騰訊科技訊 在未來，我們不是給計算機編程，而是會像訓練小狗那樣訓練計算機。

在計算機發(fā)明之前，實驗心理學家認為，大腦是一個不可知的黑盒子。你可以分析一個對象的行為——比如鈴鐺一響，小狗就會分泌唾液——但是你又怎么去分析思維、記憶和情緒呢？這些東西神秘莫測，超出了科學研究的范圍。因此，行為學家們把研究的范圍框定在刺激和反應、反饋和強化上，并沒有嘗試去了解心智的內部機制，這段時期持續(xù)了四十年之久。

然后，到了1950年代中期，一群心理學家、語言學家、信息理論家和早期人工智能研究人員提出了一個不同的概念。他們認為，人不僅僅是條件反射的集合，而且還會接收信息，處理它，然后采取相應的行動。人擁有一個系統(tǒng)，可以把信息寫入記憶，存放在記憶中，并且從記憶中調用信息。這是通過一種有邏輯的、正式的語法來進行的。大腦并不是一個黑盒子，它更像是一臺計算機。

這種“認知革命”最開始是一點一點萌芽的，但是，隨著計算機成為全美各地心理學實驗室的標配，“認知革命”獲得了廣泛認同。到1970年代后期，認知心理學顛覆了行為主義，它使用一套全新的語言來描述心智活動。心理學家開始把思維比作程序，普通人也開始使用“記憶的銀行”之類的比喻。

控制了代碼，就控制了世界？

數(shù)字革命滲透到了我們生活中，也滲透到了我們的語言中，以及我們對事情的基本看法之中?？萍季褪沁@樣。在啟蒙時期，牛頓和笛卡爾激發(fā)人們把宇宙想成是一座精心制作的時鐘。工業(yè)時代，帶活塞的機器給人們帶來了啟迪，弗洛伊德的心理動力學就借鑒了蒸汽機熱力學機制。而在如今這個時代，計算機從根本上塑造人們的觀念，因為如果世界是一臺計算機，那么這個世界就可以被編程。

代碼具有邏輯，可以被修改。這是數(shù)字時代的核心原則。軟件無所不在，正如風險資本家馬克·安德森（Marc Andreessen）所說，我們置身于機器叢林之中，機器把我們的行為、想法和情緒轉換成了數(shù)據(jù)——而數(shù)據(jù)是一種原材料，可以供工程師編碼執(zhí)行。我們把生活看成是一種有規(guī)則的東西，其規(guī)則就是一系列可以被發(fā)現(xiàn)、利用、優(yōu)化，甚至改寫的指令?？萍脊臼褂么a來理解我們最密切的聯(lián)系，就連一些勵志文章也說，你可以修改你自己的源代碼，對你的戀愛模式、睡眠習慣，以及消費習慣進行重新編程。

在這個世界上，編程能力已經(jīng)不僅僅是一種理想的技能，而且也成為了一種語言，如果你會說這種語言，你就是一個“圈內人士”，擁有了登堂入室的門徑?！叭绻憧刂屏舜a，你就控制了世界，”未來學家馬克·古德曼（Marc Goodman）曾說。保羅·福特（Paul Ford）用詞則更加謹慎一些：“控制代碼的人就算沒有控制世界，也控制了可以控制世界的東西。）

現(xiàn)在，無論是你喜歡這種狀況還是討厭它，無論你是否精通編程，都不要執(zhí)迷于它。因為我們的機器開始說一種完全不同的語言了，即便是最好的程序員也無法完全理解這種語言。

“機器學習”與深層神經(jīng)網(wǎng)絡

過去幾年里，美國硅谷頂尖的高科技公司開始大力發(fā)展一種計算方法，稱為“機器學習”。傳統(tǒng)的編程方式是寫出一步步的指令，讓計算機遵照執(zhí)行。但在機器學習中，程序員不為計算機編寫指令，而是對計算機進行訓練。如果你想教會神經(jīng)網(wǎng)絡識別小貓，你不是告訴它要找到胡子、耳朵、皮毛和眼睛。而是向它出示大量小貓的照片，最終它就能學會。如果它把狐貍錯誤地歸類為貓，你也不需重寫代碼，只要繼續(xù)訓練它即可。

