1707567325
微粒社会：数字化时代的社会模式 与机器共同进化
1707567326
1707567327
1996年2月，当时的世界象棋冠军与一台计算机进行了第一次人机象棋比赛。为应对来自超级电脑“深蓝”的挑战，当时史上评价最高的象棋选手加里·卡斯帕罗夫接受了这样的评语：“这次比赛是整个人类种族的一场防御战。计算机在现代社会中发挥着巨大的作用，它们无处不在，但是存在一条计算机不能逾越的边界——它们不应当在人类的创造性领域挺进。”
1707567328
1707567329
然后卡斯帕罗夫就震惊了人类，在那次比赛中他输掉了首个回合。不过无论如何他还是咬牙坚持，并最终以令人信服的4∶2的比分赢得了这次较量。但是一年以后，他以2.5∶3.5的比分输掉了整场比赛。在最后一个回合的较量中，他甚至遭受了职业生涯中最快的失败。机器因此羞辱了人类。
1707567330
1707567331
这个故事经常被谈及，但是象棋比赛的后续进展如何却很少被关注。有一段时间，象棋比赛是人类和机器分开进行的，但是纯粹的计算机象棋让人感到无聊：一方面计算机常常无法理解象棋的精妙，另一方面在对弈的过程中它们缺乏感情。而且机器被很快证实并非是最好的象棋玩家。受益于它们的数据库，计算机可能知道所有曾经对弈过的赛局，它们可能提前分析了好多步，它们可能会打败世界冠军——但是它们并非是不可战胜的。
1707567332
1707567333
关于人和机器谁更厉害的问题，现在有了非常清楚的答案，那就是：不是两者中的任何一方，而是两者结合在一起。
1707567334
1707567335
在国际象棋中，这种人机联合被称作自由式国际象棋。人类与机器结盟，象棋水平达到了史上最高。自由式国际象棋界的一位大师名字叫Ibermax或者Intagrand。其后隐藏着安森·威廉姆斯，一位来自伦敦的、拥有非洲加勒比血统的、瘦削的、笃信宗教的工程师和程序员，他虽然热衷于电脑跑车游戏，技艺高超，而且不看乐谱就可以弹奏约翰·塞巴斯蒂安·巴赫最难的钢琴曲，但是在国际象棋领域充其量是一个中等棋手。如果没有他的计算机，没准他经过努力有可能在当地的象棋俱乐部称雄，但是有了计算机，如虎添翼，他可以与世界象棋精英争锋。
1707567336
1707567337
在自由式国际象棋竞赛中，威廉姆斯几乎不看木质棋盘，而是从一台电脑前迅速移动到另一台电脑前，这些电脑中同时运行着不同的计算机程序。威廉姆斯的艺术在于，他极为清楚每一个程序的优点和弱点，并且知道在哪种位置上程序需要花费更多时间或者什么时候在某个位置通过冒险“出击”可能使对手面临全新的问题。他还能从对手的棋步中推断出其是否相信某种特定的象棋程序，然后利用对手的弱点。
1707567338
1707567339
在2007年于西班牙本尼多姆举办的自由式国际象棋竞赛中，威廉姆斯曾战胜过一位国际象棋大师，他通过在一个毫无希望的位置上疯狂快速地走出一系列由计算机计算出的棋步，使得对手完全失去招架之力。在经过多达111步的高强度较量后，那位大师精疲力竭地放弃了。
1707567340
1707567341
最优秀的自由式国际象棋选手好像具有超自然的天赋，他们能够认识到什么时候应该信任计算机，什么时候应该信任自己。他们异常清楚地知道计算机的弱点，同时也清楚自己的弱点。正是因此，即使是比较差的象棋选手也能在自由式国际象棋比赛中表现出色：他们谦虚却不自负，他们知道自己并不一直比计算机更了解象棋，只是有时候而已。
1707567342
1707567343
