官員所擁有的軍器、盔甲大部分朽壞。皇宮各門所備兵器也都成了擺設，不具備起碼的殺傷功能。

當然，八旗兵衰敗的根本標誌還是其戰鬥力的喪失，是其作為一個武裝集團已失去執行自身職能的基本能力。而對此最嚴格、最全面的檢驗應當是在你死我活的戰場上。1659年鄭成功攻南京之役，鎮守南京的總管喀喀穆統八旗軍不敢迎戰，只好以綠營出擊，已初露衰弱之象。康熙年間平定三藩之亂，大將軍多羅順承、郡王勒爾錦駐兵荊州，勞師數載，不敢進兵。聽說吳三桂軍隊到來，匆匆將大炮埋在土中倉惶退去。貝勒尚善、察尼、鄂鼐等領兵進攻岳州，藉口舟楫未具、風濤不測，屯兵城下一年之久，不敢一戰，聽到退卻的命令，竟「三軍歡聲如雷」。清中後期，八旗軍將無敢戰之膽、兵無縛雞之能的實情已為舉國上下所熟知，連清廷也不敢輕易把他們派上戰場了。

二、八旗軍衰敗的原因：

八旗軍從興盛走向衰敗是一個複雜的歷史過程，是多方面因素綜合作用的結果。

首先，也是最根本的因素，八旗軍的興衰與清王朝的興衰是一致的。作為與廣大人民利益根本對立的封建貴族政權，清王朝的統治最終走向腐朽是歷史的必然。作為這一政權的統治工具，八旗軍由盛而衰也符合歷史發展的規律，並且是清王朝走向沒落的一個縮影。早在「康、乾盛世」時代，清王朝就開始顯露出種種敗兆。最明顯的表現是封建貴族們出於其追逐財富、剝削壓榨廣大民眾的階級本性，上至皇帝大臣，下至各級官吏、豪紳，皆一改清初較為簡樸的風氣，肆意侵吞和揮霍人民的勞動果實，追求紙醉金迷的糜爛生活。康熙6次南巡，費用浩大，銀子花得跟淌海水似的。乾隆的豪侈則遠遠超過他的祖父和父親。為遊山玩水、尋歡作樂，他倣傚康熙6次南巡，途中修建行宮30處，運河上的隨行船隻達上千艘。每到一處，地方官百般討好，搭綵棚、辦筵席、進貢山珍海錯和土產方物，酒無虛日，城開不夜。乾隆還大興土木，修建宮殿、苑囿，如擴建康熙時修建的避暑山莊，建外八廟；擴建雍正時期建的圓明園，增建長春園、綺春園等，不知耗盡了多少民脂民膏。清朝的王公貴族、文武百官也上行下效，無不沾染上奢華沒落的風氣，貪污成風，賄賂公行。而歷朝皇帝大都對此睜一隻眼閉一隻眼，不作深究。康熙朝掌握大權的索額圖、明珠、徐乾學和高士奇等人無不是聲名狼籍的貪贓枉法之徒。乾隆的內侄福康安也仗著自己的寵貴地位和特殊功勛，搜刮民財，生活異常奢汰，動輒拿出上萬金幣犒賞軍中將士，家中每日裡姬妾僅買花就花費數萬錢。最典型的是乾隆晚年執掌朝政的和坤。他任軍機大臣達24年之久，專權和貪婪之名，連外國人都知道得清清楚楚。1799年，乾隆死後，嘉慶將他治罪抄家，僅其家產的一部分就值2.2億多兩，相當於當時國庫5年多的收入。和坤的兩個僕人被抄沒的家產也值700多萬兩白銀。可見他們貪贓枉法已達到何種嚴重的程度。

清朝封建政治的腐敗必然會深刻地影響到八旗軍官兵，這是導致八旗軍衰敗的最根本原因。但八旗軍本身在治軍指導思想以及相關制度、決策上的種種謬誤弊端，也是十分重要的原因，直接加速了其衰敗過程。

