歡迎關注“新浪科技”的微信訂閱號：techsina 

　　文/Daron Acemoglu

　　來源：神經現實（ID:neureality)

　　警惕人工智能，該注意哪些方面？

　　如今的新聞充斥著對人工智能（AI）的恐懼：AI會導致失業、不平等、歧視、錯誤信息，甚至認為AI會成為主宰世界的超級智能。人們都認為商業會從AI中得益，但數據似乎并不支持這個論斷。一片炒作之中，美國各企業似乎在運用尖端AI技術上進展緩慢，也鮮有證據表明這些技術提高了生產力或提供了新的工作崗位。

　　這樣令人失望的表現不僅僅是由于AI技術尚未成熟，更是因為商業需求與AI目前在技術領域的錯誤解讀在根本上的不匹配。而這種不匹配，早在1950年艾倫·圖靈寫出那篇“模仿游戲”的論文以及其中提出的圖靈測試中就初見端倪。

　　圖靈測試靠電腦程序模仿人類開放式文本對話的能力來判定機器智能與否。如果對話的人類方無法判斷對面的是機器還是人類，則證明該程序通過圖靈測試。

　　然而，這充其量只是表達機器智能的方式之一。圖靈本人，包括其他技術先鋒如道格拉斯·恩格爾巴特（Douglas Engelbart）和諾爾維特·維納（Norvert Wiener）都明白發揮計算機最大潛能的方式不是讓其與人類競技，而是讓其增強或互補人類不曾有的能力。搜索引擎、電子表格和數據庫都是信息技術發揮互補能力的范例。然而，盡管它們在商業中已經造成了極大的影響，但它們并不被稱為AI。近幾年，由于它們取得的極大成功，滋生出了一種想要讓它們變得更加“智能”的渴望。然而，這種渴望卻沒有明確的定義，甚至出乎意料地沒有其他的替代解釋：在多數情況下，它僅僅代表超越人類的視覺或語言能力，亦或是在如國際象棋或圍棋這類室內游戲中擊敗人類。這種設定在公共討論以及AI相關的價值投資中愈發流行。

如果對話的人類方無法判斷對面的是機器還是人類，則證明該程序通過圖靈測試。　　

　　經濟學家和社會學家強調，智能不僅僅體現在個人，它最主要體現在在公司、市場、教育系統和文化的共同作用下。技術在支持集體智能下有兩個重要的作用：第一，以提供信息、深刻見解和互動工具的方式，技術可以提高人類在合作項目中的能力，就像道格拉斯·恩格爾巴特在1960s的開創性研究以及隨后出現的人機交互技術領域中強調的一樣；第二，技術可以創造嶄新的合作形式。后者提供了最大的變革可能性，也為AI提供了嶄新的設計框架。這種框架可以極大程度地改善經濟生產力，從而造福人類社會。

　　是“李逵”還是“李鬼”，不是重點

　　商業上大規模的成功意味著其具有著精細分工的內部勞動力、團隊中引入的不同技能，并使其共同發揮作用以創造的新產品及服務。而市場上的成功意味著它將各種參與者、促進的專業化和因此提高的總體生產力和社會福利集結一起。這恰恰是亞當·史密斯（Adam Smith）在兩個半世紀前的觀點。將他的話翻譯到現在的語境下，就是技術應該著眼于AI互補的能力，而不僅僅是做模仿游戲。

　　我們早已有無數機器與人類互補后提高生產力的例子，包括從現代金融市場到物流運行的大規模計算、在眨眼間實現高保真圖像的長距離傳輸，以及對大量信息分類進行檢索。

- Marina Nakova -　

　　今非昔比的是，計算機能做到的已經不僅僅是執行程序員寫下的一行行代碼了。如今，計算機可以從數據中學習、交互、推理以及和人類一起影響著現實世界的問題。與其想著怎么把計算機變成硅基人類，我們應該著眼于如何讓計算機利用海量數據和機器學習去創造新的市場、新的服務以及新的（以經濟回報為基礎的）促進人類聯結的方式。

　　推薦系統就是這種著眼于經濟的機器學習的早期例子。在1990s，這種數據分析的創新形式在像Amazon（“猜你喜歡”）和Netflix（“給你的首選”）這樣面向消費者的公司中嶄露頭角。自那時起，推薦系統變得無處不在，并極大地影響了生產力。通過利用群體的共同智慧，它們串聯起了個人和產品，并創造了價值。

　　圖靈測試，格局打開

　　這種新范式的其他例子包括通過機器學習串聯起音樂家和聽眾、作家和讀者以及游戲制作人和玩家。這個領域早期的創新者包括Airbnb、Uber、Youtube和Shopify。隨著這一趨勢的發展，“創造者經濟”（creator economy）一詞也被頻繁使用。實際上，市場是這種集體模式的關鍵——參與者之間的聯系與經濟價值緊密相連。將機器學習、經濟學和社會學融會貫通是當前研究的需要。這樣，這些市場才能健康發展，并為參與者提供可持續的收入。

　　機器學習的創新用法同樣可以支持和增強政府治理。臺灣省的數碼部通過數據分析和在線參與的方式，增加了這種深思熟慮的交流，并讓管理優良的公司做出了有效的團隊決策。

- Freepik -　　

　　投資這種支持和增加集體智慧的技術也給了讓商業回饋社會的機會。有了這種替代路徑，許多AI可能帶來的害處——如代替人類、不平等和基于廣告的商業公司對數據的收集和濫用——都會變得次要，甚至可以完全被避免。特別的是，創造者經濟下的雙向市場可以直接讓生產者和消費者進行現金交易，平臺從中獲取一定量的收入。毫無疑問，市場肯定會有失效的時候，但是如果利用這種技術來推動政府治理，管理機構解決各種問題的能力就會因此增強。

　　建立這樣能夠創造新市場的平臺需要給予算法以集體系統表現為基準的成功標準，而不是以按照圖靈測試為綱的孤立算法為基礎。這是將經濟和社會科學需求直接體現在技術設計中的重要途徑。為了繼續這個話題，我們和其他同行們一起發表了一篇更長的報告*（How AI Failed Us），其內容涉及了更多領域，并細化了這些失敗以及克服它們的解決方案。

（聲明：本文僅代表作者觀點，不代表新浪網立場。）