現(xiàn)在談AI革命是不是為時(shí)過(guò)早了

人工智能（AI）已經(jīng)成為當(dāng)今時(shí)代的口號(hào)。技術(shù)專(zhuān)家、學(xué)者、記者、風(fēng)險(xiǎn)投資家都在說(shuō)這個(gè)詞。跟其他許多從技術(shù)或?qū)W術(shù)領(lǐng)域流入普通大眾的詞語(yǔ)一樣，“AI”這個(gè)詞的使用也存在嚴(yán)重的誤解。

人工智能（AI）已經(jīng)成為當(dāng)今時(shí)代的口號(hào)。

技術(shù)專(zhuān)家、學(xué)者、記者、風(fēng)險(xiǎn)投資家都在說(shuō)這個(gè)詞。跟其他許多從技術(shù)或?qū)W術(shù)領(lǐng)域流入普通大眾的詞語(yǔ)一樣，“AI”這個(gè)詞的使用也存在嚴(yán)重的誤解。

然而，跟其他領(lǐng)域中公眾不理解科學(xué)家在做的事情不一樣，對(duì)于“AI”，科學(xué)家們經(jīng)常和公眾一樣困惑。

某種程度上，我們這個(gè)時(shí)代正在看到一種與我們?nèi)祟?lèi)的智能相匹敵的硅基智能的出現(xiàn)，這既讓所有人感到興奮，讓我們著迷，同時(shí)也讓我們感到恐懼。不幸的是，它分散了我們的注意力。

我們急需發(fā)展構(gòu)建推理和決策系統(tǒng)的原則

我們可以從另一個(gè)角度來(lái)講述這個(gè)時(shí)代。有這樣一個(gè)故事，其中涉及人類(lèi)、計(jì)算機(jī)、數(shù)據(jù)和生死抉擇，但重點(diǎn)不僅僅是硅基智能這類(lèi)的幻想。

14年前，我的妻子懷孕時(shí)，我們做了超聲波檢查。醫(yī)生是一位遺傳學(xué)家，她指出胎兒心臟周?chē)幸恍┌c(diǎn)。“這些都是唐氏綜合癥的標(biāo)志，”她說(shuō)，“現(xiàn)在你的風(fēng)險(xiǎn)已經(jīng)上升到20分之一了?！彼嬖V我們，可以通過(guò)羊膜穿刺術(shù)了解胎兒是否真的有唐氏綜合癥基因畸變，但羊膜穿刺術(shù)存在風(fēng)險(xiǎn)——在穿刺術(shù)過(guò)程中胎兒死亡的幾率大約是300分之一。

作為一名統(tǒng)計(jì)學(xué)家，我決定找出這些數(shù)字的來(lái)源。在我的研究中，我發(fā)現(xiàn)十年前英國(guó)有人做過(guò)一項(xiàng)統(tǒng)計(jì)分析，這些反映鈣沉積的白點(diǎn)確實(shí)被認(rèn)為是唐氏綜合癥的預(yù)測(cè)因子。我還注意到，我們做檢查時(shí)使用的成像機(jī)每平方英寸的像素比英國(guó)研究中使用的成像機(jī)多幾百個(gè)像素。我回去告訴遺傳學(xué)家，我相信那些白點(diǎn)很可能是假陽(yáng)性，也就是字面上的白噪音。

她說(shuō)：“啊，這就解釋了為什么我們幾年前開(kāi)始發(fā)現(xiàn)唐氏綜合癥的診斷有上升趨勢(shì)。那恰好是新機(jī)器運(yùn)來(lái)的時(shí)候。”

我們沒(méi)有做羊膜穿刺術(shù)，幾個(gè)月后妻子生下一個(gè)健康的女孩。但這件事一直讓我放不下，尤其是我知道由于一次粗略的計(jì)算，那天可能有成千上萬(wàn)的人得到同樣診斷，然后許多人選擇做羊膜穿刺術(shù)，造成許多嬰兒不必要的死亡。

這件事揭示的問(wèn)題不是我個(gè)人的醫(yī)療問(wèn)題;它關(guān)乎一個(gè)醫(yī)療系統(tǒng)，在不同的地點(diǎn)和時(shí)間測(cè)量變量和結(jié)果，進(jìn)行統(tǒng)計(jì)分析，并在其他情況下使用結(jié)果。

