但是，無論你喜歡與否——不管你是編程階層的一員還是連手機(jī)鬧鐘設(shè)置都搞不定的普通人——不要對此習(xí)以為常。世界這臺(tái)“機(jī)器”正在開始說另一種語言，即使是最頂尖的程序員也不一定能全弄明白。
機(jī)器正在開始自己“學(xué)習(xí)”
在過去數(shù)年間，硅谷最大的科技公司都在拼命追求一種被稱之為機(jī)器學(xué)習(xí)的計(jì)算方式。傳統(tǒng)的編程模式下，工程師寫好明確的、分步運(yùn)行的指示，計(jì)算機(jī)只需執(zhí)行。在機(jī)器學(xué)習(xí)模式下，工程師不會(huì)給計(jì)算器編寫運(yùn)行指示，他們會(huì)訓(xùn)練計(jì)算機(jī)。比如，如果你想教神經(jīng)網(wǎng)絡(luò)去識(shí)別一只貓，不用告訴它要去找胡須、耳朵、毛和眼睛，只需要給它看成千上萬幅貓的照片，它最終自己會(huì)找到辦法。如果它一再把狐貍錯(cuò)認(rèn)為貓，你不需要重寫代碼，只需要繼續(xù)調(diào)教。
這種方法并不新鮮——已經(jīng)存在了幾十年——但直到最近才變得極其強(qiáng)大，一部分歸因于深度神經(jīng)網(wǎng)絡(luò)的異軍突起，大規(guī)模的分布計(jì)算系統(tǒng)模擬大腦神經(jīng)元的多層連接。無論你是否意識(shí)到，我們很多的網(wǎng)絡(luò)活動(dòng)背后都有機(jī)器學(xué)習(xí)的影子。 Facebook利用它來決定哪條新聞出現(xiàn)在你的時(shí)間線上，Google圖片用它來做面部識(shí)別。微軟的Skype Translator利用機(jī)器學(xué)習(xí)把演講實(shí)時(shí)轉(zhuǎn)換成不同的語言。
自動(dòng)駕駛汽車依靠機(jī)器學(xué)習(xí)來避免事故。甚至，Google搜索引擎這座由人工規(guī)則建立起來的“大廈”也開始仰仗這些深度神經(jīng)網(wǎng)絡(luò)。2月份，Google用機(jī)器學(xué)習(xí)專家John Giannandrea替換掉了多年以來的搜索部門負(fù)責(zé)人，還開始啟動(dòng)一個(gè)針對工程師的“新技能”再培訓(xùn)項(xiàng)目。“通過培養(yǎng)學(xué)習(xí)機(jī)制，我們不一定非要去編寫規(guī)則了。”Giannandrea告訴記者。
和大腦一樣，神經(jīng)網(wǎng)絡(luò)也是一個(gè)黑箱
但是，這就是問題所在：工程師們永遠(yuǎn)也無法確切搞清楚計(jì)算機(jī)是如何通過機(jī)器學(xué)習(xí)完成任務(wù)的。神經(jīng)網(wǎng)絡(luò)的運(yùn)行很大程度上是不透明的，難以捉摸。換句話說，這是個(gè)黑箱。這些黑箱正在日益接管我們的數(shù)字生活。不僅在改變我們與科技的關(guān)系——還在改變我們對于自我、世界以及人類在世界中的位置的認(rèn)識(shí)。
過去，程序員就像是上帝，制定計(jì)算機(jī)系統(tǒng)運(yùn)行的律法;現(xiàn)在，他們變成了計(jì)算機(jī)的父母或訓(xùn)狗師。無論是父母還是訓(xùn)狗師都會(huì)告訴你，這是一種更為神秘的關(guān)系。 Android的聯(lián)合發(fā)明人Andy Rubin是個(gè)積習(xí)成癖的發(fā)明家和程序員，硅谷人盡皆知他的辦公室和家中到處都是機(jī)器人，他親自給它們編程。“我很小的時(shí)候就對電腦科學(xué)著了迷，因?yàn)樵谟?jì)算機(jī)的世界我可以忘記自己。它是一塊干凈的石板，一塊空白的畫布，我可以從無到有地創(chuàng)造。“他說，”多年以來，我對這個(gè)自己樂在其中的世界全權(quán)掌控。”
如今，這個(gè)世界已經(jīng)走到了盡頭。Rubin為機(jī)器學(xué)習(xí)的崛起而激動(dòng)歡呼——他的新公司Playground Global專門投資機(jī)器學(xué)習(xí)領(lǐng)域的創(chuàng)業(yè)公司，在智能設(shè)備的普及浪潮中保持領(lǐng)先，但這也會(huì)讓他感到些許難過。因?yàn)闄C(jī)器學(xué)習(xí)改變了工程師存在的意義。
用于語音識(shí)別的聽覺模擬神經(jīng)網(wǎng)絡(luò)
“人們不會(huì)再逐行寫代碼了，當(dāng)一個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了語音識(shí)別，程序員并不能深入內(nèi)部去看看這是怎么發(fā)生的，就像你無法切開大腦看看自己在想什么。”Rubin說。當(dāng)程序員窺視深度神經(jīng)網(wǎng)絡(luò)的內(nèi)部，他們看到的只是一團(tuán)迷霧：海量多層次的微積分問題——由數(shù)十億個(gè)數(shù)據(jù)點(diǎn)持續(xù)不斷產(chǎn)生的連接——產(chǎn)生著對世界的猜想。
這并不是人們想象中的人工智能的運(yùn)行方式。直到數(shù)年之前，主流的人工智能研究者還以為只要為一臺(tái)機(jī)器灌輸正確的邏輯，就能創(chuàng)造智能。只要編寫足夠多的規(guī)則，我們最終就能創(chuàng)造一套精密到可以理解世界的系統(tǒng)。早期的機(jī)器學(xué)習(xí)擁護(hù)者被忽視甚至遭到詆毀，他們更傾向于給電腦提供足夠多的數(shù)據(jù)，讓它們自己得出結(jié)論。多年之間，計(jì)算機(jī)的運(yùn)算能力都不足以證明這種方法的價(jià)值，所以爭論變成了一場哲學(xué)思辨。