人工智能是這個(gè)時(shí)代的箴言，技術(shù)專家、學(xué)者、記者和風(fēng)險(xiǎn)投資家都在歌頌AI。不過，就像一些從專業(yè)學(xué)術(shù)領(lǐng)域延伸到日常生活中的短語一樣，“人工智能”一詞的使用也引起巨大的爭議。

但這并不是通常情況中由于“大眾無法理解科學(xué)家”而造成的爭議，其實(shí)，科學(xué)家和大眾一樣感到困惑。一想到這個(gè)時(shí)代正在興起一種可與人類匹敵的數(shù)字智能，所有人都很興奮，但同時(shí)也會(huì)感到害怕，這會(huì)分散我們的注意力。

這是當(dāng)今時(shí)代背景下一個(gè)特殊的故事，它涉及到人、計(jì)算機(jī)、數(shù)據(jù)和生與死的決定，并非人們對硅基智能的幻想。

14年前，筆者的親戚懷孕后在做超聲波檢查。房間里的遺傳學(xué)家指著胎兒心臟周圍的一些白點(diǎn)：“這些都是唐氏綜合癥的跡象，而胎兒患病的風(fēng)險(xiǎn)已達(dá)二十分之一。”接著，她說可以通過羊膜穿刺術(shù)發(fā)現(xiàn)胎兒是否真的有先天遺傳變異的唐氏綜合癥。但是羊膜穿刺術(shù)是有風(fēng)險(xiǎn)的，在手術(shù)中胎兒死亡率大約是1/300。

作為一名統(tǒng)計(jì)學(xué)家，筆者很想弄清楚這些數(shù)字的根據(jù)和來源。十年前，英國做過一項(xiàng)統(tǒng)計(jì)研究，這些代表鈣積累的白點(diǎn)，實(shí)際上被認(rèn)定是唐氏綜合癥的預(yù)測因子。但同時(shí)我也發(fā)現(xiàn)，我們測試的成像系統(tǒng)每平方英寸像素比英國分析使用的系統(tǒng)多幾百個(gè)。

我告訴遺傳學(xué)家，我認(rèn)為這些白點(diǎn)可能是假陽性——它們只是“白噪音”。她說：“這就是幾年前唐氏綜合癥的診斷激增的原因，那時(shí)新電腦剛剛到貨?！?/p>

他們最終沒有做羊膜穿刺術(shù)，幾個(gè)月后，一個(gè)健康的女孩出生了。但這件事讓我很惶恐——粗略估計(jì)，全世界有幾千人在同一天接受了這個(gè)診斷，其中許多人選擇了羊膜穿刺，許多嬰兒不必要地死去。這種情況每天都在發(fā)生，直到有一天bug被修復(fù)。

這個(gè)故事暴露的問題與我個(gè)人的醫(yī)療保健無關(guān)——這關(guān)乎一個(gè)醫(yī)療系統(tǒng)，通過評估不同地點(diǎn)和時(shí)間的變量和結(jié)果，進(jìn)行統(tǒng)計(jì)分析，并利用其他地方和不同時(shí)間的研究結(jié)果。

這樣的問題不僅和分析數(shù)據(jù)本身有關(guān)，還和研究數(shù)據(jù)庫研究人員關(guān)注的“出處”掛鉤——一般來說，數(shù)據(jù)科學(xué)家們需要厘清數(shù)據(jù)來源于哪里、如何推導(dǎo)以及這些推論之于現(xiàn)狀的重要性的問題。雖然熟練的數(shù)據(jù)科學(xué)家們可以依次進(jìn)行案例分析，但當(dāng)今的挑戰(zhàn)是，行星規(guī)模般龐大的醫(yī)療系統(tǒng)并不需要大量的人類監(jiān)管。

我也是一名計(jì)算機(jī)科學(xué)家，碰巧在我的學(xué)校里找不到這樣的概念來構(gòu)建一個(gè)全球范圍內(nèi)的推理與決策系統(tǒng)——將計(jì)算機(jī)科學(xué)與統(tǒng)計(jì)學(xué)結(jié)合起來，并考慮到人類的效用。在我看來，發(fā)展不應(yīng)只局限于醫(yī)學(xué)領(lǐng)域，還應(yīng)涉及貿(mào)易、交通、教育等領(lǐng)域，至少要和構(gòu)建人工智能系統(tǒng)一樣重要。