這個(gè)問(wèn)題不僅與數(shù)據(jù)分析本身有關(guān)，而且與數(shù)據(jù)庫(kù)研究人員所稱(chēng)的“溯源”（provenance）有關(guān)——數(shù)據(jù)來(lái)自哪里，從數(shù)據(jù)中得出了什么推論，這些推論與當(dāng)前的情況有多大關(guān)系？雖然專(zhuān)業(yè)人士可能在遇到個(gè)案時(shí)能逐步解決這些問(wèn)題，但問(wèn)題是設(shè)計(jì)一個(gè)行星級(jí)規(guī)模的醫(yī)療系統(tǒng)，該系統(tǒng)要能在不需要如此詳細(xì)的人類(lèi)監(jiān)督的情況下做到這一點(diǎn)。

我也是一名計(jì)算機(jī)科學(xué)家，我突然想到，在我所受的教育中，根本找不到構(gòu)建這種行星級(jí)規(guī)模的推理和決策系統(tǒng)所需要的原則，這些原則融合了計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)，并考慮到人類(lèi)的效用。在我看來(lái)，發(fā)展這些原則至少與構(gòu)建玩游戲之類(lèi)眼花繚亂的AI系統(tǒng)同樣重要，這些原則不僅在醫(yī)學(xué)領(lǐng)域，而且在商業(yè)、交通和教育等領(lǐng)域都需要。

一個(gè)新的工程學(xué)分支：將人類(lèi)和計(jì)算機(jī)結(jié)合起來(lái)

無(wú)論我們是否很快就能理解“智能”，我們都面臨著一項(xiàng)重大挑戰(zhàn)，那就是如何將計(jì)算機(jī)和人類(lèi)結(jié)合起來(lái)，從而增強(qiáng)人類(lèi)的生活。

盡管一些人認(rèn)為這一挑戰(zhàn)只是AI創(chuàng)造的一種輔助，但另一種觀點(diǎn)認(rèn)為，這是一個(gè)新的工程學(xué)分支。就像過(guò)去幾十年的土木工程和化學(xué)工程一樣，這門(mén)新學(xué)科的目標(biāo)是圍繞一些關(guān)鍵思想，為人們帶來(lái)新的資源和能力，并確保安全。土木工程和化學(xué)工程建立在物理和化學(xué)的基礎(chǔ)上，而這門(mén)新的工程學(xué)科將建立在上個(gè)世紀(jì)賦予了實(shí)質(zhì)的思想之上，如信息、算法、數(shù)據(jù)、不確定性、計(jì)算、推理和優(yōu)化。此外，由于新學(xué)科的大部分重點(diǎn)將放在來(lái)自人類(lèi)和關(guān)于人類(lèi)的數(shù)據(jù)上，因此，它的發(fā)展將需要社會(huì)科學(xué)和人文學(xué)科的觀點(diǎn)。

雖然各種構(gòu)建塊已經(jīng)就位，但是將它們組合在一起的原則還沒(méi)有到位，因此目前將這些塊組合在一起的方式是臨時(shí)的。因此，就像人類(lèi)在土木工程出現(xiàn)之前建造建筑物和橋梁一樣，人類(lèi)也在繼續(xù)建造涉及機(jī)器、人類(lèi)和環(huán)境的社會(huì)規(guī)模的推理和決策系統(tǒng)。正如早期的建筑和橋梁有時(shí)會(huì)以無(wú)法預(yù)見(jiàn)的方式倒塌，并帶來(lái)悲劇性的后果一樣，我們?cè)缙诘脑S多社會(huì)規(guī)模的推理和決策系統(tǒng)已經(jīng)暴露出嚴(yán)重的概念缺陷。

不幸的是，我們并不擅長(zhǎng)預(yù)測(cè)下一個(gè)可能出現(xiàn)的嚴(yán)重缺陷是什么。我們?nèi)鄙俚氖且粋€(gè)分析和設(shè)計(jì)原則的工程學(xué)科。

目前大多數(shù)AI，實(shí)際上是機(jī)器學(xué)習(xí)