其一，對變化中的國家安全環境缺乏清醒意識，缺乏整軍經武、進行改革的危機感和緊迫感。清軍入關以後，所面臨的社會歷史環境發生了四大變化：由以遊牧狩獵經濟為主的滿、蒙少數民族聚居地區進入到以農業經濟為主、漢族佔絕大多數的關內廣大地區；由部族軍隊變成國家軍隊；由戰爭時期進入到相對和平時期；由以冷兵器為主的時代進入到火器時代。與此同時，隨著歐洲工業革命的開始和歐洲通往東方航線的「開闢」，西方殖民勢力加快了從海上東侵亞洲各國的步伐，佔領了爪哇、蘇門達臘、菲律賓、印度、緬甸等許多中國周邊國家，將其變為自己的殖民地，甚至入侵中國的澎湖、台灣，竊據澳門。原先地處歐洲的俄羅斯也在短短近百年間，越過烏拉爾山，迅速佔領東、西西伯利亞的廣闊疆土，成為中國的北方強鄰。這些「千古未遇」的強敵逼處四鄰，虎視眈眈，給中國的安全環境帶來極大威脅。

上述變化客觀上要求清朝統治者從實際出發，對確立於戰爭年代的八旗制度進行改革，特別是將原先「軍民合一」的八旗軍的軍事組織職能與社會組織職能剝離開來，建立適應當時世界局勢及和平時期軍隊建設的軍事體制，將八旗官兵家口的生計問題交由社會去解決；要求清朝統治者不能僅僅滿足於應付國內問題，而要學習近代西方先進的軍事技術、編制體制和軍事思想，盡快使自己的軍隊擺脫落後狀態。

但清朝統治者卻無視這些客觀需求。他們死抱住「祖宗成法」不放，片面強調「辦理一切事件，皆法祖宗」，把建立適應新的社會環境的軍事制度與優待八旗軍功貴族對立起來，把學習西方先進技術與保持旗人的尚武精神對立起來，軍事改革嚴重滯後。一旦有人主張對八旗制度做這樣那樣的變革，都遭到嚴厲斥責。例如，清中後期，旗人貧富分化日益嚴重，貧窮者不得不將清朝廷分給他們的土地大量典賣他人，單靠朝廷發放的兵餉俸祿生活。而隨著旗人家庭人口迅速增加，往往一份兵丁糧餉要養活十幾口人，致使許多貧苦旗人家徒四壁，有的旗人因為貧窮一輩子不敢結婚，有的旗人跑到農村去討飯甚至餓死。而清朝統治者眼看著大批旗人窮困潦倒，卻不肯對這一過時的制度進行根本性改革。嘉慶帝在聽取某御史關於派京城中的八旗閒散人丁到口外、西北一帶耕墾的建議時，曾大發雷霆說:「若如該御史所奏，八旗男婦皆以紡織為務，則騎射將置之不講。……於國家贍養八旗勁旅，屯駐京師本計，豈不大相刺謬乎」。另一方面，抱著「天朝上國」自大心態的清朝統治者，以為憑著老祖宗」馬上打天下」的騎射功夫足以揚威天下，因而無視近代西方軍事技術的高速發展，無視西方列強「船堅炮利」的現實，閉關鎖國，固步自封，聽任自己的軍事技術停滯落後。清軍征緬作戰時，已發現緬人所使用的來自西方的火槍性能遠遠超過清軍的火槍，但沒有引起乾隆皇帝的足夠重視。英國使臣馬戛爾尼出使中國時，曾帶來一支裝備有新式武器的衛隊。他邀請清朝名將福康安檢閱衛隊演習新式武器。福康安卻不屑一顧地說：「看也可，不看也可。這火器操法，諒來沒有什麼稀罕。」英國送給清王朝的新式火炮，被收藏到圓明園倉庫之中。直到百餘年後，露出強盜真面目的英國侵略軍打上門來，攻佔京城，火燒圓明園，又把這些沈睡多年的火炮重新搬上船運回國。鴉片戰爭失敗以後，清朝統治者雖然不斷接到中國軍事技術專家們關於仿製西洋火器的建議，卻並沒有產生學習西方先進技術的緊迫感，仍把這些先進火器打發到倉庫中去睡大覺，並再次下諭，命令八旗官兵們學好滿語、騎射功夫。

