你还好意思说自己是脑力劳动者吗？

很长时间以来，人类区别脑力劳动和体力劳动的标准，是颇值得反思的。

我们一般默认，那些坐在办公室里的人，都应该属于脑力劳动者，即在工作中基本不使用头部和手指以外肌肉的人。在东亚这种极为重视教育的民族氛围中，更将这种区别二元对立化，认为体力劳动只是简单、重复、乏味的肌肉循环，唯有脑力劳动才是充满挑战、变化、不可预测的高智慧人类劳动。

这个区别以及背后的含意真的准确吗？比如橄榄球运动员，个个体壮如牛，喘着粗气鼓着腮帮子奔跑、冲撞甚至抱摔，然而橄榄球是一项非常讲究规则战术，严格依靠团队配合，并且极其考验个人瞬间判断的运动。这些壮汉在工作时，不动脑吗？

再比如面朝黄土背朝天的农民，以及工厂里的焊接工，他们不仅要掌握并不断打磨自己的技艺，还必须应付工作中的随机性，比如气候变化和不规则模具。他们不是什么识文断字的高手，但在自己的工作领域内，具备了极高的技能储备和应变能力，这些统统都是需要脑力判断的。

更关键的，还不是体力劳动者动不动脑，而是那些“脑力劳动白领”们，平时的工作真的都属于挑战、变化、不可预测、需要高级智慧判断的吗？

财会人员每天大量的时间，会用在比对数据，整理表格上；合格的文字工作者，其收集素材与产出内容的比例至少是二比一以上；教师、律师、医生等职业在绝大部分时间谈不上什么处理新鲜事，每天都在应付一些浅层知识的重复调用；至于客服、录入员、审核员等等传统的白领职位，就离“脑力劳动”更遥远了。

说这个话题，不是为了抨击什么，而是揭示目前人类劳动状态中，依然有太多重复、单调、无聊的时刻，即便在传统意义上的“脑力劳动”中也是如此。

这不是一种让人类更幸福的工作模式，因为在这些劳动岗位上，人其实只是工具。和一个扳手、锤子、钉子没什么区别，只不过人比这些工具多读了十几年书罢了。比如近几年很多公司都在做实时翻译机，看着手里这个鸡蛋大小的玩意能够清晰翻译多国语言，不少专业八级的外语高材生难过起来——这工具不就是他们真人的物化版本吗？

从21亿秒中找出60秒

自从拿到NBA赛事的网络传播权后，腾讯的视频库中就积累了长达69年、超过21亿秒的篮球比赛视频素材。这丰富而庞大的视频资料储备，既是幸福也是烦恼。

这是一个常见的情景：在NBA比赛传播中，需要经常为某个球员做一段精华集锦片段，比如当这个球员被评奖、本场比赛发挥出色或者人气很高时，我们在网上都看过大量此类视频。

然而，有谁考虑过，制作这些视频的剪辑师要怎样工作呢？他们需要从数亿秒的视频中找到60秒可用的素材，再通过自己的认知判断将其剪为一段完整的视频，最后再配上音乐和特效才能完成。

在传统意义上，这份工作毫无疑问属于脑力劳动，然而上文的质疑同样有效：按照特定属性寻找视频素材、遍历一个巨大的数据库、将这些视频素材组合成一个符合逻辑的视频时间轴，如果抽象出来，这几步工作就是寻找、判断、剪接的动作不断重复，这真的是“智慧结晶”吗？

于是，腾讯找来了一个帮手，一起分担这种单调重复的劳作——IBM AI Vision视觉大脑。（以下简称IBM视觉大脑）

IBM视觉大脑的工作原理并不复杂，只是模拟了一个正常人类剪辑师要做的工作——

首先，腾讯体育编辑会根据需求为IBM视觉大脑下达任务，比如“寻找凯文•杜兰特的精彩瞬间”，这些精彩瞬间包括投篮、扣篮、抢断、盖帽等内容。

接下来，IBM视觉大脑会对视频素材的每一帧数据进行多通道分析，并打上标签，包括人物、运动轨迹、声音等，将非结构化视频数据提取为结构化数据，并用数据库进行实时管理，让每一帧画面都变得可检索。同时，还会针对动作的精彩程度和不同主题的匹配程度，生成综合评价。

最后，根据体育编辑设置的主题和球员等要求，“AI剪辑师”按照综合评分选出最贴切主题的精彩视频片段，几乎实时自动生成一分钟剪辑视频，并加上特效处理。而这一系列操作，IBM视觉大脑仅仅需要20秒钟就够了。

这意味着什么呢？

看球没那么简单

鉴于读到本文的大多是成年人，所以必须请大家回忆一下自己童年时期，第一次在电视上看到乒乓球比赛时的情景。我当时唯一的感觉就是“不知道球在哪里”，眼睛和脖子跟不上小球来回跳动的速度，一会就失去兴趣，换台了。