目前關(guān)于這些問(wèn)題的公開(kāi)討論中，經(jīng)常使用“AI”這個(gè)術(shù)語(yǔ)作為一個(gè)智能的通用詞，這使得人們很難推斷出新興技術(shù)的范圍和后果。因此，我們有必要深入了解AI在最近和曾經(jīng)被用來(lái)指代什么。

如今大多數(shù)被稱(chēng)為AI的東西，尤其是在公共領(lǐng)域，實(shí)際上是機(jī)器學(xué)習(xí)（ML），這個(gè)術(shù)語(yǔ)在過(guò)去幾十年里一直在使用。ML是一個(gè)算法領(lǐng)域，融合了統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)和許多其他學(xué)科的思想（見(jiàn)下文），設(shè)計(jì)處理數(shù)據(jù)、做出預(yù)測(cè)和幫助做出決策的算法。

就對(duì)現(xiàn)實(shí)世界的影響而言，ML是真實(shí)存在的，而不僅是最近才火起來(lái)的。事實(shí)上，在20世紀(jì)90年代初期，ML就已展現(xiàn)出將為產(chǎn)業(yè)界帶來(lái)巨大改變的苗頭。到了世紀(jì)之交，亞馬遜等具有前瞻性的公司就已經(jīng)在他們的業(yè)務(wù)中使用機(jī)器學(xué)習(xí)、解決關(guān)鍵任務(wù)、后端欺詐檢測(cè)和供應(yīng)鏈預(yù)測(cè)中存在的問(wèn)題，以及建立面向消費(fèi)者的創(chuàng)新服務(wù)，如推薦系統(tǒng)。

在隨后的20年里，隨著數(shù)據(jù)集和計(jì)算資源的迅速增長(zhǎng)，很明顯，ML很快將不僅為亞馬遜提供動(dòng)力，而且將為任何一家可以將決策與大規(guī)模數(shù)據(jù)關(guān)聯(lián)在一起的公司提供動(dòng)力。新的商業(yè)模式將會(huì)出現(xiàn)。

“數(shù)據(jù)科學(xué)”一詞用來(lái)指代這種現(xiàn)象，反映了ML算法專(zhuān)家與數(shù)據(jù)庫(kù)和分布式系統(tǒng)專(zhuān)家合作構(gòu)建可擴(kuò)展、強(qiáng)大的ML系統(tǒng)的需要，也反映了這樣的系統(tǒng)將產(chǎn)生更大范圍的社會(huì)影響。過(guò)去幾年，這種思想和技術(shù)趨勢(shì)的融合被重新命名為“人工智能”。這種品牌重塑的做法值得仔細(xì)審查。

模仿人類(lèi)的AI和智能增強(qiáng)

從歷史上看，“人工智能”一詞是在20世紀(jì)50年代末創(chuàng)造的，指的是在軟件和硬件上實(shí)現(xiàn)具有人類(lèi)智能水平的實(shí)體這樣一個(gè)令人興奮的愿望。我將用“模仿人類(lèi)的AI”（human-imitative AI）來(lái)指代這一愿望，強(qiáng)調(diào)人工智能實(shí)體似乎應(yīng)該成為我們?nèi)祟?lèi)的一員，即使不是在身體上成為，那么至少在精神上要這樣（無(wú)論這可能意味著什么）。

這在很大程度上是一項(xiàng)學(xué)術(shù)事業(yè)。雖然相關(guān)的學(xué)術(shù)領(lǐng)域，如運(yùn)籌學(xué)、統(tǒng)計(jì)學(xué)、模式識(shí)別、信息論和控制理論已經(jīng)存在，并且經(jīng)常從人類(lèi)或動(dòng)物的行為中獲得靈感，但這些領(lǐng)域可以說(shuō)是專(zhuān)注于低水平的信號(hào)和決策。