其二，當迫於現實壓力不得不進行改革時，卻往往以錯誤的思想做指導。頑固守舊的清朝統治者通常對改革抱著敵視的態度，但在客觀形勢的逼迫下，在陳腐的八旗制度實在難以維持下去時，不得不對其進行某些局部的改變。但在這種時候，卻往往是從優待八旗貴族、解決旗人生計問題出發，著眼於賙濟八旗老弱，為其提供起碼的衣食之需，背離了軍事組織以增強戰鬥力為宗旨的改革方向。比如，為了遏制旗人因為典賣土地，負債纍纍，經濟地位日益惡化的趨勢，清廷動用巨額公款代八旗兵丁回贖「民典」旗地，代還債務，賞賜銀兩錢糧。設立養育兵制度，從那些戶口滋盛，餘丁繁多，因無法補上兵額而生活窘迫旗人家庭中挑補養育兵，每月發一定數量的兵餉或祿米。在挑選馬甲等薪餉較多的職位時，不是以身體是否強壯、軍事素質好壞為標準，而是對貧乏孤寡之人，對無人贍養者，對年老者實行照顧政策，讓其領取更多的薪餉。有時，採取用國庫款項或挪用軍費經商，減少營馬數量，削減裝備和訓練方面的開支，將訓練場地和一些公共建築出租賺錢的辦法，來接濟貧困旗人。

這些措施，從本質上說是為了維護陳腐落後的八旗制度，解決旗人一時生活之需，而不是著眼於解決軍隊的機制問題，對整個軍事制度進行脫胎換骨的改造，所以並不能從根本上制止八旗官兵生活水平日益下滑的發展趨勢。為救濟貧困而增加的兵額與餘丁數量的迅猛增加相比，無異於杯水車薪。康熙年間是五名丁壯招收一兵，乾隆年間已達到八名丁壯招收一兵，其後兵、壯比例更為懸殊。靠著一名士兵每月一兩銀子、五斗米贍養一家十幾口人的情況相當普遍。康熙、雍正、乾隆年間為旗兵贖回的土地很快又被賣掉。平日對八旗官兵的補助賞賜，也只能救一時而不能救長遠。但從另一方面看，這些以解決八旗生計為核心的做法卻嚴重地危害了八旗軍的建設。為了供養養育兵，救濟貧苦旗人，八旗將領採取減少戰馬和戰船數量的辦法，將原先給戰馬買草料或製造、修理戰船的錢來救濟士兵家口，甚至將戰鬥力比較強的騎兵兵額裁掉，挪出錢來養活更多的養育兵，使八旗軍隊中充斥戰鬥力較低、甚至完全沒有任何作戰能力的冗員。八旗將領用軍費和出租軍產經商，也對清軍內部腐敗現象的蔓延起到了推波助瀾的作用，一些人乘機大肆出售軍用牧場、演炮場，造成八旗戰馬數量銳減，士兵無處進行火炮射擊，就連射程比較近的火槍射擊，也因為操場長度不夠而只能在秋收後舉行。而八旗官員整天忙於經商，自然無心進行正常的軍事訓練，平日操演擺花架子，敷衍了事也就不足為怪了。

