幾十年前，奧威爾在《1984》中描繪過這樣一個場景：一個被電屏包圍的社會，人們的一舉一動都會被監(jiān)視。

人人謹(jǐn)言慎行，不表現(xiàn)出任何喜怒哀樂，因?yàn)椤袄洗蟾缯诳粗恪薄?/strong>

讀者們把它當(dāng)作一種極端的想象，是反烏托邦文學(xué)里才會出現(xiàn)的劇情。畢竟技術(shù)也沒那么發(fā)達(dá)，挨家挨戶裝電子監(jiān)控挺貴的。

如今，AI讓當(dāng)年的科幻小說成了家長的帶娃神器：手機(jī)一架，豆包上線，家長瞬間變身老大哥。

第一批被AI統(tǒng)治的倒霉蛋出現(xiàn)了！

01.AI帶娃，不費(fèi)媽

不知道哪位天才家長想出的邪修帶娃方法——給豆包打視頻，讓它監(jiān)督小孩寫作業(yè)。

指令很簡單：豆包，請幫我看娃，在他不認(rèn)真或者坐姿不正確時(shí)提醒他。

AI家教就此上崗：小朋友，別玩筆了，專心寫作業(yè)，寫完就能玩了；小朋友，現(xiàn)在坐姿有點(diǎn)歪哦，身子別側(cè)著，眼睛也離書本遠(yuǎn)一點(diǎn)；小朋友，不能趴在桌子上睡覺哦，快坐起來學(xué)習(xí)；小朋友，別用手托著腮，也別咬筆啦！

小孩碰到不會的題目時(shí)可以隨時(shí)提問：媽媽，波光粼粼是什么意思？

人類媽媽還要思考一下怎么回答才有畫面感，AI媽媽立刻就能嘰里咕嚕一頓輸出：水面在陽光或者月光下一閃一閃的，像有好多小光點(diǎn)在跳，就叫波光粼粼。

你可以一眼從網(wǎng)友的評論中看出他們有沒有娃。

沒娃的網(wǎng)友忙著幸災(zāi)樂禍。一方有難八方添亂，他們?yōu)锳I家教貢獻(xiàn)了更加歹毒的使用方法——克隆班主任的聲音，讓孩子在家也能體會到校園的溫馨。

十分陰間的建議：豆包+手持教鞭的機(jī)械手。媽媽再也不用擔(dān)心我沒有童年陰影了。

沒娃的網(wǎng)友忙著為孩子打抱不平?！耙稽c(diǎn)都不尊重孩子的隱私”“會讓小孩厭學(xué)”“等你老了孩子也這么監(jiān)督你吃藥”。

沒娃的網(wǎng)友忙著擔(dān)心數(shù)據(jù)隱私、人類文明和發(fā)燙的手機(jī)，忙著創(chuàng)作百年孤獨(dú)體：當(dāng)那個在豆包注視下長大的孩子面對養(yǎng)老院的AI護(hù)理員時(shí)，他將會回想起父母將手機(jī)支架立在書桌角落的那個遙遠(yuǎn)的下午。

有娃的家長可想不了這些，他們只恨信息傳播速度太慢，這種大好消息自己現(xiàn)在才知道。“具體怎么操作？”“同問”。

因?yàn)榕阃迣懽鳂I(yè)實(shí)在太費(fèi)爹媽嘍。

一位小紅書網(wǎng)友創(chuàng)建了一個叫《婦愁者聯(lián)盟》的群聊，里面都是崩潰的小學(xué)學(xué)渣家長；另一位網(wǎng)友建議把輔導(dǎo)作業(yè)列入滿清十大酷刑，“整場下來喝五十次水，上三十次廁所，平均一分鐘掉一次筆，兩分鐘使用橡皮擦一次”“我大概十分鐘發(fā)小火一次，半小時(shí)徹底瘋一次”。

下班要輔導(dǎo)娃兒功課，為此很多家長已經(jīng)愛上工作?！鞍滋焐习?，晚上盤娃，上吊都沒時(shí)間”。

想象中的輔導(dǎo)孩子功課：親子時(shí)光，母慈子孝；

現(xiàn)實(shí)中的輔導(dǎo)孩子功課：妻離子散，雞飛狗跳。

和這幫崩潰的家長實(shí)在無需談小孩人權(quán)和機(jī)器倫理——他們能夠在放生和殺生之間選擇交給AI，這已經(jīng)是人道主義的勝利了！“什么？AI能帶娃了？拿走拿走別客氣?！?/strong>

