算法时代的大趋势:一个历史学家眼中的AI与大数据

2019 年 4 月 10 日 全球创新论坛



正如宗教神话赋予神权以正当性,人本主义意识形态赋予人权以正当性,硅谷的先知与高科技领袖也正在创建一种普世的新叙事,赋予大数据和算法的权力以正当性。

                 



 挑战人本主义:谁将拥有权力


当我们谈到上帝与宗教的时候,归根结底是在谈论一个权力归属的问题。


数千年来,人们一直相信权力来自诸多神祇。到了现代,人本主义逐渐把权力从神的手中转移到了人的手中。


卢梭在《爱弥儿》中发现了人生的规则,“天性在我内心深处写下了不可磨灭的字迹。想做什么,我只需问我自己:所有一切我觉得是好的,那就一定是好的;所有一切我觉得是坏的,那就一定是坏的。”


卢梭这样的人本主义者让我们相信,人的感受与欲望是意义的终极来源,而且由此可以得出,我们的最高权力追本溯源在于自由意志。


然而,人本主义现在面临着一个实实在在的挑战,“自由意志”这个概念本身也受到了威胁。


在考察了大脑与身体的运作机制后,科学家指出,我们的感觉并不是什么人类独有的、灵魂层面的特质,而是所有哺乳动物与鸟类都在使用的生物化学机制,用途是迅速计算出生存与繁衍的几率,从而进行决策。


和大众看法相悖的是,感性并非理性的反义词,而是理性在血肉活体层面的进化。当看见狮子的时候,狒狒、长颈鹿,或者人都会生发出恐惧感。这是因为一种生物化学算法计算了相关的数据,得出结论认为自己死亡的几率很高。同样,若是其他生物化学算法算出周围有人暗示交配几率较高时,你也会感到与性相关的吸引力。


如果说古人类有过什么错误的感受,他们便无法把基因传递给后代,他们的错误感受自然也不会被继承下来。在数百万年的进化过程中,生物化学算法就是这样不断演化改善的。


感受反映了某种神秘的“自由意志”,尽管这种人本主义的看法是错误的,但到目前为止这种看法还是有实际作用的。虽然人的感受并不携带什么参不透的魔力,但无论怎么说它们也是宇宙中的最好决策方式——而且没有一种外部机制能比我更了解我自己。


我们现在正处在两拨科学大潮的汇集点上。一方面,生物学家正在揭示人体的奥秘,尤其是大脑的奥秘和人类感觉的秘密。同时,计算机科学家又赋予了我们史无前例的数据处理能力。


当把这两者汇集到一起时,你就得到了能够监测并理解自身的外部系统,而且这些系统对你的理解比你自己还要透彻。一旦大数据系统比我本人还了解我自己,权力就会从人转移到算法。


例如买什么样的书这种小事。人本主义者怎么选书?他们会去一家书店,徜徉在排排书架之间,取下一本翻看几句话,再看下一本,直到某本书的调调和他的感受合拍了,再掏钱付账。


数据主义者则使用亚马逊,在打开亚马逊虚拟书店的时候,设备上就会跳出一则信息,说“我知道你以前喜欢什么书。品味相似的人选的是这一本”。


这还只是个开始。只要用户在阅读,亚马逊Kindle这样的设备就能不停地收集到数据。Kindle可以监测你在一本书的哪个地方看得快,哪里看得慢,在哪一页停了下来,在看到哪句话后扔掉了这本书。


如果Kindle以后再加上面部识别软件和生物指标感应器,它就能知道书中每句话对读者心率与血压的影响。它会了解哪些地方让你发笑、伤感、愤怒。


很快,在人读书的时候,书也可以“读”人了。人很快就会忘却自己阅读过的大部分东西,而电脑程序却是永不遗忘的。这些数据最终会让亚马逊极其精准地选出你想看的书,还会让亚马逊知道你是个什么样的人,以及如何探出你的兴奋点。


人把权力让渡给数据,为什么会这样?


步入21世纪后,人类面临着失去价值的危险。原因是智慧(Intelligence)和意识(Consciousness)这两者正在失去关联。


在以前,高级智慧的出现总是伴随着意识的发展成熟。不管是下象棋、开车、给人看病,或是写文章,只有意识生物才有能力从事需要大量智慧的工作。然而,我们今天正在开发没有意识的新智慧,而且这种智慧做起事来还比人强很多。


这就引发了一个新问题:智慧与意识,这两者到底谁才是真正重要的?


谈到意识层面的经验,一个开出租车的大活人肯定要比谷歌那些无人驾驶汽车丰富很多,因为后者什么也感受不到。但市场需要出租车司机做的工作是,尽快把乘客从一处载到另一处,而且要尽可能安全和便宜。在这些事情上,谷歌的无人驾驶汽车很快就会比真正的人做得更好。技工、律师、士兵、医生、教师,甚至计算机工程师,这些职业也会面临此种情况。


这些被淘汰的人以后要干什么呢?这个问题并不新鲜。自从工业革命开始,人们就在担心机械化会导致大众失业。不过这种事没有发生,原因是旧的职业被淘汰了,新的职业发展了起来,而且总有一些事情,是人类可以比机械做得好的。


然而,这并不是大自然的常态。


人类有两种基本能力:体力和认知能力。过去两个世纪,机械取代了人在体力劳动中的角色,人类则把更多精力放在认知性的事务上。如果计算机算法在这一点上也超过了人类,那人该怎么办呢?