这些自由式国际象棋选手就是这样以某种方式克服了加里·卡斯帕罗夫描绘的矛盾：比赛中的关键不再是人与机器的对战，而是两者的共生。一些人因此将这种比赛称为“半人马象棋”[1]，这是根据希腊神话中一个人与马混合的半人半马怪物命名的。自由式国际象棋选手在回答人与机器谁有优势的问题时会视情况而定。其中的艺术在于发现哪一方应该在哪种情况下掌握领导权——是人还是数字化智能。这是未来所有领域都将面临的问题，而且我们所有人都必须以某种方式学习自由式国际象棋。
1707567344
1707567345
首先，我们应该树立不再与机器对抗而是与其合作的观念。这适用于医学、法律、科学领域或者工厂。在个体生活中，我们早就理解了这一点，没有人会反对自己的智能手机；而在社会层面，我们仍然将人类智能和人工智能描述成对立的事物。
1707567346
1707567347
这种对立之所以发生在我们身上，原因在于我们经常认为机器会在某一天取代我们。这当然不符合实情。机器最多会顶替一些职位或者工作流程，但是它们不能取代人类——与人类相比，它们完全是另外一回事儿。而这对于理解微粒社会是具有决定性意义的：对于我们人类而言，机器永远都是外来物种，是异类，这样它们才能作为可爱的机器人或者无害的屏幕出现。因为对于我们而言，它们的优势建立在完全不一样的能力之上。
1707567348
1707567349
它们不知疲倦，而且能够在任何时间通过一款新的、更好的软件得到升级。这虽然好，但不是决定性的。更重要的是，智能机器不必与我们大脑所负载的一切竞争。它们没有意识、感觉和愿望，也没有希望和渴望，只是使用符号，使用数字和信号。这些东西意味着什么，对它们而言无关紧要。
1707567350
1707567351
本来计算机只能做一件事情——运算，但是人类生活中可以数字化的东西多得令人吃惊。比如象棋是由具有某些特定值的坐标组成的坐标网络，是可以计算出来的；视频是不同色彩强度值和使其转变成其他色彩的指令；歌曲是不同频率的波谱；潜在的恋爱对象是各种参数间的相关性和发生概率；声音对于“社会测尺”而言就是利用音高所计算的讲话速度。
1707567352
1707567353
相反，人类必须一直从所有事物中感知到意义，这是费力的，同时这会急剧地拖慢我们的生活节奏——但会使我们的生活有价值。一朵花对于一台计算机而言就是色彩值、像素大小；但是对于我们来说，它要么意味着对上一次生日的回忆，要么是哀悼某个喜欢花的已故的女朋友，要么是某个博物馆的一幅图片，要么是春天草地的香味，或者让人想到普罗旺斯厨房桌上那朵枯萎的花……
1707567354
1707567355
我们想知道计算机会在哪些方面超过我们。严格来看，计算机不过是利用1和0的差异在工作。但是在计算机代码之上，重要的是区分不同的状态。意大利女哲学家埃莱娜·埃斯波西托曾写道：“机器只是在利用这样的差异。”因此，它们具有“意想不到的解析能力和解构思想的能力”。
1707567356
1707567357
机器与人类的这种根本差异，可以通过谷歌搜索引擎直观地看到。谷歌搜索引擎具有一种“记忆”功能并且可以“记起”所有的网页，可以说，比我们曾经所能做到的好得多。但事实是：机器根本没有记住任何东西。我们以为它们要认识甚至理解那些网页，要顾及这些网页的上下文和存在用途。但是谷歌搜索引擎是通过大约200种变量最终计算出搜索结果的，而这些结果和某个网页的内容几乎一点关系都没有，关键的是链接、点击量和其他更多的东西。
1707567358
1707567359
谷歌只是没有被与我们相关的内容拖累，它才可以如此迅速。它之所以“记得”那么好，是因为它忘记了很多或者说根本就不知道。谷歌最大的优势就是忘记的能力，而我们人类最大的优势就是不会忘记的能力。因此我们拥有历史或者某个故事，而计算机拥有的是计算路径（可能还有未来）。
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。
[
上一页 ]
[ :1.707567324e+09 ]
[
下一页 ]