SPACE SCHOOL

Houston Association for Space and Science Education.
HASSE x NNASA

【精選轉載】凱文凱利:地球上最聰明的物種不是人也不是AI,是一匹「人馬」

AlphaGo在去年打敗了世界棋王李世乭,二十年前IBM的深藍電腦也早就打敗了人類,不過凱文·凱利認為這是不公平的比賽,而且未來人工智慧的發展也並非成為超越人類的存在。

(圖 / Wallpaper)

  "在過去幾年當中,我們地球上最聰明的物種,不是人也不是AI,其實是一匹「人馬」,是世界上最聰明的人加上AI。

你與人工智慧的合作表現,決定了你的薪水,你必須要和機器進行合作,而不是對抗。"



Kevin Kelly(圖 / Christopher Michel via Flickr)



  去年,Google的機器人AlphaGo戰勝了李世乭大師。但我們都知道早在20年前,IBM的深藍就已經打敗人類了。



這是一場非常不公平的比賽。



  電腦本身就是非常擅長記憶和計算的,而人類最擅長的並不在此。這場比賽實際上是創造了一個平台,讓人和收集了全部棋盤數據的數據庫進行比賽,這就是用人類的短處去和電腦的長處進行PK。

  這場比賽給我們造成了一種什麼樣的感覺?我們不可避免地認為人類的智慧要低於AI智慧。



智慧的維度不是單一的,而是如同交響樂隊,不同的樂器在彈奏不同的樂譜



  不斷地用機器智慧打敗人類,這也是我們今天,對AI認知存在心理負擔的原因。我們人類潛移默化地認為,物種智慧進化的維度是單一的:

老鼠<猴子<白痴<正常人<天才<人工智慧。

  我們認為,人類的智慧是低於人工智慧的,這是我們一般的認識。但是事實真的如此嗎?

  智慧更像是一個交響樂隊,不同的樂器在彈奏不同的樂譜。不同的人會有不同的思維方式,這是智慧的不同方面。就像不同的人在各個方面的擁有的天賦不同一樣,不同物種在每個智慧的緯度上,表現也是各有差異。

  比如松鼠在思考這方面不那麼擅長,但是在記憶方面,就表現得比人類更好。松鼠能夠記住很多年之內,它在哪裡摘到了哪些不同的松果。記憶力方面,松鼠就比人要來的聰明。

  再比如說你的電腦,它在數學計算方面肯定比你聰明;GPS在導航方面肯定也比你聰明;百度在記憶儲存上肯定也比你聰明,它可以記住60億網頁上所有的信息,這是人類永遠都取得不了的成就。

  所有這些東西,分別在不同的地方,已經比人類聰明了。同理,AI也並不是比人更智慧,它僅僅是和人不同而已。

  AI在思考和計算方面,要遠遠高於人類,但是在其他方面,比如身體協調和創意工作方面,遠不如人類。



AI的智慧只是某一維度上的智慧,它並不比人更聰明,未來它會和電力一樣可購買可傳輸



  那麼我們應該如何看待AI這種維度的智慧呢?

AI這個東西,堪比第一次工業革命、第二次工業革命,讓我們看到的成功機緣。

農業時代之後,工業革命之前,人們對世界的思考,都是用人力的。進入工業革命時代之後,我們意識到人類的肌肉力量其實是非常弱小的。

蒸汽和電力的發明,把我們帶入了一個異彩紛呈的世界。我們有汽車,當你坐進汽車,僅僅用250馬克的手上力量,就可以迅速啟動這台汽車,輕鬆跨越一公里甚至做一個長途的跋涉。

  在整個工業革命的過程當中,其實我們就是用這種虛擬的力量,和人力結合,進行了重新的格局分配。

  比如每個家庭,都佈滿了電子的器械。不論老少,所有人都可以使用這種虛擬的力量,就好像是他們自己手上擁有的力量一樣。

  當我們進入到新一輪的技術革命之後,我們思考一下,AI實際上就像電一樣。它作為一種服務,可以像電力一樣進行傳輸,這意味著每一個人都可以購買AI,再把它乘以幾百萬,進行規模化生產,每個人都可以擁有並且使用它的能量。

  你可以拿出你的電腦,手機,上Google或者微軟去購買這樣一些AI的服務。未來,將會有數以萬計的新創公司使用AI進行自己的領域工作。使用AI的人越多,AI就會越聰明,這是一個滾雪球式的發展。



"並且,我再一次強調,我講的AI,並不是一種意識,而是一種智慧。 AI是某一個維度上的智慧。"



與人工智慧的合作表現,決定了你的薪水,你必須要和機器進行合作,而不是和它們對抗



  同樣的,我們在AI方面做的事情,並不是讓它們比人類更聰明,這沒有什麼意義。因為現在很多東西,已經比人類更聰明了。

  我們現在要做的是,設計各種各樣的AI,建立多種多樣的思維方式。在過去幾年當中,我們地球上最聰明的物種,不是人也不是AI,它其實是一匹「人頭馬」,是世界上最聰明的人加上AI。

  很多人也非常擔心,機器人會不會取代我們的工作。在工作的領域當中,對於每一種工作,其實是有明確的分類的。

  我們會見證更多的新鮮的事物,而這些機器人去幫助我們完成已有的重複性工作。它並不會把我們的工作職位搶走,因為工作職位是在不斷地增加的。

  那些對效率要求不高的工作更適合人類,比如創造力的工作。因為創造力本身就是不講究效率的,我們不用去考慮創意工作是不是會犯錯,不用考慮它的準確性,就像科學研究是不講效率的一樣。

  如果對效率要求特別高的話,就不需要我們再去做這種探索性的工作了,因為它已經繼承了一個固有的程序。

  任何看上去特別重複性的,講究效率而且特別沒有意思的,沒有什麼樂趣的工作,可以讓機器來完成。

  最後,我再強調一遍,不管在哪一個領域,全世界最聰明的一定是最聰明的人加上AI。你與人工智慧的合作表現,決定了你的薪水,你必須要和機器進行合作,而不是和他們對抗。



►凱文・凱利 (Kevin Kelly):

常被稱為「KK」,《連線》雜誌第一任主編;曾任《全球評論》主編、出版人。KK具有多重身份:作家、攝影家、自然資源保護論者,同時還是亞洲文化、數位文化領域的學者。著有《失控》、《必然》、《科技想要什麼》等書。 (來源: 維基百科 )



 



原文摘自於 數位時代 凱文·凱利:地球上最聰明的物種不是人也不是AI,是一匹「人馬」 2017年04月11日

其他相關文章

到網頁最上方