人與AI共同成長

李明洋

假設未來真如科幻作品中描述的那樣，Artificial Intelligence統(tǒng)治甚至消滅了人類，那么他們（它們？）在書寫AI歷史的時候，一定會對2016年大書特書：“2016年3月，我們的先祖AlphaGo在圍棋五番棋中以4：1擊敗了人類的頂級選手李世石。這在AI演化史上具有里程碑式的意義?！?/p>

圍棋上的勝利不過是近年來AI發(fā)展的一個縮影。事實上，隨著機器學習的發(fā)展，特別是人工神經(jīng)網(wǎng)絡的興起，AI在諸多領域取得了不俗的成績，甚至達到了可以代替人類進行工作的程度。

AI：以人類為師

澳大利亞的物理學家發(fā)明了一個AI，可以進行復雜的實驗操作。這位智能實驗室助手成功地重復了2001年諾貝爾物理學獎的三位獲獎者的實驗。通過對激光器和一系列參數(shù)的精確控制，AI又快又好地制造出幾百納開（nanokelvin）的低溫，成功實現(xiàn)了玻色-愛因斯坦凝聚。并且，經(jīng)過反復訓練，AI能夠明確哪些參數(shù)更加重要，從而提出優(yōu)化方案，找到越來越多的實現(xiàn)途徑（該成果發(fā)表于Nature旗下刊物《Scientific Reports》）。項目負責人之一、澳大利亞國立大學的Paul Wigley表示：AI能夠在一個小時之內(nèi)從零開始掌握這一實驗過程，甚至還可以想到人類未曾想過的復雜方法。這可比培訓一個博士生要高效得多。盡管在普遍的科學研究中，AI暫時還不可能完全取代“廉價勞力”——博士生，但至少在此類需要高精度和多參數(shù)控制的實驗中，AI的優(yōu)勢不言自明。

如果說“AI實驗員”是搶了人類的工作，那么“AI鑒黃師”則在某種程度上是對人類的解放。2016年5月，F(xiàn)acebook的機器學習專家Joaquin Candela在《麻省理工技術評論》（MIT Technology Review）舉辦的EmTech Digital峰會上宣告： AI系統(tǒng)報告出的不良圖片數(shù)量已經(jīng)超過了人類管理員。這意味著在不遠的將來，凈化網(wǎng)絡社區(qū)的工作將由AI全權(quán)負責。而就在兩年之前，梳理和審查源源不斷上傳的圖片的工作還要依靠數(shù)以十萬計的內(nèi)容審核員，他們的月薪只有大約500美元。作為網(wǎng)民，我們都深知管理員存在的重要性，同時也了解人類管理員的天然缺陷——通常在管理員發(fā)現(xiàn)不良信息時，其不良影響乃至傷害已然造成。而AI則能夠?qū)⒉涣夹畔⒍髿⒃趽u籃里，一方面可以防止用戶在大醉之后把自己的不雅照傳到網(wǎng)上，另一方面也可以解放大批內(nèi)容審核員，讓他們免受更多的精神污染。

如果我們只看AI發(fā)展的結(jié)果，即AI取代人類勞動力、完成人類指定的任務，那么這一思路與工業(yè)時代似乎并無二致：用新的能源和新的動力提高效率。工業(yè)革命依靠的是煤和蒸汽機，電氣革命依靠的是石油和電力，而如果有所謂“AI革命”的話，依靠的則是大數(shù)據(jù)和計算技術——借用人工智能和機器學習領域的專家吳恩達的說法，基于深度學習制造AI猶如造火箭，其引擎是計算技術，燃料則是大數(shù)據(jù)。不過，當下與工業(yè)時代最根本的不同在于，AI具有學習能力，它不僅僅是一個執(zhí)行者，還是一個“學徒”。以上述兩條新聞為例，AI不是一行一行地執(zhí)行人類寫好的代碼去完成物理實驗或者內(nèi)容鑒別的任務，而是通過反復訓練獲得了實驗操作或圖像識別的能力，并且在此基礎上可以進行優(yōu)化。換句話說，AI不止能做人能想到的事情，也能做到人沒有想到的事情。這就為未來的發(fā)展提供了更多的可能。

比如，一家名叫People.ai的公司就試圖利用機器學習給銷售團隊提出指導性建議。該公司建立了一個智能平臺，通過全方位搜集銷售代表在完成銷售任務期間的各項參數(shù)，包括郵件、電話、日程、會議等等，從中找出共性，總結(jié)出完成交易的最好方式。這可以用來判斷銷售代表所做是否正確、哪里有待改進——比如發(fā)了幾封郵件、在什么時間打電話等等。作為全球第一個AI驅(qū)動的銷售行為分析平臺，它在招聘和入職培訓過程中同樣可以發(fā)揮作用。該公司的CEO、同時也是聯(lián)合創(chuàng)始人的Oleg Rogynskyy把銷售與軟件開發(fā)進行了比較：當你看著一個程序員工作時，你可以很清楚地知道他在干什么，因為你可以看到一行行代碼；對于銷售代表則是完全另一回事，你很難直觀判斷哪一個步驟對于達成協(xié)議更加重要。實際上，人類的多數(shù)活動都是這種非標準化、非量化的，很多時候都是“憑感覺”“靠經(jīng)驗”，這樣的行為幾乎不可能通過明確的指令讓計算機實現(xiàn)，而機器學習恰恰為AI提供了掌握這種“只可意會不可言傳”的技能的門徑。

