1707567360
1707567361
因此，所有人类与机器间的比喻也都错了。我们的大脑不是硬盘，而摄像机传感器也不是人类的眼睛。只是因为计算机从根本上就是不同的，它们才能这样彻底地搅动和改变我们的社会。要是它们像我们一样，或许我们会像接受我们社会中的兄弟姐妹一样去接受它们，那样的话只会出现更多同样的存在：和我们一样。
1707567362
1707567363
现在取而代之在我们世界中出现的，是一种新的智能，这种新的智能可以补充我们的智能，而且经常苛求我们的智能。早在1954年，保罗·米尔就写了一本薄薄的使社会学家和心理学家感到震惊的书。他在书中论证，即使是简单的数学模型通常在预测上也会比专家们做的好得多。对米尔来说重要的是，预测犯罪率的下降，或者病人对电击疗法（那时普遍流行）的反应如何。但是最直观的例子却是在数年后由奥利·阿申费尔特提供的。
1707567364
1707567365
这位斯坦福大学的教授喜欢高品质红酒，尤其喜欢用作价值投资的红酒。红酒杂志的专家们预测这种饮料未来价值的通常做法有着上千年的历史：先品尝然后给出评分。阿申费尔特将这种方法称为“先喝后吐”。他设计出一个评测红酒质量的公式，这个公式中的参数包括葡萄生长期的平均温度以及冬季的降雨量，能够做出比那些最著名的专家们更好的预测。而那些专家却将阿申费尔特污蔑为庸俗的人和门外汉。阿申费尔特曾于1989年预测，当年的葡萄酒质量可以媲美100年的波尔多，他被嘲笑了——不过后来他被证明是对的。第二年，他评估的葡萄酒质量更高，再一次遭到嘲笑——但是之后他又被证明是对的。
1707567366
1707567367
一个简单的公式比品酒专家更聪明，这使得品酒专家感到受辱，他们至今未能原谅阿申费尔特。还有许多像他们一样的专家因此处境糟糕，他们常常遭受来自简单的统计方法的打击。程序算法能够比公司领导招募到更好的雇员；它们常常能够更加聪明地做出决策，比如一家出版社应当出版什么样的书籍；它们会更精确地计算出哪些电影将获得成功，甚至信用卡诈骗的揭发如今也变得自动化了。
1707567368
1707567369
程序算法的优势正是人类的不足：我们受制于所有可能的知觉扭曲。我们会过高评估当前的结果，我们认为自己比实际中的更加聪明，我们太情绪化了。或者说：我们已经被标准化了，将世界当作剧院或一场戏剧来观察。面对每一种新的刺激，我们就像一个欣喜若狂的女明星一样：激动、夸张、忘记之前的事实。我们以史为鉴，而历史所导向的不是可能性，而是情绪的冲击。历史很长，我们却容易忽视事物的规律性和可预料性。
1707567370
1707567371
这是不是意味着，我们应当把决策权拱手让给那些超然物外的程序算法呢？肯定不是。那样会很危险，因为完全臣服于数字化智能将可能一再导致明显的错误决策。保罗·米尔用“断腿问题”阐释了这个问题。假设，一个程序算法基于众多的因素计算，一个人有84%的概率会在下周五去电影院。但是当我们现在获悉，这个人把腿摔折了，对于一个人类观察者而言，一切都将改变，但是对于计算机而言可能就不是这样（因为它的程序算法并没有被编程，不会计算极端的不可能事件）。米尔推断，我们因此需要某种形式的人道的紧急开关，借此我们能够在可疑情况发生时纠正机器智能。就像另外一个研究者注意到的那样，问题只是：“人类觉得到处都有断腿，甚至那些根本没有断腿的地方也有。”而对机器的纠正也将混入人类的认知错误。
1707567372
1707567373
人们或许只能将这种两难的处境视为不可破解的，或者视为人类和机器智能协同演化的开端。所有的一切都在表明，这种合作将决定我们的生活。不是机器的主导，不是人类的统治，决定我们生活的，将是第三种渐渐显露出来的状态。就像自由式国际象棋比赛那样。
