錯誤的推斷，有限的想象力，以及其他常見的錯誤使我們無法更有效地思考未來。我們對人工智能和機器人的未來充滿了歇斯底里的情緒：它們將會變得多么強大、多么迅速，以及它們將對就業(yè)產(chǎn)生怎樣的影響。

?來源：ATYUN AI平臺

我最近在-MarketWatch（道瓊斯旗下的新聞網(wǎng)站）上看到一個故事，說機器人將在10到20年的時間里取代當(dāng)今人類的一半工作。甚至有一個圖形來證明這些數(shù)字。故事似乎表明，我們將從美國的100萬名維修工人發(fā)展到10到20年后的5萬名，因為機器人將接管這些工作。

問：目前有多少機器人在這些崗位上運行? 答：零
問：在這個領(lǐng)域，機器人有多少實際的演示? 答：零

類似的故事也適用于所有其他類別，我們將看到超過90%的工作需要在某個特定的場所進行。

錯誤的預(yù)測會導(dǎo)致人類對那些不會發(fā)生的事情產(chǎn)生恐懼，無論是對工作的大規(guī)模破壞，奇點，還是人工智能的出現(xiàn)，這些都與我們的價值觀不同，可能會試圖毀滅我們。我們需要對這些錯誤進行反擊。但是人們?yōu)槭裁粗圃炝诉@些錯誤呢??我看到了七個常見的原因。

?

1.高估和低估
Roy Amara是硅谷未來研究所的聯(lián)合創(chuàng)始人。他認為，我們傾向于高估短期內(nèi)技術(shù)的影響，低估長期的影響。這句話有兩種理解方式。樂觀主義者可以從一種方式解讀，而悲觀主義者則可能有另一種解讀看法。

這句話有一個很好的例子可以詮釋–美國的全球定位系統(tǒng)。從1978年開始，有24顆衛(wèi)星(現(xiàn)在包括備件共有31顆)被放置在軌道上。GPS（全球定位系統(tǒng)）的目標是讓美國軍方精確地提供軍火。但在20世紀80年代，這個項目幾乎被取消了。它的第一個用途是在1991年的“沙漠風(fēng)暴”中;軍方接受了它的效用，還取得了幾次成功。

現(xiàn)如今，GPS指的是Amara所說的長期影響，而它的使用方式在最初是不可想象的。我的第2款A(yù)pple Watch在我外出跑步時使用了GPS，準確地記錄了我的位置，還可以看到我沿著街道的哪一邊跑步。對于早期的GPS工程師來說，接收器的尺寸和價格是不可思議的。這項技術(shù)在全球范圍內(nèi)同步進行物理實驗，并在同步美國電網(wǎng)和保持其運轉(zhuǎn)方面扮演著重要的角色。它甚至允許那些真正控制股市的高頻交易員避免災(zāi)難性的定時誤差。我們所乘坐的飛機，無論大小，都使用它來導(dǎo)航。GPS在一開始就有一個目標，但要讓它像最初預(yù)期的那樣工作的話是十分困難的。現(xiàn)在它已經(jīng)滲透到我們生活的方方面面。

在過去的30年里，我們看到了與其他技術(shù)相似的模式。最開始技術(shù)為人類帶來一個巨大的承諾，然后令人失望，最后對超出最初預(yù)期承諾的結(jié)果再次開始緩慢恢復(fù)信心。這在計算、基因組測序、太陽能、風(fēng)能，甚至是食品雜貨的送貨上門領(lǐng)域亦是如此。

在20世紀60年代，或是在20世紀80年代，人工智能被高估了，我現(xiàn)在又相信了這一觀點，它的長期前景也可能被低估了。但問題是:長期的時間到底是多長??接下來的6個錯誤會解釋為什么人工智能的未來會被嚴重低估。

2.想象魔法
在1962年至1973年間，科幻小說作家亞瑟·克拉克制定了克拉克三大定律:

• 定律一：如果一個年高德劭的杰出科學(xué)家說，某件事情是可能的，那他可能是正確的；但如果他說，某件事情是不可能的，那他也許是非常錯誤的；
• 定律二：要發(fā)現(xiàn)某件事情是否可能的界限，唯一的途徑是跨越這個界限，從不可能跑到可能中去；
• 定律三：任何非常先進的技術(shù)，初看都與魔法無異。

就我個人而言，我應(yīng)該提防他的定律一中的第二句話，因為我比其他一些人更保守，認為人工智能將會迅速崛起。但現(xiàn)在，我想就克拉克的第三條定律進行闡述。

想象一下，我們有一臺時光機，可以把牛頓從17世紀帶過來，把他送到劍橋大學(xué)的三一學(xué)院教堂。現(xiàn)在從你的口袋里掏出一部iPhone，打開它，這樣屏幕就會發(fā)光，充滿了蘋果圖標，然后遞給牛頓。會出現(xiàn)的情景是：牛頓揭示了白光是如何由不同顏色的光組成的，通過將太陽光分解成棱鏡將其重新組合在一起。然后，他無疑會對如此小的物體在教堂的黑暗中產(chǎn)生如此生動的色彩感到驚訝。

此外，播放一個英國鄉(xiāng)村場景的電影，還有一些他聽過的教堂音樂。然后給他看一個網(wǎng)頁，上面有500多頁的他的個人注釋，他的杰作原理，并教他如何使用縮放手勢來放大手機屏幕細節(jié)。

牛頓能解釋這個小裝置是如何做到這一切的嗎? 盡管他發(fā)明了微積分，并解釋了光學(xué)和重力，但他卻無法從煉金術(shù)中分辨出化學(xué)。所以我認為他會困惑，無法想出這個設(shè)備的最連貫的輪廓。

