关于人工智能的未来，数学史教给我们的那些事

关于人工智能的未来，数学史教给我们的那些事

中国数字科技馆2018-07-09 22:10:50

走过路过，不要错过这个公众号哦！

每当一项引人注目的新技术出现，人们总是反应过度，急于想象它对社会造成的破坏。这一现象正发生在人工智能（AI）领域。上个月我参加了South by Southwest（西南偏南艺术节），那里的人们正在为Elon Musk最近的夸张断言喋喋不休：AI将对人类带来比核武器更为巨大的危险。一些经济学家也发出了类似的警告，他们声称到2030年为止，自动化将使美国将近一半的工作岗位岌岌可危。灾难预言者的声明使得人心惶惶：Gallup（盖洛普，一个以调查为基础的全球绩效管理咨询公司）与Northeastern（美国东北大学）在一篇发表于三月的研究中提到，约四分之三的美国人相信AI毁掉的工作岗位将多于它们所创造的。

关于科技发展史的阅读和我在科技前线数十年的工作经验使我对这些言论表示怀疑。AI的确有可能成为一项技术巨变，但是这些巨变改变我们生活和职业所要花费的时间总是比人们通常想象的要长。所以，我们的社会有足够的时间来通过法律法规、文化压力和市场力量来决定这些转变如何发生。举个例子，我们在社交媒体技术上就在进行这样的转变。

自动化在数学中的悠久历史提供了一个更加贴切的类比，通过研究自动化我们可以更好地知道AI与机器人形式的计算机化可能会如何影响其他类型的工作。如果你在担心AI导致的大规模失业或者更糟的情况，想想这件事：为什么计算机还没有使数学家们被淘汰？

几个世纪以来，“computer”这个单词就是一个职位。从17世纪起，计算员就通过计算创建导航表、会计分类账等等。最初的计算过程靠纸笔完成。到了20世纪六十年代，这些工人们有了计算尺和机械计算器的帮助，但是他们的职业仍没有被完全取代。就像2016年的剧情片Hidden Figures（《隐藏人物》）中讲述的那样，NASA（美国国家航空航天局）非常依赖“人肉计算机”来为早期的宇航任务完成计算，就像片中的Katherine Johnson和她的非裔美国女性团队。

今天，一块智能手表完成加减运算的速度比任何人都要快数十亿倍。所以你可能会认为，21世纪的NASA不再需要任何人肉计算机。

但是你错了。现在为NASA工作的程序员、数学家和计算物理学家的人数远远超过20世纪六十年代时受雇的“人肉计算机”的数量。尽管机器的能力已经提升了数十亿倍，人类的工作没有减少——它们在成倍增长。这个现象发生的原因告诉了我们很多关于智能的事情，无论是人类的还是人工的。

事实证明，人类智能不仅仅是某一种技巧或者技能——而是很多很多种。计算机擅长一种特定的数学：算术。求出一长列数字的和对人类来说困难重重，对计算机来说却是小菜一碟。于是，当Excel之类的电子表格程序出现，并使得任何一个中学生都能瞬间算出一长串数字的总和之时，与数学有关的最枯燥和重复性的工作消失了。

但是数学问题多种多样，很多在经济上最重要的问题即使对最先进的计算机来说，也非常复杂且耗时。为了解决这些问题，你需要很多聪明的数学家和计算科学家来想办法对计算机进行编程，从而尽可能高效地完成计算。

认为创新终会带来灾难的人经常会忘记一些事情，而这种情况就是一个典型的例子：在我们部署计算机的几乎每一个领域，计算机的能力越强，我们会发现它们的用途范围越广。这个不断增长的需求需要大量的人力和工作来满足。

经济学中的一条一般规律是，商品供应量的大幅增长将导致价格下跌，因为需求是固定的。

然而，这并不适用于计算机性能——尤其是对数学而言。供应的巨大增长反而刺激了需求，因为每一次原始计算能力的提升和每一种新的巧妙的软件算法都会带来新的一类可以用计算机解决的问题。不过，前提是在人类的帮助下。

理论家已经证明，事实上一些数学问题是如此复杂，以至于要用计算机来解决它们总是具有挑战性，甚至是不可能的。至少现在，有能力在计算很困难的问题做出创新的人们不必担心失业。

这告诉了我们一些关于AI的重要信息。像数学一样，智能不只是一个简单的问题，例如模式识别。它是一个复杂程度差异显著的巨大的任务群。到目前为止，AI最令人印象深刻的“智能”表演是在超人类水平上下象棋或者下围棋的程序。对于人脑来说，这些任务是非常困难的，即使是最有才华的人也需要多年的练习才能掌握。

与此同时，许多对于我们人类来说最基本的任务，比如在崎岖地形上奔跑或解读肢体语言，对机器来说都是不可能完成的，无论是在今天还是在可以预见的未来。随着人工智能的升级，计算机比人类完成得更快或更准确的工作将会增加。但是一个同样在扩展的工作范围将留给人类，而它远远超出了自动化力所能及的领域。

（关于作者：

Nathan Myhrvold是Intellectual Ventures的多产发明人、共同创始人兼CEO。他曾任微软首席技术官，并创立了微软研究院。他拥有普林斯顿大学数学和理论物理学博士学位，以及数学经济学硕士学位。）