比如，松鼠能夠感知它所居住的森林的三維結(jié)構(gòu)，并能在樹(shù)枝間跳躍，這種能力對(duì)這些領(lǐng)域具有啟發(fā)意義。AI旨在關(guān)注一些不同的東西：人類(lèi)進(jìn)行推理和思考的高級(jí)或認(rèn)知能力。然而，60年后，高層次的推理和思想仍然難以捉摸。現(xiàn)在被稱(chēng)為AI的發(fā)展主要出現(xiàn)在與低水平模式識(shí)別和運(yùn)動(dòng)控制相關(guān)的工程領(lǐng)域，以及統(tǒng)計(jì)學(xué)領(lǐng)域，該學(xué)科的重點(diǎn)是在數(shù)據(jù)中發(fā)現(xiàn)模式，并做出有充分根據(jù)的預(yù)測(cè)、測(cè)試假設(shè)，以及決策。

事實(shí)上，現(xiàn)在被認(rèn)為是所謂“AI革命”核心的著名的反向傳播算法，是David Rumelhart在20世紀(jì)80年代初重新發(fā)現(xiàn)的，而它早在20世紀(jì)60年代和60年代的控制理論領(lǐng)域就已出現(xiàn)。其早期應(yīng)用之一是優(yōu)化阿波羅飛船飛向月球時(shí)的推力。

自上世紀(jì)60年代以來(lái)，AI已經(jīng)取得了很大的進(jìn)步，但可以說(shuō)，這種進(jìn)步并非源于對(duì)模仿人類(lèi)的AI的追求。相反，就像阿波羅飛船的例子一樣，這些想法往往隱藏在幕后，研究人員的工作專(zhuān)注于特定的工程挑戰(zhàn)。雖然普通大眾看不到，但在文檔檢索、文本分類(lèi)、欺詐檢測(cè)、推薦系統(tǒng)、個(gè)性化搜索、社會(huì)網(wǎng)絡(luò)分析、規(guī)劃、診斷和A / B測(cè)試等領(lǐng)域的研究和系統(tǒng)構(gòu)建取得了重大進(jìn)展，這些進(jìn)步推動(dòng)了谷歌、Netflix、 Facebook和亞馬遜等公司的成功。

人們可以簡(jiǎn)單地把這一切稱(chēng)為AI，事實(shí)上，這似乎已經(jīng)發(fā)生。對(duì)于那些發(fā)現(xiàn)自己突然被稱(chēng)為AI研究人員的優(yōu)化或統(tǒng)計(jì)學(xué)研究人員來(lái)說(shuō)，這樣的標(biāo)簽可能會(huì)讓他們感到意外。但撇開(kāi)標(biāo)簽不談，更大的問(wèn)題是，使用這個(gè)單一的、定義不清的首字母縮略詞，阻礙了他們對(duì)正在發(fā)揮作用的智能和商業(yè)問(wèn)題范圍的清晰理解。

在過(guò)去的20年里，工業(yè)和學(xué)術(shù)領(lǐng)域都取得了重大進(jìn)展——作為模仿人類(lèi)的AI的補(bǔ)充，通常被稱(chēng)為“智能增強(qiáng)”（Intelligence AugmentaTIon， IA）。在這里，計(jì)算和數(shù)據(jù)被用來(lái)創(chuàng)建增強(qiáng)人類(lèi)智力和創(chuàng)造力的服務(wù)。搜索引擎可以被視為IA的一個(gè)例子，因?yàn)樗梢栽鰪?qiáng)人類(lèi)的記憶和事實(shí)知識(shí);自然語(yǔ)言翻譯也是IA的一個(gè)例子，它可以增強(qiáng)人類(lèi)的溝通能力。基于計(jì)算機(jī)的聲音和圖像生成為藝術(shù)家提供了增強(qiáng)調(diào)色和創(chuàng)造的能力。雖然這類(lèi)服務(wù)將來(lái)可能包含高層次的推理和思考，但目前還沒(méi)有;它們主要執(zhí)行各種字符串匹配和數(shù)值操作，以捕獲人類(lèi)可以使用的模式。

讓我們廣泛構(gòu)思一個(gè)“智能基礎(chǔ)設(shè)施”的學(xué)科，構(gòu)建基于計(jì)算，數(shù)據(jù)和物理實(shí)體的網(wǎng)絡(luò)，使人類(lèi)環(huán)境更加有趣和安全。目前這種基礎(chǔ)設(shè)施已經(jīng)開(kāi)始在運(yùn)輸，醫(yī)藥，商業(yè)和金融等領(lǐng)域出現(xiàn)，對(duì)個(gè)人和社會(huì)的影響正越來(lái)越深。