如果某物是魔法，就很難知道它的局限性。假設(shè)我們進一步向牛頓展示該設(shè)備如何照亮黑暗，如何拍攝照片和電影，如何記錄聲音，如何將它用作放大鏡和鏡子。并向他展示，他在教堂里就可以用iPhone與世界上任何地方的人們交流。

牛頓是否會推測iPhone會永遠工作下去，而忽略了它需要充電的情況??仔細想一下，在邁克爾法拉第誕生之前的100年里，我們就找到了牛頓，所以他缺乏對電力的科學(xué)理解。如果iPhone能在沒有火的情況下成為光的來源，那么它還能把鉛變?yōu)榻鹱訂??這是一個我們都明白的未來技術(shù)的問題。如果它離我們今天擁有和理解的技術(shù)足夠遠，那么我們就不知道它的局限性。

在至少50年的時間里，人工智能在推理和常識方面都遇到了同樣的問題。它的屬性是完全未知的，所以在修辭上它就像是魔法，毫無限制。

關(guān)于未來技術(shù)的爭論永遠不會被駁倒。因為這是一個基于信仰的論點，而不是科學(xué)論證。

?

3.性能與能力
我們都使用線索來判斷人們?nèi)绾螆?zhí)行某些特定的任務(wù)來評估他們完成不同任務(wù)的程度。在外國，我們向街上的陌生人問路，陌生人滿懷信心地告訴我們地點時，大部分人肯定會認為他說得是對的，所以接下來，當(dāng)我們想坐公共汽車時，我們也可以直接向他詢問當(dāng)?shù)氐母顿M系統(tǒng)的相關(guān)問題。因為我們會理所應(yīng)當(dāng)?shù)卣J為，他還會說出正確的結(jié)果。

現(xiàn)在假設(shè)一個人告訴我們，他看過一張人們在公園里玩飛盤的照片。我們很自然地假設(shè)這個人可以回答出關(guān)于這張照片的一些問題。比如:飛盤的形狀是怎樣的? 飛盤飛了多遠？等等。

而電腦，沒有機會回答這些問題。除此之外，它們只能給更多地給圖片加標簽，但卻不能回答問題。

但這并不意味著這些系統(tǒng)是無用的;它們對搜索引擎很有價值。人們聽說一些機器人或人工智能系統(tǒng)已經(jīng)執(zhí)行了一些任務(wù)。然后，他們將這種表現(xiàn)歸納為一種能力。人類將這種泛化應(yīng)用到機器人或人工智能系統(tǒng)中。

如今的機器人和人工智能系統(tǒng)在它們所能做的事情上是非常狹隘的。人類風(fēng)格的歸納并不適用。

?

4.手提箱詞匯(suitcase?word)
“學(xué)習(xí)”是一個有力的手提箱詞匯。學(xué)習(xí)可以指很多不同類型的經(jīng)驗。學(xué)習(xí)使用筷子是一種不同于學(xué)習(xí)演唱新歌的體驗。學(xué)習(xí)編寫代碼也是一種非常不同的體驗。

當(dāng)人們聽說機器學(xué)習(xí)在一些新領(lǐng)域取得巨大進步時，他們傾向于將其作為一種思維模式，即人們學(xué)習(xí)新領(lǐng)域知識的方式。然而，機器學(xué)習(xí)是非常脆弱的，它需要大量的準備工作，包括特殊用途的編碼，特殊的訓(xùn)練數(shù)據(jù)集，以及每個新問題領(lǐng)域的自定義學(xué)習(xí)結(jié)構(gòu)。今天的機器學(xué)習(xí)并不是人類所從事的那種像海綿一樣的學(xué)習(xí)，比如說在不需要有一個的特定目的的情況下，機器學(xué)習(xí)在一個新的領(lǐng)域取得了快速的進展。

同樣地，當(dāng)人們聽說計算機可以擊敗世界象棋冠軍(在1997年)或者世界上最好的圍棋選手(在2016年)時，他們往往認為它就像人類一樣“玩”游戲。當(dāng)然，在現(xiàn)實中，這些程序根本不知道游戲到底是什么，甚至不知道它們在玩什么。它們的適應(yīng)能力也不強。當(dāng)人類玩游戲時，規(guī)則的微小變化不會讓他們放棄，而對于AlphaGo或Deep Blue來說則不是這樣。

手提箱詞匯誤導(dǎo)人們，說機器在人們能做的事情上做得有多好。這在一定程度上是因為人工智能研究人員的新聞機構(gòu)渴望在一個手提箱概念的實例中取得進展。新聞標題大肆宣揚“手提箱”這個詞，并扭曲人們對人工智能的普遍理解。

本文轉(zhuǎn)自ATYUN人工智能媒體平臺，原文鏈接：麻省理工科技評論：AI預(yù)言的七宗罪(上）

更多推薦

與優(yōu)必選一起體驗人工智能機器人的未來

H2O.ai在IBM Cloud Private上提供自動機器學(xué)習(xí)

麻省理工的人工智能模型用最少的訓(xùn)練數(shù)據(jù)來學(xué)習(xí)對象之間的關(guān)系。

Kasisto：與移動金融應(yīng)用聊天

歡迎關(guān)注ATYUN官方公眾號,商務(wù)合作及內(nèi)容投稿請聯(lián)系郵箱:bd@atyun.com

?

總結(jié)

以上是生活随笔為你收集整理的麻省理工科技评论：AI预言的七宗罪(上）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。