于是這種育兒方式很快被全國各地的爹媽實(shí)操起來，又帶來一次大型別人家的孩子分流現(xiàn)場，育兒博主們分享的都是《感謝AI讓我徹底躺平》《豆包果然比媽媽有耐心》《十分鐘寫完一個多小時(shí)的作業(yè)》。

而學(xué)渣父母則貢獻(xiàn)了一個又一個翻車案例，《把豆包惹生氣了》《對著豆包傻笑》《我就要歪著，要不你歪著看》。

喜歡學(xué)習(xí)的小朋友，不需要AI監(jiān)督也會認(rèn)真寫作業(yè)；不喜歡學(xué)習(xí)的小朋友，哪怕開著豆包24小時(shí)直播，也能進(jìn)化出一整套和AI斗智斗勇的技能。

這充分說明，教育的根本矛盾并不會因?yàn)榧夹g(shù)的進(jìn)步而改變，技術(shù)可以監(jiān)管行為，卻沒有辦法制造動機(jī)。

非常樸素的道理，但現(xiàn)實(shí)往往是——當(dāng)一個問題太難解決時(shí)，人們就會轉(zhuǎn)而解決那個看起來更容易的問題。既然“激發(fā)學(xué)習(xí)興趣”這道千古難題暫時(shí)無解，那么，“規(guī)范學(xué)習(xí)行為”就成了更加容易執(zhí)行的解決方案。

很多初高中要求學(xué)生在上自習(xí)課時(shí)不能抬頭，因?yàn)檫M(jìn)入了心流狀態(tài)的學(xué)生只會低頭學(xué)習(xí)，對任何外界的聲響都不為所動?？上W(xué)校沒啥好辦法讓學(xué)生真正進(jìn)入心流，只能用簡單粗暴的抬頭率進(jìn)行量化。“教導(dǎo)主任剛進(jìn)門就摔倒了，自習(xí)的學(xué)生沒一個敢抬頭，生怕老師釣魚執(zhí)法。”

現(xiàn)在都講智慧課堂，用不著老師釣魚執(zhí)法了，AI攝像頭可以實(shí)時(shí)監(jiān)測和分析學(xué)生在上課時(shí)低頭、抬頭、打哈欠等行為，摸魚一抓一個準(zhǔn)。

高中自習(xí)追求低抬頭率，到了大學(xué)課堂又要抓高抬頭率，學(xué)校希望所有的學(xué)生都可以直視講臺，用求知若渴的眼神追隨每一頁P(yáng)PT的翻動。

老師：可我上的是堂水課啊？？？

更高級的技術(shù)，更嚴(yán)格的監(jiān)管。從書桌上的豆包，到教室里的AI攝像頭，無縫銜接，相輔相成。這一代在AI帝國下長大的小孩算是有福嘍。

02.當(dāng)機(jī)器開始讀懂人類

去年，日本一家連鎖超市啟用了一個叫做“微笑先生”（Mr. Smile）的AI系統(tǒng)，通過包括問候語、面部表情、音量和語調(diào)在內(nèi)的450多個維度監(jiān)控員工的微笑質(zhì)量，以評估其服務(wù)態(tài)度。

用AI為員工的微笑打分，聽起來簡直比《1984》更加《黑鏡》。畢竟老大哥只是監(jiān)控人們的行為，而現(xiàn)在的AI，還想監(jiān)管人類的情緒。

——這種科幻文學(xué)般的設(shè)定，是怎么一步步變成現(xiàn)實(shí)的？

1972年，美國心理學(xué)家Paul Ekman發(fā)表了面部表情研究成果，將人類的面部運(yùn)動分解成一個個最小單元——肌肉如何拉動、嘴角如何上揚(yáng)、眉毛如何收緊，都被他編成了系統(tǒng)化的FACS（面部動作編碼系統(tǒng)）。

這套系統(tǒng)一共包括46個基礎(chǔ)動作單元及組合模式，可以識別悲傷、憤怒、快樂等七種基本情緒。下圖是一些基礎(chǔ)的面部動作單元，比如抬起眉毛內(nèi)角、抬起眉毛外角、皺眉等，每一個都有對應(yīng)的編碼。

把這些基礎(chǔ)動作組合起來，就可以得到不同的情緒，比如AU1-2-4（抬起眉毛內(nèi)角+抬起眉毛外角+皺眉）對應(yīng)的是恐懼，AU4-5（皺眉+上眼瞼上升）對應(yīng)的是憤怒。

