首页 科技快讯 智能化时代,我们该相信人还是相信AI?

智能化时代,我们该相信人还是相信AI?

来源:晰数塔互联网快讯 时间:2022年01月13日 09:48

内容来源: 2021年12月19日,由苇草智酷主办的第五届互联网思想者大会——新人机世界:重新定义生产。

分享嘉宾:胡泳, 北京大学新闻与传播学院教授,苇草智酷创始合伙人。

:笔记侠作为合作方,经主办方审阅授权发布。

一、预测的魅力与悖论

1.变革的世纪

首先,我们从英国作家伊恩·莫蒂默(Ian Mortimer,历史学家、作家)的一本书谈起,我把书名翻译成《变革的世纪》(Centuries of Change,国内出版名为《欧罗巴一千年:打破边界的历史》)。

这位作家在书中阐述了,人类在过往的历史长河中,每个世纪所发生的重要变革。

我们可以简单地罗列一下:

11世纪:城堡;

12世纪:法律和秩序;

13世纪:市场;

14世纪:瘟疫,横扫欧洲的黑死病;

15世纪:哥伦布;

16世纪:个人暴力的减少;

17世纪:科学革命;

18世纪:法国大革命;

19世纪:通信。

20世纪是人类历史上翻天覆地的世纪,它最重要的变革是什么?

在这个世纪中,人类爆发了两次世界大战,美国向日本广岛投下了原子弹,人类实现登月,还有发明互联网等。

但作者给出的答案出乎意料,20世纪最重要的变革是:发明未来。

现在,预测我们生活中会发生的变化,已成为常态。

比如,出门前,我们会查看当天的天气预报。炒股时,我们会关心股市大盘的走向。买卖房屋时,会关注房价的涨跌趋势。

伊恩·莫蒂默认为,人类到20世纪才真正开始思考未来。换言之,到这个世纪,我们才第一次讲述关于未来的事情,远远超过讲述已经发生的事情。

为此,人类中出现一个崭新的群体,我们称之为“未来学家”。

2.未来学家

这样的未来学家,我深度接触过的就有两位。

第一位,尼古拉·尼葛洛庞帝(NicholasNegroponte,美国计算机科学家)。我翻译过他的著作《数字化生存》(Being Digital)。

第二位,戴维·温伯格(David Weinberger,哈佛大学伯克曼互联网与社会中心资深研究员)。我也有幸翻译了他的书籍《知识的边界》(Too Big to Know)。

2019年,戴维·温伯格出版了一本新书Everyday Chaos。中信出版社今年1月份会出版这本书的中文译本,书名为《混沌:技术、复杂性和互联网的未来》。温伯格强调的混沌不是一种理论上的东西,而是日常生活里面普遍存在的事物,所以他叫做“日常的混沌”。

温伯格在这本书里讨论了人工智能、大数据、现代科学和互联网,这些都在揭示一个基本事实——世界比我们所看到的复杂得多,也难以预测得多。

这就产生了一个严重的悖论。温伯格是以预测为生,在这本书中他却承认,预测并不见得有用。

他认为,有关网络的声音,并没有以言说者期待的方式改变世界。商业和技术总是比预言家更快。

这是由于,世界的不可预测性增加了。正是“深不可测的复杂性”令我们开始启用人造的机器来打破预测的旧界限。

3.“温伯格之问”

20世纪,预测深入了我们的基因,我们特别热衷于预测。但对预测,我们需要讨论两个问题。

第一,世界的不可预测性空前增加。

各种各样的因素,导致不确定性增加、风险加大,因此很难预测世界的发展。

第二,人类的预测是不是可欲的?

如果人类真的可以预测未来,这是不是我们想要的?即使它可行,但是否可欲?

这两个问题,我们需要认真地思考。

因为,预测方式的故事,也是我们对世界运行方式理解的故事。换而言之,这牵扯到人类的核心认知问题。预测在眼下已经变成我们认知的一个基本工具。

人是一种能够理解世界运行机制的特殊生物。若该假设不再成立,宇宙就从可知的变为不可知的。在此基础上,温伯格提出了更深刻的问题,来自西方文明的两大源头。

第一,希伯来文明。

从希伯来文明诞生后,产生一种强烈的认知,人类作为上帝创造的独一无二的杰作,可以通过启示发现真理。

第二,古希腊文明。

古希腊时期,认为人类是理性的思考者,可以发现这个世界混乱表象下的基本逻辑。

今天,通过更深的挖掘。温伯格提出了以下问题,我把这些问题称作“温伯格之问”。

第一,如果我们发现,我们不仅不知道自己不知道的东西,我们也不理解自己认为知道的东西,那会如何?

