数字化|胡泳｜相信人，还是相信机器？——重新思考数字化之九( 四 )

其一，不管怎样，机器也会越来越多地接手人类事务。“这个未来不会安定下来，不会自行解决问题，也不会屈服于简单的规则和期望。感到不知所措、困惑、惊讶和不确定是我们面对世界的新常态。”就是说，反正你也注定搞不清楚人的未来境况，所以不如就把自己交给机器好了。
其二，机器本身可能教会我们新的伦理。虽然人工智能需要学习更多的伦理知识，但伦理学科是不是也可以从人工智能中学习一些东西呢？“当你试图开发一个影响人的机器学习应用时，你很快就会知道，公平比我们通常认为的要复杂得多，而且公平几乎总是要求我们做出艰难的权衡。”
所以，机器不仅是我们的管家，也可能是我们的导师。最后，温伯格把这一切上升到敬畏的高度：我们比以往任何时候都对未来更具掌控力，但我们驾驭世界的技术和认知手段，恰恰证明了这个世界已经超出我们自欺欺人的理解。他将此称作“一个新悖论的起点”，并说人类应该感到敬畏，一如以往敬畏星空。
敬畏什么呢？敬畏算法的有效性，因为它们比任何人类都能更好地掌握“宇宙的相互关联性、流动性和纯粹的美丽”？
理解，还是不理解，这是一个问题
温伯格对网络化知识的认识曾给我们打开新疆界（见《知识的边界》），而现在，他对人工智能时代的知识的见解，可以归纳如下：
*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”所做的预测并不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。
*不过，鉴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。
*将主导权交给预测性人工智能，我们将迎来人类进化的下一个阶段。

文章插图
毋庸置疑，人工智能的未来关键在于，到底我们是应该放弃理解，还是致力于建立可以理解的人工智能？
这提出了令人匪夷所思的问题。随着技术的发展，我们可能很快就会跨越一些门槛，而越过这些门槛，使用人工智能就需要信仰的飞跃。当然，我们人类也并不能够总是真正解释我们的思维过程，但我们找到了直觉上信任和衡量人的方法。对于那些以不同于人类的方式思考和决策的机器来说，这是否也是可能的？
我们以前从未制造过以其创造者不理解的方式运作的机器。我们能指望与这些不可预测和不可捉摸的智能机器，达成多好的沟通和相处？这些问题将把我们带向人工智能算法研究的前沿。
人工智能并不一向这样。从一开始，对于人工智能的可理解性，或可解释性，就存在两派观点。许多人认为，建造根据规则和逻辑进行推理的机器是最有意义的，这样将使它们的内部运作对任何愿意检查某些代码的人来说是透明的。其他人则认为，如果机器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。这意味着要把计算机编程转给机器。与其由程序员编写命令来解决一个问题，不如由程序根据实例数据和所需输出生成自己的算法。后来演变成今天最强大的人工智能系统的机器学习技术，遵循的正是后一种路径：机器基本上是自己编程。

文章插图
自学习机器的算法概念受启发于进化过程中的遗传修饰
任何机器学习技术的工作原理本质上比手工编码的系统更不透明，即使对计算机科学家来说也是如此。这并不是说，所有未来的人工智能技术都将同样不可知。但就其性质而言，深度学习是一个特别黑暗的黑盒子。