可以想象，我們生活在一個(gè)覆蓋全社會(huì)的醫(yī)療系統(tǒng)中，這個(gè)系統(tǒng)能夠建立人與醫(yī)生、醫(yī)療設(shè)備之間的數(shù)據(jù)流和分析，幫助醫(yī)生做出更準(zhǔn)確地診斷，并提供護(hù)理服務(wù)。系統(tǒng)可以整合來(lái)自體細(xì)胞、DNA、血液測(cè)試，環(huán)境，群體遺傳學(xué)以及關(guān)于藥物和治療的大量科學(xué)文獻(xiàn)的信息。它不僅關(guān)注單個(gè)患者和醫(yī)生，而且關(guān)注所有人類(lèi)之間的關(guān)系，有助于維持關(guān)于醫(yī)療信息的相關(guān)性、來(lái)源和可靠性的概念，就像今天的銀行系統(tǒng)關(guān)注金融和支付領(lǐng)域的挑戰(zhàn)一樣。盡管人們可以預(yù)見(jiàn)這樣的系統(tǒng)中會(huì)出現(xiàn)許多問(wèn)題，比如隱私問(wèn)題、責(zé)任問(wèn)題，安全問(wèn)題等等。但我們應(yīng)該將這些問(wèn)題視作勇于面對(duì)的挑戰(zhàn)，而不是前進(jìn)的阻礙。

目前的AI成果解決不了核心問(wèn)題

現(xiàn)在我們面臨一個(gè)關(guān)鍵問(wèn)題：目前在傳統(tǒng)的、基于人類(lèi)模仿的AI真的是解決這些挑戰(zhàn)的最佳方式（甚至是唯一方式）嗎？

事實(shí)上，機(jī)器學(xué)習(xí)近年來(lái)取得成功的一些成功案例都是在模仿人類(lèi)的AI領(lǐng)域，如計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、游戲和機(jī)器人技術(shù)。也許我們應(yīng)該繼續(xù)等待，等待這些領(lǐng)域的更多技術(shù)進(jìn)步。這里有兩件事情需要注意。

首先，目前模仿人類(lèi)的AI取得的成功還很有限，我們的最終愿望還遠(yuǎn)未實(shí)現(xiàn)。同時(shí)，在這個(gè)領(lǐng)域已經(jīng)取得的有限進(jìn)展，產(chǎn)生了巨大的快感，也滋生了不少恐懼，導(dǎo)致AI的過(guò)度繁榮和媒體的過(guò)度關(guān)注，這一點(diǎn)在其他工程領(lǐng)域是不存在的。

更重要的是第二點(diǎn)，在這些領(lǐng)域取得的成功并不足以解決重要的IA和II問(wèn)題。比如自動(dòng)駕駛汽車(chē)。要實(shí)現(xiàn)自動(dòng)駕駛，需要解決一系列工程上的問(wèn)題，這些問(wèn)題可能與人的能力（或人力資源缺乏）關(guān)系不大。整體交通運(yùn)輸系統(tǒng)（II系統(tǒng)）可能更接近當(dāng)前的空中交通管制系統(tǒng)，而不是目前普遍關(guān)注的人類(lèi)駕駛員。這種系統(tǒng)比現(xiàn)有的空中交通管制系統(tǒng)復(fù)雜得多，特別是可以使用大量數(shù)據(jù)和自適應(yīng)統(tǒng)計(jì)建模，為精細(xì)化決策提供信息。應(yīng)對(duì)這些挑戰(zhàn)需要關(guān)注最前沿，僅僅關(guān)注模仿人類(lèi)的AI是不夠的。