第二,如果我们需要放弃对这个世界的理解,我们对不可解释的事情,也需要从不接受到接受,那又会如何?

这两个富有挑战性的问题,是我们今天讨论的核心。我们先聚焦温伯格,来看一下他是如何理解这些问题的。

二、不是预测未来,而是创造可能性

1.人类为何喜欢预测未来

说到预测未来,如果把时间拉回过去,在人类历史上,总会在特定时刻出现一些特定的人,他们向全世界宣告,这个世界的运行不是我们想的那个样子,也不是我们想要的那个结果。

我们耳熟能详的牛顿、爱因斯坦、哥白尼、达尔文,甚至弗洛伊德,都扮演过这类角色。

而现在,温伯格似乎期待着人工智能(AI)来承担该角色。

回到一个根本问题上,为什么人类对预测如此痴迷呢?

人类热衷预测的原因很简单,未雨绸缪。

我们喜欢提前了解所有的可能性,并为它们做准备。这会形成三种结果。第一,准备过度;第二,准备不足;第三,准备不当,即准备的东西没有用。人类经常犯这三种错误。

假如上述这三种情况发生,社会就不得不承担巨大的成本。

2.用AI预测

为什么要发明AI?因为机器可以替人类更好地作出预测。如果机器预测得足够精准,我们可以避免人类所犯的三种过失。机器可以让我们的准备恰如其分。

我们要把预测的行使权从人类的手中,转交到机器手中。现在,这种情况正在发生。

举个例子,纽约某医学院的研究人员做了一个机器学习系统,我们可以把这个系统理解为一个“吞吃数据的庞大怪物”。

他们往这个系统里输入了70万份病例,这是非常庞大的数据量。有意思的是,研究人员并不下达指令,而是让系统无限制地找出它能做的事情。

结果,被称之为“深度患者”的医疗诊断系统,作出的诊断与预测的准确性,远远超出人类医生。

唯一的问题在于,作出诊断后,系统无法解释它是如何诊断的,为什么给出这个诊断。用行业术语来说,这是一个“黑盒子”(指从用户的观点来看一个器件或产品时,并不清楚其内部构造和原理,只关心它的功能及如何使用这些功能)诊断系统,但是它的确比人类医生更精准。

“深度患者”只是深度学习的一种。所有的深度学习,本质都是“黑盒子”。它的好处是不需要你理解,也不需要把世界简化为人类可以理解的层次。

随着机器学习在全球的广泛应用与发展,混沌理论转向混沌实践,并将这一理论令人兴奋的想法应用于日常生活。

3.混沌实践

当混沌理论应用到日常生活后,可能会导致哪些结果?

按照温伯格的分析,越来越多的事情不再基于预测开展,这种转向并非始于人工智能,而是从有互联网就发生了。

各行各业都采取了那些完全避免预测未来的做法,我们来举一些例子。

柔性生产(以“制造系统响应内外环境变化的能力”建设为核心的生产方式与方法论);

敏捷开发(是一种以用户的需求进化为核心、迭代、循序渐进的开发方法);

A/B测试(是一种用数据进行产品决策的方法);

最简可行产品(MVP,用最快、最简明的方式建立一个可用的产品原型);

开放平台(Open Platform,比如微博、百度等);

用户可修改的视频游戏(modding)。

这些事情并不需要预测,只需找到一种方法来验证某个想法是否可行。而且这些事的可行度相当高,最后的结果也能够达到要求。

温伯格甚至极而言之地说:“过去20年日新月异的发明与革新,都不是通过预测完成的。恰恰相反,是为了避免预测未来而做的。”

