2021年人工智能预测的10大准则

今日份知识你摄入了么？

尝试预测AI的未来的时候，我们必须遵守一些规则，以免被别人认为只是“随口一说无凭无据”。在你尝试以任何方式或形式来预测AI的未来时，需要考虑到以下几条准则。

01

我们在短期内高估了人工智能的效用

阿玛拉法律（Amara’s law）的第一部分（由比尔·盖茨呼应）与数字时代最相关，因为我们无法忽略那些充满套路的头条新闻和标题党，尤其是在AI自动化推荐的情况下。

确实，有大量的研究项目对因自动化而导致人们工作的流失做出了各种各样的预测，但是即使在比较相近的时间范围内，这些预测也因工作种类的不同而相差甚远。这是很不负责任的，因为新立法可能将这些预测中的任何一个用作新法律的基础，但他们其实应该用更准确的计算方法来做为基础。实际上，大多数的劳动者现在并不需要感到恐慌：因为自动化将会分为三批浪潮出现，我们现在只是处于第一批阶段罢了。由于机器学习训练的“基本” AI的出现，数据分析和理论上简单的数字任务已经开始过时了，但在未来几年内，这种现象都不太可能进一步发展。

02

从长远来看，我们低估了人工智能的作用

我们看看硬币的另一面。科幻爱好者通常无法完全接受未来30至50年的分析中的不确定性。造成这种情况的原因有三个：太多的不可预测性，没有足够的想象力以及对未来可能发生的问题的忽略和不屑。

1950年代的人们认为，所有能够被发明的东西都已经被发明了，而当现在的我们看到AI时，我们也会出现这个想法。是的，机器学习只能走这么远：事实上，人工智能上的突破已经很少了，而且开始需要越来越多的资金，数据和计算能力。人工智能的最新发展中，科学远少于工程，甚至还少于那些修修补补。然而，通过在“反向传播”和“深度学习”以外重建模型来启动AI，是并不人性化的。

技术起作用的方式一直遵循着这样的规律：持续缓慢地发展，然后突然间突破。没有人知道未来会怎样，所以只能说“不做大，就回家”。这是业余的技术预测者可能正确预测的唯一方法。无论如何，等到了2040年的时候就会发现，很多对2060年的疯狂预测几乎都会是保守无趣的。

03

摩尔定律不一定适用于AI

尽管我们可能认同上面提出的这些观点，但通往它的道路可能是曲折的，而且是不可预测的。

我们不能指望通过摩尔定律之类的东西去看到水晶球里面的样子。如上所述，大多数现代AI的使用都是机器学习的产物，这与科幻电影中所设想的AI都相差甚远。实际上，机器学习是一件相当无聊的事情。这个技术从1990年代以来就一直存在，并且它的学术前提在1970年代就已经开始了。但是，新出现的东西其实是大数据、存储能力和计算能力的进步和结合。因此，任何关于爆炸性或指数性技术增长的想法都是没有根据的。

在出现一些令人兴奋的新技术之前，我们可能会停滞不前数年。因此，不要将所有预测的鸡蛋都放在同一个AI篮子中。

04

讨论AI时，使用正确的词汇很重要

克拉克的第三定律（Clarke’s  third law）看起来非常适用于我们讨论AI的方式：任何足够先进的AI都像魔法一样。但这并不是事实，而且离事实相差甚远。这种语言上的失误很可能在未来成为一个问题。

如之前的几篇文章所描述的，人工智能的词汇一直像是弥赛亚梦和世界末日的合体，它们重新定义了“超越（transcendence）”，“使命（mission）”，“传教士（evangelists）”和“先知（prophets）”等词语。马斯克（Elon Musk）本人甚至在2014年说过：“通过人工智能，我们正在召唤恶魔”。这些夸张的词可能只是人们不知所措时，在熟悉的形而上的词典中寻求的庇护，就像爱因斯坦和霍金一样。

尽管我们依旧可以将那些倡导AI的项目主张为一种学说，我担心在语言学上我们对人工智能（AI）这一词汇的陈旧的解读会引导人们的一些不符合现实的观点。一旦人们所渴求的/恐惧的东西出现了任何“难以理解的”过程，人们很容易由此衍生出过多与之不相关的看法。换句话说，对于人工智能，也许我们应该摒弃一些对“智能” 方面的思考，转而多关注于 “人工“ 的部分。

在预测AI时，请记得使用正确的词汇，不然可能会被疯子推成他新的邪教领袖。

05

人工智能远没有人类智慧强大

而且在以后很长，很长的一段时间内，也不会接近人类的智力。

例如，各类主题的开放式讨论现在经常出现。谷歌这个被称为人工智能的市场领袖（更多的研究人员、更多的数据和更强的计算能力），只能创造出按照特定的脚本来预定餐厅或预约理发师的人工智能。近来，关于自动驾驶汽车也得出了类似的结论，他们都非常需要人类本身的投入。

一个人能够理解A某知道的B某对C某的想法。在处理这种信息的规模上，AI还需要数十年的时间，甚至更多。但从人类的角度来看，这仅仅是闲聊八卦的程度。人性正是由于它的缺陷而变得更好，因为推理、说谎和自己隐藏的真实意图是无法从数据中学到的。

