胡泳谈AI发展误区:别把模仿人类当成唯一目标
在过去十年或更长时间里,讨论人工智能时很少不与人类能力相比较。对许多人来说,随着人工智能的发展,它对人类产生了威胁,不仅仅关乎劳动者的就业能力、社会的权力结构、人的能动性,甚至涉及我们的生存本身。北京大学新闻与传播学院教授胡泳在《北大金融评论》发文指出,人工智能实现能力突破的方式,并不只有模仿人类这...
过去十年甚至更久,人们聊起人工智能,几乎总要拿它和人的能力作比较。不少人因此感到不安:AI 往前走一步,受影响的除了劳动者能不能保住饭碗、社会的权力格局、人的自主性,甚至关系到人类自身能否存续。Erik Brynjolfsson 的研究则指出,这种比较没什么益处。现实里更常见的情形,是人跟机器各干各的、互相补位:AI 去做它拿手的事,人借技术把自己的本事放大,做成原先单靠自己办不到的事。所以发展人工智能,要紧的目标不该是让机器取代人,而是用它帮人把活干得更好、让人的能力变强。这样一种以协作为底子的人机系统,更该让人感到振奋。
1950 年,阿兰·图灵(Alan Turing)给出过一个判断机器是否智能的办法:机器能不能把人的样子学得足够像,以至于它给出的回答和人没有差别?打那以后,造出与人类智能相当的智能,就成了成千上万研究者、工程师和企业家或明或暗追逐的目标。类人人工智能(HLAI,Human-like Artificial Intelligence)能带来生产力大幅提升、闲暇时间增多等好处,而它最深的影响,也许在于能充当一面镜子,帮我们看清人自己是怎么思考的。
不过,人工智能要取得能力上的突破,模仿人类并非唯一的路。其实不少最强的 AI 系统恰恰不像人:它们学习、推理、处理信息的方式和人完全不同,却能完成许多一向被划归人类能力范围的任务,有的还超过了人。
把注意力过多放在开发和部署 HLAI 上,会让人掉进一个陷阱,不妨叫它“图灵陷阱”。这类系统只盯着替代人、服务人的潜力,价值空间或许远比不上单纯追求替代的那种人工智能。
人类进化了几百万年,才会哄婴儿、在乱糟糟的森林里穿行、从灌木上挑出最熟的那颗蓝莓,这些事对眼下的机器来说,即便不是做不到,也难得很。可机器看 X 射线、在硅片上蚀刻几百万个晶体管、扫描几十亿网页找出最相关的内容,却干得漂亮。想想看,要是过去的工程师只想着复制人的感知、执行和认知水平,今天的技术会有多单薄、多受限。
机器能感知人感知不到的东西,能以人做不到的方式作用于物体,还能处理人脑难以理解的复杂模式。拿感知来说,技术已经把人的感官边界往外推了一大截:红外相机拍得下人眼看不见的红外辐射,X 射线和 MRI 能显示人体内部结构,AI 再进一步分析这些传感器产生的海量数据,从中找出人的感官和直觉难以察觉的模式、关联与异常,把机器感知到的东西变成人用得上的知识。
行动这一头,工业机器人能以极快的速度和精度完成焊接、装配和微米级操作;手术机器人让医生通过机械系统做出极其精细的动作;深海机器人能钻进人承受不了的高压环境;火星车则可以在没有人在场的情况下开展探测。更要紧的是,机器能把 AI 的判断转成持续、精确的物理动作。在自动化实验室里,机器人能按算法设计的方案连着做完几千次实验。人的行动范围就这样被机器延伸到了身体进不去、也扛不住的领域。
认知这一头,机器能处理规模和复杂程度都远超单个人认知能力的信息。现代气象系统要处理海量的卫星、海洋、地面和大气数据;蛋白质结构预测要在极其复杂的分子空间里找规律;大型物理实验产生的数据,多到个人根本没法逐条分析。AI 能对这些高维数据做计算和筛选,再提出假设,交给人类研究者去检验和解释。这里最有意思的一点是,机器未必得把问题转成人熟悉的思维形式,才能帮人把问题解决掉。它可以沿着一条跟人类直觉完全不同的计算路径找到答案,再由人来解释、验证和使用。
由此可以看出,关键不是“机器变得像人,人才用得上它”,而是人和机器各自保留不同的能力,再把这些能力接起来。
用技术增强人的能力,给我们打开了一片新能力和新机遇望不到头的疆域。人类和机器搭伙能做成的事,比人单干能做成的事多得多,这一点没有疑问。