因此,他得出一个结论:互联网没有试图预测未来并为其准备,而是通过创造更多深不可测的可能性来造就我们的繁荣。

至此,基本的认知模型已被颠覆,人们有了新认知的可能性。

三、用战略创造更多可能性

1.线性思维的局限性

我们如何把温伯格的理论应用在企业战略上?战略的目的就是要做长期的准备,通过对未来的精心设计,来决定企业下一步的方向。

企业计划的核心,是在众多可能性中,找到资源最匹配的可能性并全力以赴,把赌注押在这个可能性上。因此,战略的本意是缩小可能性。

其实,当认知模型转换后,要把它应用在企业经营当中。我们的最佳战略,往往需要尽可能地忍住不去预测。

以前,一些规模化公司把战略理解为3-5年的长期规划。现在,却只做半年的计划。

这意味着什么?我们通常的战略思维是一个线性思维,战略规划被视为一种限制性操作,它先识别可能性,并选择企业想要实现的可能性。

举个例子,在过去企业界,甚至国际政治中,场景规划(Scenario Planning)是一种广泛应用的战略制定方法。

曾经被视为顶尖的战略规划思路的场景规划,是否完美无缺?

我们设想出,关于一个组织或者国家,可能有几种未来的发展,比如崩溃或者繁荣,我们通过几个可能发生的场景来规划未来故事。为了避免崩溃场景的出现,或者为了让繁荣的场景能够实现,我们基于这些思考来制定战略规划。

其实这是一种非常典型的线性思维。不论线性思维把世界规划成几种方案,它都受限于一种错误的世界观,世界的可能性远远超过这些方案。比如新冠肺炎疫情,它暴发前,不会出现在任何战略图上。

我记得参加达沃斯世界经济论坛时,遇到很多有意思的参会者。他们不仅讨论经济问题,甚至一些历史学家,针对“为什么没有人预测到苏联的解体”展开激烈的辩论。

作为历史学家,为什么预测不到?因为他们都是线性思维的信奉者。线性思维可以增加自身的复杂性维度,但是它无论趋向多么复杂,世界都不会有如其所愿的规则结构。

所以,我们需要的是非线性思维。

2.非线性思维

我们举个例子,我非常推崇丽塔·麦克格拉斯(Rita Gunther McGrath,全球知名战略专家)写的《瞬时竞争力:快经济时代的6大制胜战略》(The End of Competitive Advantage,也叫《竞争优势的终结》)。

书中剑锋直指战略界鼎鼎大名的迈克尔·波特(Michael E.Porter,美国“竞争战略之父”)。迈克尔·波特提出,企业都要追求“可持续竞争优势”。

麦克格拉斯则认为,根本没有所谓的可持续竞争优势,唯一可以做的就是“持续重构战略”。

这种战略的理解,要求公司必须对环境中的任何变化保持警惕,拥有特定的组织结构和文化,使其能够通过脱离当前的轨迹来作出反应,及时抽身,从而创造一个新的轨迹。这就是非线性思维。

生活中所有场景都告诉我们,一定要关注大的变化趋势。但是,麦克格拉斯理论认为,任何微小的变化都可能颠覆我们的生活。关注大的变化,也无法保证我们可以持续地重构。

所以,混沌状态下的战略,应转变思路,不是缩小可能性,而是尽量去创造更多的可能性。

四、以预测准确性为目标,但放弃可解释性

1.接受不可理解

接下来我要进入问题的核心,即我们能不能完全地以预测的准确性作为目标,而放弃可解释性。人类有没有勇气,去接受那些超出我们理解能力的系统。

比如,把路线导航的任务全部交给百度或高德,让它们帮助我们寻找最佳路线。像出租车行业,以前的出租司机都以熟悉大街小巷为傲。现在,不论驾驶员,还是乘客,都会形成默契,按导航行驶,把线路规划的任务交给系统。

温伯格在此扮演了AI代言人的角色,为了让机器更好地发挥潜力,他建议我们接受超出我们理解能力的系统,这些系统只需要以预测准确性为目标,而无须保证可解释性。

2.底线价值观

当然,温伯格同样意识到,如果把我们的日常生活全部交给AI,AI出错了怎么办?算法本身有偏见怎么办?AI没有伦理怎么办?因此,他提出了底线价值观。

如果不加以控制,系统很可能以最残酷的方式对待最弱势的群体。比如对外卖骑手进行系统压榨。

人工智能系统需要底线价值观。然而,人类关于价值观的讨论,往往是混乱、不精确和争论不休的。

3.人应该向机器投降吗

如果人类关于价值观的讨论无法达成统一,是否应该停止向机器输入人的价值观?

