人工智能欠下的智力債誰來償還

隨著人工智能新技術(shù)，特別是機(jī)器學(xué)習(xí)的出現(xiàn)，我們的“智力信用額度”被提高了。機(jī)器學(xué)習(xí)系統(tǒng)在數(shù)據(jù)海洋中識別模式，并借助這些模式來解決一些模糊開放的問題。例如，提供一個有關(guān)貓和其他非貓科動物的標(biāo)記圖片數(shù)據(jù)集，機(jī)器學(xué)習(xí)系統(tǒng)就學(xué)會了如何識別貓。同樣地，讓系統(tǒng)訪問醫(yī)療記錄，它就可以嘗試預(yù)測一個新入院病人的死亡可能性。

然而，大多數(shù)的機(jī)器學(xué)習(xí)系統(tǒng)并沒有發(fā)現(xiàn)因果機(jī)制（causal mechanisms）。基于統(tǒng)計(jì)相關(guān)性引擎的機(jī)器學(xué)習(xí)系統(tǒng)無法解釋為什么它們認(rèn)為某些患者更有可能死亡，因?yàn)樗鼈儾⒉豢紤]數(shù)據(jù)的含義，而只是提供結(jié)果。當(dāng)我們將這些系統(tǒng)融入日常生活時，我們將共同承擔(dān)越來越多的智力債務(wù)。

制藥領(lǐng)域的發(fā)展表明，在某些情況下，智力債務(wù)是不可或缺的。那些我們并不理解的干預(yù)措施已經(jīng)挽救了數(shù)百萬人的生命。很少有人會因?yàn)椴磺宄渥饔脵C(jī)制而拒絕服用拯救生命的藥物，如阿司匹林。但是，智力債務(wù)的增加也會帶來不好的結(jié)果。隨著具有未知作用機(jī)制的藥物激增，發(fā)現(xiàn)不良反應(yīng)所需的測試數(shù)量呈指數(shù)級增長。

如果清楚藥物的作用機(jī)制，就可以預(yù)測其不良反應(yīng)。在實(shí)踐中，藥品間的相互作用往往是在新藥上市后才發(fā)現(xiàn)的，這就形成了一個循環(huán)。在這個循環(huán)中，藥物先被上市，然后被遺棄，期間還伴隨著集體訴訟。通常，伴隨著新藥產(chǎn)生的智力債務(wù)有一定的合理性。但是智力債務(wù)并不是孤立存在的。在不同領(lǐng)域發(fā)現(xiàn)和部署的沒有理論基礎(chǔ)的答案，會以不可預(yù)測的方式使彼此交錯復(fù)雜化。

Inception系統(tǒng)顯然無法解釋究竟是哪些特征使其能夠判斷一只貓是否真的是貓，因而當(dāng)提供特制或損壞的數(shù)據(jù)給系統(tǒng)時，也很難預(yù)測系統(tǒng)是否會出現(xiàn)失誤。這些系統(tǒng)在準(zhǔn)確性上存在的未知漏洞，無疑給了攻擊者機(jī)會。伴隨著機(jī)器學(xué)習(xí)系統(tǒng)所生成的知識的使用，這些差距也就隨之產(chǎn)生了。一些醫(yī)療AI經(jīng)過訓(xùn)練后已經(jīng)能分辨出皮膚腫瘤是良性還是惡性。

然而，就像哈佛醫(yī)學(xué)院和麻省理工學(xué)院的研究人員通過改變圖片的某些像素騙過系統(tǒng)，讓其做出錯誤的判斷，攻擊者也可能會利用這些漏洞實(shí)施保險欺詐。在人工智能系統(tǒng)預(yù)測能力的誘惑下，我們可能會放棄自身的判斷。但是系統(tǒng)存在著被劫持的可能，而我們沒有什么簡單的方法來驗(yàn)證其答案的正確性。

既然如此，我們能否能為智力債務(wù)創(chuàng)建一個資產(chǎn)負(fù)債表，從而跟蹤那些無理論知識的用途呢？如果一個AI生成了一個新的披薩配方，那么你無需多言，盡管享用便是了。然而，當(dāng)我們要用AI進(jìn)行醫(yī)療健康方面的預(yù)測推薦時，我們就希望得到充分的信息。

機(jī)器學(xué)習(xí)系統(tǒng)單獨(dú)來看會持續(xù)產(chǎn)生有用的結(jié)果，但是這些系統(tǒng)并不是孤立存在的。這些AI收集并提取整個世界的數(shù)據(jù)，同時也產(chǎn)生著自身的數(shù)據(jù)，而其中很大一部分會被其他機(jī)器學(xué)習(xí)系統(tǒng)所使用。就像具有未知作用機(jī)制的藥物有時會相互作用一樣，那些背負(fù)智力債務(wù)的算法也是如此。

每個賣家策略的設(shè)定都很理性。但正是他們算法的相互作用產(chǎn)生了不合理的結(jié)果。數(shù)以千計(jì)的機(jī)器學(xué)習(xí)模型在不受監(jiān)管的情況下進(jìn)行互動所產(chǎn)生的結(jié)果更是難以預(yù)測。早已部署了尖端機(jī)器學(xué)習(xí)系統(tǒng)的金融市場是此類問題的溫床。去年秋天，摩根大通（J. P. Morgan）分析師Marko Kolanovic認(rèn)為金融市場的崩潰很容易再次發(fā)生，因?yàn)楝F(xiàn)在的交易大多基于自動化系統(tǒng)。智力債務(wù)在這些系統(tǒng)的相互作用下不斷累積，盡管有時它們并不是正式關(guān)聯(lián)的。如果沒有類似于資產(chǎn)負(fù)債表這樣的東西，我們就無法預(yù)測或者回溯這些智力債務(wù)是否值得承擔(dān)。

智力債務(wù)的增加也可能改變我們對基礎(chǔ)科學(xué)和應(yīng)用技術(shù)的思考方式。與那些由政府支持，由學(xué)術(shù)研究機(jī)構(gòu)運(yùn)營的大型資本項(xiàng)目（如粒子加速器等）不同，機(jī)器學(xué)習(xí)工具很容易被私營企業(yè)或?qū)W術(shù)界所使用。

“與這篇論文相比，概念性論文或者提出新理論假設(shè)的論文的聲望要低得多”，他在接受采訪時說到。在機(jī)器學(xué)習(xí)使得發(fā)現(xiàn)速度加快的時代面前，那些理論家們顯得那么無關(guān)緊要，甚至是多余的存在。與創(chuàng)建機(jī)器學(xué)習(xí)模型方面的專業(yè)知識相比，對特定領(lǐng)域的知識的重視程度自然也會降低。

金融債務(wù)將控制權(quán)從借方轉(zhuǎn)移到了貸方，從未來轉(zhuǎn)移到了過去。而不斷增加的智力債務(wù)也可能轉(zhuǎn)移控制權(quán)。一個充斥著不經(jīng)理解的知識的世界會變成一個沒有明顯因果聯(lián)系的世界，而我們只能依賴于我們的數(shù)據(jù)管家來告訴我們該做什么，什么時候做。例如，一個大學(xué)的招生委員會可能會將辛苦和不確定的人員篩選交給機(jī)器學(xué)習(xí)模型。這種方式可能會優(yōu)化新生群體，不僅是為了學(xué)業(yè)上的成功，還可以帶來和諧的人際關(guān)系以及校友的慷慨捐贈。再者，我們理解這個世界的唯一方法可能就是采用我們的AI系統(tǒng)，通過神經(jīng)網(wǎng)絡(luò)來微調(diào)我們的社交媒體資料，這樣我們就能夠完全“融入”社會。