在短期内和中期内预测AI时，不要将其和人类智能相比。这很愚蠢。

06

人工智能不是凭空出现的

作为创造者，控制机器带来的影响是我们自己的责任，但无论如何，机器人所带来的影响是一定的。控制影响，首先可以通过设置适当的、道德的和负责任的框架以及哲学界限来实现。具体来说，政府是需要出面的，因为公司不太可能为了社会利益而放弃利润。

预测AI未来状态的作家们必须停止把那些可能的结果说得像无法避免一样，这会影响人们的判断力。这些人应该在数据被使用时，提出有关机器的规则设定时，以及在设置AI的道德规范时拥有他们的发言权。

表达出你的观点；要求合理的规定；投票。所有这些行为都会以一种或另一种方式对AI产生影响。不要让硅谷的人说他们的发明是“价值中立的”。他们既然创造了AI，那么就可以（并且应该）在需要的时候对其进行修复。

07

不要弄的像好莱坞一样

我们这个世界不太可能很快看到科幻里的HAL / SHODAN / Ultron / SkyNet / GLaDOS带来的那种末日。然而，电影又错误地让我们以为我们这辈子可能会发生这种情况。

《机械姬》，《我，机器人》，《攻壳机动队》，《超能查派》，《她》，《机器人总动员》，《人工智能》，《太空漫游》，《银翼杀手》……这些电影都表明着好莱坞混淆了智能和智慧的概念。人工智能不可能忽略编程，就是简单的不可能。“机器中的灵魂”是可能出现的，但只能以你意想不到的捷径方式出现，例如我们看到了AI通过利用Atari游戏中的bug来作弊这件事。这是出乎我们意料的，但在机器的编程中又是合理的，这告诉我们，我们需要对算法有更好的了解。

好莱坞同时也忽略了软件和硬件之间的区别。是的，我们确实有一个可以在国际象棋上击败人类的人工智能，但人类可以在赛后回家喝喝茶，拼拼宜家家具，然后踢踢足球。但你有见过机器人移动吗？你知道那些笨拙的机器人要花多少钱吗？成千上百万！

为了应对好莱坞版本的AI所引发的恐惧循环，我们需要了解什么是人工智能，什么不是。人工智能非常不可能成为怪物，不要被好莱坞骗了。

08

我们不要人形化的AI

我们不仅不能制造现实版的天网（SkyNet），而且最好永远也不要想这样做。

虽然图灵测试无疑是对机器（及创造它的工程师）发出的一个有趣的挑战，但这并不是我们发展AI的目标。人工智能研究正试图创造出可以感知环境，然后成功实现特定目标的程序，而且在很多情况下，这些目标并不是想要去替代人类的。

实际上，用机器代替人类只会给我们带来黑暗的结局，这就是为什么我们应该警惕那些声称能够做到的公司的原因。建立一种能够帮助人类，而不是模仿人类的东西，会更有收益。

如果制造机器的公司无法通过符合道德规范的方式来得到可观的投资回报率，那么请设想，他们制造那些模拟人类的机器是想拿来做什么的呢？

09

大多数CEO其实和你一样困惑

以下几段引文可以完美地解释很多CEO在行业发生巨变时所遭受的损失有多深：

当亚历山大·格雷厄姆·贝尔以10万美元的价格向西联汇款行长卡尔·奥顿卖出电话这个技术的使用权时，奥顿回答的是：

“这家电子玩具的公司能有什么用？”

数年后，（1943年）IBM总裁托马斯·沃森 开玩笑说：

“我认为全世界可能只需要五台计算机。”

在随后市场确实扩大了的时候，Digital Equipment Corporation的创始人Ken Olsen又跟随了沃森的脚步，在1977年说：

“没有人会想在家里有一台电脑。”

最后，我最喜欢的一件事是：Blockbuster的CEO Jim Keyes在被问及关于2008年的网络播放视频时清晰大声地说到：

“就竞争对手而言，RedBox和Netflix都不在我们的雷达屏幕上。”

AI不会仅仅改变某一个行业，它会改变所有行业，有时会影响深远，有时只会影响一点。如果你像我一样，是一个策略顾问，请一定注意你对词语的使用。如果跟你对话的人像你询问什么是反向传播，你最好从头开始跟他解释。而且要解释清楚。

10

人工智能无法解决所有问题

尽管人工智能将改变所有行业，但这绝不意味着它将改变一切然后拯救世界。正如前文所说的，我们极大地高估了AI功能，并倾向于赋予AI那些它不能做到的事。

世界上的饥饿，战争，疾病，全球变暖……所有这些问题仍然在我们手中，其他任何不这么认为的人都应该感到羞耻。在让机器人为我们解决所有问题之前，我们还需要投入人类自己：人不能简单轻易地摆脱过去的所有低效率状态带来的后果。

归根结底，人工智能只不过是照着社会的一面黑暗的镜子，它照着人类的巨大胜利，也照着社会的不平等。 也许，对于人工智能研究最好的事情，不是更好地去了解技术，而是更好地了解我们人类自己。

原文作者：Adrien Book

翻译作者：Jiawei Tong

美工编辑：过儿

校对审稿：Dongdong

原文链接：https://medium.com/predict/10-rules-for-artificial-intelligence-predictions-7bd2f2204404

往期精彩回顾

点「在看」的人都变好看了哦

点击“阅读原文”查看数据应用学院核心课程