盲目崇拜or恐懼？清醒吧，AI創業者！

編者按：本文原作者Nitzan Hermon是通信工作室和技術諮詢公司Studio VV6的負責人。

隨著我們不斷創造出越來越多的智能機器，我們不得不重寫自工業革命以來所持有的信念。由於機器不斷增加的複雜性，數據的換代速度越來越快，層次也越來越多。當這種複雜性超過了我們的理解能力，我們與工具的關係將會開啟全新的篇章。

目前我們在技術上所做的研究工作植根於早期的工具時代，比如鎚子的焊接等。這些工具本身已經發生了變化，但是我們與之互動的心理模型仍保持相對穩定。工具只是變得越來越快、越來越強和無線化。

電鑽是更加強大的鎚子，火車是更加快速的汽車，手機是有線電話的無線版本。這些改變都隨著電子數字積分器和第一台通用計算機ENIAC的出現而發生。

技術演變

1946年，賓夕法尼亞大學安裝了ENIAC，這是第一台能夠執行多任務的機器。負責操作的人類開始不得不改變自己的心理模型。

當我們使用線性可認知管理的單維計算方式——模型視圖控制器（MVC）時，這一切都還好。MVC是20世紀70年代末由Alan Kay、Trygve Reenskaug和Adele Goldberg發明的伺服器架構。他們在Dynabook和Smalltalk工作時發明了這項技術。

MVC是由靜態資料庫、專有介面點以及連接兩者的控制器構成的。所以數據一次只能向一個方向移動。當你發送推文、查詢或者閱讀文章時，數據要麼朝著用戶方向要麼朝著資料庫方向移動，不能同時向兩個方向移動。

對待技術的態度轉變

隨著更多分類的工具、更好的感測器和網狀數據技術的出現，技術的複雜性開始顯現，我們也得以用新的方式進行統計計算。但是這也導致了一個問題，即我們不能完全了解正在發生的事情。這也是為什麼偏見會成為演算法中的大問題。我們可以理解偏見的根源，但是我們無法立即解決它。

演算法的長尾特性使其與裝配線的運行具有根本上的不同。我們無法採取立場，糾正我們的模型，或者改善數據來源。一旦我們做出了改變，我們必須耐心等待，讓它在下游波動成為一個模型。

這種複雜性與新的技術能力相結合，產生了偏見與人類信念的奇怪組合。尤其是往往與本體論屬性相分離的工具認識論觀點。這些演變導致一些技術創新遠離了日常生活工具，而不是出現在現有心理模型的上下游。

技術信仰與技術恐懼症

技術信仰認為所有的技術都是好的。以這種方式思考，將會限制你對改進和有意義設計進行公開討論的能力。而現實趨勢也的確如此，比如演算法的擬合，AI助手的虛假承諾，和對一般人工智慧（AGI）不切實際的期望。

技術恐懼症則是與之相反的觀點，它認為我們無法理解的技術將會摧毀人類。但其實目前所有的數據技術（如機器學習、深度學習等）都只是工具而已。它們只是能夠運行在快速計算機上的數據工具，擁有比以往更多的數據點而已。

馬斯克與扎克伯格之間對AI的交流就是技術信仰與技術恐懼症的碰撞。扎克伯格是技術信仰的忠實支持者。他是一個成功的創始人，也是一個代表了矽谷文化的人。

馬斯克對技術的看法則稍微複雜一些，因為他似乎對這兩個對立觀點的看法搖擺不定。雖然馬斯克提出了「AI是對人類文明的存在根本的威脅」的觀點，但是他卻無法給出一個很好的論據。而大腦與機器之間有區別的原因是很廣泛、很多樣的。

那清晰對待技術呢？

有趣的是，這兩個對立的陣營在對AGI的看法上出現了交集。技術信仰將大腦視為計算機問題，而技術恐懼症則害怕被支配。這種分類似乎是非結構性的。如果你認為演算法是智能的，那麼反映了你存在著一定的偏見。

一般人工智慧社會的主席Ben Goertzel指出，咖啡測試是對AGI的一個很好的定義。所謂咖啡測試是指進入普通的美國家庭，找出製作咖啡的方法，包括識別咖啡機、弄清楚按鈕的作用以及在櫥櫃中找到咖啡等。

Malcolm Frank、Paul Roehrig和Ben Pring在《What to Do When Machines Do Everything》一書中寫道：「這一系列任務對一個成年人來說是很容易的，但對計算機來說卻很困難。創造一個AGI要比ANI困難的多。大多數人估計，我們距離開發出這樣的AI功能還有20多年的時間。」

與此同時，我想知道我們需要做些什麼來更好地理解工具並編寫全新的可用心理模型。畢竟，對技術有著清晰的認知是將技術應用到客戶身上的唯一途徑。我需要的不是一個可以製作咖啡、編程網站、烹飪的機器人，我需要的是一個與我們的思維方式非常類似的工具。我需要超語境化的工具，這些工具可以理解我不斷變化的思維，而不是試圖進行模仿。

如果我們沒有在認知信念下進行操作，只會在錯誤的道路上越走越遠。只有對技術有著清晰的認知才可以讓我們理解和利用實例的唯一性，遺留知識和用戶需求。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！