1707567374
1707567375
这种协同合作的智能革命将怎样产生影响？有三种趋势即将显现：我们将变得更加聪明，我们将适应机器的世界，我们也将适应自己的变化。
1707567376
1707567377
[1]此处德语原文为Zentauren-Schach，Zentauren是一个希腊神话中半人半马的怪物，正好契合文中人与计算机的联合。——译者注
1707567378
1707567379
1707567380
1707567381
1707567383
微粒社会：数字化时代的社会模式 我们将变得更加聪明却更紧张
1707567384
1707567385
马格努斯·卡尔森在13岁4个月零27天的时候就成为国际象棋界的大师，19时成为国际象棋排行榜上最年轻的第一名，而自2014年3月起他正式成为史上最厉害的国际象棋选手。他以2 881分的埃洛值[1]超过加里·卡斯帕罗夫的纪录整整30分。
1707567386
1707567387
假如在30年以前，这个挪威少年几乎没有可能成为一个象棋神童。他会生活在一个没有卓越象棋传统的国家，而且没有合适的训练伙伴。但在苏联情况可能就不一样了，莫斯科曾经有世界上最丰富的国际象棋对弈档案，并且曾有一支完整的象棋大师教练队伍，接收并训练年轻的、有天赋的选手。
1707567388
1707567389
首先成就马格努斯，使他的象棋梦变成现实的是计算机：“我十一二岁的时候就已经在计算机上备战比赛并且在网上对弈了。”除此之外，他还购买了内存450万场赛局的DVD（高密度数字视频光盘），他可以据此学习分析。马格努斯的进步在没有计算机的情况下是不可想象的——这也是大多数顶级选手的现状。同样的情况也发生在扑克选手身上，这些杰出的、由计算机训练出来的新生代明星已经有了一个自己的名字：die Robotrons。
1707567390
1707567391
计算机科学家、杰出的国际象棋选手肯尼思·里根想知道，今天的国际象棋选手是否真的获得了更高的埃洛值，国际象棋比赛的水平是否因此真的有了提升——或者说，选手们是否从某种形式的评价通胀中受益了。但是由于并非所有的赛局都被保存并流传下来，那怎么计算100年前的象棋选手的实力呢？里根想到的办法是，让所有的棋手与同样的对手比赛，这个对手就是当前被称为“李普卡”的最好的象棋程序。因为那些早已逝世的象棋选手不能与李普卡对抗，里根使用了一个技巧：在多达数千个赛局中，他计算出李普卡可能选择的棋步，然后比较哪些棋步是逝世棋手真正选择过的。这样里根似乎确定了之前时代的下棋水平与李普卡的差距，然后再将其与当今的水平比较。
1707567392
1707567393
结果是明确的：今天的棋手要比之前的棋手水平更高。象棋的水平有了提升，并且当今的棋手获得了比前辈们更高的埃洛值。或者反过来说：之前统治这个领域的棋手，今天几乎没有可能挤进世界顶级棋手的行列。
1707567394
1707567395
这种水平发生飞跃的原因首先在于那些能够带来顶级成绩的信息现在随处可得，不再仅仅存在于莫斯科的档案中了。借助互联网，世界上任何地方的孩子，即使是在遥远的印度乡村的孩子，也可以与世界上最强大的计算机程序一较高下，而且可以和最好的象棋选手交流。地理位置不再是决定命运的因素。天才的潜能能够更好地被激发出来，同时全球化的竞争正在加剧并迫使所有人付出更多的努力。
1707567396
1707567397
但是计算机不只分配了已知的东西，它也教会了那些棋手新的东西。基于计算机“思考”比赛的特别方式，人类可以更好地掌握之前牺牲掉的棋子对于赢得之后的比赛可能会有怎样的价值。马格努斯·卡尔森因此认为，通过计算机获得的学习效果可以快速打破他少年时的纪录：“技术的进步将会成就世界各地越来越年轻的顶级棋手。”
