連約會都能替你完成：十年後，數字替身可以決定你的人生？
插圖：阿曼多·韋弗（Armando Veve）
人類是唯一可以製造機器的動物。通過這種方法，我們擴展了自身的能力，超越了我們的生物極限。而現在，我們正在創造一項全新的技術，用代碼賦予它通過數據和練習進行學習的能力，使其可以實現自我進化。人工智慧會怎樣改變人類的未來？
在本文作者看來，我們可以創造出自己的數字替身，它會比你自己更了解你，幫你談生意、尋找合適的配偶，在虛擬空間里為你度過無數種可能人生。
在過去十年間，我們每年都會開發數以千計的新演算法。現在機器學習演算法大致可以分為5個大類，每一類都是從不同的學科領域獲得了靈感。有一種機器學習方法就是在模擬自然選擇，我們稱這樣的演算法為進化演算法。
但這種進化是低效的。當前應用最廣泛的機器學習方法是深度學習，它的靈感來自大腦。這種方法從模擬單個神經元功能的高度簡化的數學模型出發，構建出包含數千個神經元的網路，並通過學習不斷調整不同神經元之間的連接。
機器學習也會借鑒心理學。與人類相似，這種以類比為基礎的演算法通過在已有的數據中尋找近似的問題來解決新的問題。
通過自動執行科學方法，機器也可以實現學習。為了引入新的假設，所謂的符號學習會進行逆向推理演繹。
最終，機器學習可以完全構建於數學原理之上，其中最重要的是貝葉斯定理。按照這個定理，我們可以基於現有知識，先給不同假設指定初始概率，然後提升與數據相符的假設的概率，並降低與數據不符的假設的概率，最後計算所有假設的加權平均值，就可以作出預測：概率越高的假設，權重也越高。
這5類機器學習演算法，每一種都既有優勢，也有不足。所以機器學習研究者一直致力於把各種方法的優勢結合起來。就如同一把能打開所有鎖的萬能鑰匙，我們也在努力創造一個所謂的主演算法（master algorithm）——這個演算法可以從數據中學習到一切特徵，提取出所有可能得到的知識。
智能機器人：這個機器海星會使用進化演算法來學習如何模擬自己。進化演算法是機器學習演算法中的一大類，科學家希望可以把它與其他演算法結合起來，得到「主演算法」，那將是一種非常強大的工具。
當前，機器學習領域面臨的挑戰和物理學家面臨的挑戰類似：量子力學可以在微觀尺度上很好地描述宇宙，廣義相對論則適用於宏觀尺度，但這兩個理論卻是不相容的，有待調和。在粒子物理學的標準模型建立起來之前，詹姆斯·克拉克·麥克斯韋（James Clerk Maxwell）首先統一了光、電和磁；與此類似，包括我和華盛頓大學的同事在內，很多研究團隊都提出了將兩種或多種機器學習方法統一到一起的思路。但科學進步是斷斷續續、非線性發展的，因此很難預測這個大一統的主演算法什麼時候才能實現。不管怎樣，這一目標的實現並不會導致一個全新的、強大的機器種族出現，相反，它會促進人類的進步。
人工智慧不會取代我們
一旦我們獲得主演算法，並輸入由每個人產生的大量數據，人工智慧系統就可能通過學習得出每個個體的非常準確和詳細的模型：我們的口味和習慣、優點和缺點、記憶和願望、信仰和個性、我們在乎的人和事，以及任何特定場景下我們會如何回應。我們的模型實質上能夠預測我們將做出的選擇，這既令人興奮又令人不安。
許多人擔心，擁有這些能力的機器會利用它們新獲得的知識來奪走我們所有的工作，奴役我們，甚至消滅我們。但這是不可能發生的，因為它們沒有自己的意志。基本上，所有的人工智慧演算法都是由我們設計的目標驅動的。這些演算法與普通演算法的區別在於，它們可以靈活地決定如何實現我們為它們設定的目標，而不是需要執行預先定義的一系列步驟。即使通過不斷執行任務而得到優化，它們的目標仍然沒有改變。此外，人類會核查機器的成果是否符合我們的目標。
人工智慧只是一種解決難題的能力，而這一任務並不需要自由意志。它與人類作對的可能性，並不比你的手突然不聽使喚，扇自己耳光更大。和其他技術一樣，人工智慧將永遠是我們自身的擴展。我們所設計的人工智慧越強大，人類也就受益越多。
那麼，人工智慧會讓我們的未來變成什麼樣子呢？智能機器確實會取代許多工作，但對社會的影響可能類似於以前的自動化機器。200年前大多數美國人都是農民，如今機器已經取代了幾乎所有的農民，卻沒有造成大規模的失業。末日論者認為，這一次是不同的，因為機器正在取代的不僅僅是我們的肌肉，更是我們的大腦。但是，人工智慧距離承擔我們的所有任務仍然非常遙遠。在可預見的未來，人工智慧和人類將擅長不同的事情。機器學習的主要作用將是大大降低智力成本。這種普及進程將讓人工智慧在更多的領域變得經濟可行，創造新的就業機會，並改造舊的工作，讓相同數量的人力能完成更多工作。
然後，還有未來學家雷·庫茲韋爾（Ray Kurzweil）宣揚的「奇點」。他設想，技術進步會永遠不斷加速：機器學會製造更好的機器，而新的機器又能製造出比它還要好的機器。但我們知道這是不可能的，即便是量子計算機——它的計算能力也受到物理定律的嚴格限制，而且在某些方面，我們距離這樣的極限已經不遠了。人工智慧的進步，就像其他一切的進步一樣，最終會趨於平穩。