無論是否能很快理解“智能”，我們都面臨著一個(gè)巨大的挑戰(zhàn)，那就是如何讓機(jī)器和人類結(jié)合起來以改善人類生活。有些人認(rèn)為這項(xiàng)任務(wù)從屬于“人工智能”的發(fā)展，但它也可以被看作是一個(gè)新的工程分支。就像過去幾十年的土木工程和化學(xué)工程一樣，這門新學(xué)科的目標(biāo)是匯集幾個(gè)關(guān)鍵概念的力量，為人們提供新的工具和技能，并做到安全可靠。

土木工程和化學(xué)工程主要著眼于物理和化學(xué)，而這一新的工程學(xué)科將建立在上個(gè)世紀(jì)的思想基礎(chǔ)上，諸如“知識(shí)”、“算法”、“數(shù)據(jù)”、“不確定性”、“計(jì)算”、“推理”和“優(yōu)化”。此外，這門新學(xué)科的大部分重點(diǎn)將是來自人類和關(guān)于人類的數(shù)據(jù)，它的整體研究方向也將聚焦于此。

盡管構(gòu)建小模塊已經(jīng)出現(xiàn)了，但是指導(dǎo)這些模塊放在一起的原則還未發(fā)展，所以這些模塊是以特殊的方式放置在一起的。因此，就像在結(jié)構(gòu)工程出現(xiàn)之前設(shè)計(jì)建筑和橋梁一樣，人類正在構(gòu)建涉及計(jì)算機(jī)、人類和環(huán)境的社會(huì)規(guī)模、推理和決策結(jié)構(gòu)。

就像早期的建筑和橋梁經(jīng)常以意想不到的方式倒塌并帶來毀滅性的后果一樣，早期的許多社會(huì)推理和決策過程中也存在嚴(yán)重的概念缺陷。遺憾的是，我們并不擅長預(yù)測下一個(gè)致命錯(cuò)誤的出現(xiàn)，我們真正失去的是工程學(xué)科及其理論和設(shè)計(jì)概念。

通常，公共話語情景下，人們常使用人工智能AI作為分析通配符，而這使得他們很難思考新興技術(shù)的本質(zhì)和含義。下文中，筆者將更仔細(xì)地研究“AI的過去和近況”。

當(dāng)今被稱為“人工智能”的事物，在過去幾十年一直被稱為“機(jī)器學(xué)習(xí)”。機(jī)器學(xué)習(xí)屬于算法領(lǐng)域，包含了來自統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)和許多其他學(xué)科的思想，以開發(fā)處理數(shù)據(jù)、預(yù)測和支持決策制定的算法。

機(jī)器學(xué)習(xí)對世界的影響由來已久。早在上世紀(jì)90年代初，機(jī)器學(xué)習(xí)就已經(jīng)很明顯地發(fā)展成為具有巨大工業(yè)意義的產(chǎn)品。而在世紀(jì)之交，機(jī)器學(xué)習(xí)開始被具有前瞻性的公司所利用。

在整個(gè)公司（如亞馬遜）內(nèi)部，機(jī)器學(xué)習(xí)已經(jīng)被應(yīng)用于解決欺詐檢測和供應(yīng)鏈預(yù)測等關(guān)鍵任務(wù)的后端問題，并開發(fā)面向消費(fèi)者的突破性服務(wù)，如推薦系統(tǒng)。在接下來的20年里，隨著數(shù)據(jù)集和計(jì)算資源的快速增長，很快機(jī)器學(xué)習(xí)將不僅控制亞馬遜，而且將幾乎控制任何決策可以與大規(guī)模信息相關(guān)聯(lián)的組織。

科學(xué)家預(yù)測，新的商業(yè)模式會(huì)持續(xù)發(fā)展?！皵?shù)據(jù)科學(xué)”這一術(shù)語開始用于指代這一現(xiàn)象，表明機(jī)器學(xué)習(xí)算法方面的專家需要與數(shù)據(jù)庫和分布式系統(tǒng)專家協(xié)作，以創(chuàng)建可伸縮、穩(wěn)定的機(jī)器學(xué)習(xí)系統(tǒng)，用以表示生成的系統(tǒng)更廣泛的社會(huì)和環(huán)境影響范圍。