其实,温伯格在暗自敦促人类向机器投降。

我们为什么要向机器投降?这有两个前提。

第一,机器会越来越多地接手人类事务。这似乎是一个无法阻挡的趋势。

第二,机器本身可能教会我们新的伦理。

比如自动驾驶的新伦理。麻省理工做了一项大规模的调查,当面对复杂情况的时候我们会选择如何驾驶,通过人们的选择,来训练自动驾驶汽车作出相应的选择。

在这个过程中,机器遇到千奇百怪的情况,与此同时,会给我们带来更多新的可能性。

因此,温伯格其实是在说:机器不光是我们的管家,某种程度上,还可以扮演我们的导师。

也正是这个观点,使我对他的论述产生了怀疑。

五、人类面临的选择

以上的内容,都是温伯格逻辑的延展,接下来分享一下我对温伯格之问的回应。

1.AI时代的知识

毋庸置疑,人工智能的未来关键在于,到底我们应该放弃理解,还是致力于建立可以理解的人工智能?这样的问题将把我们带向人工智能算法研究的前沿。

《知识的边界》讨论的是网络化知识,我个人非常喜欢这本书。不仅是因为我翻译了这部著作,更是因为这本书具有入木三分的洞见,解释了知识在网络时代的延展。因此,我姑且把温伯格的《混沌》理解为,他在讨论AI时代的知识。

我把温伯格对AI时代知识的理解,归纳为以下几点:

第一,人类努力获得对复杂系统的理解。然而,我们基于“人类的理解”所作的预测没有像人工智能那样准确。虽然人工智能并不真正理解任何东西,但它确实比我们预测的要准确。

第二,因为基于人工智能的预测比基于人类理解的预测更准确,我们应该放弃对理解的追求,而专注于建立能够为我们做决定的人工智能。正所谓鱼与熊掌不可兼得,这种选择势在必行。

第三,一旦将主导权交给预测性的人工智能,我们将迎来人类进化的下一个阶段。

2.AI“可理解性”的两种观点

支持温伯格这些观点的大有人在。关于AI可理解性的讨论分为两派。

第一,认为建造根据规则和逻辑进行推理的机器是最有意义的事。我们可以通过透明的代码,检查它的内部运作。面对机器的时候,人仍然是上帝。

第二,如果机器可以从生物学中获得灵感,并通过观察和体验来学习,那么智能将更容易出现。

基于发展速度的原因,我们今天采用人工智能的发展路径,恰恰是第二种。人工智能系统的机器学习,基本上是自己编程。

我在大学教书,很多人经常问我,未来是不是每个人都要会编程?孩子要不要做程序员,这样才不会失业?这种想法没有与时俱进。

几年前,程序员执行的是上帝的角色,我们想让机器干什么,编个代码,它就遵照我们的指令来执行。

如今,程序员更像是驯兽师,训练机器,机器自己学习。未来,大部分程序员将被淘汰,真正的驯兽师是少数的程序天才。3.对“黑盒子”的信任问题

一旦面对“黑盒子”,就产生了人对系统的信任问题。这也是我演讲的主题,我们是相信人,还是相信机器?

人类的信任往往基于我们对其他人如何思考的理解,以及对这些思考的可靠性的经验了解。

AI对于大多数人来说,仍然是相当新颖和陌生的。同自己不明白的事情互动,会引起焦虑,并使我们感觉自己失去了控制。

比如,对于AI医生诊病,我们会在多大程度上信任这位医生?如果AI医生只告诉我们病症,但不能解释病因,我们是否能够接受?

还有一个麻烦群体,人类医生。AI医生应运而生,人类医生该何去何从?

那时,对AI的诊断就会产生两种反应。

第一种,如果AI医生诊断结果跟人类医生一致,那么人类医生会问,AI医生的存在有何意义?

第二种,如果AI医生诊断结果跟人类医生不一致,那更糟了,人类医生会说,AI医生不能解释为什么这样诊断,无法证明自己的准确性,我为什么要听从它?