數字替身
人工智慧，尤其是機器學習，事實上只是人類進化的延續。在《延伸表型》（Extended Phenotype）一書中，英國科學家理查德·道金斯（Richard Dawkins）談到，動物基因控制的不止是它們的身體，還有環境，而且這種現象相當普遍——從杜鵑產蛋到河狸築壩，都是如此。技術就是人類表型的延伸，我們今天所構建的是我們的另一層技術外骨骼。未來人類會如何運用人工智慧？我認為最可能出現的情景要比通常的推測更有趣。
在十年內，我們中的每一個人都可能擁有一個「數字替身」，這個人工智慧助手將比我們今天的智能手機更加不可或缺。你的數字替身不需要和你一起移動，它很可能存在於雲中的某個地方，就像你現有的個人數據一樣。我們可以在Siri、Alexa和Google助手等虛擬助手中看到它的雛形。數字替身的核心是一個你自身的模型，該模型將從你與數字世界互動時產生的一切數據中學習，包括桌面電腦、網站、可穿戴設備以及智能揚聲器、恆溫器、手機信號發射塔和攝像機等環境感測設備。
我們的學習演算法越好，我們給數字替身提供的個人數據越多，它們就會變得越精確。一旦我們有了主演算法，就可以通過增強現實設備和其他個人感測器連續捕捉你的感覺和運動信息，這樣一來，數字替身會比你最好的朋友都更了解你。
你的數字模型和數據將由一個「數據銀行」來維護，這與你用來儲蓄和投資的傳統銀行不同。許多現有的公司肯定願意為你提供這種服務。谷歌創始人謝爾蓋·布林（ergey Brin）表示，谷歌想成為「你的大腦的第三個半球」，但如果你大腦的一部分要通過向你展示廣告來維持它的存在，你可能不願意。最好是由利益衝突更少的新型公司或由與你志趣相投的人形成的數字聯盟來給你提供更好的服務。
畢竟，人工智慧最值得擔心的地方不是它會自發地變邪惡，而是控制它的人會濫用它。因此，你的數據銀行的首要任務是確保你的模型永遠不會被用來損害你的利益。你和數據銀行都必須保持警惕，時刻監控人工智慧犯罪，因為這項技術同樣也能增強壞人的能力。我們將會需要人工智慧警察來抓捕人工智慧罪犯。
當然，這也給某些機構提供了機會，讓它們更容易監視和約束你。考慮到機器學習的發展速度，電影《少數派報告》（Minority Report）中的情景也可能出現——人們在即將犯罪時被提前逮捕。
作為個人，我們的首要任務是不要自滿，不要盲目信任我們的數字替身，忽略它們才剛誕生沒多久的事實。從外表看，人工智慧似乎是客觀，甚至完美的，但在內里，它們同我們一樣有諸多缺陷，甚至更多，只是方式不同而已。例如，人工智慧缺乏常識，很容易犯一個人永遠不會犯的錯誤，比如把橫穿馬路的人誤認成被風吹起的塑料袋。它們往往只能理解我們指令的字面意思，精確給出我們要求的東西，但那不是我們真正想要的。
實際上，你的數字替身和你如此相似，以至於它可以在各種虛擬互動中替代你。它的工作不是像你一樣生活，而是要幫助你選擇那些你沒有時間、耐心或知識親自去選的東西。它會閱讀亞馬遜上的每一本書，推薦一些你最可能想要閱讀的書。如果你需要一輛車，它會研究各種選項，並與汽車經銷商的替身討價還價。如果你在找工作，它會尋找所有符合你需要的職位，然後為你安排最有可能通過的真人面試。如果你被診斷出了癌症，它會嘗試所有可能的治療方法並推薦最有效的治療方法。如果你正在尋找愛侶，你的數字替身將會與所有符合條件的數字替身進行數百萬次的虛擬約會。在虛擬空間中擦出愛情火花的情侶們則可以在現實生活中約會。
從本質上說，你的數字替身會在虛擬空間中度過無數種可能人生，這樣真實世界中的你就可能選出其中最好的一個版本。你的模擬生活是否真實，你的數字化身是否有某種自我意識，就像英劇《黑鏡》（Black Mirror）中的一些故事那樣，都是有趣的哲學問題。
一些人擔心，這意味著我們將把自己生活的控制權交給計算機。但它實際上給了我們更多的控制權，而不是更少。你的模型還將從每次虛擬體驗的結果中學習（你享受這次約會嗎？你喜歡你的新工作嗎？）所以隨著時間的推移，它給出的建議會越來越接近你本人的選擇。
事實上，我們已經習慣了在潛意識的干預下做出我們的大多數決策，因為這就是我們大腦的運作機制。你的數字替身就像是大幅擴展了的潛意識，但它們之間有一個關鍵的區別：當你的潛意識在你的身體里獨自生活時，你的數字替身將會不斷地與他人和組織進行互動。每個人的數字替身都將繼續努力學習其他人的模型，構成一個基於模型的社會，它們會以計算機的速度生活，探索所有的可能性，猜測我們在當下可能做出的選擇。我們的機器將是我們的偵察兵，為獨立個體和整個人類物種開闢一條通往未來的道路。它們將帶領我們去往哪裡？我們將選擇奔赴何處？
撰文：佩德羅·多明戈斯（Pedro Domingos），華盛頓大學的計算機科學教授，也是《終極演算法》（The Master Algorithm，Basic Books，2015年出版）的作者。
翻譯：崔迪瀟，西安交通大學人工智慧與機器人研究所講師。
《環球科學》2019全年訂閱開啟
TAG:環球科學 |