回顧歷史，“人工智能”一詞在20世紀(jì)50年代末被創(chuàng)造出來，指的是一種在軟件和硬件上實(shí)現(xiàn)具有人類智能水平物體的強(qiáng)烈愿景。雖然已經(jīng)有了相關(guān)的學(xué)術(shù)領(lǐng)域，如運(yùn)能分析、統(tǒng)計(jì)、模式識(shí)別、信息論和控制理論，這些往往受到人類智能的影響，人工智能其實(shí)是一項(xiàng)學(xué)術(shù)事業(yè)。

這些領(lǐng)域的靈感來自于一種能力，例如，一只松鼠能夠感知它所生活的森林的三維結(jié)構(gòu)，并能在樹枝間跳躍。“人工智能”旨在專注于——人類高級的“推理”和“思考”或“認(rèn)知”能力。

然而，60年后，高層次的推理和思考仍然難以捉摸。現(xiàn)今在工程領(lǐng)域中被稱為“人工智能”的技術(shù)主要著眼于低級模式的識(shí)別和調(diào)節(jié)運(yùn)動(dòng)，和統(tǒng)計(jì)領(lǐng)域——在集中識(shí)別數(shù)據(jù)和趨勢后做出有根據(jù)的預(yù)測、測試假設(shè)和決定。

事實(shí)上，David Rumelhart在20世紀(jì)80年代初重新發(fā)現(xiàn)的流行“反向傳播”算法（現(xiàn)在被認(rèn)為是所謂的“人工智能革命”的基石），最早出現(xiàn)在20世紀(jì)50-60年代的控制理論領(lǐng)域。它的早期用途之一是在阿波羅飛船飛向月球時(shí)改進(jìn)其推力。

自20世紀(jì)60年代以來，人類科技已經(jīng)取得了重大進(jìn)步，但人工智能的發(fā)展并沒有達(dá)到頂峰。相反，就像阿波羅宇宙飛船一樣，這些和研究人員的獨(dú)特技術(shù)問題相關(guān)的概念一直被隱藏在幕后。

雖然沒有明確向公眾、研究展示，但系統(tǒng)建設(shè)在文檔檢索、文本處理、垃圾郵件檢測、推薦系統(tǒng)、自定義搜索、社會(huì)網(wǎng)絡(luò)分析、準(zhǔn)備、診斷和A/ B測試領(lǐng)域取得了巨大成功。這些創(chuàng)新也推動(dòng)了一些公司的發(fā)展，如Google、Netflix、Facebook和亞馬遜。

人們將這些統(tǒng)稱為AI，優(yōu)化和統(tǒng)計(jì)研究人員一夜之間被貼上“人工智能研究人員”的標(biāo)簽，令人驚訝。但除此之外更嚴(yán)重的問題在于，使用這個(gè)模棱兩可的特殊字母縮寫，會(huì)妨礙人們對其涉及的知識(shí)和商業(yè)問題更為清晰的認(rèn)知。

過去二十年里，在工業(yè)和研究方面，人類對于人工智能的模仿（也被稱為“信息增強(qiáng)”）取得了重大進(jìn)展。計(jì)算和數(shù)據(jù)在這里被用來構(gòu)建提高人類智能和創(chuàng)造力。搜索引擎可以被視為IA（增強(qiáng)人類記憶力和事實(shí)意識(shí)）和自然語言翻譯（增強(qiáng)人類溝通能力）的示例，基于計(jì)算的聲音和圖像的生成是藝術(shù)家創(chuàng)造力的調(diào)色板和增強(qiáng)器。

盡管這些服務(wù)可能需要高級的邏輯和分析，但目前它們還沒有——它們只是執(zhí)行各種類型的字符串匹配和數(shù)字操作，以確定人類可使用的模式。

希望讀者能接受最后一個(gè)縮寫詞來代替“人工智能”，設(shè)想一個(gè)“智能基礎(chǔ)設(shè)施”（II）學(xué)科，其中存在一個(gè)能夠使人類環(huán)境更加友好、有趣和安全計(jì)算、數(shù)據(jù)和物理實(shí)體的網(wǎng)絡(luò)。這類基礎(chǔ)設(shè)施開始出現(xiàn)在交通、衛(wèi)生、貿(mào)易和金融等領(lǐng)域，對個(gè)人和社區(qū)產(chǎn)生深遠(yuǎn)影響。

