数字化|胡泳｜相信人，还是相信机器？——重新思考数字化之九( 五 )

一旦面对黑盒子，就产生了人对系统的信任问题。而温伯格恰恰没有深入处理人对人工智能的信任。比如，即便“深度患者”的诊断比人类医生更准确，但要是它无法解释自己给出的判断，医生和患者会对它表示信任吗？
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。这有助于创造一种心理安全感。而AI对于大多数人来说仍然是相当新颖和陌生的。它使用复杂的分析系统进行决策，以识别潜在的隐藏模式和来自大量数据的微弱信号。
即使可以在技术上解释，AI的决策过程对于大多数人来说通常都是难以理解的。更何况目前的人工智能发展是在朝着不可理解的方向加速前进。同自己不明白的事情互动会引起焦虑，并使我们感觉我们失去了控制。
芯片制造商英伟达推出的自动驾驶汽车，看上去与其他自动驾驶汽车没有什么不同，但它实际上迥异于谷歌、特斯拉或通用汽车所展示的任何东西，而是显示了人工智能的崛起。英伟达的汽车并不遵循工程师或程序员提供的任何一条指令。相反，它完全依靠一种算法，这种算法通过观察人类的行为而学会了自己驾驶。

文章插图
英伟达自动驾驶系统眼中的世界
让一辆车以这种方式行驶是一项令人印象深刻的壮举。但它也有点令人不安，因为并不完全清楚汽车的决定是如何做出的。来自车辆传感器的信息直接进入一个巨大的人工神经元网络，该网络处理数据，然后提供操作方向盘、刹车和其他系统所需的命令。其结果似乎与你所期望的人类司机的反应一致。
但是，如果有一天它做出一些出乎意料的事情——比如撞上了一棵树，或者在绿灯前停止不动呢？按照现在的情况，可能很难找出它这样做的原因。该系统是如此复杂，甚至设计它的工程师也难以分离出任何单一行为的原因。而且你也不能向它提问：没有办法来设计一个系统，使它总是能够解释为什么它做那些事。
除非我们找到方法，让深度学习等技术对其创造者更容易理解，对用户更负责任。否则，将很难预测何时可能出现失败——而失败是不可避免的。麻省理工学院研究机器学习应用的教授托米·贾科拉说：“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。”
所以，理解，还是不理解，绝非可以轻易得出结论，因为我们投入的赌注太太了。正如人类行为的许多方面也无法详细解释一样，也许人工智能也不可能解释它所做的一切。或许这就是智力性质的一个特点：它只有一部分被暴露在理性解释之下。而另外一些是本能的，或潜意识的，或不可捉摸的。
如果是这样，那么在某个阶段，我们可能不得不简单地相信人工智能的判断（这是温伯格所主张的），或者干脆不使用人工智能。相信或者不使用，这种判断将不得不纳入社会智能。正如社会建立在预期行为的契约之上，我们将需要设计和使用人工智能系统来尊重和适应我们的社会规范。如果我们要创造机器人坦克和其他杀人机器，重要的是它们的决策必须与我们的道德判断相一致。
哲学家丹尼尔·丹尼特对可解释性持很审慎的态度。他说：“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的。但是，由于可能没有完美的答案，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。而如果它不能比我们更好地解释它在做什么，那么就不要相信它。”