人类与机器渐行渐近：科技影响人类认知 | 会议回顾
移动技术及可穿戴技术的普及，极大地改变了人们的生活。技术如何影响我们的行为方式？它能否让我们真正了解人类心智？科技发展可能带来什么样的问题？由天桥脑科学研究院（Tianqiao and Chrissy Chen Institute, TCCI）与《科学》杂志合作举办的线上圆桌研讨会针对上述问题作出了讨论。
6月16日，天桥脑科学研究院（Tianqiao and Chrissy Chen Institute, TCCI）与《科学》杂志合作举办的线上研讨会于北京时间00:00召开。在一个小时的会议中，来自生物科技、认知科学、计算机科学、工程学及心理学背景的四位专家就“人类与机器渐行渐近：科技影响人类认知”（ The shrinking distance between human and machine: Computing where we end and the technologies begin）主题，探讨了目前移动和可穿戴设备的发展现状，及移动数据收集在未来的前景和潜在问题。
本次会议的参会者有斯坦福大学的W. Ascherman教授兼遗传学系系主任、斯坦福大学医学院基因组学和个体化医学中心主任迈克尔·斯奈德（Michael Snyder），麻省理工学院大脑与认知科学副教授埃维莉娜·G.费多伦科（Evelina G. Fedorenko），普林斯顿大学心理学和计算机科学系的Henry R. Luce教授汤姆·格里菲斯（Tom Griffiths）与麻省理工学院的电机工程和计算机科学系的Andrew and Erna Viterbi教授迪娜·卡塔比（Dina Katabi）。
Michael Snyder, Ph.D.
斯坦福大学
斯奈德博士是斯坦福W. Ascherman教授兼遗传学系系主任，以及斯坦福大学医学院基因组学和个体化医学中心主任。他在加州理工学院获得了博士学位，并在斯坦福大学进行了博士后工作。他是功能基因组学领域的领导者，也是DNA元件百科全书（ENCODE）项目的主要参与者之一。他的实验室是第一个对任意有机体进行大规模功能基因组计划的实验室，并且已经研发出了许多基因组学和蛋白质组学相关技术。
Evelina G. Fedorenko, Ph.D.
麻省理工学院
费多伦科博士是一位研究语言系统的认知神经科学家。她于2002年获得了哈佛大学的学士学位，并于2007年从麻省理工学院获得博士学位。费多伦科博士利用fMRI、EEG / ERP、MEG、颅内记录和刺激以及计算模型来研究成人和儿童，研究对象中有一些患有发育性和后天性脑部疾病。
Tom Griffiths, Ph.D.
普林斯顿大学
格里菲斯博士是新泽西州普林斯顿大学心理学和计算机科学系的Henry R. Luce教授，主要教授信息技术、意识和文化。他的研究探索了人类与机器学习之间的联系，并利用统计学和人工智能相关的理念来理解人们如何解决日常生活中遇到的具有挑战性的计算问题。
Dina Katabi, Ph.D.
麻省理工学院
卡塔比博士是马萨诸塞州剑桥市麻省理工学院的电机工程和计算机科学系的Andrew and Erna Viterbi教授。她在大马士革大学获得了学士学位，并在麻省理工学院获得了硕士和博士学位。她专注于以下领域的创新研究：移动计算、无线传感和机器学习及其在数字健康中的应用。
主持人
Sean Sanders, Ph.D.