這些討論常被冠以“物聯(lián)網(wǎng)”之名，但這通常僅僅指示了互聯(lián)網(wǎng)上的問題，而非關(guān)乎抽象層次更高、能夠操縱數(shù)據(jù)流以發(fā)現(xiàn)相關(guān)環(huán)境信息和交流信息的更多問題。

在筆者看來，讀者可以想象自己生活在一個(gè)“社會(huì)規(guī)模的醫(yī)療系統(tǒng)”中。該系統(tǒng)在醫(yī)生和放置在人體內(nèi)部或周圍的設(shè)備之間創(chuàng)建數(shù)據(jù)流和數(shù)據(jù)分析流，從而使人工智能能夠進(jìn)行診斷并提供治療。

該框架將整合有關(guān)人體細(xì)胞、DNA、血液樣本、氣候，種群遺傳學(xué)和大量科學(xué)文獻(xiàn)的藥物和治療知識(shí)。它將不僅關(guān)注單個(gè)患者和醫(yī)生，而是關(guān)注所有人類之間的關(guān)系，就像當(dāng)前的醫(yī)學(xué)研究可以在一組人類（或動(dòng)物）的對照下進(jìn)行測試一樣。它將像現(xiàn)有銀行系統(tǒng)應(yīng)對此類財(cái)務(wù)和支付問題的方式來保留重要，出處和連續(xù)性的概念。盡管人們可能會(huì)預(yù)料到系統(tǒng)中會(huì)出現(xiàn)的一些問題，包括隱私，責(zé)任，保護(hù)問題等，但這些問題僅僅是暫時(shí)性的障礙。

現(xiàn)在需要解決的一個(gè)關(guān)鍵問題：研究經(jīng)典的人工模擬人工智能是應(yīng)對更大挑戰(zhàn)的最好或唯一方法嗎？實(shí)際上，最近有關(guān)機(jī)器學(xué)習(xí)的最為成功的案例都涉及到模仿人類的人工智能領(lǐng)域，例如計(jì)算機(jī)視覺、語音識(shí)別、游戲玩法和機(jī)器人技術(shù)。因此，也許我們只應(yīng)等待某些領(lǐng)域的進(jìn)一步發(fā)展。

本文在這里聲明兩點(diǎn)。首先，顯而易見，人類模仿人工智能的進(jìn)步是有限的，我們離實(shí)現(xiàn)人類模仿人工智能的期望還差得很遠(yuǎn)。然而現(xiàn)實(shí)是，在模仿人類的人工智能上取得一定進(jìn)步的喜悅（和恐懼）助長了人們的過度期望和媒體報(bào)道，而這其他工程領(lǐng)域所沒有的。

其次，要解決重要的IA和II問題，這些領(lǐng)域的進(jìn)展還不夠充分，也不夠必要。例如無人駕駛汽車的開發(fā)，需要解決各種可能與人類能力無關(guān)的工程問題。整體運(yùn)輸結(jié)構(gòu)（a型結(jié)構(gòu)）可能會(huì)更像目前的空中交通管制系統(tǒng)，而不是目前一組松散、向前看、漫不經(jīng)心的人類駕駛員。

它將比目前的空中交通管制系統(tǒng)更為復(fù)雜，特別是在使用大數(shù)據(jù)和自適應(yīng)統(tǒng)計(jì)建模來為細(xì)粒度的決策提供信息方面。這些問題最為重要，而強(qiáng)調(diào)模仿人類的人工智能可能會(huì)分散人們的注意力。

至于必要性方面，通常認(rèn)為模仿人類的AI同時(shí)包含了IA和II的愿望，因?yàn)槟７氯祟惖娜斯ぶ悄芟到y(tǒng)不僅能夠解決傳統(tǒng)人工智能問題（例如圖靈測試），同時(shí)還是解決AI和II的最佳選擇。

