人類能否消除對人工智能的恐懼？

人類進入深度學習時代已近七年，不過，人工智能帶來的突破性收益的實現要晚于許多人的預測。因此，社會有足夠的時間來應對風險和不利因素（如果真的有）。

2016年3月，谷歌研發機構DeepMind開發的阿爾法圍棋（AlphaGo）系統以4比1的比分擊敗了韓國著名棋手李世石。盡管IBM的深藍系統在十年前以2勝1負3平的比分擊敗了國際象棋大師加里·卡斯帕羅夫（Gary Kasparov），但外界普遍認為谷歌的勝利更具重要意義。這并不是因為圍棋要比國際象棋更為復雜，而是因為谷歌系統使用了之前的圍棋棋譜和深度學習技術來訓練自己。相比之下，IBM采用傳統的專家系統方法，更依賴人類硬編碼的功能和程序。

經過數十年的挫折，人工智能社群已經找到了一個促進廣泛創新的方法，由三大部分組成：1）互聯網提供大量數據用于自我訓練，無論是下圍棋、識別圖像、翻譯語言還是任何其他任務；2）云計算的崛起，意味著現在可以輕松、廉價地按需獲取必要的處理能力；3）萬維網的使用，有助于將新服務快速提供至全球企業和消費者。相比之下，之前的人工智能方法缺乏這三大要素，即數據不足、計算昂貴，應用程序部署面狹窄。

這種新的人工智能創新模式引發了人們的期待，許多人預測化學、生物學和其他科學領域即將出現技術突破，包括自動駕駛汽車、自動化客戶服務、軟件代理、醫療專家系統、法律金融服務、語音/聲音/圖像識別、個性化教育、安全產品和各種智能產品、預測分析和解決復雜問題等。如今，生成式人工智能技術已被用于寫作、設計、藝術和其他前沿創造力領域。與此同時，埃隆·馬斯克（Elon Musk）仍然看好大規模生產的人形機器人前景。

然而，盡管人工智能取得了重大進展，應用場景廣闊（如語言翻譯、面部和語音識別以及個性化推薦引擎），但仍未真正取得突破性進展。現有兩大人工智能贏家：英偉達和抖音。前者為人工智能行業提供專業化芯片；后者則廣泛使用人工智能來增強社交媒體服務（抖音吸引消費者的主要原因在于其能夠提供易于使用的視頻制作工具）。這兩家公司都不是人工智能世界所期待的社會/商業游戲規則改變者。盡管谷歌被公認為是全球人工智能的領軍者，但該公司的核心產品——Search、Gmail、Android、Maps、YouTube、Chrome和Docs——均在深度學習時代到來之前就已大放異彩。同樣，盡管亞馬遜的Alexa和蘋果的Siri等人工智能服務備受贊譽，但與微軟Office或網絡瀏覽器等產品相比，其整體市場影響力仍然相形見絀。

指出上述事實，并不意味著我們在批評人工智能或否定其潛力，而是要證明，變化的速度是漸進式的，而不是像革命式。從歷史維度看，如果人工智能要擔負起改變規則的重任，需要10年、甚至30年的時間。對于今天的商業領袖、政策制定者和廣大公眾來說，需要進行相應的心理建設去適應這種漸進式的變化。

革命恐懼

許多人擔憂人工智能的負面影響。自從2016年取得突破以來，對人工智能技術的悲觀預測沒有少于過樂觀預測。這一現象并不令人奇怪，因為無論是弗蘭肯斯坦博士創造的科學怪人，還是電影《2001太空漫游》中的超級電腦哈爾都無不在警告我們“類人發明”可能存在失控危險。以下為12項最為突出的擔憂：1）基于人工智能的自動化技術將使數百萬白領和藍領失業。2）人工智能系統天生就有偏見和歧視。3）人工智能系統和算法無法被理解和解釋。4）人工智能會破壞隱私，使人受到監控和監視。5）人工智能將進一步加劇社會不平等。6）基于人工智能的深度偽造技術會擾亂政治和社會秩序。7）即時自主的人工智能系統和武器將破壞國際關系穩定。8）敵對勢力將通過人工智能主宰世界。9）人工智能不具人類的價值觀和倫理觀。10）通用人工智能很快會超越人類智能。11）人工智能會降低人類的價值。12）人工智能系統將走向失控，控制社會，讓人類淪為犧牲品。