有种一厢情愿的说法是,人类有种特殊能力,而这种能力是没有意识的算法所不能企及的。其实这是基于一种由来已久的假设:智慧与意识这两者总是彼此相连不分家。在数百万年的人类进化历史中,这可能是对的,但今后就不是这种情况了。


科幻电影经常有这种剧情:人类总能在与电脑的搏斗中胜出,而这是因为人的内心有些魔法般的东西,是电脑理解不了也模仿不了的。这其实是一神论者灵魂信仰的一种延伸。只要相信人类有灵魂,那人人都可以认为,这种灵魂拥有一些算法永远无法企及的魔力。但科学并不相信灵魂,如果用三个简单的原则总结当前的科学论断,那就是:


1.动物是各种算法的组合,只不过这些算法经过了数百万年的进化选择,实现了有机化;


2.计算机科学家开发非有机算法的速度,要比自然选择得出有机化算法快得多;


3.没有理由认为,非有机算法永远无法复制或超越有机算法。算法就是算法,只要数学还正确,无论是碳、硅,还是塑料,表现形式并不要紧。


诚然,现在还有很多事情,有机算法做起来要比非有机的算法成功得多,但这只是个时间问题。专家们过去反复宣称,像下棋、面部识别、开汽车一类的事情,是非有机算法“永远”无法做到的事情,但事实上这个“永远”不过是一二十年的事情。


算法大潮将至,人类能做什么?


那人类该做些什么呢?


人类在算法大潮下产生焦虑感的根本原因在于,我们并不知道意识到底是什么。生命科学说意识由有机算法产生,并将这种观点奉为圭臬,但没人知道这一切究竟是怎么回事。


无论是生命科学还是社会科学,都投入了大量的精力去解释智慧与决策过程,就好像人的一生归结起来就是有智慧的决策。大脑成了红极一时的研究对象,而心灵与意识则变成了可有可无的东西。


数据主义的世界观对政客、商人,以及普通消费者来说非常有吸引力,因为它提供了突破性的技术与无与伦比的新权力。对学者和知识分子来说,数据主义向他们提供了一盏圣杯,一盏几个世纪都不曾寻获的科学圣杯:一条囊括一切的理论,把从音乐理论到经济学的一切学科都融合在一起,全部归结到生物学上。


从数据主义的角度出发,贝多芬的《第五交响曲》、股市泡沫,以及流感病毒无非是三种数据流模式,都可以用同样的基本概念与工具来分析。这个想法非常有吸引力。它给所有学科的科学家提供了一种通用语言,建起了跨学科的桥梁,能轻松地越过学术边界输出思想。


至于那些害怕丢掉隐私和自由选择的人,他们最终也会屈服于算法与数据的威力。还是拿医疗来说,当病人被迫要在隐私与效果好得出奇的医疗服务之间进行选择时,大多数人还是会选择为自己的健康着想。


如果你不喜欢这一点,想要不受算法的干扰,有一条流传已久的建议也许会管用:了解你自己。归根结底,这一切就是个经验的问题。


只要你比算法更了解你自己,你就能做出更高明的选择,至少也可以保留一部分权力在自己手中。如果说算法无论如何都要接掌权力,那主要是因为绝大多数人根本不了解自己。


节选自赫拉利教授在《金融时报》杂志与美国有线电视新闻网的文章



你可能还想看:

普林斯顿中国籍教授:中国学生是怎样被一步步淘汰掉的?

最新报告:万亿研发经费,中国都花在哪儿了?

灰度创新:中国制造最大的秘密

37页PPT,全面解读5G产业链及未来趋势

一生只用富一次

施一公最新专访:年轻人如果把钱作为奋斗目标,那就全完蛋了

23万,最便宜的特斯拉来了!国产车的噩梦也来了

美国麻省理工学院创新创业模式揭秘,这些方面值得中国学习


粉丝可添加论坛君微信

进入粉丝群

(添加时请备注简要个人信息,昵称+学生或某公司职位)


欢迎关注公众号:世界科技创新论坛(ID:bdqqcxlt),为您提供一手科技资讯、产业转型升级案例分析、新奇有趣的创意想法…… | 编辑:Sugar


登录查看更多
0

相关内容

在数学和计算机科学之中,算法(Algorithm)为一个计算的具体步骤,常用于计算、数据处理和自动推理。精确而言,算法是一个表示为有限长列表的有效方法。算法应包含清晰定义的指令用于计算函数。 来自维基百科: 算法
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
专知会员服务
123+阅读 · 2020年3月26日
【新加坡国立大学】深度学习时代数据库:挑战与机会
专知会员服务
33+阅读 · 2020年3月6日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
一文读懂机器学习中的贝叶斯统计学
数据分析
26+阅读 · 2019年5月8日
“搞机器学习没前途”
CSDN
236+阅读 · 2018年9月12日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
为什么大家都不戳破深度学习的本质?
36大数据
4+阅读 · 2017年12月7日
【新零售】当下趋势:传统零售将变革为新零售
产业智能官
3+阅读 · 2017年11月12日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
Arxiv
10+阅读 · 2019年2月19日
Arxiv
11+阅读 · 2018年4月25日
VIP会员
相关VIP内容
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
专知会员服务
123+阅读 · 2020年3月26日
【新加坡国立大学】深度学习时代数据库:挑战与机会
专知会员服务
33+阅读 · 2020年3月6日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
相关资讯
一文读懂机器学习中的贝叶斯统计学
数据分析
26+阅读 · 2019年5月8日
“搞机器学习没前途”
CSDN
236+阅读 · 2018年9月12日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
为什么大家都不戳破深度学习的本质?
36大数据
4+阅读 · 2017年12月7日
【新零售】当下趋势:传统零售将变革为新零售
产业智能官
3+阅读 · 2017年11月12日
Top
微信扫码咨询专知VIP会员