當下，風景園林或景觀設計行業(yè)不能只在自己的小圈子討論設計好或不好，而是應該跨出舒適區(qū)，與不同的行業(yè)交流切磋。筆者一直對AI充滿關注。認為未來是AI的時代，我們人類應該要未雨綢繆，更好地駕馭AI，或與AI并肩戰(zhàn)斗。

　　從圍棋AlphaGo、AlphaGo Master到AlphaGo Zero的演變和進化，我們看到了什么?

　　今年倫敦當?shù)貢r間10月18日18:00(北京時間19日01:00)，谷歌旗下的DeepMind團隊公布了進化后的最強版AlphaGo ，代號AlphaGo Zero。

　　新版本的AlphaGo究竟有多厲害?打敗李世石的AlphaGo用了3000萬盤比賽作為訓練數(shù)據，AlphaGo Zero用了490萬盤比賽數(shù)據。經過3天的訓練，AlphaGo Zero就以100:0的比分完勝對陣李世石的那版AlphaGo。與學習大量人類棋譜起步的前代AlphaGo不同，AlphaGo Zero是從"嬰兒般的白紙"開始，通過3天數(shù)百萬盤自我對弈，走完了人類千年的圍棋歷史，并探索出了不少橫空出世的招法。自我對弈40天后，AlphaGo Zero變得更為強大，超過了此前擊敗當今第一人柯潔的"大師"版AlphaGo。通過數(shù)百萬次自我對弈，AlphaGo從零開始掌握了圍棋，在短短幾天內就積累起了人類幾千年才有的知識。AlphaGo Zero也發(fā)現(xiàn)了新的知識，發(fā)展出打破常規(guī)的策略和新招，卻又更勝一籌。

　　該團隊的負責人哈薩比斯等人撰文《AlphaGo Zero從零開始》提到:人工智能研究的一個長期目標就是創(chuàng)造能在最有挑戰(zhàn)性的領域，不用人類輸入就達到超人水平的算法。AlphaGo Zero之所以能當自己的老師，是用了一種叫強化學習的新模式。系統(tǒng)從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝利者。升級后的神經網絡與搜索網絡結合成一個更強的新版本AlphaGo Zero，如此往復循環(huán)。每過一輪，系統(tǒng)的表現(xiàn)就提高了一點點，自我對弈的質量也提高了一點點。神經網絡越來越準確，AlphaGo Zero的版本也越來越強。

　　那么從阿法狗的進化，我們發(fā)現(xiàn)AI強大的學習能力。所以，人類開始擔憂:AI會不會取代人類?或者說:在這個時代，做什么工作最有可能被機器人淘汰?干什么最不容易被淘汰?

　　上周BBC分析了365個職業(yè)，我們意外地看到如攝影師之類的藝術家職業(yè)也正在被AI所取代，那么就是說:AI也已經能拍出美美的照片了?

　　上周，《紐約客》雜志的一張最新封面毫無征兆地在朋友圈里刷了屏。封面上，人類坐地行乞，機器人則扮演了施予者的角色，意指明顯--在未來社會，人類的工作機會被不斷進化的機器人剝奪，從而淪為了流落街頭的弱者。

　　BBC 基于劍橋大學研究者 MichaelOsborne 和 Carl Frey 的數(shù)據體系分析了 365 中職業(yè)在未來的"被淘汰概率"。

　　雖說他們分析的僅僅是這些職業(yè)在英國的前景，所基于的也不過是英國本土的數(shù)據。但從這些概率中，我們可以得出兩個基本的結論:

　　如果你的工作包含以下三類技能要求，那么，你被機器人取代的可能性非常小:

　　社交能力、協(xié)商能力、以及人情練達的藝術;

　　同情心，以及對他人真心實意的扶助和關切;

　　創(chuàng)意和審美。

　　如果你的工作符合以下特征，那么，你被機器人取代的可能性非常大:

　　無需天賦，經由訓練即可掌握的技能;

　　大量的重復性勞動，每天上班無需過腦，但手熟爾;

　　工作空間狹小，坐在格子間里，不聞天下事。

　　以下則是部分具體職業(yè)的前景展望，我們重點關注了攝影師這個職業(yè)!但是，我們往下看到了建筑師。

　　電話推銷員

　　被取代概率99.0%

　　打字員

　　被取代概率98.5%

　　會計

　　被取代概率97.6%

　　保險業(yè)務員

　　被取代概率97.0%

　　銀行職員

　　被取代概率:96.8%

　　政府職員

　　被取代概率:96.8%

　　接線員

　　被取代概率:96.5%

　　前臺

　　被取代概率:95.6%

　　機器人前臺這兩年已經多次登上了新聞標題，話題度最高的是由日本軟銀公司開發(fā)的 Pepper。目前，日本以及歐美多國都已經有醫(yī)院、銀行、電器店之類的機構購買了 Pepper，作為前臺接待人員使用。

　　客服

　　被取代概率:91.0%

　　人事

　　被取代概率:89.7%

　　保安

　　被取代概率:89.3%

　　房地產經紀人

　　被取代概率:86%

　　工人，以及瓦匠、園丁、清潔工、司機、木匠、水管工等第一、第二產業(yè)工作

　　被取代概率:80%-60%

　　廚師

　　被取代概率:73.4%

　　IT工程師

　　被取代概率:58.3%

　　圖書管理員

　　被取代概率:51.9%

　　攝影師

　　被取代概率:50.3%

　　令人驚訝的是，攝影師這樣一份依賴主觀審美的工作竟然也被判定為有超過 50% 的可能被機器人取代。

　　而谷歌也的確開發(fā)出了一種試驗性的深度學習系統(tǒng)，這個系統(tǒng)會模仿專業(yè)攝影師來展開工作，從谷歌街景中瀏覽景觀圖，分析出最佳的構圖，然后進行各種后期處理，從而創(chuàng)造出一幅賞心悅目的圖像。