Science/AAAS
桑德斯博士在南非开普敦大学获得了学士学位，并在英国剑桥大学获得了博士学位。在美国国立卫生研究院和乔治敦大学进行博士后培训后，Sanders博士加入了马萨诸塞州一家从事禽类转基因研究的新兴生物技术公司TranXenoGen。出于对写作和编辑的热爱，桑德斯博士于2006年加入《科学》杂志。目前，桑德斯博士在《科学》杂志担任定制出版部总监和高级编辑以及外联部的项目总监。
滑动查看演讲者 ▷▷
现代社会中的科技设备
本次会议探讨的第一个问题是，过去十余年间，科技如何融入现代人的生活？
斯奈德表示：“先进的科技设备如今已经无处不在，要是我哪天忘记带手机，我可能会觉得自己没穿衣服。除了智能手机，可穿戴设备也逐渐渗透人们的生活。如今的智能手表不仅仅能帮助我们进行健康监测，还极大地提升了日常生活的便利，还在我们对特殊人群的照料中发挥作用。”而不希望被穿戴设备束缚的人群可以选择其他类型的追踪设备，卡塔比对此补充道。“像我墙上悬挂的这个‘Wi-Fi盒’，其实是一台健康监测仪，它能追踪我的呼吸、心跳以及睡眠情况。”
人们的生活中充斥着科技设备的身影。随着我们与各类设备之间的交互逐渐增多，人类与机器之间的交互方式是如何变化的，这种交互又对双方产生了何种改变？
费多伦科：“人们总是好奇机器能在多大的程度上理解我们。解答这个问题的关键在于你是如何定义‘理解’的。在我们对机器作出指令，它们能理解我们的话并做出反应，帮你订购商品、查询号码、规划行程等。机器十分擅长根据指令完成任务，但它们仍然不能理解开放式问题，更不要说语言真正代表的意义。几个世纪以来，语言与思维之间的差异性困扰了无数学者，所以我们要先明确这个差别。我认为如今的机器已十分擅长执行语言指令，但与真正理解‘语言’还离得很远。”
斯奈德表示，“几天前，我七岁的孩子跟我说‘感谢您的反馈’，我本来以为孩子如此礼貌是因为我教导有方，可我后来发现他不过是在模仿家里智能设备的话。我认为这引出了一个非常有意义的问题：随着设备与人们的生活逐渐整合，机器该如何更灵敏地通过外部表现推测出用户的意图。这不仅仅是一个工程学问题，还是一个心理学问题。我们需要有更准确的人类认知模型，更加理解大脑活动与人类行为之间的关系，以促进工程学模型的发展，让机器更精准地通过人类行为倒推人们的意图。”
卡塔比说道，“这让我想起麻省理工学院在60年代开发的聊天机器ELIZA。这个机器并不能理解人们的话，但能做出以假乱真的回答。MIT打算关闭这个项目时遭到了许多人的投诉，人们表示与ELIZA聊天为他们提供了其他人给不了的慰藉。这个项目表明，我们只需要些许的工程学技术就能带来极大的心理学效应。”
“即便是在今天的语言模型中也是这样。即便它们能做出十分精确的回答，找到恰当的提问角度，你能发现它们对语言的理解其实是十分肤浅片面的。”格里菲斯补充道。
▷ Eliza与人类用户的交流
科技设备在健康监控中的应用
在可穿戴设备研究中，一个值得关注的概念是情感计算（affective computing）。情感计算是一个跨学科的概念，科学家们希望从心理学、计算机科学及神经学出发，找到一个能够侦测并影响人们情绪状态的计算模型。费多伦科表示，她的同事Matthew S Goodwin等人正在开发预测自闭症儿童情绪爆发（outburst）的模型。“近来这类研究取得了不少成果，我们能通过许多生理学特征预测人们的情绪状态。这类研究不仅能帮助医护人员更好地照顾言语困难的个体，还能应用于更广的领域中，比如教育及工作场景。”斯奈德表示，这类技术还能应用于癫痫发作的预测。
科技装置是如何收集生理数据的，我们又能如何智能化应用这些数据，来探测疾病或心理异常？
斯奈德认为，穿戴式设备能记录多种生理指标，包括体温、心率、皮肤电阻等。对用户的监测时间更长且精度更高，即便是造价低廉的手表也能在一天中记录下百万个数据点，而更昂贵的智能手表甚至能在一天记录250万次生理数据。这种长时程的记录不仅获取难度较低，对了解我们的健康状况还是至关重要的。但可穿戴设备面临的一个技术难题是充电问题：苹果手表的记录精度很高，但几乎每天都需充电。许多用户倾向于在夜间给手表充电，而这个时段是监测生理指标的黄金时间。fitbit充电后的使用时间相对更长，但精度较低。我们仍在尝试平衡精度和充电时间的问题。
而卡塔比教授更倾向于使用的非穿戴式监测设备，能够通过机器学习分离房间中不同人的生理信息，判断整个家庭的健康状况，且无需困扰不愿在身上佩戴多余设备的用户。卡塔比提出，为了更好的监测每个人的健康，或许我们应该结合可穿戴与家庭监测设备，整合不同场景中的行为、生理和交互数据，对用户的健康状况做更全面的筛查。
▷ 长时血糖检测仪