其三，軍事功能與社會功能混為一體，軍隊臃腫不堪。為了維持八旗成員特殊的政治、經濟地位，清廷將八旗官兵及其家屬全都包下來，給予他們授官襲爵，佔有土地、人丁等許多方面的好處。而長期供養「數十萬不士、不農、不工、不商、非兵、非民之徒，安坐而仰食於王家」，必然要給清朝的中央和地方財政帶來十分沈重的負擔，不得不竭盡全力搜括民財予以支撐。清軍軍費支出大體可以分為三部分：一是兵餉馬干銀，主要來自於中央財政支出，其數額在雍正中期以前每年約1900萬兩左右，雍正末年以後每年約為2600萬兩左右。二是歲米月糧，由國家徵收的糧食中統一撥給實物，也有一部分糧米採取折成銀兩的辦法發放。三是武職養廉銀、兵器火藥製造費、軍事工程修造費等，主要由地方財政支出，大約每年500萬兩左右。在上述巨額軍費支出中，僅兵餉馬乾銀一項每年即佔康熙朝中央財政支出的70%，佔道光朝中央財政支出的72%。而其軍費的一半以上都耗費在人數最多時僅有27萬人的八旗軍身上。如嘉慶朝60萬綠營官兵每年兵餉馬干銀約1200萬兩，僅佔當年總數的46%，其餘1400餘萬兩為八旗官兵兵餉馬干，約佔總數的54%。

但在上述管理模式下，清廷每年花費的巨額軍費並沒有真正增強八旗軍的實力。這是因為在八旗俸餉總額中，官兵的家口、馬匹耗費佔了很大的比重。僅以西安駐防八旗為例，其官兵的俸餉佔餉銀總額的42%，所支糧食佔糧食總額的7.4%；而供養官兵家口的費用則佔餉銀總數的20.5%，所支糧食佔糧食總額的90.5%；養馬費用佔餉銀總數的37.5%，馬匹飼料糧佔糧食總數的2.1%。而馬匹飼養費項目的設立在很大程度上帶有補貼旗人家口生計的性質。清中後期，各駐防八旗軍營都大幅度減少，實際養馬數額，私下改騎兵為步兵，出租牧場，馬匹飼養費實際上是空有名目，大部分被挪做它用。即使是作為兵餉發放的軍費，也有相當數量花在為救濟旗兵生計而內部招收的養育兵身上。這些年幼體弱的「童子軍」數量十分可觀，乾隆年間總數即達到2.6萬餘人。嘉慶後期數量更多，僅八旗驍騎營中已達26872人，佔驍騎營總兵額的33.4%。他們每月所領的餉銀為3兩、2兩、1.5兩不等，按平均數計算，則每月耗銀不低於5萬兩，每年耗銀不低於60萬兩。但這些養育兵實際上是在空吃糧餉，根本不具備起碼的軍事技能，也就無法在戰場上發揮其應有的作用。

更為嚴重的是，隨著八旗人口的不斷增加，八旗軍費日益增長，大大超出了清廷的財政支付能力，一旦遭逢災害、戰爭，收入劇減，軍費將無法保證按足額發放。清中、後期，由於西方列強的侵略和掠奪，國內農民起義風起雲湧，本來就捉襟見肘的清朝財政瀕於崩潰，清廷不得不在咸豐年間將旗餉減成發放，京營八旗官兵只能拿到原餉的六、七成。在一些地區，旗兵俸餉拖欠扣減現象更為嚴重。如光緒末年奉天旗人在兩年間總共發了9個月的俸餉，加上扣減攤派，每兵所得不及餉額的十之一二。而這種「既要吃皇糧，又吃不飽皇糧」的現象的出現，對本來就難以維持生計的旗人家庭無異於雪上加霜。一些旗人紛紛逃亡，另覓生路。有的旗人還違禁私下做起了小生意補貼家用，而無心上操應差。更多的人則因為長期享受優待政策，產生強烈的依賴心理，把當兵看成是一種謀生的手段，把遊手好閒、追求安逸奢侈的生活看成天經地義的權力，清廷補貼賞賜稍不如意，就四處鬧事。清代京營八旗兵丁曾幾次為增發津貼等事項，在皇宮門前或親王府中聚眾喧嘩，幾乎釀成大規模暴動，令清朝君臣都頭痛不已。

