如何描绘人工智能 | 纽约客

技术本身是远远不够的。 为了使其发挥作用，它需要辅以其他要素，例如大众理解、良好习惯以及对其后果承担共同责任。 如果没有这种社会光环，技术的使用往往会无效或不完整。 一个很好的例子可能是 mRNA疫苗 期间创建的 冠状病毒 流行性。 它们是一项令人惊叹的医学成就——然而，由于普遍的不理解，它们并没有达到应有的效果。 如果一项技术不具备将其有效地带入人类世界所需的要素，那么将其称为技术可能并不恰当。 如果我们无法理解一项技术的工作原理，我们就有可能屈服于神奇的思维。

另一种说法是，我们的头脑中需要有关于技术如何运作的漫画。 我对疫苗了解不够，无法自己制作疫苗，但我有一张疫苗漫画，它让我有一个大概的了解； 它足以帮助我关注有关疫苗的新闻，并掌握该技术的开发过程、风险和可能的未来。 我的脑海里浮现出类似的有关火箭、金融监管和核电的漫画。 它们并不完美，但它们给了我足够好的直觉。 甚至专家也用卡通来相互交谈：有时，简化的事物视角可以帮助他们只见树木、见森林。

在这一点上，我与计算机科学家社区中的许多人感到有些紧张。 我相信我们播放的动画片 人工智能 会适得其反。 我们将人工智能带入世界时，伴随着一些无益且令人困惑的想法。 最糟糕的可能是我们许多人所传达的人类过时和厄运的感觉。 我很难理解为什么我的一些同事说他们正在做的事情可能会导致人类灭绝，但又认为这仍然值得做。 如果不怀疑人工智能是否正在成为一种新的宗教，就很难理解这种谈话方式。

除了世界末日的氛围之外，我们没有很好地解释这些东西是什么以及它是如何工作的。 一旦将棘手的抽象分解为可以讲述故事的具体部分，大多数非技术人员就可以更好地理解它，但这在计算机科学世界中可能很难推销。 我们通常更喜欢将人工智能系统视为巨大的、难以穿透的连续体。 也许，在某种程度上，人们不愿意揭开我们所做的事情的神秘面纱，因为我们想神秘地接近它。 通常的术语，从“人工智能”一词本身开始，都是关于我们正在制造新生物而不是新工具的想法。 这一概念通过“神经元”和“神经网络”等生物学术语以及计算机科学家一直使用的“学习”或“训练”等拟人化术语得到了进一步发展。 “AI”没有固定的定义也是一个问题。 总是有可能因为没有解决人工智能的其他一些潜在定义而驳回任何有关人工智能的具体评论。 这个术语的缺乏与形而上学的敏感性相一致，根据这种敏感性，人类框架将很快被超越。

有没有一种方法可以在不暗示人类被淘汰或被取代的情况下解释人工智能？ 如果我们能以不同的方式谈论我们的技术，也许会出现一条将其带入社会的更好途径。 在 ”没有人工智能，”我之前为本杂志撰写的一篇文章中，我讨论了重新考虑大型模型人工智能作为人类协作的一种形式，而不是作为场景中的新生物。 在这篇文章中，我希望解释这种人工智能如何以一种超越经常神秘的技术细节的方式工作，而是强调技术如何修改并依赖于人类输入。 这不是计算机科学的入门读本，而是一个关于时空中可爱物体的故事，这些物体作为我们如何学会以新方式操纵信息的隐喻。 我发现大多数人无法理解人工智能如何运作的常见故事，但他们可以理解其他技术的故事。 我希望我在这里提出的替代方案会有用。

我们可以通过四个步骤来绘制关于大型人工智能的以人为中心的漫画。 每个步骤都很简单。 但它们会加起来形成一些易于想象的东西，并用作思考工具。

一、树木

第一步，从某种意义上说是最简单的一步，也可能是最难解释的。 我们可以从一个问题开始：如何使用计算机来找出照片中显示的是猫还是狗？ 问题是猫和狗看起来很相似。 两者都有眼睛和鼻子、尾巴和爪子、四条腿和毛皮。 计算机可以轻松测量图像，以确定它是亮还是暗，或者更蓝还是更红。 但这些测量并不能区分猫和狗。 我们可以对其他例子提出同样类型的问题。 例如，程序如何分析一段话是否可能是威廉·莎士比亚写的？

在技​​术层面上，基本答案是一堆杂乱无章的统计数据，我们称之为神经网络。 但关于这个答案，首先要理解的是，我们正在处理一项复杂的技术。 神经网络是人工智能最基本的切入点，就像民间技术一样。 当研究人员说人工智能具有“新兴特性”时（我们经常这样说），这实际上是在说，在我们尝试构建网络之前，我们并不知道该网络会做什么。 人工智能并不是唯一一个这样的领域。 医学和经济学是相似的。 在这些领域，我们不断尝试，并找到更有效的技术。 我们不会从一个主要理论开始，然后用它来计算理想的结果。 尽管如此，我们仍然可以处理复杂性，即使我们不能完美地预测它。

让我们尝试以一种奇特的方式思考如何区分猫的图片和狗的图片。 数字图像是由像素组成的，我们需要做一些事情来超越像素列表。 一种方法是在图片上放置一个网格，测量的不仅仅是颜色。 例如，我们可以首先测量每个网格方块中颜色变化的程度，现在每个方块中都有一个数字，可以代表该图像块中锐利边缘的突出程度。 单层此类测量仍然无法区分猫和狗。 但我们可以在第一个网格上放置第二个网格，测量第一个网格的一些内容，然后是另一个网格，然后是另一个网格。 我们可以构建一个层塔，最底部的图像测量块，以及每个后续层测量其下面的层。 这个基本想法已经存在了半个世纪，但直到最近我们才找到了正确的调整以使其发挥良好作用。 没有人真正知道是否还有更好的方法。

在这里，我将使我们的卡通几乎像儿童读物中的插图一样。 您可以将这些网格的高结构视为从图像中生长出来的大树干。 （树干可能是矩形而不是圆形，因为大多数图片都是矩形的。）在树内部，每个网格上的每个小方块都装饰着一个数字。 想象一下你爬上树，并在上升时用 X 射线观察内部：你在最高处找到的数字取决于较低处的数字。