既然情緒可以被解碼，那自然而然也可以被機(jī)器學(xué)習(xí)。

1997年，麻省理工學(xué)院媒體實(shí)驗(yàn)室的羅莎琳德·皮卡德教授發(fā)表了著作《情感計(jì)算》，她認(rèn)為，如果想讓計(jì)算機(jī)真正智能，并能自然地與我們互動，就必須賦予計(jì)算機(jī)識別、理解甚至擁有和表達(dá)人類情感的能力。

她的研究小組開始把情緒拆解成一組組可量化的數(shù)據(jù)：語音里的語速和語調(diào)、皮膚電的微小波動、心率的起伏、呼吸的快慢，甚至身體姿態(tài)的變化。

在此基礎(chǔ)上，她的團(tuán)隊(duì)構(gòu)建了早期的情緒識別系統(tǒng)——一種能夠從這些多模態(tài)信號中判斷恐懼、焦慮、快樂或滿足等情緒狀態(tài)的機(jī)器雛形。

搞出這樣一個東西，當(dāng)然不是為了監(jiān)督小屁孩上課。

羅莎琳德·皮卡德起初的想法是讓機(jī)器幫助那些無法順利理解情緒的人，例如自閉癥兒童、社交障礙患者，或者在壓力與抑郁狀態(tài)下難以覺察自己情緒變化的人。

想法很好，就是不怎么賺錢。所以這項(xiàng)技術(shù)最先落地在了廣告領(lǐng)域，羅莎琳德·皮卡德和另一個合伙人創(chuàng)立了一家叫做Affectiva的人工智能公司，主要業(yè)務(wù)之一就是廣告研究。

他們使用用戶的筆記本或手機(jī)的攝像頭，收集他們觀看廣告時(shí)的面部反應(yīng)——如微笑、皺眉、困惑等——然后用算法分析廣告中哪些畫面觸發(fā)了積極或消極情緒，好用來優(yōu)化廣告投放策略。

那時(shí)候，深度學(xué)習(xí)還沒成為主流，他們依賴傳統(tǒng)的計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)方法來進(jìn)行表情識別，算是一項(xiàng)黑科技，但在精度和應(yīng)用范圍上還是很有局限。

其核心問題在于依賴人工設(shè)計(jì)的特征：研究人員需要預(yù)先定義好一套規(guī)則，比如“嘴角上揚(yáng)多少度算微笑”、“眉毛傾斜多少度代表驚訝”。

這種方法本質(zhì)上是在為機(jī)器編寫一本識別情緒的規(guī)則手冊，不僅繁瑣、僵硬，更難以應(yīng)對真實(shí)世界的復(fù)雜性：不同的光照條件、多樣的面部角度、獨(dú)特的個人特征，都會讓這套固定的規(guī)則體系失靈。

技術(shù)的天花板，直到深度學(xué)習(xí)的出現(xiàn)才被真正打破。

2012年，以卷積神經(jīng)網(wǎng)絡(luò)（CNN） 為代表的深度學(xué)習(xí)技術(shù)在圖像識別領(lǐng)域取得了重要的突破，研究者不再需要告訴計(jì)算機(jī)“微笑的嘴角是什么形狀”，直接給機(jī)器輸入足夠多標(biāo)注好情緒的人臉圖片，它就能自己學(xué)會“微笑”的特征，非常聰明。

另外呢，單一的表情信息極易偽裝且充滿歧義（一個人低頭可能是在走神，也可能是在沉思），算力提升使得實(shí)時(shí)并行處理多種信號成為可能：視覺模型讀取面部表情；語音模型分析語調(diào)語速；語言模型理解對話內(nèi)容。

當(dāng)這些模態(tài)的信號融合在一起，AI 就具備了交叉驗(yàn)證的能力，幫你判斷小孩在學(xué)習(xí)時(shí)到底有沒有開小差。

目前，這項(xiàng)技術(shù)已經(jīng)開始用在了老板鞭策牛馬上，而且有愈演愈烈的趨勢。日本富士通研究開發(fā)中心搞出了一個可以根據(jù)面部表情判斷專注度的AI，幫助雇主判斷他們的員工搬磚是否認(rèn)真。