其四，治軍不嚴，訓練鬆垮，姑息成風。清廷給予八旗官兵特殊的優待政策，也使得「從嚴治軍」的信條在他們身上無法真正實行。事實上，八旗士兵在社會上惹事生非，打架鬥毆，作姦犯科，久已成為京城和各八旗軍防地的一項公害，各級旗營軍官總是曲加庇護，地方官吏也很少敢出面拿問，致使旗營無賴的氣焰愈加囂張。八旗軍的訓練，大都是虛應故事。不僅平日射箭拉弓，視為具文，就連三年一次的大閱兵，也不過臨時稍為演習，過後即置而不問。負責監督軍訓的御史大臣們雖心知肚明，卻仍層層欺瞞，不願意說出真相。一次，某王爺奉命閱操。有一名步軍校遲到，按例要受到鞭打的處罰。執刑人解開他的衣服，卻發現一大堆小古董從其身上掉下來。王爺問是怎麼回事。步軍校哭著回答說：「家中有人十口，每月只有五兩俸銀，吃不飽飯，只好從古董店裡領一些小古董到集市上販賣以養家口。今天早上正逢隆福寺廟會，所以上操遲到了。」最後連王爺也只好將他放了不加責罰。乾隆、嘉慶皇帝對八旗軍內部隱瞞真相、姑息遷就的情形並非毫無所知，也曾多次批評八旗官兵和監察御史。但他們除了在口頭上提倡「鞍馬騎射功夫」外，並沒有採取什麼有效措施來改變這一局面。相反，卻不斷降低軍官和士兵的軍事技能考核標準。如乾隆以後規定，各旗挑選馬甲時不再校閱騎射功夫，只是將備選之人傳赴衙門，令其拉弓，即行選取。據收藏在東洋文庫中的《雍正朝鑲紅旗檔案》記載：當時世襲祖先軍官職務的大多數人，軍事技能考試成績並不好，許多人的步射、騎射成績評語都是「劣」，個別為」平」，幾乎沒有得「優」的，卻都能照樣任官不誤。這些新的考核標準實際上是姑息了僅把當兵作為謀生手段的的八旗子弟，縱容了旗人不習武藝，整日遊蕩的風氣。

其五，實行封閉的用人制度，人才危機日益嚴重。軍隊是擔負專政職能的特殊武裝集團，只有廣泛吸納社會上的優秀人才，才能有效地履行這一職責。但八旗軍始終是關起門來，在自我封閉的小圈子裡搞軍隊建設。八旗制度規定軍職世襲。兵員都從旗人子弟中選募，旗人不得與漢人通婚，以保持血統的純潔；初級軍官主要靠世襲或由官學中學習滿漢語言、騎射功夫的八旗軍官子弟中間選拔。屬於中級軍官的佐領，有勳舊、世管、互管、公中諸種，除公中佐領外，都是由某一個或幾個世家子弟承襲。高級將領如都統、副都統全都由滿洲貴族世代壟斷。由於世襲範圍十分廣泛，八旗軍職的陞遷失去了競爭力，失去了公正性，使得八旗軍官隊伍中充斥昏庸無能、不思進取之輩。特別是清廷常派缺乏行伍經歷及戰爭閱歷的皇親國戚擔任大軍統帥。這些人從小生長在深宮官府之中，過慣了驕奢淫逸的生活，大多不具有擔任軍隊統帥的素質，卻硬被置於關係到戰爭勝敗、國家安危的重要崗位上，由此往往埋下失敗的種子。清軍在征討噶爾丹、平定準噶爾等作戰中屢次受挫，都是由於任用了昏庸無能的八旗貴族做主帥所致。比如清軍對準噶爾用兵時，雍正皇帝先後派出怯懦無能、寡謀魯莽的滿族貴族傅爾丹、馬爾賽為將，結果損兵折將，一敗塗地。而雍正皇帝不自省用人不當的教訓，反而極力庇護敗軍之將，遷怒於漢人將領。賜給傅爾丹御帶，卻將漢人寧遠大將軍岳鐘琪關進監獄，將漢人署寧遠大將軍紀成斌處死。有的八旗將領不僅無能，而且怕死，在戰場上鬧出不少笑話來。康熙年間的烏蘭布通之戰，擔任前敵將領的正白旗副都統色格，臨陣怯戰，推托中暑而下馬。他的家人說：「二品大員如此臨陣退怯，將來回去有什麼臉面見人呢？」又把他扶上馬。色格卻再次從馬鞍上滾下來，躲進草叢。等到打完仗回營時，還是渾身顫慄不已，身穿甲冑、蒙著大被抖到天亮，一時傳為軍中笑談。封閉的用人制度所帶來種種不利影響，從上述例子中可見一斑。

