文
| Nitzan Hermon
译
| 钟国敬
当我们创造的机器越来越智能时，我们不得不改变自工业时代以来就秉持的一些信条。机器变得越来越复杂，数据处理的速度也变得越来越快。一旦这种复杂度超越了我们所能理解的范围，我们和工具之间的关系就开启了一个新的篇章。
我们研究的很多技术都根植于早期的工具——铁锤的焊接，蹄铁匠的忙碌，收音机的广播。工具已经发生了变化，但是我们与它们交互的方式却相对稳定。工具变得更快、更强以及无线通信。电钻是更坚固的锤子，火车是更快的车，手机成为了交流的方式。随着电子数字积分计算机（ENIAC，第一台通用计算机）的发明，一切都改变了。
宾夕法尼亚大学在1946年的时候安装了ENIAC，它是第一个可以执行多任务的机器。因此，使用它的人也要改变以往的操作方式。
只要我们操作计算机以一种简洁、线性、可管理的方式——这正是模型-视图-控制器（MVC框架），就是很好的。MVC是由Alan Kay，TrygveReenskaug和Adele Goldberg在上世纪70年代末在施乐研究中心研发东芝笔记本和smalltalk时发明的一种软件设计模式。
MVC主要包括一个固定的数据库、一个专有接口以及控制器这三部分。它最主要的问题是，数据只能单向流动。无论是正在发送一条推文、还是在执行一条查询，还是正在阅读一篇文章，此刻数据都是朝一个方向移动的：要么是流向用户方要么是流入数据库，但数据不会同时双向流动的。
计算机输入的复杂性。随着分类工具的日益庞大以及更好的感知器和嵌套的技术（深度学习神经网络，BP，等等），我们能够采用更多的方式科学计算。但是有一个要注意的问题——我们不能完全理解正在发生什么。这正是一些算法会产生很大偏差的原因。我们可以推断偏差的来源是什么，却不能立即修正它。
算法的长尾特性使它们在实际运行时与训练结果并不一致。我们不能再采取一些方法纠正我们的模型或者更改数据源。一旦做了更改，我们需要耐心地观察更改后模型的效果。
新技术的复杂性，给人类带来了一系列有趣的想法，特别是对工具的认识常常脱离实际应用。有趣的是，我们在一些技术空间中看到创新者不阐述日常使用的工具，反而阐述一篇脱离当前应用的工具。
技术信奉派认为所有的技术都是好的。然而，这种想法会使人不能客观地评判一个算法。例如认为算法能够替代人类，AI可以做任何事，并期待AI能够统治社会。
技术恐慌者持相反的观点，认为人类没有意识到技术潜在的危害。我们忘记了所有的技术——机器学习、深度学习，以及目前被称为AI的一切，只不过是一个工具而已。它们只是在多任务节点的机器上运行的数据处理工具而已。
谈到技术信奉者和技术恐慌者，不得不说
伊隆·马斯克
和扎克伯格这两个人。扎克伯格是技术信奉派的代表。他是一个成功的创始人，他很感激互联网的出现。他也在某种程度上象征了硅谷的文化，正等待人们跟随他的脚步。
马斯克对技术的看法稍微复杂一些，他似乎在对立的观点之间摇摆不定。马斯克最近说，“人工智能会给人类的文明带来危险”，虽然这是一个有效的观点，但他并没有作出合理的论证。当然关于大脑和机器之间的区别还是有很多的。
对AI持不同的态度的两大阵营一类是技术信奉者，他们把大脑看成一个计算器；另一类的技术恐慌者则畏惧大脑的统治。这样的分类看似是非建设性的。考虑到人类持有的个人情感。如果你相信一个算法是智能的，那么它应该能表达出这种的个人情感。
Ben Goertzel，人工智能协会主席，把咖啡测试当作阐释AI的例子。进入一个普通的房子，弄清楚如何煮咖啡包括识别出咖啡机，找出按钮的用途，找到橱柜里的咖啡等等。
“这个任务对人类来说很简单，但对计算机来说很困难。创造AGI比创造ANI难太多。保守估计，实现真正的人工智能还得二十多年”作者Malcolm Frank，Paul Roehrig和Ben Pring在书《What to Do When Machines Do Everything》中提到。
与此同时，我很好奇我们能做些什么可以帮助我们更好地了解这些工具并编写出可用的模型。毕竟，只有正确的认识技术才能使技术成为我们的左右手。我不需要一个能煮咖啡、会建网站、会做饭的机器人——我需要一个能理解我我的想法的工具。我需要有情感的工具，能了解我的思想而不只是生硬地模仿我的动作。
如果我们对技术没有正确的认知，我们创造出的工具就会具有危害性。只有理智地看待技术，才能更好地理解实例化的独特性、传统知识以及用户需求。
-END-
后台回复 “志愿者”
了解如何加入我们