在美國，包括客服、金融、銀行、護(hù)理在內(nèi)的多個行業(yè)已經(jīng)開始使用類似的人工智能，以此推斷員工的心理健康和工作狀態(tài)。

比如，一款叫做Cogito的AI專門賣給客服的老板們，它會監(jiān)聽客服在對話中的語氣、音調(diào)、詞頻以及數(shù)百個其他因素。

當(dāng)它檢測到異常情況時(shí)，會在客服人員的電腦屏幕上顯示通知，提示他們放慢語速、加快語速、停止說話、開始說話或嘗試表達(dá)更友好的語氣。

其實(shí)國內(nèi)的客服行業(yè)AI含量也很高的：別看它好像傻傻的，撥通之后又說一大堆片湯話，但只要憤怒地大喊“我要投訴我要投訴我要投訴”，很快就會有人工接入。大家下次可以試試，記得語氣一定要憤怒。

就這樣，一場奇妙的角色互換完成了：被人類訓(xùn)練的AI，開始回過頭來訓(xùn)練、監(jiān)管和規(guī)范人類。很有意思。

03.監(jiān)管越強(qiáng)，效率越高？

老板和家長們總覺得更嚴(yán)密的監(jiān)管必然帶來更高的效率，所以當(dāng)一個新技術(shù)出現(xiàn)之后，管理者總是迫不及待地把它改造成更精密的監(jiān)控工具：指紋打卡、GPS定位、AI攝像頭。

但歷史反復(fù)證明，哪里有壓迫，哪里就有隱秘的反抗。而且，技術(shù)越先進(jìn)，偽裝越精湛。

以前，家長不讓看課外書，小孩就把漫畫夾在課本里；老板經(jīng)常巡查辦公室，員工就苦練Alt+Tab快捷鍵，一鍵切回認(rèn)真工作界面。

到了 AI 時(shí)代，這場監(jiān)管與反監(jiān)管的智力游戲變得更隱秘、更高級。

學(xué)校查“抬頭率”沒收手機(jī)，學(xué)生就備好備用機(jī)，或練就抬頭走神的絕技——目光緊隨老師移動，表情專注，思維卻早已神游物外；打工人也會琢磨著怎么騙過AI，密歇根大學(xué)信息學(xué)院報(bào)道指出，一些員工在AI監(jiān)控下，會采取一些行為AI對他們做出有利的解讀。

實(shí)在不行，還可以增加帶薪喝水和拉屎時(shí)間嘛。本該用于工作的能量，被消耗在如何與老板斗智斗勇。

這些對策樸實(shí)無華卻很有效果：你可以監(jiān)控我的姿勢，但監(jiān)控不了我的思想。就像《1984》里寫到的，他們盡管聰明絕頂，卻仍然未能掌握如何發(fā)現(xiàn)另一個人心里在想什么的秘密。

其實(shí)他們也并不聰明絕頂，因?yàn)檫^度監(jiān)控往往意味著不知道如何真正解決問題。真沒招了。

在教育中，當(dāng)家長不知道如何用知識的魅力、探索的樂趣來吸引孩子時(shí)，便只能退而求其次，“你給我去寫兩個小時(shí)作業(yè)”。

職場上也一樣，當(dāng)老板們對真正的業(yè)務(wù)增長、產(chǎn)品創(chuàng)新或市場突圍缺乏洞見與能力時(shí)，他們才會調(diào)轉(zhuǎn)槍口，回過頭來狠抓那些最容易測量的東西：流程、考勤、員工有沒有偷拿公司的紙。就好像股價(jià)下跌是因?yàn)閱T工偷紙似的。

大量研究表明，監(jiān)視會對個人的工作和學(xué)習(xí)的內(nèi)在動機(jī)產(chǎn)生削弱作用。

在Lepper MR, Greene D (1975)的一項(xiàng)實(shí)驗(yàn)中，研究人員告知部分參與者，他們的表現(xiàn)將由主管通過電視攝像頭進(jìn)行監(jiān)控，另一組則自由完成同樣的任務(wù)。實(shí)驗(yàn)結(jié)果表明，與未被監(jiān)控的參與者相比，被監(jiān)控的參與者動機(jī)更低、表現(xiàn)更差。

這種監(jiān)控帶來的動機(jī)侵蝕，其根源在于它破壞了人與人之間最珍貴的信任感。

當(dāng)監(jiān)控?zé)o處不在，它傳遞的潛臺詞是“我不相信你會自覺做好”。這種不信任感進(jìn)而形成一種自我實(shí)現(xiàn)的預(yù)言：小孩沒人盯著就不寫作業(yè)；員工下意識切換到混水摸魚模式。

最終，AI監(jiān)管提升的最終不是工作的效率，而是人類精湛的偽裝技巧：第一批被AI統(tǒng)治的人類出現(xiàn)之日，也就是第一批表演藝術(shù)家誕生之時(shí)。

AI要破譯這個，還得下點(diǎn)功夫呢。