其六，以體恤八旗官兵為由，不願利用寶貴的臨戰機會對八旗軍隊做適度使用。清廷和八旗將領為了優待旗人，保存「國之根本」，一方面禁止他們與漢人接觸，免受漢文化的熏染。另一方面又以體恤生命為由，不願意在一些小規模戰爭中適度地使用八旗官兵。早在平定三藩之亂時，八旗大軍頓兵昆明堅城之下，不思進取。漢人將領趙良棟欲發動進攻，即遭到定遠平寇大將軍彰泰的反對，理由竟是「皇上豢養之滿州，豈可輕進，委之於敵？」其實不僅彰泰，康熙、雍正、乾隆皇帝在歷次南北戰爭中都有不願多用八旗兵的想法。如1767年征緬甸之役，用兵25000名。其中綠營兵22000名，八旗兵僅僅3000名，綠營兵數多於八旗8倍有餘。1787年鎮壓台灣林爽文起義，用綠營兵10000名，八旗赴前敵者僅100名。1853年鎮壓太平天國起義，清軍調集綠營兵53436名，八旗兵僅4999名，綠營出兵人數較八旗多出10倍有餘。即使是派八旗軍上戰場，打仗時也往往是由綠營兵甚至臨時招募的勇營兵打頭陣，八旗兵在後跟隨。這樣做表面上看起來是對八旗官兵的體恤優待，從長遠觀點看卻是坑害了他們。在相對和平時期，每一場戰事都是檢驗軍人素質和軍事訓練水平的難得機遇，也是將帥們積累作戰指揮經驗的極好機會。然而從清朝統治者到八旗官兵都千方百計逃避上戰場，只滿足於在平日的操演教閱中走過場、擺花架子，以領取糧餉度日。清後期，八旗官兵除了蒙古、吉林、黑龍江馬隊還稍能打仗以外，京營八旗和各駐防八旗大都是兵無縛雞之能，將無才智之士。當時荊州旗營官兵甚至連自己軍營中的財產都保護不了，還需要花一大筆錢僱人替他們站崗放哨，以防止小偷偷竊財物，由此不難看出其軍事素質之低劣。

綜上所述，八旗軍由盛轉衰是在特殊的社會歷史條件下出現的現象，它的衰敗與封建統治階級腐朽沒落的趨勢是相一致的。但同時也要看到，任何軍隊從戰爭年代進入和平時期，都要面臨嚴峻的考驗。古今中外的軍隊都要經過這一關。八旗軍由盛轉衰的事實，一定程度上反映了和平時期軍隊建設過程中某些普遍傾向。清朝統治者對和平時期軍隊建設的影響認識不足，固步自封，拒絕改革，直接導致了八旗軍的迅速衰敗。這一歷史教訓對後人仍然具有一定的警示作用。

（本文由「歷史春秋網」授權「知史」轉載繁體字版，特此鳴謝。）

網站簡介：
歷史春秋網（www.lishichunqiu.com）成立於2010年6月，是一個以歷史為核心的文化資訊門戶網站，提供中國古代歷史、政治軍事、經濟文化、中醫養生、書畫藝術、古董收藏、宗教哲學等內容。致力於傳承國學經典，弘揚中華優秀傳統文化。

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。