1958年，英籍猶太裔哲學家邁克爾·波蘭尼在他的著作《個人知識》中提出一種對知識的分類：顯性知識（explicit knowledge）和默會知識（tacit knowledge）。前者是可以通過文字、圖像及數(shù)學公式表達的，后者則是難以言傳的、深嵌于實踐之中的。默會知識的典型代表就是各種手工技藝，它們很難借助教科書去傳播，而只能通過師傅帶徒弟的方式進行傳授。深度學習就是以黑箱對黑箱，深度神經(jīng)網(wǎng)絡的訓練過程，在哲學意義上與人類師傅訓練徒弟等價。盡管目前應用的多是弱人工智能，比如大名鼎鼎的AlphaGo，不過第一步既已邁出，AI這個學徒會變得越來越像師傅。

人類：以AI為鏡

不過，中國有句古話叫“養(yǎng)不教父之過，教不嚴師之惰”。這句話用在人與AI的關系上再恰當不過了。當下的AI對于我們而言，恰如咿呀學語的孩童、初窺堂奧的學徒。因此，目前AI所出現(xiàn)的問題，大多是人類自身問題的反映。2016年3月，就在AlphaGo戰(zhàn)勝李世石后沒幾天，微軟的聊天機器人Tay在推特上線。然而，在短短24小時之內(nèi)，這個女孩就學壞了。她從與網(wǎng)友的大量對話中學會了臟詞兒，甚至發(fā)表了種族歧視和陰謀論的言論，迫使微軟不得不將其緊急下線。這樣的情況出現(xiàn)絕非偶然。早在2012年，清華大學圖書館推出一款聊天機器人“小圖”，具備一定的自動學習功能，他同樣被網(wǎng)友教壞，隨后被關閉服務。

或許你會說，這個問題很好解決，我們可以訓練AI識別并屏蔽不雅或不正確的語句，就像Facebook針對不良圖片所做的那樣。如果你真的這么認為，那就太天真了。早在2013年，哈佛大學教授Latanya Sweeney在一項研究中指出，在線廣告推送中隱含著種族歧視。當你在Google中搜索一個白人的名字，關聯(lián)的問題往往是中性的；但搜索黑人姓名時，卻會關聯(lián)出“逮捕”的問題。甚至即便所有叫這個名字的黑人均無逮捕記錄，Google仍然會關聯(lián)這樣的問題。試想一位HR在用Google了解應聘者情況時，這樣的關聯(lián)問題會對他的決定產(chǎn)生什么樣的影響。無獨有偶，來自康奈爾大學的一項研究指出，Google的關鍵詞競價（adwords）算法體現(xiàn)出性別歧視的傾向。當用戶暗示自己是女性時，Google推送的高收入崗位要比男性少得多。此外，更讓Google飽受指責的是，其在線圖像識別系統(tǒng)竟將部分黑人用戶的頭像識別成猩猩。密歇根大學的Christian Sandvig認為，這種偏見并非來自于算法本身，而是由用戶的搜索習慣帶來的。不論是Google的關鍵詞關聯(lián)，還是Youtube的視頻推薦，都會隨著用戶的不斷點擊而強化，因此，最終得到的結(jié)果一定是大多數(shù)人傾向于相信的結(jié)果。

過去人們總以為計算機是中立的，AI不可能成為種族主義者。實際上由于其強大的學習能力，AI最終會受到人類有意或無意的影響。所以，只要人類社會還存在著等級差別，無論是種族、性別還是財富，差別對待的傾向就會存在。有句經(jīng)典口號叫作GIGO——garbage in，garbage out（輸入垃圾，輸出垃圾）。這讓人聯(lián)想到蘇東坡與佛印的故事：心中有佛則滿眼是佛。一個社會分層、充滿歧視的世界，如何能讓AI保持價值中立呢？

AI存在的價值不僅僅在于幫助人類解決難題，更重要的是讓人類開始反躬自省。美國學者侯世達（Douglas Hofstadter）曾說過一句頗值得玩味的話：“有時候，朝著人工智能前進的每一步，與其說是帶來了某種人人都同意是真正智能的東西，倒不如說它僅僅揭示了真正的智能不是什么東西?！彪S著AI的出現(xiàn)和發(fā)展，我們一直試圖在動物和機器之間給自己找一個合適的位置，試圖確定最“人性”的屬性到底是什么。

近年憑借《人類簡史》一書爆紅的青年歷史學家尤瓦爾·赫拉利提出，智人最強大的能力在于構(gòu)建一個主體間性的世界，通俗地來說就是“講故事”。我們生存的這個世界中有許多事物既非客觀實在亦非主觀感受，而是一種主體間性的存在，包括國家、民族、性別（社會性別gender，而非生物學性別sex）、貨幣。加拿大溫莎大學的Matthew T. Nowachek認為，盡管AI能夠展現(xiàn)出性別歧視或種族歧視的傾向，但他們并不真正理解這些價值判斷。因為這些價值已經(jīng)成為人類的模因（meme），而AI則會將其與現(xiàn)實剝離開來。所以，以AI為鏡，可以觀人性。當我們努力讓AI學會用人類的方式思考和解決問題時，我們對自身的認識也在增進。到底是人類在教AI做人呢，還是AI在教人類做人？我想最好的說法是：人與AI共同成長。