在医疗领域，可穿戴设备对健康的调控已经取得了不错的发展，一个实例是可穿戴设备对血糖的调控。斯奈德介绍说：“9%的美国人口受到糖尿病影响，这是非常严重的大规模疾病。研究者开发的一项针对糖尿病开发的可穿戴设备——长时血糖检测仪（Continuous Glucose Monitoring，CGM）已经获得了很好的效果。检测仪根据每个人的特点，告知用户何种食物可能引发血糖升高，并提供及时反馈。研究显示CGM能够带来病人本身行为调节。此外，利用CGM的即时监测信息，医疗工作者也能给病人提供更好的治疗。”
科技设备带来的科学变革
科技设备记录的信息越来越丰富，这能帮助我们更好地了解人类心智吗？
格里菲斯表示，随着人们能够收集的数据规模越来越庞大，这逐渐改变了我们进行心智研究的方法。“过去人们更倾向于在实验室的控制环境中收集数据，检测某个假设是否正确。而如今，我们能通过众包的方式，以更低的成本收集更加丰富的数据。这让我们能同时探究多个条件、检测多个假设，从而得到更加全面、复杂的研究结果。”格里菲斯认为，过去的研究者更像是教室中的理论物理学家，而如今的研究者像是实地考察的航天员。研究者们操纵的条件可能变少了，但能获取的信息要比教室中要更加丰富、深邃。
卡塔比通过新冠研究进一步解释了科技设备对研究的影响。“在新冠疫情期间，我们发现了痊愈后的感染者遭受着抑郁、焦虑等心境障碍的困扰。如果没有如今可穿戴设备的帮助，我们是无法仅通过观察和患者的自我报告获得如此精确的数据的。”
对于大规模实验数据，费多伦科提出我们还需警醒复杂数据对于科学发展的负面影响。许多研究者可能一味追求挖掘复杂数据，而忽略了研究设计的思考；另外，通过生理数据探究心智的过程还可能受到复杂因子的阻碍。这些因素都可能最终导致研究者迷失于复杂数据中。
斯奈德表示，我们的确需要警醒复杂因子，但这个问题能通过数据分析方法解决。此外，他还表示：“在研究领域，再多的数据都不够多。特别是在新兴的科研方向中，我们需要更多的探索性研究来寻找方向，更精密的数据收集设备无疑推进了这类研究的发展。”
▷ 图片来源：Luke Chesser
格里菲斯总结道，或许我们的研究方法需要随着设备的发展而演化。“‘在数据中迷失’的担忧可能来自我们无法理解自己收集的复杂数据。在这种情况下我们可以通过机器学习训练人工智能网络帮助研究者进行数据分析，理解复杂数据。我认为如今面临的挑战是，随着收集数据的增多，我们对于科学理论的认识也要随之发展。过去受技术手段的束缚，我们只能够检测简单理论，而如今的丰富数据给予科学家们检测丰富理论的能力。这与我们过去对于简单、优雅理论的追求相左，但或许如今的科研人员更需要数据中的复杂性。”
全球化发展中技术如何影响人类
先进设备是否已经对人类造成了宏观影响？格里菲斯表示，“我认为人类认知能力与科学技术之间是一种协同演化关系。科技发展带给我们更大的认知空间及改变环境的能力。智能是人们在极限条件下表现出的能力，比如在匮乏的外界环境中找到生存资源、在短暂的一生中迅速习得上一辈的经验等等。科技的介入扩大了环境的极限，从而让人类能在更广阔的环境中发展智能。这也是我认为技术发展应当找寻的方向：找到人类认知的边界，通过技术发展将这个边界扩张一些，从而提高人类的能力发展。”
而在经济全球化发展中，技术可能发挥着更加复杂的作用。费多伦科认为技术发展可能进一步促进了经济发展的极化。她认为，就如同生物模型往往是通过男性被试建立起来的，从而带来了性别的不平等，科技领域往往以英语为语料，这对于英语世界国家更加利好，从而给少数语言国家带来了不公。
而专家认为，科技也可能最终促进全球发展。斯奈德表示：“我认为尽管在技术发展之初，科技更多地迎合了富裕国家的利益，但随着技术发展，成本会逐渐降低，为发展中国家提供便利。因此我认为我们不当因噎废食，放弃科技发展。”卡塔比也认为，互联网等科学技术为社会经济水平较差的国家提供了更多的信息，而这些信息也为经济条件较差地区的个体赋能，促进发展。
技术发展同样带来了隐私安全问题。格里菲斯表示，我们或许能通过更好的机器学习模型避免暴露个人信息。而卡塔比认为，数据管理的法律制定远远落后于技术发展的速度：如今，病人甚至没有权限获取自身的医疗数据。我们需要更全面的数据管理规则。同样，与会专家认为，我们不仅需要更好统合病人的医疗记录与他们通过可穿戴设备记录的生理信息，还需要训练医疗行业人员利用这些整合信息，更好地为病人提供帮助。
在会议的最后，专家们描述了他们心中的科技前景：未来，高速的科技发展可能完全改变科学研究、医疗系统的面貌。“或许，当我们在未来回望2021年时，我们会讶异今天的科技图景是如此的落后。”斯奈德说道。
编辑：EY