技术不可止于模仿游戏

本文来自微信公众号：神经现实（ID：neureality），作者：Daron Acemoglu、Michael I. Jordan、E. Glen Weyl，翻译：SADA，审校、编辑：Orange Soda，原文标题：《着眼于互补——技术不可止于模仿游戏》，头图来自：《模仿游戏》剧照

警惕人工智能，该注意哪些方面？

如今的新闻充斥着对人工智能（AI）的恐惧：AI会导致失业、不平等、歧视、错误信息，甚至认为AI会成为主宰世界的超级智能。人们都认为商业会从AI中得益，但数据似乎并不支持这个论断。一片炒作之中，美国各企业似乎在运用尖端AI技术上进展缓慢，也鲜有证据表明这些技术提高了生产力或提供了新的工作岗位。

这样令人失望的表现不仅仅是由于AI技术尚未成熟，更是因为商业需求与AI目前在技术领域的错误解读在根本上的不匹配。而这种不匹配，早在1950年艾伦·图灵写出那篇“模仿游戏”的论文以及其中提出的图灵测试中就初见端倪。

图灵测试靠电脑程序模仿人类开放式文本对话的能力来判定机器智能与否。如果对话的人类方无法判断对面的是机器还是人类，则证明该程序通过图灵测试。

然而，这充其量只是表达机器智能的方式之一。图灵本人，包括其他技术先锋如道格拉斯·恩格尔巴特（Douglas Engelbart）和诺尔维特·维纳（Norvert Wiener）都明白发挥计算机最大潜能的方式不是让其与人类竞技，而是让其增强或互补人类不曾有的能力。搜索引擎、电子表格和数据库都是信息技术发挥互补能力的范例。然而，尽管它们在商业中已经造成了极大的影响，但它们并不被称为AI。

近几年，由于它们取得的极大成功，滋生出了一种想要让它们变得更加“智能”的渴望。然而，这种渴望却没有明确的定义，甚至出乎意料地没有其他的替代解释：在多数情况下，它仅仅代表超越人类的视觉或语言能力，亦或是在如国际象棋或围棋这类室内游戏中击败人类。这种设定在公共讨论以及AI相关的价值投资中愈发流行。

经济学家和社会学家强调，智能不仅仅体现在个人，它最主要体现在在公司、市场、教育系统和文化的共同作用下。技术在支持集体智能下有两个重要的作用：第一，以提供信息、深刻见解和互动工具的方式，技术可以提高人类在合作项目中的能力，就像道格拉斯·恩格尔巴特在1960s的开创性研究以及随后出现的人机交互技术领域中强调的一样；第二，技术可以创造崭新的合作形式。后者提供了最大的变革可能性，也为AI提供了崭新的设计框架。这种框架可以极大程度地改善经济生产力，从而造福人类社会。

是“李逵”还是“李鬼”，不是重点

商业上大规模的成功意味着其具有着精细分工的内部劳动力、团队中引入的不同技能，并使其共同发挥作用以创造的新产品及服务。而市场上的成功意味着它将各种参与者、促进的专业化和因此提高的总体生产力和社会福利集结一起。这恰恰是亚当·史密斯（Adam Smith）在两个半世纪前的观点。将他的话翻译到现在的语境下，就是技术应该着眼于AI互补的能力，而不仅仅是做模仿游戏。

我们早已有无数机器与人类互补后提高生产力的例子，包括从现代金融市场到物流运行的大规模计算、在眨眼间实现高保真图像的长距离传输，以及对大量信息分类进行检索。

今非昔比的是，计算机能做到的已经不仅仅是执行程序员写下的一行行代码了。如今，计算机可以从数据中学习、交互、推理以及和人类一起影响着现实世界的问题。与其想着怎么把计算机变成硅基人类，我们应该着眼于如何让计算机利用海量数据和机器学习去创造新的市场、新的服务以及新的（以经济回报为基础的）促进人类联结的方式。

推荐系统就是这种着眼于经济的机器学习的早期例子。在1990s，这种数据分析的创新形式在像Amazon（“猜你喜欢”）和Netflix（“给你的首选”）这样面向消费者的公司中崭露头角。自那时起，推荐系统变得无处不在，并极大地影响了生产力。通过利用群体的共同智慧，它们串联起了个人和产品，并创造了价值。

图灵测试，格局打开

这种新范式的其他例子包括通过机器学习串联起音乐家和听众、作家和读者以及游戏制作人和玩家。这个领域早期的创新者包括Airbnb、Uber、Youtube和Shopify。随着这一趋势的发展，“创造者经济”（creator economy）一词也被频繁使用。实际上，市场是这种集体模式的关键——参与者之间的联系与经济价值紧密相连。将机器学习、经济学和社会学融会贯通是当前研究的需要。这样，这些市场才能健康发展，并为参与者提供可持续的收入。

机器学习的创新用法同样可以支持和增强政府治理。台湾省的数码部通过数据分析和在线参与的方式，增加了这种深思熟虑的交流，并让管理优良的公司做出了有效的团队决策。

投资这种支持和增加集体智慧的技术也给了让商业回馈社会的机会。有了这种替代路径，许多AI可能带来的害处——如代替人类、不平等和基于广告的商业公司对数据的收集和滥用——都会变得次要，甚至可以完全被避免。特别的是，创造者经济下的双向市场可以直接让生产者和消费者进行现金交易，平台从中获取一定量的收入。毫无疑问，市场肯定会有失效的时候，但是如果利用这种技术来推动政府治理，管理机构解决各种问题的能力就会因此增强。

建立这样能够创造新市场的平台需要给予算法以集体系统表现为基准的成功标准，而不是以按照图灵测试为纲的孤立算法为基础。这是将经济和社会科学需求直接体现在技术设计中的重要途径。为了继续这个话题，我们和其他同行们一起发表了一篇更长的报告*（How AI Failed Us），其内容涉及了更多领域，并细化了这些失败以及克服它们的解决方案。

*译者注

How AI Failed Us: https://ethics.harvard.edu/how-ai-fails-us

如此转变绝非易事。无数研究者、权威人士以及商人早已搭上了当前AI主导范式的便车。说服他们很难——但或许根本没这个必要。成功运用机器智能生产能力的公司会成为模范。如此，其他公司和研究者便会从当前逐渐变得无益的范式中解脱，去追随这些模范。

这些转变从重申我们欠伟大的艾伦·图灵的无数智商税开始，之后我们就可以让他的测试退休了。比起让AI成为顶尖游戏玩家，增量商业与市场的集体智慧才是当前更为宏大的目标。

原文：https://www.wired.com/story/artificial-intelligence-turing-test-economics-business/

本文来自微信公众号：神经现实（ID：neureality），作者：Daron Acemoglu、Michael I. Jordan、E. Glen Weyl，翻译：SADA，审校、编辑：Orange Soda