欢迎光临
我们一直在努力

“技术崇拜”与“技术恐惧”都会阻碍 AI 创新,“技术节制”才是正道

随着我们制造的机器越来越智能,我们从工业时代开始到现在所秉持的观念已经有些不合时宜了。在这个情况下,出现了“技术崇拜”与“技术恐惧”两个相互对立的观点。不过在Studio VV6的负责人Nitzan Hermon看来,技术节制才是最重要的。我们需要有一个清醒的观念来理解用户的需求、技术的变化及其使用的场景,否则将不能取得足够的成效与创新。

“技术崇拜”与“技术恐惧”都会阻碍 AI 创新,“技术节制”才是正道

目前,数据变得越来越多,层级也越来越明显,机器也越来越复杂。一旦这种复杂性超出了我们的理解范畴,那么,我们与工具的关系就必然会进入一个新的阶段。

我们现在使用技术做的很多事情,其实都源于早期的工具。但是,工具本身已经发生了改变,但我们用来与之互动的“心智模式”却一直相对稳定。工具变得更快、更强大,对“线”的依赖度越来越低。

比如说,出现了高铁,出现了智能手机。随着第一台通用计算机——电子数字积分计算机(ENIAC)的引入,这一切都改变了。

技术进化

ENIAC于1946年在宾夕法尼亚大学安装,它是第一台能够处理多任务的机器。所以,负责操作它的人也必须“重置”自己的“心智模式”。

但随着模型视图控制器(MVC)的诞生,我们就要用一种简洁、线性和可认知的方式处理单一维度计算了。MVC诞生于20世纪70年代末,是Alan Kay、Trygve Reenskaug和Adele Goldberg发明的一种服务器架构。他们在开发Dynabook(早期的笔记本)和Smalltalk(一编程语言)的时候发明了这种技术。

MVC基于一个静态的数据库、一个专有的接口点和连接两个的控制器。最关键的点在于,数据只能在一个方向上移动。无论你是在发推文、查东西还是阅读文章,数据都朝一个方向移动:要么是奔着用户去,要么就是在奔着数据库去,并不是同时进行的。

这是当前建立大多数软件应用的基础体系结构,从最底层的技术上影响了我们的使用习惯。点击页面后,请求发送到数据库,数据库给出反馈,然后用户得到结果。

对技术态度的转变

与之前的点击或者键入式的输入(发起请求)不同,现在开始变得越来越复杂了。随着各种各样的工具出现、有了更好的传感器和更加厉害的嵌套数据技术(深度学习、反向传播、神经网络等),我们能够以一种全新的、令人兴奋的方式利用统计计算。但这其中有一个重要的问题——我们并不能完全理解发生了什么。因为这些技术发挥作用的过程仍然是一个“黑匣子”。这就是为什么算法中会出现各种各样的偏见的一大原因。我们可以推断出为什么会有这些偏见,但我们不能马上修正它。

算法的长尾特性使得它们与之前“如流水线一样运行的”框架有着本质上的不同。我们很难再采取立场,去修正模型或者提炼数据来源。一旦做出了改变,我们就需要有足够的耐心,等待它向下游扩散到模型中。

这种复杂性,再加上新的技术能力,正在给人类带来有趣的偏见和信仰。在工具的认识论看来,这通常与它们的本体(客观)属性相分离。有趣的是,科技领域的一些创新者通常与日常使用工具保持距离,并编写一种思维方式,将工具置于当前的轨迹之上或之下的。

技术崇拜与技术恐惧

技术崇拜认为所有的技术都是好的。然而,以这种方式思考,限制了他们对改进和有意义的设计进行公开讨论的能力。最直接的例子莫过于算法的个性化,造出来越来越智能的虚拟助手,以及期待一种通用人工智能(AGI,也有人称之为强人工智能)的统治。

“技术恐惧”是一种对立的观点,认为任何我们不理解的东西(以及它的潜力)都会毁灭我们。在这一点上,他们似乎忘记了所有的数据技术,比如机器学习、深度学习,以及目前被称为人工智能的所有东西,只不过是一个工具而已……

埃隆?马斯克(Elon Musk)和马克?扎克伯格(Mark Zuckerberg)前不久在社交媒体上进行的“隔空对话”体现了这两派观点的差异。扎克伯格是技术崇拜的典型代表。他是一位成功的创始人,在互联网上有很大的贡献。他也是硅谷文化的代表人物——创造一种技术,等待人类追随。

马斯克对技术的看法稍微复杂一些,因为他似乎在一个相互对立的观点之间摇摆不定(这一模式本身就是对二进制观点的支持)。马斯克称,“人工智能是人类文明的基本生存风险。”虽然这是一个合理的观点,但他并没有提出一个合理的论据。因为有各种各样的原因都能证明,大脑和机器之间是有区别的。

技术节制(Techno-Sobriety)呢?

这两个阵营在对AGI的看法上的交集非常有趣。技术崇拜者欢迎大脑成为一种计算机式的问题,而技术恐惧者则害怕被机器统治。这种分类似乎并不具备结构性。想想那些思想家所固有的精神偏见或性格特征。如果你相信一种算法是智能的,那么你就会对自己的心理偏见有一个有趣的反思。

通用人工智能协会的主席Ben Goertzel表示,AGI可以从“咖啡测试”中提炼出一个很好的定义。如果你走进一个普通的美国家庭,想弄清楚如何煮咖啡。你需要知道怎么识别咖啡机,弄清楚按钮的作用,然后找到橱柜里的咖啡豆等等。

“对于几乎所有的成年人来说,这是一组很容易完成的任务,但对计算机来说是极其困难的。”

创建AGI要比创建ANI(弱人工智能)要困难得多。根据大多数专家的预测,我们还需要20年的时间,才能开发出这样的人工智能。

在这一段时间,我想知道的是,我们能够做些什么来更好地理解这些工具,并形成一种具有可用性的新思维模型。毕竟,技术节制是将这些技术带到我们客户手中的唯一途径。我不需要一个能制作咖啡、编写网站、做饭的机器人——我需要一个更贴近我思维方式的工具。我需要一种能够理解我不断变化的想法的工具,而不是一个一直试图去模仿我习惯的工具。

我们需要有一个清醒的观点来理解用户的需求、技术的变化及其使用的场景。当我们在没有一个清晰的认知信念的情况下去做这些事情的时候,并不能取得足够的成效与创新。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。