至于必要性，有人說(shuō)模仿人類(lèi)的AI愿景涵蓋了IA和II的目標(biāo)，因?yàn)樗粌H能夠解決AI的經(jīng)典問(wèn)題（比如圖靈測(cè)試），同時(shí)也是解決IA和II問(wèn)題的最佳選擇。不過(guò)這種說(shuō)法幾乎在歷史上找不到先例。以前聽(tīng)說(shuō)過(guò)要用AI木匠或AI瓦工來(lái)搞土木工程嗎？化學(xué)工程是否應(yīng)該建一個(gè)AI化學(xué)家的框架？更有爭(zhēng)議的是：如果我們的目標(biāo)是建立化工廠，是否應(yīng)該首先打造一群AI化學(xué)家，然后讓TA們?nèi)パ芯吭趺唇ǎ?/p>

有一種說(shuō)法是，人類(lèi)智能是我們所了解的唯一一種智能，因此我們應(yīng)該將模仿人類(lèi)智能作為第一步。但是，人類(lèi)實(shí)際上并不擅長(zhǎng)某種推理，人類(lèi)有自己的失誤、偏見(jiàn)和局限。而且，至關(guān)重要的是，人類(lèi)并沒(méi)能進(jìn)化足以執(zhí)行現(xiàn)代II系統(tǒng)必須面對(duì)的大規(guī)模決策，也沒(méi)有應(yīng)對(duì)II環(huán)境中出現(xiàn)的各種不確定性的能力。

有人可能會(huì)說(shuō)，人工智能系統(tǒng)不僅會(huì)模仿人類(lèi)智能，還會(huì)糾正人工智能，而且這種能力可以擴(kuò)展到任意規(guī)模的問(wèn)題。當(dāng)然，現(xiàn)在說(shuō)的處于科幻小說(shuō)的范疇，這種推測(cè)性的論點(diǎn)，雖然放在科幻小說(shuō)中會(huì)很吸引人，但不應(yīng)該成為我們面對(duì)關(guān)鍵的IA和II問(wèn)題時(shí)采取的主要戰(zhàn)略，這類(lèi)問(wèn)題已經(jīng)開(kāi)始出現(xiàn)了。我們需要根據(jù)自身的優(yōu)勢(shì)解決IA和II問(wèn)題，而不僅僅靠模仿人類(lèi)的AI。

當(dāng)然，經(jīng)典的人工模擬AI問(wèn)題仍然很有意義。然而，目前的重點(diǎn)是通過(guò)收集數(shù)據(jù)進(jìn)行AI研究，部署深度學(xué)習(xí)基礎(chǔ)設(shè)施，以及模仿某些特定人類(lèi)技能的系統(tǒng)的演示。這些研究中幾乎沒(méi)有涉及新的解釋性原則，往往會(huì)將研究的注意力偏離經(jīng)典AI領(lǐng)域的幾個(gè)主要開(kāi)放問(wèn)題。

這些問(wèn)題包括需要將意義和推理引入自然語(yǔ)言處理的系統(tǒng)，以應(yīng)對(duì)推斷和表示因果關(guān)系的需要。開(kāi)發(fā)計(jì)算易處理的不確定性表示，以及開(kāi)發(fā)制定和追求長(zhǎng)期目標(biāo)的系統(tǒng)。這些都是模仿人類(lèi)的AI的經(jīng)典目標(biāo)，但在當(dāng)前人工智能革命的熱潮中，人們很容易忘記這些尚未解決的問(wèn)題。

IA同樣是非常重要的問(wèn)題，因?yàn)樵诳深A(yù)見(jiàn)的未來(lái)，計(jì)算機(jī)仍無(wú)法與人類(lèi)在抽象推理真實(shí)情況的能力相比。我們需要經(jīng)過(guò)深思熟慮的人機(jī)的交互來(lái)解決最緊迫的問(wèn)題。我們希望計(jì)算機(jī)能夠催生出人類(lèi)創(chuàng)造力的新水平，而不是取代人類(lèi)的創(chuàng)造力。