漸進式解決方案

正如其益處一般，人工智能的危險目前也被嚴重夸大。在審視了上述12項擔憂后，我們發現，一旦將問題的影響分散到足夠多的年份，它們就變得不那么可怕。時間上的充裕，使得我們能夠更為容易地應對人工智能風險。1）我們可以坐視工作變化情況，以及勞動者人數是過剩還是短缺。2）隨著時間的推移，可以通過完善基礎數據來糾正人工智能偏見。3）開發、部署人工智能系統的組織肯定會解釋其算法。4）只有時間才能證明人工智能是否是造成收入不平等的主要因素。5）媒體技術專家可以開發出識別和標記深度偽造技術的方法，人們會對此類技術更加警醒。6）核大國之間有處理危機局勢的熱線機制，它們很可能制定控制自主武器的方法。7）如有需要，可將價值觀和倫理觀嵌入到人工智能系統和應用中。8）鑒于研究成果由全球共享，任何國家都不可能保持壓倒性的人工智能優勢。9）即使出現了超越人類的通用機器智能技術，那也將是很久以后的事。10）即使計算機現在更厲害，人類仍然非常希望在國際象棋和圍棋中獲勝。11）人工智能系統將控制人類的想法可能仍然存在于科幻小說中。

新冠大流行證明，人類被迫在巨大壓力下迅速做出重大決定將帶來重重風險，這也是政策制定者希望以漸進方式發展人工智能的主要原因。5到10年后，我們將會更清醒地意識到哪些才是真正需要面對的問題。顯而易見的是，專注研究實際發生的問題，要比預測廣泛、復雜的人工智能領域將會發生什么狀況容易得多。最近，科技股價格暴跌，臉書、亞馬遜和其他公司大規模裁員，推特公司亂成一團，加密貨幣交易所FTX的丑聞等一系列事件，也讓遏制人工智能的需求顯得不再那般緊迫。

從人工智能到機器智能

“人工智能”一詞出現在20世紀50年代中期，斯坦福大學的約翰 · 麥卡錫（John McCarthy）將人工智能定義為“制造智能機器的科學和工程”。雖然麥卡錫作出了重大貢獻，但“人工智能”一詞的使用并不恰當。制造智能機器的想法其實一點也不“人工”，就像拖拉機一點也不“人工”一樣——盡管工業機器發展了近200年，但人類的能力和靈活性仍然具有舉足輕重的地位。這并不是在詭辯，在使用“人工智能”一詞時，我們不可避免地將其與人腦進行無益的比較，這個詞匯本身就有這個含義，不是嗎？

仔細想想，使用“機器智能”（MI）一詞會好得多，因為這些表明，人類和機器的能力截然不同。計算機非常適合具有大量計算、操作和重復屬性的任務，但其在應對一般情況時仍然笨拙不堪；人類的大腦恰恰與之相反。也許有一天，這個術語也會發生變化。畢竟，數字時代的我們經常談論“機器學習”，而從未使用聽起來十分荒謬的“人工學習”一詞。如果能有“機器學習”，就應該有“機器智能”；就像我們有人類學習，也會有人類智能一樣。如果硅谷和中國開始談論機器智能，世界其他地區最終也會效仿，使用這種更準確的詞匯將有助于減少人們的憂慮。

正如數字技術承受的許多批評一樣，當前的人工智能態勢可以總結為：實實在在的利益，憑空想象的恐懼。雖然最終可能會出現嚴重的問題，但今天的抱怨讓人想起電影《教父2》中的一個著名場景。當邁克爾 · 科利昂（Michael Corleone）對其犯罪組織遭受的謀殺和報復行為怨聲載道時，另一位黑幫老大海曼 · 羅斯（Hyman Roth）卻不以為意，他告訴邁克爾：“這條路是我們自己選的。”對于任何相信信息技術長期潛力的人來說，人工智能帶來的機遇和挑戰將越來越多地影響我們對“道路”的選擇。競爭將持續推動創新，人類對于探索各種可能性的根深蒂固的愿望也是如此。鑒于今天的變化速度可控，我們沒有必要踩剎車，但卻有充分的理由踩油門，至少目前是如此。

資料來源 ITIF