人人都应该知道的人工智能
上QQ阅读APP看书,第一时间看更新

某份工作的最佳“人”选可能正是一台机器

关于这个问题,简而言之,是的,但仅在一些有限的方面。未来,公众的意见可能会发生转变,承认计算机在相当广泛的智力任务上通常都优于人类,但这并不意味着机器会控制或淘汰人类。我后文会进行解释。汽车跑得比我们快,ATM机数钱比我们快,照相机能在黑暗中看见物体,但我们并不认为它们会威胁我们的地位。计算机程序能玩游戏,能从人群中识别熟悉的面孔,还能比人类更好地推荐电影,但很少会有人被这些能力所吓到。如果机器人能够做脑科手术、粉刷房屋、理发、帮人们寻找丢失的钥匙,到那个时候,我预计我们会把它们视为非常有用的工具,能完成过去必须要人类智能才能完成的任务,因此,我们会难以抗拒为它们冠以“聪明”之名的冲动。

但是,当我们说它们很“聪明”时,必须非常小心地限定我们的意思。当“智能”一词用在机器身上时,很可能只适用于那些目标易于制定和测量、定义十分明确的活动,例如,除草了吗?我是否准时到达了目的地?明天会下雨吗?我的税单正确吗?不适用于那些标准更加主观的活动,例如,我穿哪条裙子更好看?我应该选择哪所大学?我应该和比利结婚吗?我要怎样安慰输了足球赛的女儿?

历史上,总是有人做出“计算机永远不能做某事”的错误预言,所以我在选择例子时感觉如履薄冰。毫无疑问,我们肯定能写出一些似乎能对这些主观问题或需要判断力的问题进行回答的计算机程序,但我认为,人类的答案会比计算机的答案更可取,更容易理解,也更明智一些。

未来,我们最终可能会接受机器比人类“更智能”这个事实。尽管这句话现在听起来让人很不舒服,但是到它成为现实的那一天,它会和过去许多技术一样,虽然曾经令人恐惧,但后来都变得司空见惯,例如体外受精(试管婴儿)、曾被认为会让儿童变得麻木和愚蠢的电视机,以及可怕的唱片音乐(recorded music,这是我的最爱)John Philip Sousa, “The Menace of Mechanical Music,” Appleton's 8 (1906), http://explorepahistory.com/odocument.php?docId=1-4-1A1.。即便会变得司空见惯,人工智能研究者还是很难逃脱人们的责难。众所周知,他们总是过于乐观,这是批评家,特别是哲学家休伯特·德雷福斯(Hubert Dreyfus)最爱诟病的地方参见:http://www.amazon.com/What-Computers-Still-Cant-Artificial/dp/0262540673。

请注意,这个问题与“计算机是否会取代人类目前所有的工作和活动”是不同的参见:http://www.makeuseof.com/tag/6-human-jobs-computers-willnever-replace/。。我们做某些事情的原因是因为我们喜欢做,这其中也包括了工作。正如我一个学生有一次在做问答题时讽刺地说道,我们之所以要开发下象棋的计算机程序,“是为了摆脱我们必须自己下象棋的苦恼”。

若想理解计算机为什么能够在各种实际应用中超越人类智能,或许应该先看看一个简单的事实:今天,计算机在很多任务上已经超越了人类,包括一些我们一直认为需要人类智能的事情,比如驾驶汽车、参加益智问答类的电视节目《危险边缘》《危险边缘》(Jeopardy)是美国哥伦比亚广播公司的一个益智问答游戏节目。2011年初,IBM公司的人工智能沃森(Watson)战胜了该节目历史上两位最成功的选手,获得了冠军。——译者注、预测战争、撰写新闻摘要等关于预测战争,请参见:H. Hegre,J. Karlsen,H.M. Nygård,H. Strand,and H. Urdal,“Predicting Armed Conflict,2010-2050,”International Studies Quarterly 57(2013):250-270,doi:10.1111/isqu.12007,http://onlinelibrary.wiley.com/doi/10.1111/isqu.12007/full。。现在请想一想,我们为什么会认为这些事需要不同的能力?如果一个程序能完成多个任务,即便它暂时还不能把某些事情(例如写小说)做到完美无缺,它“看起来”也好像具备了通用智能(generally intelligence)一样本书撰写之时,已存在一些程序可以写出看似合理的小说。参见:http://www.businessinsider.com/novels-written-by-computers-2014-11。。然而,这种“看起来”其实只是个虚无缥缈的海市蜃楼。

一台机器能完成的任务越来越多,是否意味着它相较人类而言就变得越来越智能了呢?为了回答这个问题,请想一想你的智能手机。它取代了过去许多不同的工具,如照相机、手机、音乐播放器、导航系统,甚至包括手电筒和放大镜,它将这些功能统统塞进了一个盒子里。但是,每当你下载一个新应用时,你是否觉得你的手机变得“更加聪明”了呢?我认为没有。不管它多么能干,它都只是一个瑞士军刀一般的信息处理设备,将许多有用的工具巧妙地集合于一体,组成一个方便携带的工具。

有人可能会争辩说,不同的功能可以互相融合,互相巩固。不同功能涉及的不同方法可以互相融合,形成一个体积越来越精简、通用性却越来越高的方法集合。不同的技术之间总是倾向于互相“融合”,这个事实可能有点出人意料,因为虽然每天都有无数新奇的小玩意儿诞生,但大多数都发生在人们的视线之外,或被隐藏起来了。这个融合趋势在软件发展史上也很明显。例如,曾经有一个年代,每个想要在计算机里存储信息的公司都必须自己编写适用于自身数据的数据库管理系统。随着这些系统的共性变得越来越明显,一些标准形式(特别是联网和分层的数据模型)出现了。这些标准模型互相竞争,但最终都被一个模型所取代,这就是关系数据库模型(relational database model)。今天,关系数据库模型被广泛使用于各种商业应用一个简短的概览,请参阅“数据库系统简史”:http://www.comphist.org/computing_history/new_page_9.htm。实际上,关系数据库是数学形式系统(关系理论)的另一个例子,为某个特殊的工程实践领域提供了坚实的理论基础。

正如前文所述,这些并不意味着未来的计算机一定会用人类的方式来执行任务。在稍后的章节中,我将更详细地介绍机器学习。过去几年中最惊人的一件事就是,当案例的数量足够多时,相对简单的统计学模型也能完成一些原本需要理解力和洞察力的任务。例如,机器翻译已经在一个较低水平上停滞了很多年,但如今,该领域的发展势头十分迅猛,并已成功翻译了许多文本参见:http://en.wikipedia.org/wiki/Statistical_machine_translation。。这听起来或许有点令人不安,但你必须意识到,每次你提出一个问题或者执行一次搜索,你都是在帮助那些为你寻找答案的计算机变得更聪明,以及更能满足人类的需求。

计算机拥有超凡的速度、精度和记忆力,因此,在执行像下象棋或翻译文本这样的任务时,它们采用搜索答案的方法更高效。人类采用的方法不同,但效果更好。然而,自动化的发展正在把“唯有人类才能完成的任务”一项一项地划掉。对普通人来说,人类智能与机器智能之间的界限可能会变得逐渐模糊,变得无关紧要。有时候,某份工作的最佳“人”选可能正是一台机器。