但這種說法沒有歷史依據(jù)：土木工程是通過嘗試建造一個(gè)人工木匠或砌磚工而發(fā)展起來的嗎？化學(xué)工程應(yīng)該設(shè)計(jì)來建造一個(gè)人工化學(xué)家嗎？更具有爭議性的是：如果我們的目標(biāo)是建立化工廠，我們是否可以先培養(yǎng)出一個(gè)人造化學(xué)家，然后觀察他會(huì)想如何發(fā)展化工廠？

類似地，人類智能是我們所知道的唯一智能形式，第一步要努力模仿它。但事實(shí)上，人類并不擅長任何一種推理——因?yàn)槿祟悤?huì)存在失誤、偏見和弱點(diǎn)。此外，從根本上說，人類還沒有進(jìn)化到能夠進(jìn)行現(xiàn)代II系統(tǒng)必須面對的那種大規(guī)模決策，也沒有進(jìn)化到能夠應(yīng)對II環(huán)境中出現(xiàn)的模糊性。

有人可能會(huì)認(rèn)為，一個(gè)人工智能系統(tǒng)不僅在模仿人類智能，而且它也會(huì)“正確”，會(huì)任意放大問題。但現(xiàn)在是在科幻小說的世界里——雖然這樣的推測在小說的背景中令人興奮，但不應(yīng)該是面對IA和II的關(guān)鍵問題時(shí)前進(jìn)的關(guān)鍵策略。就它們自身而言，我們需要解決IA和II問題，而不僅僅是完全模仿人工智能的節(jié)奏。

識(shí)別不屬于II系統(tǒng)中人類模擬人工智能研究的核心主題的算法和技術(shù)并不難。II系統(tǒng)需要具備可以快速處理發(fā)展并且在全球范圍內(nèi)不連貫的分布式信息源的能力。這樣的系統(tǒng)必須在做出及時(shí)、分布式的決策時(shí)應(yīng)對云邊緣的交互作用，并且還要處理長尾現(xiàn)象，也就是一些人的數(shù)據(jù)負(fù)荷很大，而另外一些人的數(shù)據(jù)卻很少。它們必須要克服跨越機(jī)構(gòu)和競爭邊界的數(shù)據(jù)共享問題。

最重要的事情是，II系統(tǒng)必須將諸如激勵(lì)和定價(jià)這樣的經(jīng)濟(jì)理念納入可以將人與人以及有價(jià)值的商品聯(lián)系起來的統(tǒng)計(jì)和計(jì)算基礎(chǔ)設(shè)施的領(lǐng)域。這種II系統(tǒng)可能被視為制造市場，而不僅僅只是提供服務(wù)。音樂、文學(xué)和新聞業(yè)等產(chǎn)業(yè)都迫切需要這樣的市場出現(xiàn)，由數(shù)據(jù)分析將生產(chǎn)者和消費(fèi)者聯(lián)系起來。所有這些都必須基于新出現(xiàn)的文化、倫理和法律規(guī)范的框架才能實(shí)現(xiàn)。

當(dāng)然，經(jīng)典的人類模仿人工智能問題仍然是非常有趣的。然而，現(xiàn)在過分強(qiáng)調(diào)通過數(shù)據(jù)收集來進(jìn)行人工智能研究，實(shí)施“深度學(xué)習(xí)”基礎(chǔ)設(shè)施，以及演示模仿那些松散定義的人類技能的系統(tǒng)——幾乎沒有對進(jìn)化的解釋概念——往往會(huì)分散人們對經(jīng)典人工智能中主要開放問題的注意力。

這些問題包括將意義和推理納入處理自然語言的系統(tǒng)中，推斷、反映和解釋因果關(guān)系，建立計(jì)算上可追蹤的不確定性表示以及建立長期目標(biāo)設(shè)定框架。這些都是人類模仿人工智能的經(jīng)典目標(biāo)，但它們很容易被忘卻，在最近“人工智能革命”的爭論中，這些目標(biāo)還沒有得到解決。