這種做法并不新鮮，幾十年前就有了，但是最近出現(xiàn)了突飛猛進，這要部分歸功于深層神經(jīng)網(wǎng)絡的興起。深層神經(jīng)網(wǎng)絡是一種大規(guī)模分布式計算系統(tǒng)，模仿大腦神經(jīng)元的多層連接。我們有很多網(wǎng)上活動都是以機器學習為后盾的，比如Facebook用它來決定哪些內容出現(xiàn)在你的消息流里，谷歌照片服務用它來識別面孔，微軟Skype的翻譯功能也使用了機器學習，實時把內容轉換成不同的語言。此外，無人駕駛汽車也利用機器學習來避免事故的發(fā)生。

即便是谷歌的搜索引擎也已經(jīng)開始采用深層神經(jīng)網(wǎng)絡了：該公司今年2月任命機器學習專家約翰·詹南德雷亞（John Giannandrea）擔任搜索部門負責人。谷歌發(fā)起了一項重要計劃，培養(yǎng)工程師掌握這些新技術?！巴ㄟ^打造學習系統(tǒng)，”詹南德雷亞說，“我們不必再編寫規(guī)則了。”

一個時代的結束

這里的問題是：使用機器學習，工程師永遠不知道計算機是如何完成任務的。神經(jīng)網(wǎng)絡的機制在很大程度上是不透明的，神秘莫測。換言之，它就是一個黑盒子。隨著這些黑盒子開始承擔更多的日常數(shù)字任務，它們不僅會改變我們與技術之間的關系，而且還會改變我們看待自己、看待這個世界，以及自己在世界中位置的方式。

如果說以前，程序員就好像是上帝，制定了計算機系統(tǒng)運行的法則，那么現(xiàn)如今，他們更像是家長或者馴狗師了，這是一種更加捉摸不定的關系。

安迪·魯賓（Andy Rubin）是一名經(jīng)驗豐富的程序員，參與了Android操作系統(tǒng)的搭建。 “我進入計算機科學這一行的時候還很年輕……它是一塊空白的畫布，我可以從零開始創(chuàng)建東西，”他說?！昂芏嗄陙恚@給我?guī)砹艘环N巨大的掌控感。”

但是現(xiàn)在，他說，這個時代即將結束。魯賓熱衷于機器學習，他的新公司Playground Global就是機器學習領域的創(chuàng)業(yè)公司，主營智能設備的普及——但是這事也有點讓他傷心，因為機器學習改變了“當一名工程師”的內涵。

“人們不再用線性的方式寫程序了，”魯賓說?！吧窠?jīng)網(wǎng)絡學會如何進行語音識別之后，程序員是無法深入其內部一窺究竟的。它就像你的大腦一樣。你不能砍下一個人的腦袋來看看他在想什么?！比绻こ處煕Q意要看看深層神經(jīng)網(wǎng)絡中是什么，他們看到會是一個數(shù)學的海洋：一個巨大的、多層結構的微積分問題，通過不斷推導數(shù)十億數(shù)據(jù)點之間的關系，得出對世界的猜測。

就在幾年前，主流的人工智能研究人員還認為，為了創(chuàng)造智能，我們必須給機器灌輸正確的邏輯。等到編寫了足夠多的規(guī)則，最終我們就會打造出一種足夠精密的系統(tǒng)來了解這個世界了。他們在很大程度上忽視了機器學習的一些早期支持者，這些支持者認為，應該給機器灌入數(shù)據(jù)，讓它們自己得出結論。

