迈克尔乔丹人工智能革命远未发生

人工智能——时代的双刃剑

人工智能（AI）已成为当今时代的代名词。技术专家、学者、记者、风险投资家都在谈论这个词。与许多从学术领域流入普通大众的词语一样，“AI”的使用也存在着严重的误解。尽管公众对AI充满了兴奋与着迷，科学家们却经常与之一样困惑。

我们正处于一个时代，这个时代见证了硅基智能的崛起，一种与我们人类的智能相匹敌的力量。这种发展既令人振奋，也令人恐惧。不幸的是，这种热潮似乎分散了我们的注意力，让我们忽略了更为重要的议题。

Michael I. Jordan从一个不同的角度讲述了这个时代的故事。他讲述了一个关于人类、计算机、数据和生死抉择的故事。十四年前，他的妻子怀孕时，一场关于胎儿健康的超声波检查引发了关于数据解读和决策系统的思考。医生指出的胎儿心脏周围的“白点”可能是唐氏综合症的迹象。在那时，一场关于数据解读和统计分析的争论悄然展开。最终，他决定深入研究这些数据背后的真相，并发现了一些令人深思的问题。这个故事揭示了构建一个能够推理和决策的系统的重要性，一个融合了计算机科学和统计学的系统，并考虑到人类的效用。这样的系统不仅在医学领域至关重要，而且在商业、交通和教育等领域也有着广泛的应用。

我们急需发展这样的系统，一个能够处理复杂数据、进行智能推理和决策的工程学分支。尽管一些人认为这只是AI的辅助工具，但另一些人则看到了一个新的工程学科的诞生。就像土木工程和化学工程一样，这个新的工程学科旨在为人们带来新的资源和能力，并确保安全。与土木工程和化学工程不同的是，这个新的工程学科将建立在信息、算法、数据、不确定性、计算、推理和优化等思想的基础上，并需要社会科学和人文学科的视角来关注人类和来自人类的数据。虽然各种构建块已经存在，但是将它们组合在一起的原则尚未明确。我们需要一个新的工程学科来提供分析和设计的原则。否则，我们就像在没有工程原则的情况下建造桥梁和建筑物一样，可能会遭受严重的后果。我们需要构建一个能够处理机器、人类和环境之间复杂交互的推理和决策系统。不幸的是，我们并不擅长预测下一个可能出现的严重缺陷是什么。我们需要一个新的工程学分支来引领我们走向未来。深入解析人工智能：超越标签的实质进展

当我们如今讨论人工智能（AI）时，经常会被各种术语和概念所困扰，使得我们难以真正了解新兴技术的实质内容和其深远影响。当我们提及AI时，大多数人可能首先想到的是机器学习（ML），但事实上，AI的内涵远比这更为丰富和复杂。

从历史的角度来看，人工智能（AI）这一术语是在20世纪50年代末诞生的，用来描述一种令人振奋的愿望：在软件和硬件上实现具有人类智能水平的实体。如果我们深入探讨其背后的技术和理念，我们会发现这是一个融合了多个学科领域的综合性努力。人工智能并非横空出世，而是基于运筹学、统计学、模式识别、信息论和控制理论等学科的深厚积淀。

如今，当我们谈论AI时，我们实际上是在讨论一个广泛的领域，其中包括机器学习、深度学习、自然语言处理等众多子领域。尤其是机器学习，在过去的几十年里，其在数据科学、预测建模和决策支持等方面的应用已经深入到各行各业。亚马逊等前瞻性的公司早在世纪之交就开始在业务中应用机器学习，解决欺诈检测、供应链预测等问题，并建立面向消费者的创新服务，如推荐系统。

“人工智能”这一标签有时会导致我们对这个领域的真实进展产生误解。例如，虽然我们常常将AI与模仿人类的智能实体相提并论，但实际上，目前的AI技术更多地关注于低水平的信号和决策，而非高层次的人类推理和思考能力。尽管如此，AI在诸如文档检索、文本分类、欺诈检测等领域已经取得了显著进展，推动了众多科技巨头的成功。

与此另一个值得关注的趋势是“智能增强”（IA）。计算和数据被用来创建增强人类智力和创造力的服务，如搜索引擎和自然语言翻译等。这些服务虽然目前尚未涉及高层次的推理和思考，但它们已经能够执行各种字符串匹配和数值操作，为人类提供实用的模式和工具。

更为广泛的是，我们可以设想一个“智能基础设施”的学科，构建一个基于计算、数据和物理实体的网络，使人类环境更加有趣和安全。这种基础设施已经开始在运输、医药、商业和金融等领域显现，对个人和社会的影响日益加深。