人工智能也將持續(xù)保持其重要的地位，在可見的將來，機(jī)器在現(xiàn)實(shí)環(huán)境進(jìn)行抽象思考的能力上仍無法與人類相媲美。為了解決我們最緊迫的問題，人機(jī)交互值得重點(diǎn)關(guān)注。我們希望計(jì)算機(jī)能激活人類創(chuàng)造力，而不是取代人類的創(chuàng)造力。

約翰·麥卡錫（當(dāng)時(shí)擔(dān)任達(dá)特茅斯大學(xué)的教授，即將在麻省理工學(xué)院進(jìn)修）發(fā)明了“人工智能”這個(gè)詞，他顯然是為了把新研究方向與諾伯特·維納（麻省理工學(xué)院的一位更老的教授）的研究方向區(qū)分開來。

維納發(fā)明了“控制論”來指代其智能系統(tǒng)概念——這個(gè)概念與運(yùn)籌學(xué)、統(tǒng)計(jì)學(xué)、模式識(shí)別、知識(shí)理論和控制理論密切相關(guān)。另一方面，麥卡錫強(qiáng)調(diào)了控制論與理性的聯(lián)系。奇怪的是，在麥卡錫術(shù)語體系下，維納的智能體系在現(xiàn)代占據(jù)了主導(dǎo)地位。這當(dāng)然只是暫時(shí)的，AI行業(yè)的變動(dòng)比一般行業(yè)劇烈得多。

但我們需要進(jìn)一步發(fā)展麥卡錫和維納的歷史觀點(diǎn)。值得注意的是，現(xiàn)有的公共人工智能對話僅僅關(guān)注了行業(yè)和學(xué)術(shù)界的一小部分，這可能會(huì)讓大眾忽視人工智能、IA和II的全面覆蓋所帶來的威脅和機(jī)遇。

這種關(guān)注不是為了實(shí)現(xiàn)科幻小說或超人類機(jī)器的幻想，更多的是為了考慮和發(fā)展科技，因?yàn)榭萍荚谌藗兊娜粘Ｉ钪凶兊迷絹碓匠Ｒ姾陀辛?。此外，科技的理解和塑造需要來自各行各業(yè)的各種不同聲音，而不僅僅是技術(shù)協(xié)調(diào)者之間的對話。如果只關(guān)注模仿人類的人工智能，就會(huì)一葉障目。

盡管人工智能將持續(xù)推動(dòng)各方面的進(jìn)步，學(xué)術(shù)界也將繼續(xù)扮演重要的角色——不僅提供最具創(chuàng)意技術(shù)的一些想法，而且也引入計(jì)算和統(tǒng)計(jì)學(xué)科的研究人員和其他學(xué)科的研究人員的成果和觀點(diǎn)，特別是社會(huì)科學(xué)、人文科學(xué)和認(rèn)知科學(xué)。

另一方面，雖然人文和科學(xué)在歷史前進(jìn)的過程中很重要，但也必須承認(rèn)這是一個(gè)規(guī)模和范圍巨大的工程項(xiàng)目——社會(huì)尋求創(chuàng)造新的種類的對象。這些工件應(yīng)該按照規(guī)定的方式設(shè)計(jì)。

我們不想創(chuàng)造一個(gè)無用的項(xiàng)目來提供醫(yī)療保健、交通選擇和商業(yè)機(jī)會(huì)。在這一方面，正如上文所強(qiáng)調(diào)的，以數(shù)據(jù)和以學(xué)習(xí)為中心的領(lǐng)域還沒有成為一門工程學(xué)科。盡管這些領(lǐng)域非常吸引人，但它們還不能被視為工程學(xué)的一個(gè)分支。

此外，值得高興的是，我們正在目睹一個(gè)新工程學(xué)科的出現(xiàn)。通常來說，科技一詞在學(xué)術(shù)界和學(xué)術(shù)界以外的地方是狹義的，給人冷冰冰的機(jī)器印象和人類失去權(quán)力的負(fù)面暗示。因而我們想構(gòu)建一門新的工程學(xué)科，現(xiàn)在我們有一個(gè)絕佳機(jī)會(huì)來構(gòu)想一些異于傳統(tǒng)的新事物——以人為中心的工程學(xué)科。

如果未來仍然持續(xù)使用AI這一縮寫，人們必須要注意到其真正局限性。
責(zé)編AJX