我们再举一个例子,芯片制造商英伟达推出的自动驾驶汽车。

它与谷歌、特斯拉的车截然不同,这款汽车彰显人工智能的崛起,完全依靠算法。这种算法通过观察人类的行为,学会自己驾驶。所有的传感器将数据传入人工神经元网络加以处理,然后提供操作方向盘、刹车和其他系统所需的命令。驾驶完全由机器自己操作。

大部分时候,它表现不错,跟驾驶车辆的司机行为相差无几。但是,也可能会遇到一些问题,比如,遇到绿灯,却停滞不前,或者突然驶向大树。

它似乎就是按照逻辑演算进行操作,但是没有办法与它交流,不存在可解释系统。如果有一天它做出一些出乎意料的事情,按现在的情况,我们可能很难找到它出错的原因。

4.重新理解技术

未来,这些问题会越来越广泛地出现在各个领域。那么,我们该如何来理解技术?

我这里引用麻省理工学院研究机器学习应用的教授托米·贾科拉(Tommi Jaakkola)的话,“这是一个已经凸显意义的问题,而且在未来它将变得更有意义,无论是投资决策、医疗决策,还是可能的军事决策,你都不希望仅仅依靠‘黑盒子’方法解决问题”。

反对者天天强调,机器不可理解。如果一个人做出来影响千百万人的决定,他是否能够给你解释清楚缘由?

实际上,我们最后会回到一个微妙的地方,智力性质的特点。智力只有一部分被暴露在理性解释之下。而另外一些是本能的、潜意识的,或不可捉摸的。

如果我们意识到智力的特点,面对人工智能的判断,人类面临两种选择。

第一,完全选择相信,这是温伯格给我们提出的建议。

第二,如果不理解,就不使用。

相信或者不使用,这种判断将不得不纳入社会智能。换言之,我们要有社会规范,才能决定路径的选择。

对于机器可理解性,表示支持的不乏其人。

著名的哲学家丹尼尔·丹尼特(Daniel Dennett)说过:“如果我们要使用这些机器并依赖它们,那么让我们尽可能坚定地掌握它们是如何和为什么给我们答案。如果没有完美的答案,我们应该对人工智能的解释持谨慎态度,就像人类对彼此的解释一样。无论机器看起来多么聪明,如果它们不能比我们更好地解释它在做什么,那么就不要相信它。”

这是一个很坚定的观点。

结尾

最后,我阐述一下我的观点,应用人工智能有三个应用条件:

第一,一定要打开“黑盒子”,让AI能够解释自己所做的事情。

第二,致力于发现与减轻训练算法和数据中的偏见。我们现在是按照机器编程的想法在走人工智能之路。如何训练,变得至关重要。

第三,为人工智能系统赋予伦理价值。

所有人都要深刻地认识到,机器学习的兴起是人类历史上最重大的变革之一。越来越多的机器学习模型将成为我们的知识库,就像图书馆和人类的头脑一样。

然而,机器学习模型里没有知识,这将意味着我们需要重新思考知识的性质与用途,甚至重新思考作为能够了解自己世界的生物,我们到底是谁?

我的分享就到这里,谢谢大家!

*文章为作者独立观点,不代表笔记侠立场。

本文来自微信公众号“笔记侠”(ID:Notesman),笔记达人:桃之夭夭,轮值主编:智勇,责编&值班编辑:少将,36氪经授权发布。

相关推荐

我们还能相信新闻吗?
生成式AI来了,我们还能相信自己的眼睛吗?
在迷茫的时代,选择相信:关于2021经济的一些展望
大脑为什么愿意相信有鬼?
今天相信贾跃亭的人,都在信什么?
易现先进科技李晓燕:相信5G时代 AR将重新定义生活方式
百度世界2020大会,能让资本市场相信百度AI的商业化潜力吗?
冯仑:因为相信,所以智慧
智能化大时代,传统财富管理机构该如何应对AI挑战?
阿波罗登月过去了50年,一直有人相信阴谋论

网址: 智能化时代,我们该相信人还是相信AI? http://www.xishuta.com/newsview57475.html

所属分类:人工智能

推荐科技快讯