　　下面是該 AI 系統(tǒng)基于 Google 街景創(chuàng)作出來的一些作品:

　　演員、藝人

　　被取代概率:37.4%

　　在所有常見的藝術創(chuàng)作工種中，"演員"被判定為最容易被機器自動化取代的行業(yè)，概率高達 37.4%。

　　但怎么說呢，撇開科幻小說中用虛擬形象取代真人演員的情節(jié)不談，單單是當下以假亂真的"摳圖劇"就讓我們對這個行業(yè)被取代的前景充滿了信心。

　　化妝師

　　被取代概率:36.9%

　　寫手、翻譯

　　被取代概率:32.7%

　　理發(fā)師

　　被取代概率:32.7%

　　運動員

　　被取代概率:28.3%

　　警察

　　被取代概率:22.4%

　　程序員

　　被取代概率:8.5%

　　記者

　　被取代概率:8.4%

　　保姆

　　被取代概率:8.0%

　　健身教練

　　被取代概率:7.5%

　　藝術家、音樂家、科學家

　　被取代概率分別為:3.8%、4.5%、6.2%

　　無論技術如何進步，人工智能如何完善，對人類而言，創(chuàng)造力、思考能力和審美能力都是無法被模仿、被替代的最后堡壘。

　　律師、法官

　　被取代概率:3.5%

　　牙醫(yī)、理療師

　　被取代概率:2.1%

　　建筑師

　　被取代概率:1.8%

　　近年，已經有各種各樣的所謂"人工智能建筑師"被開發(fā)出來，但這些系統(tǒng)能完成的工作僅僅是畫圖紙而已。

　　公關人員

　　被取代概率:1.4%

　　心理醫(yī)生

　　被取代概率:0.7%

　　教師

　　被取代概率:0.4%

　　酒店管理者

　　被取代概率:0.4%

　　從中我們可以看出:在專家的評估中，圖像審美與其他藝術不同，是可以被量化、數(shù)據化的。

　　那么，問題來了。以建筑師為代表的設計師被取代指數(shù)為1.8%，名列該榜倒數(shù)第五位。其點評是因為:"以建筑師為代表的設計師真正賴以立足的創(chuàng)意、審美、空間感、建筑理念和抽象的判斷都是機器難以模仿的。"

　　套用一句同濟建筑城規(guī)學院領導的話來說:未來所有的人都是設計師，而所有的公司都是設計公司。

　　那么，再深究下去，景觀設計師是否比建筑師更不容易被AI所取代?

　　我覺得答案是顯而易見的，景觀設計師幾乎很難被取代。有以下三個原因:

　　1. 對風景園林的審美存在主觀性。首先有東西方的差異，其次即使都是中國人，人與人也對園林景觀有著不同的看法，差異也很大。這一點建筑行業(yè)的標準相對統(tǒng)一，審美比較一致。

　　2. 如果說圖像審美可以通過大數(shù)據進行量化，但是風景園林的審美則難于被量化。我們很難說蘇州園林指數(shù)34567，而日本園林的指數(shù)是76543，彼得沃克作品指數(shù)是86532，巴拉甘作品指數(shù)是97651....等等。依據不足，數(shù)據也不夠大，如何被量化?

　　3.無法用大數(shù)據來量化并優(yōu)化學習的根本原因是，風景園林或景觀設計的標準和規(guī)律并不明確。哪些人或設計項目可以成為標準?這些標準的判斷是一致的嗎?還是各有矛盾?所以說，我們不要為難AI了，他都無從下手，學都不知道如何學，他如何戰(zhàn)勝人類?這實在是AI厚黑學的經典案例。

　　當然，風景園林學科中很多已經標準化的內容會更容易被大數(shù)據窮舉法運算出來，這實在都不需要AI出手。

　　最后，我們還是希望說透一個問題:審美是否可以被量化?而如何被量化?

　　要回答這個問題，還是回頭問:"美到底是什么?"

　　應該說，美是一種引起人的愉悅感的物質屬性。"認為一個事物美"，可以被看成一個行為或是大腦的一個認知活動。無論你是誰、對象是什么、在什么時候，這個活動都是有一定的共通性的。

　　而從神經科學角度來定義美的這類研究，叫"神經美學(Neuroaesthetics)"。這是一個相對較新的美學分支，最開始是由倫敦大學學院的神經美學教授Semir Zeki(澤米兒·澤基)提出的，他本身也是一個很有名的視覺神經科學家。Zeki在神經美學上最大的一個貢獻是發(fā)現(xiàn)負責評價"一個視覺作品美不美"的大腦區(qū)域--覆蓋于眼眶之上的大腦皮層，眼窩前額皮層(或叫眶額皮層，orbitofrontal cortex)。

　　有趣的是，核磁共振實驗發(fā)現(xiàn)，人對作品的美丑評價，和這個區(qū)域的活動強度有關:活動強，便認為一個作品很美;活動弱，便是丑的。從這個維度來說，"美"是可以量化的。

　　那么，我們認為美所帶來的"體驗"，景觀設計或建筑設計等一系列設計最終都是可以通過大數(shù)據量化的。而大數(shù)據量化的一個標準可能是"體驗設計"的多個標準化體驗點的打分機制。