（中国乒乓球运动员：马龙）

而篮球作为一项高速运动，对其进行视频分析几乎是所有比赛中最难的。场上10个高壮大汉，不仅经常在逼仄空间和快速移动中重叠、冲撞、跳起、变向，令人难以识别，而且比赛规则也极为繁琐：是否踩线、盖帽还是干扰球、打手还是有效防守……均在一线之间。更不必说球出手后有多种可能：传球、投篮、三分投篮，甚至可能是一个极为花哨的上篮动作。

还是那句话，人类往往对自己已经具备的能力过于轻视，不妨试试向一个从未看过球的新朋友讲球，感受下什么是崩溃吧。

为了让AI能看懂球，IBM采用了“多模态视觉理解技术”。比如说，怎么确定眼前这个漂移投三分的是球员库里？这就要涉及到机器视觉（确定库里的脸、球衣等）、动作识别（库里的投篮、运球、上篮、防守等姿势）、声音识别（库里进球之后的吼叫或被吹犯规之后的抱怨等）等几个方面的技术。同样，通过对各种比赛要素的训练，机器能看懂什么叫进球、谁是进攻一方，根据投篮姿势等不同确定投篮的方式（三分、后仰、上篮、扣篮等等）。

接下来IBM视觉大脑在理解比赛内容后，将海量视频用自己的逻辑将其分类：比如哪些画面被定义为扣篮，哪些画面是后仰跳投，又有哪些是盖帽等。打完了标签，再进行检索，那么想要什么素材就都随用随取了。有趣的是，IBM视觉大脑还能为动作打分，比如某球员的扣篮动作非常有表现力，能打一百分；而另一位勉强的把球放进篮框，就只能得个及格分了。这种评分机制，正是迅速生成“精华片段”的关键。

这看似简单的几步，但却是AI技术突飞猛进的结晶。人类一直以来对复杂模糊情景的快速理解能力，已经基本被AI全部“偷师”过去——要知道，这个系统可是能够瞬间将几小时的篮球比赛，按照“灵动”、“霸气”、“精准”、“强硬”等标准，分成不同段落的。

由此带来的效率的提升是显而易见的。剪辑师们再也不用因为赶时间而把一个素材用到烂，而且数据的快速处理，也就能够在海量视频资源中掘金，让历史影像资料都能够得到最大化的价值利用。

有数据显示，在海量存储视频中，能被用户高频调取的数据仅占总量的20%。因此，很多视频运营者致力于在数据爆炸的时代中，有效盘活另外80%的非活跃数据。到2025年，全球数据量将达到163ZB，想再让人类去处理这天文数字已经不太可能，这恰恰为IBM视觉大脑提供了用武之地。

让工具回到工具，把人当人

不难看出，对于视频剪辑师而言，IBM视觉大脑能够给出最符合制作需求的视频片段。当寻找合适的素材这个需要耗费大量时间的环节被完美解决之后，剪辑师的工作任务也就被分解，从而可以腾出更多的时间开发出更多有创意的视频内容。

只有那些真正有创意的，需要发挥人类作为智慧生物体无穷创造力的工作，才真正配得上“脑力劳动”。比如让IBM视觉大脑去拍部李安的电影，是根本没门的。反过来说，能够被IBM视觉大脑代替的工作，恐怕也不好意思再说是什么“脑力劳动”了。比如各类视频的粗剪，产品质量的检测，安防监控，都不太需要再安排一个人类盯着了，还不如用AI：成本更低，效率更高。

总之，AI技术进步并非是要来抢人类的饭碗。而是代替人类去做那些重复、单调、低水平的工作，解放人类。让工具回到工具，把人当人，进而增加整个社会的效率和幸福感。

IBM视觉大脑无疑是人类智慧实践的结晶之一，然而即便强大如它，也不过属于目前AI领域多个探索赛道其中的一条。像这样有趣的故事，地球上每时每刻都在上演着。

日前，Discovery探索频道推出了一部名为《THIS IS AI》的纪录片，在这部由十个章节组成的AI全景纪实中，IBM视觉大脑代表了第八章节“人造第六感”的技术路线——由于AI具备了面孔识别、语言理解和动态视频分析能力，很多国家的安全部门已经以AI为助手，识别潜在的犯罪行为。

这是我目前看过的市面上所有讲述AI的纪录片中，最清晰直白，最容易理解，也最实实在在的一部。在这里，没有遥远的猜测或过于宏大的论述，只有一个个真实存在的案例、问题和实践。你能看到人类是如何利用AI，一个个攻克技术难题，又如何在与AI共处中，探索出新的分配结构和认知体系，仿佛一部“科技创世纪”。

这十个自成逻辑的章节，从“理解人类语言”，再到“与机器争辩”，进而探讨“机器如何学习”，最终直到“与机器融为一体”。无论你是一名普通的科技从业者，媒体人，学生，甚至只是一名路人，都值得一看。因为这部纪录片所描述的内容，包含了人类改变自身命运的最新实践和未来可能，更不必提连中学生都能看懂。

接下来一个半小时里，你可以找个舒服的地方，安静享受思维与认知的快感。如果时间不够也没关系，收藏起来这篇文章，每天看个几分钟，用来下饭也是好的——

文| 钱德虎