1707567398
1707567399
其他的科学领域会不会发生类似的情况呢？我们并不知道。由此，对于数字化技术会使我们变得更加聪明还是更加愚笨这个问题，一直存在激烈的争论。双方都征引研究以证明各自的立场：一会儿说我们可能在数字化转折的风暴中丧失集中注意力的能力，一会儿说数字化的短信息能够丰富我们的语言表达，一会儿说记忆向数字化工具的转移将使大脑的创造性思考变得轻松。可能是这样也可能不是——确定的只是这些研究会使我们更加接近问题的答案。
1707567400
1707567401
我之所以这样说，一个简单的原因就是：这个问题的提出本身就是错误的。这个问题提出的前提是，智能完全不受当时环境的影响。但这是可疑的。如果测试现在的学生，我们会发现他们虽然不像前几代学生能够熟练地记住某些特定的内容，却能更好地记住那些他们能够找到这些知识的地方或是借以想起这些知识的关键词，那么这些学生是更笨了还是更聪明了呢？如果说他们更笨了，是因为他们将某些知识移出他们的头脑了吗？如果说更聪明了，是因为他们真的变聪明了吗？他们的记忆能力在某一领域正在减弱，而在另外的领域正在增强，我们可以从中推断出什么呢？
1707567402
1707567403
如今，在自己的头脑中记住尽可能多的东西，绝对是有意义的。这曾经是聪明的一种象征，因为记住需要的信息在以前通常是困难的。于是学校鼓励熟记，而学者会因为能够旁征博引而受到赞赏。但是这种能力只不过是对之前口述文化所带来的记忆能力的再次模仿而已：古希腊英雄史诗的说唱诗人或者印度乡村的行吟木偶戏演员会讥笑现代人的记忆能力。因此，我们会说千年之后人们的记忆能力发生了巨大的衰退吗？如果答案是肯定的，我们是不是将会看到某种衰落呢？
1707567404
1707567405
在当今流行的理论中，大脑通常被描述成适应各自要求的肌肉器官。它强化了面向需求的方面，正在变得可塑且具有适应能力，而且它喜欢这种训练。我们没有理由接受这种想法：只因为我们兜里装着一台智能手机，人类千百年来的认知训练就会走到尽头。事实完全相反：智能设备的出现并不意味着大脑时代的终结，而是更能有助于大脑能力的充分发挥。未来，我们需要训练越来越聪明的机器。我们需要设计、建造这些越发智能的机器，并学会与它们相处。它们也将训练、挑战我们，将我们带到我们的极限——也就是达到训练的预期效果。为什么与一种（在某些特定领域）占据优势的智能相连，会使我们变得越来越笨呢？这样一来，不是所有刚入学的孩子都将失去他们的智能吗？哈佛大学不就成了一座愚民的教育机构了吗？
1707567406
1707567407
但是未来的这种训练也将带给我们一些新的挑战。因为我们的周围将首次充斥着数字化的东西，那些比我们学习速度更快而且进化得更快的东西。人类迄今仍感觉自己具有进化上的优越性，但是在智能革命中，在数字化机器面前，人类将相形见绌。在对抗机器的学习速度方面，人类连最小的胜出机会都没有。
1707567408
1707567409
人类通过模仿和训练进行学习，而且每一个人都不一样。进行学习的地方是学校，而且学校规定，每个学生要努力掌握之前熟悉的东西：二项式方程、英语中的不规则动词以及化学元素周期表。可以确定的是，我们也在学习并将知识储存在诸如大学和公司之类的机构里，这样一来今天设计汽油发动机的工程师就不必是个天才，而在150年前这几乎是一个不可完成的挑战。但是我们所有人必须单独且耗费时间去掌握那些使得我们有资格参与技术进步的知识，而鉴于我们生命的长度，用来获取这种知识经验的时间也是有限的。
[
上一页 ]
[ :1.70756736e+09 ]
[
下一页 ]