人工智能是一个充满活力和创新的领域，其进展超出了许多人的想象。为了更好地理解和推动这个领域的发展，我们需要超越单一的标签，深入理解其背后的技术和理念，看到人工智能对整个社会和经济的深远影响。在一个覆盖全社会的医疗系统中，我们能够建立起前所未有的数据流网络，串联起每一个个体、医生、医疗设备以及海量的医疗信息。想象一下，这个系统能够整合体细胞、DNA、血液测试数据，结合环境、群体遗传学的信息，同时融入海量的科学文献，为医生提供全面而精准的诊断依据，并为患者提供个性化的护理。就如同今天的银行系统应对金融挑战一样，这一医疗系统关注着每一个人类个体与医疗之间的复杂关系，确保医疗信息的准确性、来源的可靠性。尽管隐私问题、责任问题以及安全问题等挑战不断浮现，但我们应该勇敢地面对这些挑战，而不是让它们成为发展的阻碍。

当前基于模仿人类智能的传统AI技术真的能够应对这些挑战吗？这是我们现在面临的关键问题。事实上，虽然机器学习在某些领域如计算机视觉、语音识别、游戏和机器人技术取得了显著的成果，但这并不意味着它已经找到了解决所有问题的钥匙。

目前，模仿人类的AI所取得的成就仍然有限，距离实现我们的愿景还有很长的路要走。这一领域已有的成果引发了巨大的乐观情绪和恐慌，这在其他工程领域是不存在的。更为重要的是，这些领域的成功并不能直接解决重要的IA和II问题。例如，在自动驾驶汽车领域，要实现完全自主驾驶，需要解决一系列复杂问题，这些问题并非仅仅依靠模仿人类的能力就能解决。现代的整体交通运输系统远比我们目前所关注的更为复杂，它需要更为精细的数据分析和决策支持。

有人主张模仿人类的AI愿景能够涵盖IA和II的目标，但这种观点在历史上并没有太多支持。我们是否真的应该首先打造一群AI化学家来研究如何建造化工厂？或者是否应该仅仅依靠模仿人类的AI来解决我们所面临的IA和II问题？事实上，人类并不擅长某些类型的推理，我们有自己的局限性、偏见和失误。面对现代II系统的大规模决策和不确定性挑战，我们并没有进化出足够的应对能力。我们需要超越仅仅模仿人类智能的局限，寻找新的解决方案。

经典的AI问题仍然具有重要意义。当前的研究更多地集中在收集数据、部署深度学习基础设施以及模仿某些特定人类技能的系统演示上。这些研究往往忽视了经典AI领域的核心问题，如将意义和推理引入自然语言处理系统、开发计算不确定性表示的方法以及开发制定和追求长期目标的系统等。这些问题都需要我们深思熟虑地解决。与此在人工智能领域革命的热潮中，我们很容易忘记这些尚未解决的问题和挑战。我们必须正视这些问题并积极寻找解决方案而不是仅仅局限于模仿人类的AI技术。我们需要通过深思熟虑的人机交互来解决最紧迫的问题并推动人工智能的发展进步。我们希望计算机能够激发人类创造力的新高度而不是取代人类的创造力。因此我们需要拓宽视野从更广阔的视角看待人工智能的发展和应用才能真正实现人工智能的潜力为人类带来福祉。在历史的纷争之外，我们还需要清醒地意识到，当前关于人工智能的公共讨论大多局限于产业界和学术界的狭窄领域。这种局限的视野可能会遮蔽人工智能所带来的全面挑战和无限机遇。

我们所追求的宽广视角，并不只是追求科幻电影中的极致场景，更多的是关注技术在日常生活中的实际影响，以及人类对其必要性的理解。在这种理解和塑造过程中，我们需要来自各行各业的多元声音，而不只是技术层面的对话。如果我们仅仅聚焦于模拟人类的AI，可能会让我们忽视或不愿面对更广泛的信息。

学术界的作用举足轻重，不仅要提供最具创新性的技术理念，还要与计算、统计学等学科的专家共同合作，这些合作产生的观点和贡献至关重要。尤其需要社会科学、认知科学和人文科学的独特视角。

虽然科学技术对人类的发展至关重要，但我们也不能过度夸大我们的成果和努力。我们的目标是以实际应用为导向，构建出真正能够发挥作用、减少错误、提升我们生活幸福度的系统。例如，在医疗、交通选择以及商业机会等领域。目前以数据和算法为核心的研究领域尚未形成真正意义上的“工程学科”，尽管这些领域的发展潜力令人振奋。

我们必须接受一个事实，那就是我们正在见证一个新生的工程学科的诞生。这个学科需要我们打破对机器的刻板印象，构建富有情感、以人类为中心的新兴工程学科。在此刻，我们有机会构想出前所未有的新事物。至于这个新兴学科的命名，我在这里暂不提及。但如果“AI”这个词继续作为学科名称使用的话，我们需要认识到它的真正含义和局限性。我们需要拓宽视野、平息过度炒作，并对未来的严峻挑战保持清醒的认识。