目前的AI視野過(guò)于狹隘，談AI革命為時(shí)尚早

最早提出“人工智能”這個(gè)名詞的是約翰·麥卡錫（時(shí)任達(dá)特茅斯大學(xué)教授，后來(lái)去了麻省理工學(xué)院），當(dāng)時(shí)他提出這個(gè)名詞，應(yīng)該是為了區(qū)分他剛剛起步的研究項(xiàng)目和諾伯特·維納的項(xiàng)目（當(dāng)時(shí)是MIT的老教授）。維納提出了“控制論”一詞來(lái)指代他自己對(duì)智能系統(tǒng)的展望，這一概念與運(yùn)營(yíng)研究、統(tǒng)計(jì)學(xué)、模式識(shí)別、信息理論和控制理論密切相關(guān)。而麥卡錫則強(qiáng)調(diào)了與邏輯的聯(lián)系。有趣的是，今天占據(jù)主導(dǎo)地位的更多是維納的關(guān)于“智能”的內(nèi)容體系，但外表卻用的是麥卡錫提出來(lái)的“人工智能”一詞。

除了歷史上的觀點(diǎn)差異之外，我們還要認(rèn)識(shí)到，目前關(guān)于人工智能的公共對(duì)話，多數(shù)僅限于產(chǎn)業(yè)界和學(xué)術(shù)界的很小一部分，這種狹隘視野會(huì)影響我們面對(duì)人工智能所帶來(lái)的全部挑戰(zhàn)和機(jī)遇。

這里說(shuō)的廣闊視野，和實(shí)現(xiàn)科幻小說(shuō)中的場(chǎng)景關(guān)系不大，更多與人類(lèi)對(duì)技術(shù)的必要性的理解和塑造有關(guān)，因?yàn)樗谌粘Ｉ钪凶兊迷絹?lái)越有影響力。在這種理解和塑造中，需要來(lái)自各行各業(yè)的各種各樣的聲音，而不僅僅是技術(shù)上對(duì)話。僅僅關(guān)注模仿人類(lèi)的AI，可能會(huì)讓我們無(wú)法獲知，或不愿去獲知更廣泛的信息。

學(xué)術(shù)界也要發(fā)揮重要作用，不僅僅是提供一些最具創(chuàng)新性的技術(shù)理念，而且會(huì)與計(jì)算、統(tǒng)計(jì)學(xué)等學(xué)科的研究人員共同作出貢獻(xiàn)，這些貢獻(xiàn)和觀點(diǎn)非常重要，尤其需要社會(huì)科學(xué)、認(rèn)知科學(xué)和人文科學(xué)的觀點(diǎn)。

另一方面，雖然科學(xué)對(duì)人類(lèi)的前進(jìn)必不可少，但我們也不應(yīng)該夸大我們的努力和成果。社會(huì)的目標(biāo)是建立新的成果。應(yīng)該構(gòu)建這些工件以按照聲明的方式工作。我們不希望造出一提供醫(yī)療、交通選擇和商業(yè)機(jī)會(huì)的系統(tǒng)，然后發(fā)現(xiàn)這些系統(tǒng)無(wú)法真正發(fā)揮作用，發(fā)現(xiàn)它們會(huì)產(chǎn)生錯(cuò)誤，影響到我們的快樂(lè)和生活。所以，正如我所強(qiáng)調(diào)的那樣，目前在數(shù)據(jù)和學(xué)習(xí)為關(guān)注重點(diǎn)的領(lǐng)域還沒(méi)能出現(xiàn)一個(gè)“工程學(xué)科”。盡管這些領(lǐng)域的發(fā)展前景令人興奮，但目前還不能被視為“工程學(xué)科”。

我們應(yīng)該接受這樣一個(gè)事實(shí)，即我們正在見(jiàn)證一個(gè)新的工程學(xué)科的誕生?！肮こ獭边@個(gè)詞具有獨(dú)特的內(nèi)涵，容易讓人想到冷漠、情感的機(jī)器，以及失去對(duì)人類(lèi)的控制，但我們可以打造自己想要的工程學(xué)科。在當(dāng)今時(shí)代，我們迎來(lái)了一個(gè)真正的機(jī)會(huì)，來(lái)構(gòu)思?xì)v史上前所未有的新東西：以人為本的新興工程學(xué)科。我在這里不打算這個(gè)新興學(xué)科取名，但如果縮略詞“AI”繼續(xù)作為學(xué)科名字使用，那么我們需要意識(shí)到這個(gè)詞的真正意義和局限性。我們需要拓寬視野，平息炒作，并對(duì)未來(lái)的嚴(yán)峻挑戰(zhàn)有一個(gè)清醒的認(rèn)識(shí)。