許多年來，計算機一直沒有發(fā)展到強大得足以真正證明這兩種方法優(yōu)劣的程度，所以這個爭論成為了一個哲學命題?！按蟛糠譅幷摱剂⒆阍谝恍﹫远ǖ男拍钌希哼@個世界應該怎么組織起來，大腦是如何工作的，”谷歌無人駕駛汽車研發(fā)者、前斯坦福大學人工智能教授塞巴斯蒂安·史朗（Sebastian Thrun）說?！吧窠?jīng)網(wǎng)絡沒有符號，沒有規(guī)則，只有數(shù)字。這讓很多人都敬而遠之?！?/span>

程序員不會失業(yè)

一種不可解析的機器語言，這不僅僅是個哲學構想而已。在過去的二十年里，學習編程一直是最可靠的就業(yè)途徑之一——所以一些家長讓孩子在放學后去上編程輔導班。但是，以神經(jīng)網(wǎng)絡方式連接的深層學習機器是另外一個世界，需要的是另外一種員工。分析師已經(jīng)開始擔心人工智能會對就業(yè)市場產(chǎn)生怎樣的影響了。就像一些機器設備發(fā)明之后，之前的一些工種失去了意義，程序員自己可能很快也會品嘗到這種滋味了。

當被問及這種轉變時，提姆·奧萊理（Tim O'Reilly）說，傳統(tǒng)的編碼工作不會完全消失，而且在很長一段時間中，我們仍然需要程序員——但是需要的人數(shù)可能會減少，編程會成為一項元技能（meta skill）。按照艾倫人工智能研究所（Allen Institute for Artificial Intelligence）的CEO奧倫·奧尼（Oren Etzioni）的說法，機器學習需要“腳手架”來運行，而搭建“腳手架”就需要會編程。不會因為有了量子力學，牛頓力學就會被拋棄。編程仍然會是一種強大的探索世界的工具，只是人們可能還需要其他更多的工具。但是，在驅動具體職能方面，主要工作是由機器學習來執(zhí)行的。

當然，人們仍然要訓練這些系統(tǒng)。這項工作既需要對數(shù)學有非常深入的領悟，也需要有一種教學上的直覺。“這幾乎就像一種藝術，把這些系統(tǒng)中最好的一面引發(fā)出來，”谷歌DeepMind人工智能團隊的主管戴密斯·哈薩比斯（Demis Hassabis）說?！笆澜缟嫌兄挥袔装偃四艹錾刈龅竭@一點?！钡?，即便人數(shù)這么少，也足以在短短的幾年間內就給技術行業(yè)帶來了轉變。

對文化的影響

無論這種轉變會給就業(yè)帶來怎樣的影響，它對文化的影響必定會更大一些。如果人類編寫的軟件導致了人們對工程師的崇拜，讓大家覺得人類體驗最終可以簡化為一系列可以理解的指令，那么，機器學習就開始向相反的方向推動了。宇宙運轉的法則，可能是無法人為分析的。歐洲反壟斷調查稱谷歌對搜索的結果施加了不當影響。但是，如果就連公司自己的工程師也說不清楚搜索算法究竟是如何發(fā)揮作用的，那么這樣的指控就會變成無頭公案了。

不確定性已經(jīng)不是什么新聞，即使很簡單的算法，也可能產(chǎn)生不可預知的突發(fā)行為——這種說法可以追溯到混沌理論和隨機數(shù)生成器。過去的數(shù)年中，隨著網(wǎng)絡變得日益盤根錯節(jié)，功能變得越發(fā)復雜，代碼似乎越來越像是一種外星神力，機器的行為變得更加難以捉摸，難以管控：股市里出現(xiàn)了一系列不可預防的突然崩潰；停電現(xiàn)象莫名發(fā)生。

由于這些力量的崛起，技術專家丹尼·希利斯（Danny Hillis）宣布“啟蒙時代”已經(jīng)結束。數(shù)個世紀以來，我們對邏輯、確定性和控制自然充滿了信念，這個時代現(xiàn)在結束了。希利斯說，“糾纏時代”（age of Entanglement）開始了?！拔覀冊诩夹g和機制上的創(chuàng)造的東西變得更加復雜，我們與它們之間的關系發(fā)生了變化，”他在《設計和科學》（Design and Science）雜志上的寫道?！拔覀儾辉偈俏覀儎?chuàng)造的東西的主人，我們學會與它們商討，哄騙和引導它們朝著的我們的大方向前進。我們創(chuàng)造了我們自己的叢林，它們也有它們自己的生命?！痹谶@條道路上，機器學習的崛起是最新的一個發(fā)展，也許會是最后一個。

前景令人擔心？

這可能會讓人覺得可怕。畢竟，普通人參加了短訓班之后，多少也會掌握一些編程技能。程序員至少還是人類?，F(xiàn)在不僅科技精英圈縮小了，而且對于他們自己創(chuàng)造的東西，他們的控制力也減弱了。創(chuàng)造這些東西的公司發(fā)現(xiàn)它們很難管控。去年夏天，谷歌的照片識別引擎把黑人圖片標志為大猩猩。公司在道歉的同時，馬上采取了一個糾正做法：讓系統(tǒng)不要把任何東西標記為大猩猩。

一些人覺得，這意味著機器奪走人類權威的時代將會到來?！翱梢韵胍?，技術戰(zhàn)勝了金融市場，比人類研究者更擅長于發(fā)明創(chuàng)造，比人類領導者更擅長于操縱術，還會研制出一些我們甚至無法理解的武器，”斯蒂芬·霍金寫道，“雖然AI的短期影響取決于控制它的人，但它的長期影響則取決于它到底是否能被人控制。”埃隆·馬斯克和比爾·蓋茨等人都贊同他的說法。

但是無需太過害怕。我們才剛剛開始學習與一項新技術“糾纏”的規(guī)則。目前，工程師們正在研究如何把深度學習系統(tǒng)的過程進行視覺化。但是，即使我們永遠不能完全理解這些新機器的思路，這也不意味著我們會在它們面前無能為力。在未來，我們不會太關心它們行為的深層根源，而是學會把注意力放在它們的行為本身上。代碼的重要性將會降低，我們用來訓練它的數(shù)據(jù)會變得更加重要。

重拾行為主義

你可能覺得這看上去似乎有點眼熟，那是因為它和20世紀的行為主義很相似。事實上，訓練機器學習算法的過程經(jīng)常被比喻為20世紀初一個偉大行為主義實驗：巴甫洛夫用鈴鐺聲讓小狗流口水，那并非源自于對饑餓的深刻理解，只是一遍又一遍地重復一個套路。他提供了數(shù)據(jù)，一遍又一遍，直到代碼重寫了其本身。不管你對行為主義者有什么看法，他們就是有控制實驗對象的本事。

史朗說，從長期來看，機器學習將帶來一種民主化的影響。就好比如今你不需要學HTML就能建網(wǎng)站，最終來說，你不需要博士學位，就能利用深度學習的巨大力量。編程不再是掌握了一系列神秘語言的程序員的專屬領地。只要你曾經(jīng)教會過小狗打滾，你就能勝任?！皩ξ襾碚f，這是編程方面最酷的事情，”史朗說，“因為任何人都可以編程了?！?/span>

在計算的歷史上，對于機器如何工作，很多時候我們都采取了一個由內而外的視角。首先我們寫代碼，然后用機器表述它。這種世界觀暗示了一種可塑性，但也體現(xiàn)了一種基于規(guī)則的決定論，從某種意義上說，底層指令決定了一切。機器學習則相反，它代表了一種由外而內的視角：不只是代碼決定行為，行為也決定了代碼。

如今，計算機是一種把體驗轉化為技術的設備。幾十年來，我們尋求的是那種可以解釋我們對世界的體驗，以及進行一些調整后，可以優(yōu)化我們對世界的體驗的代碼。但是，我們的機器將無法按照這種方式發(fā)展下去。我們與技術的關系將變得更加復雜，但最終來說也會變得更有價值。我們的角色也會發(fā)生變化，以前我們是設備的指揮官，以后我們會是設備的家長。（Kathy）